Académique Documents
Professionnel Documents
Culture Documents
et
Jean-Marc Vézien
Jean-Marc.Vezien@limsi.fr
2. Amélioration d’images
3. Traitement fréquentiel
4. Correction d’images
5. Perception humaine
6. Restauration d’images
• Vision
par David Marr
1982. W.H. Freeman and Company.
• Machine Vision
par Ramesh Jain, Rangachar Kasturi, Brian G. Schunck
McGraw-Hill Education (ISE Editions), 1995.
• Robot Vision
par Berthold K. Horn
MIT Press, 1986.
Domaine omniprésent :
Grand public :
Appareil photo, téléphone
Images réelles et de
synthèse.
Informatique
Radiologie
Génomique
Contrôle industriel
Robotique
(nucléaire)
Post-traitement
(audiovisuel)
Télésurveillance, biométrique,
police scientifique (reconnaissance)
• L’analyse d’images:
image mesures
(«image analysis»)
• L’analyse sémantique:
image description de haut niveau
(«image understanding»).
Cours:
• Concepts fondamentaux du
traitement d’images.
• Images 2D (généralisation possible)
Ex:
une photographie aérienne
un profil d'élévation d'un terrain
une carte topographique
Amplitudes =
• réels (voire complexes) ou
• Entiers = quantification des
valeurs sur un ensemble
discret (ex: 24 bits)
colonnes
lignes
Valeur :
I(x,y,z,,t)
N lignes et M colonnes
Fréquemment on aura M=N=2K
L=2B , B = nombre de bits
B=1 : image binaire
Types d’opération:
(horiz./vert.) =
4:3 4:3 4:3
aspect ratio
OBSOLETE en 2012…
SD
HDReady
Full HD
Multibust
(ref)
720p
observé
http://www.hdtvexpert.com
Jean-Marc Vision par Machine 14
Vezien
I. INTRODUCTION A
L’IMAGE NUMERIQUE
Sources
d'éclairement
f(x,y)
point focal
x0 y0
f ( x, y) f (d ,d )
z0 d z0 d
d = distance focale
• Astigmatisme (irisations)
• Linéarité:
c gain a offset
• Sensibilité
Bruits:
Le bruit photonique
RSBphoto 10 log10 ( T ) dB
T = temps d’observation
ρ = densité de photons par unité de temps.
Bruits:
• Le bruit de lecture
dépend de la fréquence de lecture
sur le CCD. Pour des signaux
faibles et des fréquences de lecture
importantes.
• Le bruit d’amplification
bruit gaussien généré par les
différents étages d’amplification.
presque négligeable désormais.
• Le bruit de quantification :
RSBquant 6B 11 dB
Vignettage: perte de
luminosité non homogène
(optique)
c(i, j ) ij a(i, j ) ij
Forme du pixel:
Zone sensible
Zone non
sensible
Facteur de remplissage:
X aYa
Fr 100 %
X oYo
→ compromis
Sensibilité spectrale:
• Débit de Lecture:
Débit
Format lignes / sec pixels / ligne
(Mhz.)
NTSC 525 x 30 (4/3) x 525 ~11.0
PAL /
625 x 25 (4/3) x 625 ~13.0
SECAM
ECHANTILLONNAGE SPATIAL
Reconstruction Echantillonnage
spatiale e spatial
IMAGE DISCRETE
fd (xi,yi) continue
xi,yi entiers
a b
c d
e f
et d (x)dx 1
0 et d(n) = 1
n
y
2 2
avec u et v
x y
Transformée de Fourier:
Fd(u,v) = Fc(u,v) * S(u,v)
produit classique → produit de convolution.
Problème du repliement:
Si on définit la fréquence de coupure par
Fc(u,v ) = 0 si u u max et v v max
u v
umax et vmax
2 2
Autrement dit: umax et vmax
x y
l= Tc /2
Période de la
demi-sinusoïde
2
fc x l
Tc fc
Δ x ≤ l : les spectres s’écartent, pas de recouvrement
RECONSTRUCTION SPATIALE
Passe-bas idéal:
H (u, v) 1 si u et si v
x y
0 s inon
v
1 u
Opération de reconstruction:
Fonction image
discrète
h(x)
0
x
fd(x) * h(x)
Fonction image
reconstruite
Ordre 0: 1
x
x x
2 2
Repliement en
fréquence
u
-2/x 2/x
Basses Hautes
fréquences mal fréquences mal
représentées représentées
Jean-Marc Vision par Machine 43
Vezien
I. INTRODUCTION A
L’IMAGE NUMERIQUE
x
- x / 2 x / 2
u
2π 2π
x
x
Interpolation bidimensionnelle:
A
B
x
a b
C
c d
y
Interpolation bilinéaire:
fc(x0,y0) A
B
U x0 x
C
V
y0
D
y (x0,y0)
Filtrage bilinéaire:
a b
c d
e f
Jean-Marc Vision par Machine 46
Vezien
I. INTRODUCTION A
L’IMAGE NUMERIQUE
Reconstruction: récapitulatif
Sinc (idéal) 0 0
4 x
54.6 2.0
( = , x = y )
8
5 x
66.7 0.3
( = , x = y)
8
QUANTIFICATION
Codes 11
r3
10
r2
01
r1 4 niveaux
00
r0
Entrée
Fc(xi,yi)
continue
d0 d1 d2 d3 d4
di = niveaux de décision
ri = niveaux de reconstruction spatiale
a b
c d
e f
g
Jean-Marc Vision par Machine 49
Vezien
I. INTRODUCTION A
L’IMAGE NUMERIQUE
Quantification optimale:
Erreur de discrétisation:
M 1 d i 1
e 2
( f R ) i
2
P( f ) df
i 0 di
e2
(i ) di ( Ri R i ) / 2
0 1
di
2
e 0
( ii) Ri
d i 1
di
f P( f )df
R i
d i 1
P( f )df
di
Ri et di sont liés !
Jean-Marc Vision par Machine 50
Vezien
I. INTRODUCTION A
L’IMAGE NUMERIQUE
Surfaces égales
P(f)
f
d0 d1 d2 d3 d4 d5 d6 d7
Transformation T
T = égalisation
T(f) d’histogramme
Quantification linéaire
^
T( f )
-1
Transformation inverse T
^
f
1
j
T(i)
0 i -1
T (j) 1
Courbes d’iso-satisfaction
Iso-satisfaction:
Satisfaction
M ( niveau de quantification) croissante
Face
Foule
N
32 64 128 256
a b
c d
e f
g h
F(i,j) → G(i,j)
n niveaux de gris → 2 niveaux
• seuillage fixe
• seuillage aléatoire
• seuillage ordonné
• seuillage par diffusion d’erreur
SEUILLAGE FIXE:
• Avantage: ultra-rapide
• Inconvénient: flexibilité réduite,
M choisi sur toute l’image
Implémentation:
• choix d’une loi de probabilité
• Tirage de la loi sur chaque pixel =
image aléatoire
• Comparaison pixel à pixel
Floyd-Steinberg: 7/16
X
3/16 5/16 1/16
... et on itère.
for (x=0;x<width;x++) {
for (y=0;y<height;y++) {
Algorithme lent,
test = (I(x,y) < seuil ? 0 :1); mais supérieur en
e=I(x,y) - 255*test; qualité
I(x,y) = (test > 0 ? 255 : 0);
I(x,y+1) += α*e;
I(x+1,y-1) += β*e;
I(x+1,y) += γ*e; D’autres filtres disponibles
I(x+1,y+1) += δ*e;
} Extension en couleur
} possible.
Jean-Marc Vision par Machine 65
Vezien
I. INTRODUCTION A
L’IMAGE NUMERIQUE
Volume de décision
ri