Chapitre 2TTI

09/10/2022
80
Chapitre II : Traitements de base d'une image
1. Transformations ponctuelles
2. Transformations de voisinage
3. Transformations spectrales
4. Transformations morphologiques
Chapitre II: Traitements de base d'une image

Objectifs
81
1. Comprendre la différence entre les différentes Transformations
2. Appliquer quelques transformations de base sur une image
3. Choisir la meilleure transformation dans une situation réelle
(augmenter la brillance, réduire le bruit)
1
09/10/2022

Opérations sur les images
82
Transformations d’image
Principe:
Changer la valeur de chaque pixel d'une image I pour obtenir une nouvelle image
I'. Cette image résultat a la même taille que I, mais des propriétés plus intéressantes.
Notation
La transformation est notée t :
Types de transformations Exemple : seuillage, ajustement

-Ponctuelles luminosité/contraste, opérations
-Locales (ou de voisinage) : algébriques, opérations logiques
-Spectrales et arithmétiques, manip.
-Morphologiques d'histogramme.

Transformations Ponctuelles
83
- La nouvelle valeur I'(x,y) est obtenue à partir de I(x,y) de l’image de départ

seulement.
- Les transformations ponctuelles sont utilisées, souvent en

visualisation, pour mettre en évidence des pixels
satisfaisant à une propriété donnée.
Exemple:
• Les opérations arithmétiques
• Les opérations logiques
• Les opérations géométriques
• Les anamorphoses
2
09/10/2022

84
Transformations ponctuelles
Les opérations arithmétiques
Addition:
Principe : I(a, b)= I1(a, b) + I2(a, b) pour tout pixel de coordonnées (a, b).
Stratégies pour le dépassement de capacité :
- Décalage des valeurs dans [0, 127] avant addition (perte du bit de poids faible).
- Saturation : I (a, b) = min ( I1(a, b) + I2(a, b), 255)
Applications :
 Augmentation de la luminance d’une image (par addition d’une constante ou
d’une image avec elle-même).
 Diminution du bruit dans une série d’images.

85
On suppose qu’on dispose de R images

bruitées de la Lune.
→ En moyennant les images bruitées, on

effectue une opération de débruitage !
→ Plus on somme d’images, plus on débruite.
3
09/10/2022

86
Soustraction:
Principe : I(a, b)= I1(a, b) - I2(a, b) pour tout pixel de coordonnées (a, b).
Stratégies pour le dépassement de capacité :
- Saturation : I (a, b) = max ( I1(a, b)-I2(a, b), 0)
- Différence absolue : I (a, b) = Abs ( I1(a, b) - I2(a, b)).
Applications :
 Diminution de la luminance d’une image
 Détection de changements entre les images :
i)Défauts (par comparaison avec une image de référence)
ii)Mouvements (par comparaison avec une autre image de la séquence)

87
4
09/10/2022

88
Multiplication:
Principe: la multiplication d’une image I par un facteur B:
S(x,y)=Max(B*I(a, b);255)
Applications :
- Augmenter le contraste (augmenter la luminosité)

89
Les opérations logiques (ET,OU, NOT)
ET (découpage)
Pour une image donnée (a), la conception d'un masque (b) et le recours à une
opération logique ET permet d'isoler une région d'intérêt dans une image (c).
5
09/10/2022

90
Les opérations géométriques
• Translation
• Changement d’échelle
• Rotation

91
6
09/10/2022

92

93
7
09/10/2022

94

95
Les anamorphoses
Une anamorphose est une déformation réversible d'une image à l'aide d'un système
optique par exemple un miroir courbe ou une transformation mathématique.
Traitement d’anamorphose d’images selon les étirements
8
09/10/2022

Transformations de voisinage
96
Produit de convolution
 Le produit de convolution est obtenu en parcourant les différents pixels de l’image tout en remplaçant à
chaque fois la valeur du pixel en cours par une combinaison des pixels relatifs à son voisinage. La nouvelle
valeur du pixel est donnée par la formule ci-dessous :
 Formule : L’image résultat de la convolution de I par H est donnée par :

97
Nouvelle Nouvelle valeur
Produit de convolution image de pixel
21
Noyau H 1 1 1
(1\9) 1 1 1
1 1 1
Image
51 21 14
Originale I 9 9 19
19 22 27
Nouvelle valeur de pixel =
9
09/10/2022

98
Produit de convolution
 Pour lisser une image, on utilise un filtre H (aussi appelé noyau de convolution ou fenêtre de
convolution ) dont la longueur et les coefficients déterminent la puissance du lissage.
Image originale Image filtrée
 L’image lissée est alors obtenue par une convolution 2D entre l’image en niveau de gris I et le
noyau (filtre) : I lissée  I  H
 Le produit de convolution numérique d’une image par un noyau est une somme de multiplications

99
 =
H I’
10
09/10/2022

Produit de Convolution 2D : Effets de bords :
Effets de bords :
Quelle stratégie pour les pixels se trouvant aux bords d’une image.
Solutions envisagées :
- Ne pas traiter les pixels se trouvant aux frontières de l’image.
- Considérer les pixels extérieurs égales à zéro et on aura ainsi une convolution partielle

Transformations spectrales 10
1
Transformations spectrales
Transformation de Fourier
Si on considère un signal continu x(t, u), alors sa transformée de Fourier X(f , g) est donnée par :
Interprétation :
Projection de x(t, u) sur un ensemble de fonctions 2d de base {exp (2iπ(ft + gu))}, (f , g) ∈ IR2
= images de base
• X(f , g) =< x(t, u); e i2π(ft+gu) > : produit scalaire entre x(t, u) et la fonction 2d e i2π(ft+gu)
11
09/10/2022

2
Définitions:

3
Reconstruction:
12
09/10/2022

4
Propriétés:
Linéarité
Translation
contraction
convolution
Produit

105
13
09/10/2022

106
Propriétés:
La réponse fréquentielle de X(f , g) comporte une information structurelle sur la direction des fréquences
spatiales

107
Les lignes directrices fortement représentées dans les images sont mises en valeur dans les spectres
14
09/10/2022

108
Application au filtrage
Objectifs: isoler le signal du bruit

Hypothèse: le bruit et le signal utile vont être portés par les composantes fréquentielles différentes:
Signal-BF
Bruit-HF
Méthodes de débruitage :
Mise à zéros des composantes fréquentielles qui correspondent aux hautes fréquences
Objectifs: réduire l’espace occupé par une image

Hypothèse: l’énergie d’une image concentré sur peu de coefficient de la BF, les HF ont une énergie
négligeable.
idée:
Ne conserver que les BF

Transformations morphologiques
109
Transformations morphologiques
La morphologie mathématique :est un outil qui peut : extraire des images des
composantes utilisées pour leur représentation ou leur description, faire des pré ou post-
traitements (filtrage, affinage, ...)
Exemple
Extraction de contour
Amincissement (thinning)
Epaississement (´ thickening’)
Squeletisation (skeletons)
Taillage (pruning)
15

Chapitre 2TTI

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 2TTI

Transféré par

Droits d'auteur :

Formats disponibles

09/10/2022

Chapitre II : Traitements de base d'une image

Chapitre II: Traitements de base d'une image

1. Comprendre la différence entre les différentes Transformations

2. Appliquer quelques transformations de base sur une image

3. Choisir la meilleure transformation dans une situation réelle

(augmenter la brillance, réduire le bruit)

Chapitre II: Traitements de base d'une image

Types de transformations Exemple : seuillage, ajustement

Chapitre II: Traitements de base d'une image

- La nouvelle valeur I'(x,y) est obtenue à partir de I(x,y) de l’image de départ

- Les transformations ponctuelles sont utilisées, souvent en

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

On suppose qu’on dispose de R images

→ En moyennant les images bruitées, on

→ Plus on somme d’images, plus on débruite.

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Traitement d’anamorphose d’images selon les étirements

Chapitre II: Traitements de base d'une image

 Formule : L’image résultat de la convolution de I par H est donnée par :

Chapitre II: Traitements de base d'une image

Nouvelle valeur de pixel =

Chapitre II: Traitements de base d'une image

Image originale Image filtrée

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Produit de Convolution 2D : Effets de bords :

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Chapitre II: Traitements de base d'une image

Objectifs: isoler le signal du bruit

Objectifs: réduire l’espace occupé par une image

Chapitre II: Traitements de base d'une image

Vous aimerez peut-être aussi