Académique Documents
Professionnel Documents
Culture Documents
Quantification Et
Quantification Et
Quantification
temps et/ou espace Quantification
Théorie de Théorie de
Séance 4 l’échantillonnage
Spectre d’un signal
échantillonné
Contraintes de la représentation informatique : l’échantillonnage
Spectre d’un signal
échantillonné
Théorème
d’échantillonnage de
le temps d’un processeur est discret ; Théorème
d’échantillonnage de
Shannon Shannon
les mesures doivent être représentées par un nombre fini
Quantification Cas d’un nombre fini
d’échantillons
de bits.
Cas d’un nombre fini
d’échantillons
et échantillonnage Conséquences
pratiques
Son numérique
Conséquences
pratiques
Son numérique
Image numérique
Signal discret : une suite de 0-1. Image numérique
Conclusion Conclusion
De la photographie De la photographie
Exemple d’échantillonnage numérique à la
photographie
Exemple de quantification numérique à la
photographie
computationnelle computationnelle
Séance 4 Séance 4
Quantification Quantification
Théorie de Théorie de
l’échantillonnage l’échantillonnage
Spectre d’un signal Spectre d’un signal
échantillonné échantillonné
Théorème Théorème
d’échantillonnage de d’échantillonnage de
Shannon Shannon
Cas d’un nombre fini Cas d’un nombre fini
d’échantillons d’échantillons
Conséquences Conséquences
pratiques pratiques
Son numérique Son numérique
Image numérique Image numérique
Conclusion Conclusion
Source : en.wikipedia.org
Conséquences q8 Conséquences
pratiques q7 pratiques
Son numérique q6 Son numérique
3 Conséquences pratiques Image numérique
q5
Image numérique
q4
Son numérique Conclusion Conclusion
q3
Image numérique
q2
q1
4 Conclusion
quantification adaptée
De la photographie De la photographie
Bruit de quantification numérique à la
photographie
Séance 4 numérique à la
photographie
computationnelle computationnelle
Séance 4 Séance 4
Théorie de Théorie de
l’échantillonnage 2 Théorie de l’échantillonnage l’échantillonnage
Modélisation dans le cas de la quantification uniforme : Spectre d’un signal Spectre d’un signal
échantillonné
Spectre d’un signal échantillonné échantillonné
erreur de quantification uniformément distribuée sur Théorème
d’échantillonnage de
Théorème
d’échantillonnage de
Shannon Théorème d’échantillonnage de Shannon Shannon
[−δq /2, δq /2] Cas d’un nombre fini Cas d’un nombre fini
d’échantillons Cas d’un nombre fini d’échantillons d’échantillons
Z Conséquences Conséquences
δq /2
2
δq3 pratiques pratiques
Var(e) = x dx = Son numérique Son numérique
Image numérique
Remarque : dans le cas où on connaı̂t la distribution de
probabilité du signal source, le quantifieur (adaptatif)
optimal est donné par l’algorithme de Lloyd-Max. 4 Conclusion
7/26 8/26
De la photographie De la photographie
Échantillonnage numérique à la
photographie
Signaux à bande limitée et formule de Poisson numérique à la
photographie
Bon cadre : espace des distributions tempérées S 0 . computationnelle
Séance 4
computationnelle
Séance 4
Théorie de
Soit f ∈ S 0 t.q. F(f ) est à support compact ⊂ [−λc , λc ]. Théorie de
l’échantillonnage
Spectre d’un signal
(f n’a pas de fréquence supérieure à une fréquence limite λc ) l’échantillonnage
Spectre d’un signal
échantillonné échantillonné
Théorème
d’échantillonnage de On dit que f est à bande limitée. Théorème
d’échantillonnage de
Shannon Shannon
Cas d’un nombre fini Cas d’un nombre fini
d’échantillons d’échantillons
Échantillonnage de f (distrib. tempérée “assez régulière”) Conséquences Conséquences
toutes X
les a “secondes” représenté par la distribution : pratiques
Proposition - Formule sommatoire de Poisson pratiques
Son numérique Son numérique
e
fa = a f (na)δna (= f · a∆a ) Image numérique Image numérique
Conclusion
Soit f ∈ S 0 à bande limitée. Conclusion
n∈Z
X X X n
car a f (na)δna → f (au sens des distributions) si a → 0 F(fea )(y ) = a f (na)e −2iπnay = F(f ) y −
n∈Z a
n∈Z n∈Z
X
Question : Lien entre F(f ) et F(fea ) = a f (na)e −2iπnay ?
n∈Z
(et la TFD si nombre fini d’échantillons ?)
9/26 10/26
De la photographie De la photographie
Conséquence de la formule de Poisson numérique à la
photographie
Illustration numérique à la
photographie
computationnelle computationnelle
Séance 4 Séance 4
Théorie de Théorie de
Formule de Poisson : l’échantillonnage l’échantillonnage
X n
Spectre d’un signal
échantillonné
Spectre d’un signal
échantillonné
F(fea )(y ) = F(f ) y − Théorème Théorème
a d’échantillonnage de
Shannon
d’échantillonnage de
Shannon
n∈Z Cas d’un nombre fini Cas d’un nombre fini
d’échantillons d’échantillons
Conséquences Conséquences
pratiques pratiques
Conséquences : Son numérique Son numérique
Image numérique Image numérique
→ Spectre obtenu en faisant la somme des translatés Source : C. Gasquet & P. Witomski, Analyse de Fourier et applications, Masson 1990.
11/26 12/26
De la photographie De la photographie
Vers le théorème de Shannon numérique à la
photographie
Théorème de Shannon numérique à la
photographie
Soit f un signal à bande limitée t.q. 1/a > 2λc . computationnelle
Séance 4
computationnelle
Séance 4
Théorie de
l’échantillonnage f ∈ L2 (R), supp(F(f )) ⊂ [−λc , λc ], et 1
a > 2λc Théorie de
l’échantillonnage
Spectre d’un signal Spectre d’un signal
échantillonné
Alors échantillonné
Théorème
d’échantillonnage de X x − na
Théorème
d’échantillonnage de
Shannon
Cas d’un nombre fini
f (x) = f (na) sinc Shannon
Cas d’un nombre fini
d’échantillons a d’échantillons
n∈Z
Conséquences Conséquences
Formule de Poisson : pratiques
Son numérique
(dans L2 ) pratiques
Son numérique
X X n Image numérique Image numérique
0.4
X sin(πx)
F(f )(λ) = a f (na)χa (λ)e −2iπnaλ . Rappel : sinc(x) = πx
0.2
-0.4
-10 -5 0 5 10
13/26 14/26
De la photographie De la photographie
Considérations pratiques numérique à la
photographie
Recouvrement de spectre ou aliasing numérique à la
photographie
computationnelle computationnelle
Séance 4 Remarque : reconstruction ⇔ multiplication par χa dans le Séance 4
Quantification 1 Quantification
Interprétation : Théorie de
Si a < 2λc . . . Théorie de
si on échantillonne un signal (à bande limitée) à une l’échantillonnage
Spectre d’un signal
l’échantillonnage
Spectre d’un signal
fréquence supérieure au double de sa plus grande fréquence, échantillonné
Théorème
échantillonné
Théorème
d’échantillonnage de d’échantillonnage de
alors on peut le reconstruire de manière exacte ! Shannon Shannon
Cas d’un nombre fini Cas d’un nombre fini
d’échantillons d’échantillons
Problème pratique : pas réalisable Conséquences Conséquences
pratiques pratiques
(décroissance lente du sinus cardinal). Son numérique Son numérique
Image numérique Image numérique
Question : que se passe-t-il si le signal contient des Conclusion → Phénomène de recouvrement / repliement de spectre Conclusion
fréquences supérieures à 1/2a ? dans les hautes fréquences, ou aliasing (alias = à un autre
endroit), ou aliasage.
→ Reconstruction très perturbée (exemples en TP).
Quantification Quantification
Nombre fini d’échantillons, xn = f (na) (∼ f périodique),
Théorie de Théorie de
(Xn ) TFD de (xn ) l’échantillonnage l’échantillonnage
Spectre d’un signal Spectre d’un signal
échantillonné échantillonné
a
(a= intervalle d’échantillonnage ; période de f : Na). Théorème
d’échantillonnage de
− 1a − 21a 1
2a
1
a
Théorème
d’échantillonnage de
Shannon Shannon
Cas d’un nombre fini Cas d’un nombre fini
d’échantillons d’échantillons
Conséquences Conséquences
On calcule : pratiques pratiques
1
< 2λc
X 1 X
Son numérique
Image numérique
a Son numérique
Image numérique
F fea = a f (na)e −2iπnaλ = Xk δk/(Na) Conclusion Conclusion
N
n∈Z k∈Z
a
− 1a − 21a 1
2a
1
a
17/26 18/26
De la photographie De la photographie
Séance 4 numérique à la
photographie
Numérisation Compact Disc numérique à la
photographie
computationnelle
Séance 4
Oreille humaine sensible aux fréquences < 20000 Hz computationnelle
Séance 4
Conséquences Conséquences
pratiques pratiques
Son numérique
1 conversion numérique → analogique par fonction à Son numérique
3 Conséquences pratiques Image numérique Image numérique
décroissance plus rapide que le sinus cardinal, d’où des
Son numérique Conclusion Conclusion
fonctions de coupure moins raides que le créneau.
Image numérique
(d’autant moins que CNA/DAC bon marché)
Donc fréq. échantillonnage > 40 kHz.
4 Conclusion 2 initialement, enregistrement sur cassette vidéo.
6 échantillons par ligne x 294 lignes (PAL) x 50
demi-images/sec → 88 200 éch. par seconde (stéréo)
19/26 20/26
De la photographie De la photographie
Photographie numérique numérique à la
photographie
Exemple d’aliasing (réel) (1) numérique à la
photographie
Capteur appareil photo numérique : computationnelle
Séance 4
computationnelle
Séance 4
Quantification Quantification
Théorie de Théorie de
l’échantillonnage l’échantillonnage
Spectre d’un signal Spectre d’un signal
échantillonné échantillonné
Théorème Théorème
d’échantillonnage de d’échantillonnage de
Shannon Shannon
Cas d’un nombre fini Cas d’un nombre fini
d’échantillons d’échantillons
Conséquences Conséquences
pratiques pratiques
Échantillonnage, donc aliasing sur les zones de l’image Son numérique Son numérique
présentant des détails de haute fréquence. Image numérique Image numérique
Conclusion Conclusion
→ nécessité de placer un filtre passe-bas devant le capteur
(ou une optique peu “piquée”)
→ . . .ou “course aux mégapixels” : capteur de résolution
supérieure à la meilleure optique (limitée de toute façon par
la diffraction).
De la photographie De la photographie
Exemple d’aliasing (réel) (2) numérique à la
photographie
Exemple d’aliasing (réel) (3) numérique à la
photographie
computationnelle computationnelle
Séance 4 Séance 4
Quantification Quantification
Théorie de Théorie de
l’échantillonnage l’échantillonnage
Spectre d’un signal Spectre d’un signal
échantillonné échantillonné
Théorème Théorème
d’échantillonnage de d’échantillonnage de
Shannon Shannon
Cas d’un nombre fini Cas d’un nombre fini
d’échantillons d’échantillons
Conséquences Conséquences
pratiques pratiques
Son numérique Son numérique
Image numérique Image numérique
Conclusion Conclusion
Canon EOS 5D
Sigma SD10 (capteur Foveon)
cf Moiré
http://dpanswers.com/content/tech defects.php
http://dpanswers.com/content/tech defects.php
23/26 24/26
De la photographie De la photographie
Séance 4 numérique à la
photographie
Conclusion numérique à la
photographie
computationnelle computationnelle
Séance 4 Séance 4
4 Conclusion
25/26 26/26