De la photographie De la photographie

numérique à la Quantification et échantillonnage numérique à la

De la photographie numérique photographie
computationnelle
Séance 4
à la photographie computationnelle F. Sur - ENSMN
photographie
computationnelle
Signal physique (onde lumineuse, onde sonore) : Séance 4
variation d’une grandeur physique (éclairement, pression) en F. Sur - ENSMN

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

Frédéric Sur Conversion Analogique → Numérique =

échantillonnage + quantification
École des Mines de Nancy
Loria Problème inverse : conversion N/A (DAC)

www.loria.fr/~sur/enseignement/photo/ Question : perte d’information ?

1/26 2/26

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

F. Sur - ENSMN F. Sur - ENSMN

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

→ exemple de quantification sur 2 bits.

Remarque : la fréquence d’échantillonnage doit être adaptée Son qualité CD : 16 bits
au signal à numériser. . . Niveaux de gris dans une image : 8 bits
(mais “thirty shades of gray”. . .)
3/26 4/26
 De la photographie De la photographie
Séance 4 numérique à la
photographie
La quantification numérique à la
photographie
computationnelle q8 computationnelle
Séance 4 q7 Séance 4

F. Sur - ENSMN q6 F. Sur - ENSMN

1 Quantification q5
Quantification Quantification
q4
Théorie de Théorie de
q3
2 Théorie de l’échantillonnage l’échantillonnage
Spectre d’un signal
l’échantillonnage
Spectre d’un signal
q2
Spectre d’un signal échantillonné échantillonné
Théorème q1
échantillonné
Théorème
d’échantillonnage de d’échantillonnage de
Théorème d’échantillonnage de Shannon Shannon Shannon
Cas d’un nombre fini quantification uniforme Cas d’un nombre fini
Cas d’un nombre fini d’échantillons d’échantillons d’échantillons

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

→ Intervalles de quantification et niveaux de reconstruction.

5/26 6/26

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

F. Sur - ENSMN F. Sur - ENSMN

Bruit de quantification : e = différence entre signal source 1 Quantification
et signal quantifié. Quantification Quantification

Théorie de
l’échantillonnage
Modélisation dans le cas de la quantification uniforme : Spectre d’un signal
échantillonné
erreur de quantification uniformément distribuée sur Théorème
d’échantillonnage de
Shannon
[−δq /2, δq /2] Cas d’un nombre fini
d’échantillons
Théorie de
2 Théorie de l’échantillonnage l’échantillonnage
Spectre d’un signal
Spectre d’un signal échantillonné échantillonné
Théorème
d’échantillonnage de
Théorème d’échantillonnage de Shannon Shannon
Cas d’un nombre fini
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

−δq /2 12 Image numérique 3 Conséquences pratiques Image numérique

Conclusion Son numérique Conclusion

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

F. Sur - ENSMN F. Sur - ENSMN

Définition - Signal à bande limitée
Quantification Quantification

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

F. Sur - ENSMN F. Sur - ENSMN

Soit f signal à bande limitée, échantillonné au pas de a. Quantification Quantification

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 de fea périodique de période 1/a. Conclusion Conclusion

→ Spectre obtenu en faisant la somme des translatés Source : C. Gasquet & P. Witomski, Analyse de Fourier et applications, Masson 1990.

de F(f ) au pas n/a.

Définition - Fréquence de Nyquist
2λc est la fréquence de Nyquist.

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

F. Sur - ENSMN F. Sur - ENSMN

Quantification Théorème d’échantillonnage de Shannon (-Nyquist) Quantification

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

F(fea )(λ) = a f (na)e −2iπnaλ = F(f ) λ − Conclusion Conclusion

a 1
n∈Z n∈Z
0.8

Soit χa l’indicatrice du segment [−1/2a, 1/2a] : 0.6

0.4

X sin(πx)
F(f )(λ) = a f (na)χa (λ)e −2iπnaλ . Rappel : sinc(x) = πx
0.2

n∈Z (sinus cardinal) -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

F. Sur - ENSMN domaine de Fourier F. Sur - ENSMN

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).

Solution technologique : filtrage du signal analogique

avant échantillonnage pour éliminer les fréquences > 1/2a.
15/26 16/26
 De la photographie De la photographie
Retour sur la Transformée de Fourier Discrète numérique à la
photographie
Aliasing discret numérique à la
photographie
computationnelle computationnelle
Séance 4 Séance 4
1
F. Sur - ENSMN a
> 2λc F. Sur - ENSMN

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

F. Sur - ENSMN Donc, pour la numérisation du son : F. Sur - ENSMN

1 Quantification
Quantification 1 filtrage passe-bas, coupure à 20000 Hz. Quantification

Théorie de 2 numérisation par échantillonnage à 2 × 20000 Hz Théorie de

2 Théorie de l’échantillonnage l’échantillonnage l’échantillonnage
Spectre d’un signal
−→ 44.1 kHz Spectre d’un signal
Spectre d’un signal échantillonné échantillonné
Théorème
échantillonné
Théorème
d’échantillonnage de d’échantillonnage de
Théorème d’échantillonnage de Shannon Shannon
Pourquoi 44.1 kHz ? (et pas 40 kHz ?) Shannon
Cas d’un nombre fini Cas d’un nombre fini
Cas d’un nombre fini d’échantillons d’échantillons
source : en.wikipedia.org/wiki/Compact_disc
d’échantillons

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

F. Sur - ENSMN F. Sur - ENSMN

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).

Compromis filtre passe-bas / aliasing. Canon EOS 1Ds

21/26 22/26

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

F. Sur - ENSMN F. Sur - ENSMN

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

F. Sur - ENSMN F. Sur - ENSMN

1 Quantification
Quantification Quantification
Propriété fondamentale
Théorie de Théorie de
2 Théorie de l’échantillonnage l’échantillonnage du traitement des signaux numériques : l’échantillonnage
Spectre d’un signal Spectre d’un signal
Spectre d’un signal échantillonné échantillonné
Théorème
échantillonné
Théorème

Théorème d’échantillonnage de Shannon d’échantillonnage de

Shannon
→ un signal à bande limitée peut être représenté par un d’échantillonnage de
Shannon

Cas d’un nombre fini d’échantillons

Cas d’un nombre fini
d’échantillons signal discret  sans perte d’information  s’il est Cas d’un nombre fini
d’échantillons

Conséquences échantillonné à une fréquence supérieure au double de sa Conséquences

pratiques pratiques
Son numérique plus haute fréquence. Son numérique
3 Conséquences pratiques Image numérique Image numérique

Son numérique Conclusion Conclusion

→ sinon apparition de perturbations dues à l’aliasing /
Image numérique
repliement de spectre.

4 Conclusion

25/26 26/26