Académique Documents
Professionnel Documents
Culture Documents
2ème année.
25/01/2021 Chap 4 Traitement 2
Le contenu
• Traitement ponctuel
• Traitement sur voisinage
25/01/2021 Chap 4 Traitement 3
Taxonomie
Notations opérateur (de traitement)
T
f (m, n) ® I (m, n) Ie I s = T (I e )
dénomination usuelle image image
d’une image discrète « d’entrée » « de sortie »
Exemple
TRAITEMENT
PONCTUEL
25/01/2021 Chap 4 Traitement 6
Problème d’exposition
25/01/2021 Chap 4 Traitement 7
Transformation d’intensité
T
{I e (m, n)} {I s (m, n)}
{I s (m, n)}
2 K −1
0
2 K −1 {I e (m, n)}
25/01/2021 Chap 4 Traitement 8
Loi Gamma
Le meilleur rendu de l'image ne correspond pas une
représentation linéaire de la luminosité.
γ
I s (m, n) = {I e (m, n)}
1
0.9
0.7
0.6
0.5
0.4 0.2
0.4
0.3 0.7
1.0
0.2 1.5
2.0
0.1
3.0
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
25/01/2021 Chap 4 Traitement 9
Histogramme (1/5)
(nombre de pixels)
H
Distribution des intensités
a
0 255
Intensité scalaire
Mode opératoire 6 0 9 9 8
4 8 7 4 0
8 4 1 8 1
0 9
25/01/2021 Chap 4 Traitement 10
Histogramme (2/5)
} Classes (intervalles) d’intensité (index) a Î [a1,..., aN +1 ] Définition
formelle
Histogramme (4/5)
Impact du nombre de classes amplitude de plus en représentativité de plus
plus forte en plus faible
900 8000 15000
800 7000
700
6000
600 10000
5000
500
4000
400
3000
300 5000
2000
200
100 1000
0 0 0
0 50 100 150 200 250 0 50 100 150 200 250 0 20 40 60 80 100 120 140 160 180 200 220 240
Caractérisation
statistique
même histogramme
25/01/2021 Chap 4 Traitement 12
Histogramme (5/5)
Images en « vraies » couleurs
3000 3000
3000
2500 2500
2500
2000 2000
2000
0
0 0 0 50 100 150 200 250
0 50 100 150 200 250 0 50 100 150 200 250
Exemple
300
250
200
150
100
50
250
200
150
100
50
Transformation linéaire
§ Mise à l’échelle
T (I e ) =
(max - min) [I - I ] + min ìmax = 255
í
(I e max - I e min ) e e min îmin = 0
§ Négatif
T (I e ) = I e max + I e min - I e
25/01/2021 Chap 4 Traitement 15
Exercice
10 10 10 10 10 30 30 30 30 30
10 10 10 10 10 30 30 30 30 30
10 10 10 10 10 30 30 30 30 30
10 10 10 10 10 30 30 30 30 30
10 10 10 10 10 30 30 30 30 30
50 50 50 50 50 70 70 70 70 70
50 50 50 50 50 70 70 70 70 70
50 50 50 50 50 70 70 70 70 70
50 50 50 50 50 70 70 70 70 70
50 50 50 50 50 70 70 70 70 70
Transformation
linéaire
25/01/2021 Chap 4 Traitement 16
Seuillage
ì1 si I e ³ s
Is = í
î0 sinon
2000
sb sh s
1800
1600
1400
1200
Seuillage à simple seuil
1000
800
600
400
200
0
0 50 100 150 200 250
90 145 180
ì1 si sb £ I e £ sh
Is = í
î0 sinon Seuillage à double seuil
TRAITEMENT
VOISINAGE
Filtrage linéaire
25/01/2021 Chap 4 Traitement 18
Exemples
25/01/2021 Chap 4 Traitement 19
f T []
. g cas scalaire : 1 entrée/1 sortie
+¥
g (t ) = ( f * h)(t ) = ò f (t - t ) h(t ) dt
L’entrée et la sortie d’un système (filtre) linéaire
T sont reliées par un produit de convolution -¥
2 * g ( n) = å f (n - k )h(k )
k =- K
n k K
0 1 2 4 -1 0 1 = å f (n + k )h(- k )
k =- K
2 3 -1 2
miroir
1 2 2 g (n)
1 2 2
1 2 2
miroir+ 1 2 2
filtre glissant 1 2 2 4
1 2 2 2
n
0 1 2 3 4 5
4 10 6 5 3 2
25/01/2021 Chap 4 Traitement 21
Intégration temporelle
5 10
20 50 100
25/01/2021 Chap 4 Traitement 22
Convolution discrète 2D
f -1, -1 f 0 , -1 f1, -1
h-1, -1 h0 , -1 h1, -1
m f -1, 0 f 0,0 f1, 0
n Voisinage 3´3
centré sur le point symétrie
(m,n) centrale
h1,1 h0 ,1 h-1,1
Exemple ⎡ 1. 1 ⎤
h =⎢ ⎥
⎣ 1 1 ⎦
10 10
10 10
25/01/2021 Chap 4 Traitement 24
Séparabilité
K L
g (m, n) = å å f (m - k , n - l )h(k , l )
k =- K l =- L
Convolution 2d
h(k , l ) = hx (k )hy (l )
Si la réponse impulsionnelle 1D 1D
est séparable H 2D = H x * H y
K L
Convolution 2d séparable g (m, n) = å h (k ) å f (m - k , n - l )h (l )
k =- K
x
l =- L
y
Is = Ie * H 2D
1D
(
= Ie * H x * H y
1D
) Convolution verticale sur
toutes les colonnes
= (I e *Hx
1D
)* H 1D
Convolution horizontale sur toutes
(I )* H
y
1D 1D les lignes
= e *Hy x
linéarité
" complexité calculatoire plus faible
25/01/2021 Chap 4 Traitement 25
0
plus petit filtre
10
5
0 5
10 rectangle 2d
0
-5
} Filtre triangle
-5
-10 -10
é1 2 1ù
ì 1 1
T3,3 = êê2 4 2úú
ïT2 K +1 = [1 2 ... K + 1 ... 2 1]
(K + 1)
0.05
2
T9 ,9 16
í
0.04
0.03
êë1 2 1úû
ïT2 K +1, 2 L +1 = T2 K +1 * T2 L +1T
0.02
î
0.01
0
10
plus petit filtre
triangle 2d
5 10
0 5
0
-5 -5
-10 -10
25/01/2021 Chap 4 Traitement 26
Exemples
25/01/2021 Chap 4 Traitement 27
0.02
æ k2 l2 ö
ç ÷
-ç 2
+ 2
è 2s k 2s l
÷
ø
0.015
G1.5,5.0
e 0.01
h( k , l ) = version 2d
2ps
0.005
2
0
10
5 10
0.02 5
0
0
-5 -5
G3.0,3.0
0.015 -10 -10
0.01
Gs k ,s l
0.005
0
troncature trop forte
10
filtre RIF 5
0 5
10
(troncature) -5 -5
0
-10 -10
25/01/2021 Chap 4 Traitement 28
Rappel
• Transformée de Fourier de la fonction gaussienne
π 2u 2
π −
b2
F (u) = TF ⎡⎣h(x)⎤⎦ =
2 2
h(x) = e −b x
e
b
25/01/2021 Chap 4 Traitement 29
G3.0,3.0 G1.5,1.5
R1,11
étalement
Exemple de filtrage
25/01/2021 Chap 4 Traitement 31
Contrefaçon
25/01/2021 Chap 4 Traitement 33
Filtrage couleur
TRAITEMENT
VOISINAGE
Filtrage non-linéaire
25/01/2021 Chap 4 Traitement 35
Filtrage d’ordre
Principe
dernier rang
premier rang
ì5ü
rang du ï4ï max
milieu Filtre Max ï ï
ï3ï
Filtre Min ï ï
Filtre Médian ì1 2 1ü ï2ï
ï ï ï ï médian
í 4 - 3 - 1ý í1ý
ï3 0 5 ï ï1ï
î þ ï ï
ï0ï
ï ï
ï - 1ï
min
ïî- 3ïþ
25/01/2021 Chap 4 Traitement 36
20 10 10
20 80 10
20 10 10
20 10 10
25/01/2021 Chap 4 Traitement 37
Exemples 1-D
lissage élimination des
extrêmes
renforcement
des maxima
renforcement
des minima Filtres de largeur 3
25/01/2021 Chap 4 Traitement 38
Min-Max
contours
préservés
Filtrage adaptatif
⎛ 2 2 2⎞
∑ I e (k, l)w ( k, l, i, j ) ⎜−
⎜
( ) ( )
⎜ i−k + j−l
2σ s2
−
( ) ( )
I k ,l −I i, j
2σ g2
⎟
⎟
⎟
k,l∈Ω(i, j )
I s (i, j) = ( )
w k,l,i, j = e ⎝ ⎠
∑ w ( k, l, i, j )
k,l∈Ω(i, j )
Ω (i, j )
25/01/2021 Chap 4 Traitement 42
Filtre bilatéral
Sylvain Paris, Pierre Kornprobst, Jack Tumblin, Frédo Durand, Bilateral Filtering:
Theory and Applications
25/01/2021 Chap 4 Traitement 43
Retouche d’images
25/01/2021 Chap 4 Traitement 1. 44
Plan du cours
• Chap 1 : Introduction
• Chap 4 : Traitements