Vous êtes sur la page 1sur 17

Rapport traitement de Signal & Image

Application des f iltres  linéaires sur une image

réalisé par :

Guezguez Yahia

2011/2012

.............................................. 1 II – Présentation : …......................... 5 1 – passe bas 2 – passe haut 3 ...................................................Laplacien IV – Conclusion …......................................... 14 ............................................................................... 2 1 – notion Filtre 3 – convolution 2 – notion de Fourier III – Filtres usuelles : …....................................................................................................................................................Sommaire I – Introduction ................

Introduction Le traitement d'images désigne une discipline de l'informatique et des mathématiques appliquées qui étudie les images numériques et leurs transformations. aide au diagnostic. dans le but d'améliorer leur qualité ou d'en extraire de l'information. compression et stockage. Dans le cas d'une étude sur les filtres. Le but de ce rapport est d'aborder la question du filtrage. on parlera dans ce rapport d'une image médicale ce qui rentre dans le but de notre formation. ceci concerne particulièrement l'aide au diagnostic en mettant en évidence les contours ou en améliorant le contraste. * 1 * . Le traitement d'images médicales peut avoir différents conséquences tels que la reconstruction d'images. La compréhension du traitement d'images commence par la compréhension de ce qu'est une image. Tout d'abord on présentera rapidement la notion de filtre et la transformée de Fourier.

des pixels voisins ont généralement des caractéristiques identiques. A..j)=H(k.Présentation 1 – Les filtres : Les filtres font parties des traitements locaux (ou traitements de voisinage) : chaque pixel de l’image initiale est traité relativement à ses voisins.. filtres binaires.l)*I(i. Il faut donc opérer des transformations qui. Le passage d’une "fenêtre" sur l’image est en fait une convolution par une quantité que l’on appelle "filtre". On peut voir cela comme une convolution discrète où H(k.j) Pour un filtre 3 x 3 : A D G B E H C F I En général. qui le caractérise complètement : Ifiltrée(i. mais on corrige ensuite pour que : A=B=C=D=E=F=G=H=I=1 (ou 0) Il y a deux types de filtres : → Linéaire (ceux traiter dans ce rapport) → non linéaire ( filtre médian. …) * 2 * . pour chaque pixel. sont de petites valeurs entières positives ou négatives. C.l) est la réponse impulsionnelle du filtre. Les images possédant une certaine redondance spatiale. tiennent compte de son voisinage.B.

ce qui représente 262144 pixels ) et une matrice plus petite qu'on appelle le noyau parce que c'est le "cœur" de tous les changements qui vont affecter l'image. très grande ( par exemple 512 x 512. Dans le cas qui nous intéresse. c'est à dire sur chacun des éléments de la matrice "image". nous mettons en jeu deux matrices très différentes : la matrice image. * 3 * .2 – Convolution : Beaucoup de traitements d'images sont basés sur les produits de convolutions. est un opérateur mathématique qu'on utilise pour multiplier des matrices entre elles. Un produit de convolution. Le noyau va donc agir sur chacun des pixels.

les signaux 2D présentent des variations d'intensité (lumineuse) dans l'espace. * 4 * . les basses fréquences représentent les grandes surfaces homogènes et les parties floues alors que les hautes fréquences représentent les contours. l'information est discrétisée. plus généralement les changements brusques d'intensité et enfin le bruit.3 – La transformée de Fourier : Une image est avant tout un signal. Dans le cas d'une image (signal 2D). De même que les signaux 1D présentent des changements d'amplitude (sonore) dans le temps.y : les coordonnées spatiales La transformée de Fourier du produit de convolution de deux fonctions n'est autre que le produit (classique celui-là) de leur transformée de Fourier et réciproquement. On peut étendre cette définition à des signaux 2D : avec : • x. Dans le cas de signaux numériques. L'analyse se fait donc grâce à la transformée de Fourier Discrète (TFD ou encore Discreet/Digital Fourier Transfrom). La transformée de Fourier permet de passer du domaine spatial ou temporel dans le domaine fréquentiel.

pixels foncés). L'intérêt de ce type de filtre est :     lisser l'image (Smoothing) remplacer chaque pixel par la valeur moyenne de ses voisins réduire le bruit rendre l'image floue (Blur edges) Voici quelque exemple : 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 Filtre Type A « très bas » 1/16 1/8 1/16 1/8 1/4 1/8 1/16 1/8 1/16 Filtre Type B « bas » 1/8 1/8 1/8 1/8 0 1/8 1/8 1/8 1/8 Filtre Type C « moyen » * 5 * .Les filtres linéaires Dans cette partie on s'intéressera aux filtres linéaires usuels 3*3 et à leurs effets dans Fourier. 1 – Filtre Passe-bas : (avec gain unitaire) Il consiste à atténuer les composantes de l'image ayant une fréquence haute (supérieur à la fréquence de coupure.

→ Application du filtre avec Matlab : • Filtrage spatial : Pour bien analyser le comportement du filtre. (a) (b) filtre Type A filtre Type B filtre Type C On constate que il y a de plus en plus un effet de flou avec un effet de lissage sur les bord. on l'applique sur une gaussienne (a) ensuite sur une image plus complexe (b) . cette effet est plus remarquable sur l'image (b). * 6 * .

Filtre Type A • Filtrage fréquentiel : Filtre Type B Filtre Type C module de la TF de l'image (b) TF du filtre de type A * 7 * .

(c) (d) (e) (f) on constate bien l'effet du lissage sur l'image (d) après avoir appliquer cinq fois le filtre passe bas de type A ce qui donne une transformée de fourier ci dessus ( f ). On perd pas mal de détails. L'utilisation répétitive du filtre fait apparaître des effets de bords. En matlab. toute l'énergie est centré on conserve presque que les fréquences basses d'où son utilité. mais cet effet est souvent négligeable et peut s'éliminer en tronquant les bords de l'image. * 8 * . L'image (e) correspond à la TF de l'image obtenu ( c ). c'est la fonction « circshift » qui élimine cette effets.

2 – Filtre Passe-haut : (avec gain unitaire) A l'inverse du filtre passe bas. il s'agit d'une opération visant à accentuer les différences entre les pixels voisins. Le résultat est conforme aux attentes. Ainsi l'accentuation peut permettre de mettre en exergue les limites entre les zones homogènes de l'image et est alors appelée extraction de contours (également contourage ou réhaussement de contours). On observe bien une atténuation des hautes fréquences et le passage des basses fréquences. il atténue les composantes de basse fréquence de l'image et permettent notamment d'accentuer les détails et le contraste. c'est la raison pour laquelle le terme « filtre d'accentuation » est parfois utilisé.On va s'intéresser à la partie réel du rapport entre la transformée de fourier de l'image filtré et la transformée de fourier de l'image . L'accentuation (ou bruitage) est l'inverse du lissage. Exemple de filtre passe-haut : 0 -1 0 -1 5 -1 0 -1 0 Filtre Type A' * 9 * .

alors que les figures ci dessous montre bien la différence sur l'image. ( a' ) ( b' ) ( c' ) on remarque que l'image ( a' ) est la plus toucher de l'effet du filtre qui est de type A' donc il atténue fortement les basses fréquences alors l'image ( b' ) on voit l'effet d'accentuation bien au contour .-1 -1 -1 -1 9 -1 -1 -1 -1 Filtre Type B' 1 -2 1 -2 5 1 -2 -2 1 Filtre Type C' • Filtrage spatial : Filtre Type A' Filtre Type B' Filtre Type C' On voit que on n'arrive pas à constater l'effet du filtre sur la gaussienne. * 10 * . bien que l'image ( c' ) est au niveau intermédiaire.

• Filtrage fréquentiel : TF du filtre de Type A' (1) (2) (3) (4) .

D'un point de vue mathématique. elle exprime le rapport du TF(image filtré) par TF(image original). 3 – Filtre Laplacien: Le filtre Laplacien est un filtre de convolution particulier utilisé pour mettre en valeur les détails qui ont une variation rapide de luminosité. ce filtre n’affecte pas les hautes fréquences. d’où son utilisation dans la reconnaissance de formes. zone central plus sombre. A l’inverse d’un filtre passe bas. L'image ci dessous confirme le résultat.On constate que l'effet du filtre a augmenter à l'image (2) par rapport à l'image (1) d'où on reconnaît mieux les délimitations entre les différents constituants de l'image Dans le domaine de fouriere on voit l'image (4) présente des zones plus claire sur les bords ce qui explique l'effet du filtre il supprime les basses fréquences. Le Laplacien est donc idéal pour rendre visible les contours des objets. le Laplacien est une dérivée d'ordre 2. * 12 * . Le renfoncement des contours et leur extraction s’obtiennent dans le domaine fréquentiel par l’application d’un filtre passe-haut.

Un effet de renforcement des contours et donc des détails sur une image est obtenu en retranchant à l’image le résultat de la réalisation d'un filtre Laplacien sur cette image (5) * 12 * . on constate bien une atténuation forte des basses fréquences. On définit un contour comme une discontinuité locale de l'intensité lumineuse. d'où une mise en valeur des contours. En pratique.exemple de filtre laplacien : 0 -1 0 -1 4 -1 0 -1 0 Le filtre laplacien est un cas particulier de filtre passe haut.

• filtrage fréquentiel TF du filtre laplacien TF de l'image filtré * 13 * .On remarque l'image ( 5 ) montre bien l'effet du filtre laplacien.

dans la mesure où cela aura une incidence directe sur la qualité du diagnostic. mis à part l'approximation due au calcul par différences finies. notamment des filtres non linaires (filtres de Sobel) et qui peuvent avoir des effets différents sur les images traitées voici la figure ci dessous qui résume les deux différentes méthodes de filtré une image. On peut conclure quand pratique les effets sont globalement ceux attendus. . Durant cette étude touts les filtres traités sont des filtres linéaires.Conclusion Ce rapport nous 'a permis de mieux maîtriser Malab et de mieux comprendre l'intérêt et le fonctionnement de chaque filtre. mais il en existe d’autres qui sont plus au moins performant. La connaissance de ces différents filtres peut avoir un fort intérêt dans le traitement des images médicales : il y est en effet important de savoir choisir le bon filtre pour améliorer l'image et aider à la détection de forme.