Vous êtes sur la page 1sur 17

Transforme de

HAAR
Prsent par :
NABIL Hatim
PLAN

INTRODUCTION

Domaines dapplication de la transforme de Haar

Application 1

Application 2

Transformee de HAAR et compression

Transformee de HAAR et reconnaissance des


formes
INTRODUCTION

Une fois recherches d'Internet, les images digitales prennent un temps


considrable pour se tlcharger et utilisent une grande proportion de mmoire
de lordinateur. Lesondelettesde Haarque nous discuterons dans cette
application reprsentent une faonde comprimer des images digitales de
manire quelles prennent moins d'espace une fois stockes.
INTRODUCTION

Cette mthode a t introduite par Alfred Haar en 1910. Elle est fameuse pour
sa simplicit et sa vitesse.

2 types de coefficients sont obtenus par cette methode :


Les coefficients dapproximations.
Les coefficients de detail.

On peut calculer la transforme inverse assez facilement.


Domaines dapplication de la
transforme de Haar

Compression de donnes et des images


Rsolution de quations diffrentielles
La reconnaissance des formes
Lanalyse de la texture
Application 1

Prenons lexemple de cette matrice 4x4 :

Pour transformer cette matrice, il faut suivre un nombre specifique detapes


quon peut connaitre davance. En gnral, si le vecteur a 2 kcomposantes,alors
le processus de transformation consiste enktapes.
Application1 Etape1-

La transformation se fait ligne par ligne puis colonne par colonne. On commence
tout dabord par transformer la 1ere ligne.

Pour cela, on divise les composantes du vecteur en 2 paires (100,50) et (60,50) et


on fait la moyenne de chaque paire :
a1=(100+50)/2 = 75 a2=(60+150)/2=105
Puis on soustrait la 2 eme valeur de chaque paire de la premiere valeur et on divise
le tout par 2 :
a3=(100-50)/2 = 25 a4=(60-150)/2=-45
Ce qui nous donne :
Application1 Etape1-

En appliquant cela a chacune des lignes, on retrouve la matrice suivante :

Maintenant, on va appliquer la transformation colonne par colonne. On va


appliquer la transformation uniquement aux 2 premires colonnes vu qua
chaque fois on applique une transformation ligne par ligne ou colonne par
colonne, la transformation qui va suivre sappliquera uniquement a la moitie de
la largeur/hauteur prcdente.
Application1 Etape1-

Pour la 1ere colonne :

a1=(75+40)/2 = 57.5 a2=(70+70)/2=70 a3=(75-40)/2 = 17.5 a4=(70-


70)/2=0
En appliquant cette transformation au niveau de la 2 eme colonne aussi, on
retrouve cette matrice :
Application1 Etape2-

Pour letape 2, on refait exactement la mme chose, mais uniquement a la


moiti de la matrice prcdente :
Application 2 : Matrice 8x8

Prenons lexemple de la matrice M :

Afin de pouvoir faire les transformations plus rapidement, on peut utiliser des
matrices de transformation. Par exemple, on peut multiplier la matrice M par la
matrice W pour faire une transformation ligne par ligne de toute la matrice en
un seul coup :
Application 2 : Matrice 8x8

Prenons lexemple de la matrice M :

Afin de pouvoir faire les transformations plus rapidement, on peut utiliser des
matrices de transformation. Par exemple, on peut multiplier la matrice M par la
matrice W pour faire une transformation ligne par ligne de toute la matrice en
un seul coup :
Application 2 : Matrice 8x8

Ce qui nous donne L=MW.


On peut par la suite multiplier la transpose de W par L pour faire la
transformation colonne par colonne, ce qui nous donne comme rsultat final la
matrice S :
Application 2 : Matrice 8x8

Ce qui nous donne L=MW.


On peut par la suite multiplier la transpose de W par L pour faire la
transformation colonne par colonne, ce qui nous donne comme rsultat final la
matrice S :
Compression et transformation de
Haar

Lide de la transformation de Haar est que les secteurs de la matrice originale


qui contiennent peu de variation finiront par tre nuls dans la matrice
transforme. Une matrice est considreclairsemesi elle a une proportion
leve d'entres nulles. Les matrices clairsemes prennent beaucoup moins de
mmoire une fois stockes. Puisque nous ne pouvons pas nous attendre ce
que les matrices transformes soient toujours clairsemes, nous dcidons d'une
valeur- seuil non ngative connue comme. N'importe quelle entre dans la
matrice transforme dont la valeur absolue est moins queest remise zro.
Compression et transformation de
Haar

Si nous choisissons notre valeur-seuilde sorte quelle soit strictement positive


(non-nulle), alors quelques entres de la matrice transforme seront remises
zro et donc un certain dtail sera perdu quand l'image est dcomprime. La
question cl est alors comment choisirde sorte que la compression soit faite
efficacement avec une dformation minimale l'image. Nous dfinissons
lerapport de compressioncomme tant le rapport des entres non-nulles
dans la matrice transforme (S=WTMW) au nombre d'entres non-nulles dans la
matrice comprime obtenue partir deSen appliquant le seuil
Haar et reconnaissance des formes

Pour reconnaitre les formes, il faut detecter les secteurs ayant des variations
significatives.
Comme dit au niveau de la partie traitant la compression, le secteurs de la
matrice originale qui contiennent peu de variation finiront par tre nuls dans la
matrice transforme, cependant pour les secteurs ayant une variation
significative, ces secteurs ne seront pas nuls (seront donc visibles au niveau de
limage sortie).
Afin de detecter les contours des formes, il suffit donc de choisir le bon seuil
pour notre application.