Filtrage en traitement

d’image
Réalisé par :

Hakim Chaari
 Plan
I. Introduction
II. Filtrage spatiale
1. Convolution Discrète 2D
2. Filtre de Moyenne
3. Filtre Médian
4. Filtre passe haut
III. Opérateurs morphologiques
1. Erosion Morphologique
2. Dilatation Morphologique
3. Ouverture Morphologique
4. Fermeture Morphologique
 I. Introduction
 Le filtrage d'une image numérique permet de modifier son spectre spatial.
On peut par exemple chercher à atténuer les hautes fréquences pour la rendre moins nette, à réduire le
bruit, ou au contraire à accentuer les hautes fréquences pour accentuer la netteté.
La dérivation est aussi une opération de filtrage, employée pour la détection de bords .
II. Filtrage spatiale
1. Convolution Discrète 2D

 Le filtrage par convolution s'applique aux filtres linéaires à réponse impulsionnelle finie,
dont la réponse impulsionnelle est relativement petite.
 Le filtrage par convolution est la Transformation basée sur le voisinage d’un point (x, y)
 Exemple:

g(x, y) = (f ∗ filtre)(x, y) = X i X j f(x − i, y − j) filtre(i, j)

 2. Filtre de Moyenne
 Le filtre moyenne :
● Permet de lisser l'image (smoothing)
● Remplace chaque pixel par la valeur moyenne de ses voisins
● Réduit le bruit
● Réduit les détails non-important
● Brouille ou rend floue l'image (blur edges)
 Exemple de filtres moyennes :
 Remarque : Effet de flou d’autant plus marqué que la taille du filtre est grande
 3. Filtre Médian

 Pour nettoyer le bruit dans une image, il existe mieux que le filtre moyenne ou le filtre gaussien. Il
s'agit du filtre médian.
 Le filtre médian est un filtre non-linéaire, qui ne peut pas s'implémenter comme un produit de
convolution.
 On remplace la valeur d'un pixel par la valeur médiane dans son voisinage NxN.
 Exemple : Nettoyage du bruit  "poivre et sel"  dans une image
 4. Filtre passe haut
 Le filtres de sobel
Le filtre de Sobel est un opérateur utilisé en traitement d’image pour la détection de contours . Il s'agit
d'un des opérateurs les plus simples qui donne toutefois des résultats corrects.
L'opérateur utilise des matrices de convolution. La matrice de taille 3×3 subit une convolution avec
l'image pour calculer des approximations des dérivées horizontale et verticale. Soit A l'image source,Gx
et Gy deux images qui en chaque point contiennent des approximations respectivement de la dérivée
horizontale et verticale de chaque point. Ces images sont calculées comme suit:
 Filtre de Prewitt
Soit A l'image source, et Gx et Gy les deux images dérivées horizontale et verticale (respectivement) de
l'intensité lumineuse de l'image, on peut les calculer ainsi avec l'opération de convolution 2D suivante :

 Quelques exemples
 Filtre laplacien

 Le filtre de laplace (dit aussi filtre laplacien ou opérateur laplacien )est un filtre passe-haut
dédié à la détection de contours.
Sa particularité est de détecter des lignes horizontales,verticales et diagonales .
 De point de vue digitale

 Exemple :

Image filtrée
III. Opérateurs morphologiques

 On a 2 opérateurs basiques ⇒ “EROSION” et “DILATATION”

• Combinaison de ces 2 opérateurs
⇒ 2 opérateurs complémentaires : “OUVERTURE” et “FERMETURE”
• Ces opérateurs dépendent d’un élément structurant
 1. Erosion Morphologique
 Il s’agit d’un processus qui permet de séparer des objets qui sont collés et de de nettoyer la forme :

 L’érosion réduit la taille des objets, ce qui peut être problématique pour certaines applications .
 Définition :
Soit X un ensemble et B un élément structurant, l’érosion de X par B est l’ensemble des points x de
l'image, tels que B est totalement inclus dans X si B est centré en x.
 Remarque:
• Dans ce cas des images binaires, l'érosion correspond donc à l'opérateur ET.
• Dans le cas des images en niveaux de gris, l’érosion correspondra à l’opérateur min.

 élément structurant
 un ensemble de pixels à 1 sur un support dans l’image avec une origine ayant comme coordonnées (0,
0)
 2. Dilatation Morphologique
 Il s'agit d'un processus qui permet de réparer des traits interrompus et de combler les intrusions (ou
trous) dans un objet :

 La dilatation agrandit la taille des objets dans l'image

 Définition :
Soit X un ensemble et B un élément structurant, la dilatation de X par B est l'ensemble des points x
de l'image, tels que Bx a une intersection non vide avec X.
 Remarque:
• autrement dit, la dilatation de X correspond donc à l'érosion du complémentaire de X.
• Dans ce cas des images binaires, la dilatation correspond à l'opérateur OU
• Dans le cas des images en niveaux de gris, la dilatation correspondra à l’opérateur max.
 3. Ouverture Morphologique
 Définition:
 L’Ouverture de X par B, notée X o B.
C’est l’opération correspondant à l’érosion par B suivie de la dilatation par B:
X o B = ( X B) ⊕ B

 L’ouverture d’une image binaire par un élément structurant circulaire adoucit les bords des formes
en supprimant les détails finis de bord et coupe les isthmes étroits.
 4. Fermeture Morphologique
 Définition :
 La Fermeture de X par B, notée X • B.
De manière duale à l’ouverture, la fermeture correspond à la dilatation de X par B suivie de l’érosion
par B :
X • B = ( X ⊕ B) B

 La fermeture adoucit également les bords des formes X, bouche les canaux étroits, fusionne les
objets proches les uns des autres et bouche les trous de petite taille.
 Conclusion
Le filtrage linéaire représente une des opérations les plus élémentaires et les plus essentielles
réalisées dans le cadre du traitement des images.
Afin de pouvoir effectuer de tels traitements dans un calculateur, les images doivent auparavant être
numérisées, ce qui implique à la fois un échantillonnage dans le domaine spatial et une quantification
dans le domaine des luminances.
L'échantillonnage spatial induit des périodicités dans les représentations fréquentielles associées aux
images traitées qui permettent d'en restreindre la description sur un domaine précis.
L'opérateur de convolution spatial est la représentation mathématique associée au filtrage linéaire
invariant.
L'opération peut se résoudre dans le domaine spatial ou fréquentiel selon la nature et la complexité des
filtres utilisés.