Cours #4Photométrie et traitement de la couleur

PlanDécouvertesPhotométrieCaméras IR, multispectrales,

3DCaméras couleurTraitement de la couleurÉchantillonnageGéométrie discrèteReprésentation

Cours #4 - 2SYS-844

Hiver 2005

Forum

Cours #4 - 3SYS-844

Hiver 2005

Découverte

A. R. Weeks, Jr., Fundamentals of Electronic Image Processing, IEEE/SPIE Press, 1996.

A. Marion, Acquisition & visualisation des images, Eyrolles, 1997. 300FF (~$70,00) L’autre classique en vision en France Description en détail de tout le processus

d’acquisition des images. Aucun traitement ou pré-traitement

Cours #4 - 4SYS-844

Hiver 2005

Découverte :La couleur Revue Science & Vie Junior, dossier hors-série, La

couleur, 2001. La couleur sous toutes ses … couleurs Traitement simple et accessible des principaux

concepts Revue pour la Science, dossier hors-série, La couleur,

Avril 2000. Approche scientifique Illusions, anomalies, etc. Thèmes développés:

Comprendre la couleur Produire la couleur Percevoir la couleur La couleur dans la culture

Giordano Beretta, Understanding color, HP, 2000. Site du cours, onglet Documents divers

Cours #4 - 5SYS-844

Hiver 2005

Découverte :La couleur (suite) A. Trémeau, C. Fernandez-Maloigne et

P. Bonton,Image numérique couleur - de l’acquisition au traitementDunod, 2004 Acheté à Paris, avril 2004 Espaces couleur Systèmes d’acquisition couleur Segmentation Compression Applications

Cours #4 - 6SYS-844

Hiver 2005

1.4 Photométrie

Étude des différents capteurs pour traduire l’éclairement irradié sur le plan image en signal électrique.

Cours #4 - 7SYS-844

Hiver 2005

Caméra Conventionnelle, avec film Numérique

• 2 3,2 5 6 Mégapixels

• Interface USB

Cours #4 - 8SYS-844

Hiver 2005

Caméra noir&blanc CCD: la plus commune Fréquence de balayage: 30

champs/s 525 lignes

Cours #4 - 9SYS-844

Hiver 2005

Cours #4 - 10SYS-844

Hiver 2005

Caméra couleur

2 types de détecteur des signaux de couleurs différentes

CCD couleur3 CCDs noir et blanc

Filtre IR

Cours #4 - 12SYS-844

Hiver 2005

Stockage en mémoire

Cours #4 - 13SYS-844

Hiver 2005

Images résultantes• Résolutions spatiales différentes• Couleurs différentes

CCD couleur3 CCDs

noir et blanc

Cours #4 - 14SYS-844

Hiver 2005

Les images R, G et B

Lumière blanche Lumière rouge

Lumière verte Lumière bleue

Cours #4 - 15SYS-844

Hiver 2005

Les intensitées des images R, G et B

Lumière blanche Lumière rouge

Lumière verte Lumière bleue

Cours #4 - 16SYS-844

Hiver 2005

Aberrations chromatiques causées par la lentille de la

caméra couleurLes rayons lumineux ne convergent donc pas tous au même point focal.

Cours #4 - 17SYS-844

Hiver 2005

Effets des aberrations chromatiques sur les

images R, G et B

Lumière blanche Lumière rouge

Lumière verte Lumière bleue

Cours #4 - 18SYS-844

Hiver 2005

Caméra infra-rouge C’est la température de surface qui

est captée Applications militaires

Bande vidéo: véhicules et animaux

Cours #4 - 19SYS-844

Hiver 2005

Surveillance des feux de forêts

Mesures de l’isolation de bâtiments

Caméras 3D Images de profondeur

Papier Circuit intégré

Cours #4 - 22SYS-844

Hiver 2005

Surfaces 3D générées

Papier

Circuit intégré

Cours #4 - 23SYS-844

Hiver 2005

Triangulation laser• Balayage synchronisé

Cours #4 - 24SYS-844

Hiver 2005

Miroir fixeMiroir fixe

Lentille

CCD

Miroir debalayage

Sourcelaser

Caméra 3D utilisant une triangulation laser sync hronisée. La pr ojection

du faisceau laser et sa détection sont balayés à la même fréquence.

Cours #4 - 25SYS-844

Hiver 2005

• Défocalisation par double ouverture: caméra Biris

Cours #4 - 26SYS-844

Hiver 2005

Triangulation stéréo

Stéréo active• Source de lumière ponctuelle et

colorée pour assister l ’appariement

Exemple d’image stéréo couleur

Cours #4 - 28SYS-844

Hiver 2005

Imagerie médicale Rayons X Tomographie axiale

Imagerie médicale • Générations d’images 3D par

techniques de déprojection basées sur une série d’images 2D

Reconstructions de virus observés au microscope électronique

• Générations d’images 2D par techniques de reconstruction basées sur une série de signaux 1D (tomographie axiale)

Reconstructions de sections d’un genou de moustique observé en rayons X

Cours #4 - 31SYS-844

Hiver 2005

Caméra multispectrale 4-10 longueurs d’ondes (couleurs)

Caméra hyperspectrale 60-220 longueurs d’ondes (couleurs)

Ex: photos aériennes et satellites Pour chaque pixel d’une image, le

spectre de réflectance renseigne sur: Composition chimique des sols

• Géologie,• Déversements industriels

Types d’agriculture • Blé, • Orge, • Cannabis

Principes d’une caméra multispectrale

Analyse spectrale

Exemple d’une série d’images multispectrales

Identification des types de sols à partir des spectres

mesurés

Cours #4 - 35SYS-844

Hiver 2005

Autres capteurs Rayons X

Avec focus: lentilles cylindriques (distance focale finie)

Sans focus: système Charpak (distance focale infinie)

Détection par ionisation Ultra Violets

Lentilles en quartz Détecteurs à état solide

Infra Rouges Système refroidi Détecteurs bolométriques et à état solide

Télescope à rayons X

Cours #4 - 37SYS-844

Hiver 2005

Micro-ondes Miroirs paraboliques, Bolomètres et interféromètres

Ondes radio Miroirs paraboliques, Interféromètres (ex. radiotélescope

VLA) Récepteurs radio refroidis

Cours #4 - 38SYS-844

Hiver 2005

1.5 Traitement de la couleur

Cours #4 - 40SYS-844

Hiver 2005

1.5.1 Perception de la couleur

Cours #4 - 41SYS-844

Hiver 2005

Cours #4 - 42SYS-844

Hiver 2005

Les cônes et la bâtonnets sur la rétine

Les cônes 6-7 millions détectent les couleurs fonctionnent en lumière intense (jour) situés sur la tâche jaune (fovea)

Grande densité (images nettes) N.B. On regarde directement un objet

Les bâtonnets 125 millions ne détectent pas les couleurs fonctionnent en lumière faible (nuit) situés autour de la tâche jaune

Faible densité (images plus floues) N.B. On doit regarder à côté d’un objet pour le

voir!

Les cônes et les bâtonnets

Cours #4 - 44SYS-844

Hiver 2005

Appariement de couleurs

La facilité à discerner deux couleurs dépend de leur contraste et de celui du signal de fond.

Impression de profondeur générée par lignes de contour colorées

Nébuleuse et étoiles

Cours #4 - 46SYS-844

Hiver 2005

Circuit intégré

Cours #4 - 47SYS-844

Hiver 2005

Termes subjectifs pour décrire une couleur Teinte, tonalité chromatique (hue)

Couleur perçue (eg bleu marine, orange, etc)

Luminosité (brightness) Niveau de gris équivalent

Clarté (lightness) Niveau de coloration, chromaticité

(colorfulness) Chroma Saturation

% de blanc dans la couleur

(ex.: rose= rouge avec blanc

rose moins saturé que rouge)

ref.: Understanding Color (understandColor.pdf)

Cours #4 - 48SYS-844

Hiver 2005

1.5.2 Modèle RVB (RGB)L ’information de couleur est décomposée selon l’éclairement dans 3 bandes: Rouge, Vert et Bleu.

Cours #4 - 49SYS-844

Hiver 2005

Bleu

Magenta

Cyan

Vert

Rouge Jaune

Noir

Blanc

Ligne

de

Nivea

ux de

gris

B

V

R

Cours #4 - 50SYS-844

Hiver 2005

Cours #4 - 51SYS-844

Hiver 2005

1.5.2 Modèles chromatiques

1 composante pour la clarté

2 composantes pour la couleur Modèle HSL

Hue, Saturation, Lightness

Cours #4 - 52SYS-844

Hiver 2005

Cours #4 - 53SYS-844

Hiver 2005

B

V

R

S

H

L

R

V

B

blanc

noir

Système RGB Système HSV

Les images R, G et B

Lumière blanche Lumière rouge

Lumière verte Lumière bleue

Les images H, S et V

Lumière blanche Image de teinte (H)

Image de saturation (S) Image d’intensité (V)

Les images H, S et V sont très utilisées pour segmenter les images

couleurs

• Exemple: On veut segmenter la fleur jaune

Cours #4 - 58SYS-844

Hiver 2005

• Identification des pixels dans un intervalle de valeurs de teinte (hue)

Cours #4 - 59SYS-844

Hiver 2005

• Identification des pixels dans un intervalle de valeurs de saturation

Cours #4 - 60SYS-844

Hiver 2005

• Identification des pixels communs aux deux images précédentes

Cours #4 - 61SYS-844

Hiver 2005

• Identification du périmètre de la région résultante

Cours #4 - 62SYS-844

Hiver 2005

• Superposition du contour à l’image initiale

Cours #4 - 63SYS-844

Hiver 2005

1.6 Numérisation

La numérisation est la conversion du signal électrique continu (dans l ’espace ou temps et en valeur) en un signal numérique discret (image numérique).

Cours #4 - 64SYS-844

Hiver 2005

Décisions: Résolution spatiale ou

échantillonnage: Combien d ’échantillons ?

Tessellation: Forme des pixels ? Quantification: Combien de

niveaux discrets sont suffisants pour couvrir la plage du signal ? (en bits).

Cours #4 - 65SYS-844

Hiver 2005

1.6.1 Échantillonnage Théorème de Nyquist

Δx≤d2

Avec x : intervalle (x ou y) d ’échantillonnage

et d : dimension de la pluspetite structure dansl ’image

Équivalent fréquentiel (e.g. 5 poteaux / mètre)

fe≥2fmax_image

Cours #4 - 66SYS-844

Hiver 2005

Essai: échantillonnage à la clôture

Cours #4 - 67SYS-844

Hiver 2005

1er essai: intervalle de l ’ordre de d

Cours #4 - 68SYS-844

Hiver 2005

1er essai: résultat: information perdue

Cours #4 - 69SYS-844

Hiver 2005

2e essai: intervalle de l ’ordre de d/2

Cours #4 - 70SYS-844

Hiver 2005

Essai: résumé

s=Δx≤d2

Cours #4 - 71SYS-844

Hiver 2005

1.6.2 Éclairement d ’un pixel

E x,y( )= Ei x,y( )dxdyairepixeli∫

Cours #4 - 72SYS-844

Hiver 2005

Atténuation de contraste

Cours #4 - 73SYS-844

Hiver 2005

1.6.3 Discrétisation

Transformer le signal continu d’éclairement en 1 de K valeurs discrètes de niveaux de gris

Cours #4 - 74SYS-844

Hiver 2005

K # de niveaux # de bits2 2 14 4 28 8 3

16 16 464 64 6

256 256 83 x 256 16,78M 3 x 8

Soit E(x,y) un signal continu

0 E(x,y) M

K = plage de valeurs discrètes(niveaux de gris)

Cours #4 - 75SYS-844

Hiver 2005

N=2 N=4 N=8

N=16 N=32 N=256

Effets de la discrétisation (suite)

Cours #4 - 77SYS-844

Hiver 2005

Fonctions de discrétisation: Uniforme logarithmique

Cours #4 - 78SYS-844

Hiver 2005

1.6.4 Tessellation (pavage)

C’est la forme du pixel.

Le pavage est «choisi» pour couvrir au mieux le plan image.

Le pavage est donc une partition du plan image qui, une fois discrétisé, résulte en un maillage qui représente la grille d ’échantillonnage

Cours #4 - 79SYS-844

Hiver 2005

Cours #4 - 80SYS-844

Hiver 2005

1.7 Géométrie discrète

1.7.1 Connectivité

Cours #4 - 81SYS-844

Hiver 2005

Points connectés: 2 points P1 et P2 sont connectés si un tracé peut être trouvé sur lequel une fonction appliquée sur l’image donne la même valeur tout le long du parcours.

Cours #4 - 82SYS-844

Hiver 2005

Étiquettage des zones connectées:

algorithme de croissance.

Cours #4 - 83SYS-844

Hiver 2005

1.7.2 Voisinage

Le voisinage d ’un pixel peut être défini 4 - ou 8 - voisins.

4 voisins 8 voisins

Cours #4 - 84SYS-844

Hiver 2005

Connectivité4 - voisins

Connectivité8 - voisins

Aucune de ces définitions de voisinage n’est satisfaisante

Cours #4 - 85SYS-844

Hiver 2005

1.7.3 Distance

Soient P1(i,j) et P2(n,m)

Dm≥DE

Distance euclidienne Distance «pâté de maison»

Distance «tour d’échiquier»

Cours #4 - 86SYS-844

Hiver 2005

1.8 Représentation d’une image d’éclairement

Cours #4 - 87SYS-844

Hiver 2005