Cours Tsai2
Transcript of Cours Tsai2
-
7/21/2019 Cours Tsai2
1/50
-
7/21/2019 Cours Tsai2
2/50
2
Modification des valeurs duneimage
Pour linstant, nous avons vu surtout destransformations ponctuellesdes piels dune image Lire la valeur dun pixel la remplacer par une autre
Il eiste aussi des transformations locales Lire la valeur de quelques pixels voisins calculer une nouvelle
valeur pour un pixel
!et des transformations globales Lire la valeur de tous les pixels de limage calculer une nouvelle
valeur pour un seul pixel
-
7/21/2019 Cours Tsai2
3/50
"
Locale: g(x0,y0)=T[f(V)]
V:voisinage de (x0,y0)
Globale: g(x0,y0)=T[f(x,y)]
par ex: TF
Ponctuelle: g(x0,y0)=T[f(x0,y0)]
gf T
(x0,y0) (x0,y0)
Source : Caroline Rougier. Traitement d'images (IFT2730). Uni. de !ontr"al.
Transformations des piels
-
7/21/2019 Cours Tsai2
4/50#
$onvolution num%ri&ue
a convolution discr(te est un outil permettant lutilisation defiltres linairesou de filtres de dplacements invariants
%&uation g%n%rale de la convolution, not%e g*+, de la fonction
dorigine f*+ avec une fonction h*+ est
f*+ est la fonction dorigine et g*+ la fonction convolu%e *r%sultat de
la convolution+ ans notre cas, une image est vue comme une fonction math%mati&ue
h*+ est appel% masque de convolution, noyau de convolution, filtre,fentre, kernel,
g# =$# %# = &
% #&$&
-
7/21/2019 Cours Tsai2
5/50.
/emple de convolution 2
Note : par convention pratique, la taille de limage
rsultat est la mme que celle de limagedorigine
Imagedorigine
Image convolu%e*r%sultat+
Filtre de convolution*mas&ue+
* =
-
7/21/2019 Cours Tsai2
6/50
-
7/21/2019 Cours Tsai2
7/503
$onvolution num%ri&ue
*
Image
4oau de convolution
I 5
-
7/21/2019 Cours Tsai2
8/50
6
$onvolution num%ri&ue 7 8 I95
I
7
5
7*:,:+ 8 I*;,;+ 5*;,;+ < I*:,;+ 5*:,;+ < I*2,;+ 5*2,;+< I*;,:+ 5*;,:+ < I*:,:+ 5*:,:+ < I*2,:+ 5*2,:+< I*;,2+ 5*;,2+ < I*:,2+ 5*:,2+ < I*2,2+ 5*2,2+
-
7/21/2019 Cours Tsai2
9/50
=
$onvolution num%ri&ue 7 8 I95
I 7
5
7*2,:+ 8 I*:,;+ 5*;,;+ < I*2,;+ 5*:,;+ < I*",;+ 5*2,;+< I*:,:+ 5*;,:+ < I*2,:+ 5*:,:+ < I*",:+ 5*2,:+< I*:,2+ 5*;,2+ < I*2,2+ 5*:,2+ < I*",2+ 5*2,2+
-
7/21/2019 Cours Tsai2
10/50
:;
$onvolution num%ri&ue 7 8 I95
I 7
5
7*,+ 8 I*-:,-:+ 5*;,;+ < I*, -:+ 5*:,;+ < I*
-
7/21/2019 Cours Tsai2
11/50
::
$onvolution num%ri&ue 7 8 I95
I 7
5
7*4-2,M-2+ 8 I*4-",M-"+ 5*;,;+ < I*4-2,M-"+ 5*;,:+ < I*4-:,M-"+ 5*;,"+< I*4-",M-2+ 5*:,;+ < I*4-2,M-2+ 5*:,:+ < I*4-:,M-2+ 5*:,2+< I*4-",M-:+ 5*2,;+ < I*4-2,M-: +5*2,:+ < I*4-:,M-:+ 5*2,2+
-
7/21/2019 Cours Tsai2
12/50
:2
$onvolution num%ri&ue
? ? ? ? ? ? ? ? ? ?
? ?
? ?
? ?
? ?
? ?
? ?
? ?
? ?
? ? ? ? ? ? ? ? ? ?
Pro>l(me ?ue faire avec les >ords de l'image @ Mettre %ro *;+ $onvolution partielle
Cur une portion du noau Miroir de l'image
f*-,+ 8 f*,+ ! *pas de solution miracle+
-
7/21/2019 Cours Tsai2
13/50
:"
-
7/21/2019 Cours Tsai2
14/50
-
7/21/2019 Cours Tsai2
15/50
:.
Filtres passe-haut Accentue les d%tails et les contours
*hautes fr%&uences+accentuation
eu tpes pour le filtrage spatial
Filtres passe-bas Att%nue le >ruit et les d%tails
*>asses fr%&uences+lissage
CI*Tools : Utilities+Filter+S,eci$- a $ilter
-
7/21/2019 Cours Tsai2
16/50
:0
e filtre moenneur
e filtre moenneur Permet de lisser l'image (smoot"ing! 7emplace cha&ue piel par la valeur moenne de ses voisins 7%duit le >ruit
7%duit les d%tails non-important Brouille ou rend floue l'image (#lur edges!
Filtre dont tous les coefficients sont %gau /emple de filtres moenneurs
:= := :=
:= := :=
:= := :=
: : :
: : :
: : :
ou :=
1 1 1 1 11 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
$x$ %x%CI*Tools : Utilities+Filter+!ean
-
7/21/2019 Cours Tsai2
17/50
:6
/emples de filtres moenneurs
Driginal Moenne..
Moenne ::::
Source : mon&e-.geog.ucs1.edu/m%/1/$ilter.,d$
-
7/21/2019 Cours Tsai2
18/50
:=
e filtre Gaussien
)onction gaussienne en $* +mage dune gaussienne
Le filtre gaussien donnera un meilleurlissage et une meilleure rduction du#ruit que le filtre moyenne
1
![
1 " 3 " 1" # ! # "
3 ! 10 ! 3
" # ! # "
1 " 3 " 1]
CI*Tools : Utilities+Filter+S,eci$- a 1lur+aussian
-
7/21/2019 Cours Tsai2
19/50
2;
/emples de filtres gaussiens
Driginal Gauss .. Gauss ::::
Source : mon&e-.geog.ucs1.edu/m%/1/$ilter.,d$
-
7/21/2019 Cours Tsai2
20/50
2:
Filtres non-lin%aires(autre que convolution!
-
7/21/2019 Cours Tsai2
21/50
22
Filtre m%dian (non-linaire!
Pour nettoer le >ruit dans une image, il eiste mieu&ue le filtre moenneurou le filtre gaussien
Il s'agit du filtre m%dian $'est un filtre non-lin%aire, &ui ne peut pas
s'impl%menter comme un produit de convolution Dn remplace la valeur d'un piel par la valeur m%diane
dans son voisinage 44
30 10 20
10 20 20
2 10 30
mdiane
#ruit
:;, :;, :;, 2;, 20, 2., ";, ";, 2.;
.oyenne / 0%
CI*Tools : Utilities+Filter+!edian
-
7/21/2019 Cours Tsai2
22/50
2"
/emple de filtre m%dian
1riginal .oyenne $x$ .dian $x$
Source : on4ale4 and 5oods. 6igital Image *rocessing. *rentice8all 2002.
-
7/21/2019 Cours Tsai2
23/50
2#
4ettoage du >ruit dans une image
Bruit "poivre et sel"
3 X 3 Moyenne 5 X 5 Moyenne
7 X 7 Moyenne Filtre mdian
CI*Tools : Utilities+Creeate+9dd noise
-
7/21/2019 Cours Tsai2
24/50
2.
$%age ini&ia'e ri& *oivre + e' -oyenne V!
-in V! -ax V! -.dian V!
Source : Caroline Rougier. Traitement d'images (IFT2730). Uni. de !ontr"al.
-
7/21/2019 Cours Tsai2
25/50
-
7/21/2019 Cours Tsai2
26/50
2
Notions de frquences dans un signal
Signal hautefrquence
Signal bassefrquence
Ce signal reprsentela somme desquatre signaux ci-dessus
Source : Gonzalez and Woods. Digital Image Processing. Prentice-Hall, 2002.
-
7/21/2019 Cours Tsai2
27/50
3
Les frquences dans limage
-
7/21/2019 Cours Tsai2
28/50
Les frquences dans limage
!uest-ce quune frquence dans une image " Frquence # changement dintensit Basses frquences$ rgions homog%nes& flou autes frquences$ contours& changement (rusque
dintensit& (ruit
Haute frquence
Basse frquence
La plus grandepartie de l'nergie
d'une image sesitue dans lesbassesfrquences.
-
7/21/2019 Cours Tsai2
29/50
)
Basses frquences
Les basses frquences correspondent des changements dintensitlents
Source : Thomas Guet. Images num!ri"ues. I#T S!r!com $%rance&.
-
7/21/2019 Cours Tsai2
30/50
*
autes frquences
Les hautes frquences correspondent des changements dintensitrapides
Source : Thomas Guet. Images num!ri"ues. I#T S!r!com $%rance&.
-
7/21/2019 Cours Tsai2
31/50
+
Anal,se sectrale dune image
.ne image est a/ant tout un signal 0/isuel1 !out comme le son est un signal audio
n eut anal,ser les frquences de ce signal n arle de frquences spatiales0image1 au lieu de
frquences temporelles0audio1
our cela& on cre un nou/el 4 histogramme 60grahique1 qui /a rersenter les frquences de
limage Loutil de (ase our cela est la Transforme de Fourier
n arle de domaine frquentiel& ar oosition audomaine spatial0de limage1
-
7/21/2019 Cours Tsai2
32/50
7
Spectre rehausselog(1 + |F(u,v)|)
Image originale Spectre de Fourier|F(u,v)|
Transforme de Fourier 0TF1
domainespatial
,
8
domainefrquentiel
/
u
'(IPTools : )nalsis*Trans+orms*%%T $note : "uel"ues erreurs ar+ois dans la %%T '(IPTools&
-
7/21/2019 Cours Tsai2
33/50
9
Interrtation de la Tranforme 2:
Hautes frquences$ loin du centre de la TF Basses frquences$ roche du centre de la TF
Composante continue (DC)$ centre de limage frquence "ro # mo$enne de limage
Transforme en nom(res
-
7/21/2019 Cours Tsai2
34/50
;ael sur la dfinition dun nom(re comle8e $
n utilise (eaucou la norme de la Transforme $
z=-i o i=1
Norme=%u , . =Rel2Imag2
?odage de la transforme de
-
7/21/2019 Cours Tsai2
35/50
;;
gFourier
Lalgorithme le lus connu et le lus utilis est la FFT FFT # Fast Fourier Transform
:eu8 imlmentations tr%s sou/ent utilises sont 4 Numerical >eciies 6& @@@nrcom& chaitre ;2 FFT& @@@fft@org
n le retrou/e dans la maCorit des li(rairies e8istantes incluant !orch%&ision et L!-Lib mais pas dans (penC& qui poss)de une autre implmentation *ia
la fonction c*+,!
-
7/21/2019 Cours Tsai2
36/50
;2
Fonctionnement 0ratique1 de la TF
mage originaleni*eau de gris
Changement de taille
pour a*oir des tailles/ et 0 en puissancede 1 on remplit a*ecdes "ros.
!, partie relle
!, partie imaginaire
2r-traitement
,,!ou
+,!
'(IPTools : )nalsis*Trans+orms*/tract %%T Phase
In/ersion des quadrants de la TF
-
7/21/2019 Cours Tsai2
37/50
;3
In/ersion des quadrants de la TFselon les librairies
!,partie relle
!,partie imaginaire
rigine 0
-
7/21/2019 Cours Tsai2
38/50
;
TF in/erse
!, partie relle
!, partie imaginaire
TF-1
D8emles de Transforme de
-
7/21/2019 Cours Tsai2
39/50
;)
Fourier
mages originales !, &ue %+ de la !,
Source : Thomas Guet. Images num!ri"ues. I#T S!r!com $%rance&.
-
7/21/2019 Cours Tsai2
40/50
;*
!uelques TF de (aseSinus 3aussienne
Carr mpulsions'(IPTools : #tilities*'reate*1ectangle, Sine Wae, S"uare Wae
Autres e8emles 0contours1
-
7/21/2019 Cours Tsai2
41/50
;+
Autres e8emles 0contours1
>egardeE les lignes dans cesdeu8 images
L'image de gauche oss%de deslignes horiEontales/erticalesqu'on retrou/e dans satransforme
L'image de droite oss%de deslignes dans toutes les directions
qu'on retrou/e aussi dans satransforme
Source :3ohn 4. 5raer. Introduction to %ourier trans+orms +or image rocessing.
-
7/21/2019 Cours Tsai2
42/50
;7
>otation dimages
4otationdimages
rotation de la!, m5me angle
Source : Thomas Guet. Images num!ri"ues. I#T S!r!com $%rance&.
-
7/21/2019 Cours Tsai2
43/50
;9
Filtrage dans le domaine sectral
Image initiale Image transforme
Image transformefiltre
Image filtre
!,
!,-6
,iltrage
spectralmultiplication
+ans le domaine spatial7 le filtrage se fait par con*olution. +ans le domainespectral ou frquentiel7 il se fait par multiplicationou masquagede l'image.
+ans le cas des filtres dans le domaine frquentiel non-multiplicatif7 on ne peutpas obtenir le m5me rsultat par con*olution dans le domaine spatial.
,iltrage spatial
con*olution
il d l d i l
-
7/21/2019 Cours Tsai2
44/50
2duction du (ruit dans une image
-
7/21/2019 Cours Tsai2
49/50
2)
>duction du (ruit dans une image
Image (ruitebruit sinus
'(IPTools : )nalsis*Trans+orms*8otch $note : r!sultat imar+ait aec %%T '(IPTools&
Gectre deFourier +C 8sinus *isibles
Imagefiltre
Hise Ero
des frquencesdu sinusnotch
%%T
%%T-
Lectures suggres
-
7/21/2019 Cours Tsai2
50/50
Lectures suggres
Introduction au Traitement dImages (Lingrand),sections 4.3 et 4.4
Digital Image Processing: An Algorithmic Introduction
using a!a ("urger # "urge) : cha$itres %
&i'i$dia : Produit de con!olution, Lissage dimages,as*ue +lou, aussian +ilter, aussian -lur, edian
+ilter, alt and $e$$er noise, Trans+orme de /ourierDiscr0te, Trans+orme de /ourier 1a$ide (//T)