Laboratoire dInformatique et dImagerie Industrielle Représentation des Images Partie 1 : Images et...

download Laboratoire dInformatique et dImagerie Industrielle Représentation des Images Partie 1 : Images et perception visuelle Pierre Courtellemont L3i – Université

of 48

  • date post

    03-Apr-2015
  • Category

    Documents

  • view

    103
  • download

    0

Embed Size (px)

Transcript of Laboratoire dInformatique et dImagerie Industrielle Représentation des Images Partie 1 : Images et...

  • Page 1
  • Laboratoire dInformatique et dImagerie Industrielle Reprsentation des Images Partie 1 : Images et perception visuelle Pierre Courtellemont L3i Universit de La Rochelle pcourtel@univ-lr.fr
  • Page 2
  • Laboratoire dInformatique et dImagerie Industrielle Reprsentation des Images De la difficult de dfinir une image Quest ce quune image ? reproduction ou reprsentation dune chose Ce concept recouvre des types dimages trs varies que lon peut classer par exemple selon leur nature, physique ou mathmatique : - images physiques , avec une ralit matrielle : images visibles ou non suivant les longueurs donde considres, ou non visibles directement (fichiers images), - images mathmatiques , de nature immatrielle et non visibles par nature : fonction de 2 variables, matrices, images calcules par ordinateur (images vectorielles ou gomtriques - synthse dimages). A tout phnomne physique, biologique ou conomique, mais de nature bidimensionnelle*, on peut associer une image par extension ( images latentes ). Le mot image sapplique des grandeurs volatiles (images optiques, ou lectro-optiques (crans)) comme des grandeurs permanentes pictures (clichs, peintures, documents) * : le plus souvent
  • Page 3
  • Laboratoire dInformatique et dImagerie Industrielle Reprsentation des Images Une autre classification oppose images analogiques notre chelle - et images numriques. images physiques images mathmatiques analogiques numriques Scnes, Photos, dessins, Vues IR, UV Images vido-cassettes Images numrises en mmoire ou sur autre support numrique Cartes de t, de pression tout phnomne physique 2 dimensions au moins F(x,y) modles analogiques dimages F ij Modles numriques dimages Images de synthse
  • Page 4
  • Laboratoire dInformatique et dImagerie Industrielle Reprsentation des Images Diffrentes exploitations des images : - acquisition/numrisation scne analogique -> image numrique - mmorisation image volatile -> image permanente - traitement produit une autre image de sortie, ventuellement dautres grandeurs de plus haut niveau (analyse dimages) - visualisation ou restitution -> sous forme analogique le plus souvent
  • Page 5
  • Laboratoire dInformatique et dImagerie Industrielle Reprsentation des Images Dune manire gnrale, nous pouvons donc considrer une image comme une reprsentation - le plus souvent - planaire dune scne ou dun objet situ dans un espace 3 dimensions (+ la dimension temporelle). Elaborer une image : volont de proposer une entit observable* par lil humain avec donc comme maillon final notre systme visuel. * : par un dispositif lui aussi presque toujours planaire Cadre du cours : Images numriques, 2D, sous la forme dun tableau appel bitmap (ou mieux, pixelmap) de n x m pixels*. Ces images sont encore appeles raster par opposition aux images vectorielles ou gomtriques. Le cours sattachera aux problmes lis la numrisation et la restitution. * : lextension la 3D du mot pixel (picture element) est voxel (volume element).
  • Page 6
  • Laboratoire dInformatique et dImagerie Industrielle Reprsentation des Images On peut distinguer (cas particuliers intressants) : - les images monochromes ou niveaux de gris, quand elles peuvent tre reprsentes par une fonction f(x,y) qui traduit une certaine grandeur (intensit lumineuse par exemple) du point (x,y). Limage numrise correspondante sera constitue dun unique tableau de nombres f ij. Un cas particulier correspond aux images binaires pour lesquelles 2 valeurs seulement sont permises pour f ij, souvent 0 et 1. - les images trichromes (ou images couleur) Une image couleur est en pratique trichrome et est reprsente par 3 fonctions f1 ij, f2 ij, et f3 ij (par exemple R,V,B). - les images multi-spectrales : gnralisation du cas prcdent, conduisant n tableaux de nombres. Pour la restitution, on peut visualiser chaque composante en monochrome (ou en fausses couleurs, soit 3 composantes pour 1 seule), soit en utilisant m couleurs, soit encore en nen reprsentant que 3 simultanment.
  • Page 7
  • Laboratoire dInformatique et dImagerie Industrielle Reprsentation des Images Objectifs du cours Nous voyons que lacquisition, le traitement et la restitution dune image sapparente une chane de traitement (traitement dun signal) avec toutes ses problmatiques : capteur (numriseur) : filtrage spatial passe-bas -> chantillonnage, quantification. Ces notions sont soumises aux lois qui rgissent le traitement numrique des signaux (ici bidimensionnels). Leur tude est indissociable de celle de la perception visuelle (en terme de rsolution spatiale, quantification, perception des couleurs)
  • Page 8
  • Laboratoire dInformatique et dImagerie Industrielle Reprsentation des Images Cette chane de traitement est soumise un certain nombre de dcisions : - Rsolution spatiale ou chantillonnage (thorme de Nyquist) / taille des images, des traitements - Tessellation : Forme des pixels ? - Quantification : Combien de niveaux discrets (en bits) sont ncessaires ? Quel type de quantification (linaire ou non, scalaire ou vectorielle) ? Dautre part, selon la nature binaire, monochrome ou couleur dune image, dautres reprsentations peuvent tre utilises, associes la rpartition globale (proprits statistiques, histogrammes) ou spatiale des grandeurs (histogrammes, connectivit, voisinage) faisant intervenir des fonctions telles que des distances entre pixels.
  • Page 9
  • Laboratoire dInformatique et dImagerie Industrielle Reprsentation des Images Exemples de questions se poser : - liens entre quantification et prcision attendue du filtrage (du fait de la quantification induite des coefficients) - choix de lespace colorimtrique : systmes RVB, systmes perceptuels, systmes uniformes Les algorithmes de la RDF utilise la notion de distance : quels espaces le permettent ? Distance dans cet espace = distance perceptuelle ? (penser linstabilit de la teinte pour certaines valeurs des autres composantes) - quantification et perception : quelle quantification adopter ? Que devient une quantification uniforme en RVB aprs transformation non linaire (Lab).
  • Page 10
  • Laboratoire dInformatique et dImagerie Industrielle On retiendra quau bout du compte, une image nest quune reprsentation imparfaite dune scne et laborer une image correspond la volont de proposer une entit observable par lil humain. en premier lieu, il faut connatre notre systme visuel pour tenir compte de ses faiblesses et utiliser ses capacits. Traitement dimage : partir des informations initiales, on cherchera souvent extraire des informations plus pertinentes, et les interprter. On distingue ainsi des pr-traitements, des traitements bas-niveau (appliqus aux pixels, sans leur donner de signification) et haut-niveau : analyse et interprtation. La Couleur tient un grand rle dans linterprtation que nous faisons dune image (Cf exemple documents couleur). Reprsentation des Images
  • Page 11
  • Laboratoire dInformatique et dImagerie Industrielle Couleur : Un des lments fondamentaux de la perception visuelle. En contraste avec les images en niveaux de gris, les images couleur nexige pas de transposition intellectuelle pour tre interprtes. La couleur utilise la gamme complte de nos rcepteurs sensoriels. La perception de la couleur est un phnomne neuro et psycho- physiologique complexe qui fait intervenir dabord la composition spectrale de lclairage, la structure molculaire de lobjet rflchissant (ou modifiant) cette lumire mais aussi les rcepteurs et les interprteurs de linformation lumineuse que sont nos yeux et notre cerveau. Reprsentation des Images
  • Page 12
  • Laboratoire dInformatique et dImagerie Industrielle 1. Couleur et perception visuelle 1.1. Sensibilit spectrale de lil humain La couleur dun objet est fonction de la composition de la lumire incidente aussi bien que de la nature de lobjet. Les corps paraissent colors car ils absorbent* une partie de la lumire et renvoie une autre partie. La dfinition de la couleur passe donc par celle de la lumire visible. Reprsentation des Images * : dautres principes physiques que labsorption sont lorigine des phnomnes colors. Ils seront exposs dans la partie 2 du cours.
  • Page 13
  • Laboratoire dInformatique et dImagerie Industrielle La couleur est une notion subjective, qui diffre donc dun individu lautre. Il nexiste probablement pas 2 personnes ayant la mme perception (il est dailleurs impossible dimaginer ce que voit un autre observateur) Mais on pourra toujours dfinir un observateur standard, un observateur de rfrence parfaitement connu. Cest la base de la colorimtrie qui repose sur des statistiques obtenues sur des gens normaux , et galement de la possibilit pour chaque observateur, de comparer 2 sensations lumineuses (expriences dgalisation). Reprsentation des Images
  • Page 14
  • Laboratoire dInformatique et dImagerie Industrielle La rponse de lil une lumire monochromatique a t mesure en fonction de la longueur donde. La CIE (Commission Internationale de lEclairage) a admis une rponse type correspondant un observateur moyen. Cette rponse est reprsente ici pour 2 types de visions, diurne (photopique), et pr-nocturne (scotopique). Cette courbe reprsente la sensibilit (fonction defficacit lumineuse relative spectrale) de lil humain et est gnralement note V( ). Elle a t dfinie en 1924 par la CIE en vision photopique. La mesure des grandeurs radiomtriques (radiomtrie) par rapport lorgane de vision constitue la photomtrie. Reprsentation des Images
  • Page 15
  • Laboratoire dInformatique et dImagerie Industrielle La fonction V( ) a t mesure pour diffrents observat