Modification des niveaux de gris et...
Transcript of Modification des niveaux de gris et...
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 1
Modification des niveaux de grisModification des niveaux de griset Histogrammeet Histogramme
Jean-François Lerallut, UTCJean-François Lerallut, UTCVeronicaVeronica Medina Medina, UAM, UAMJoaquín Azpiroz LeehanJoaquín Azpiroz Leehan, UAM, UAM
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 2
IntroductionIntroduction
•• Le système visuel humain est capableLe système visuel humain est capablede voir quelques niveaux de grisde voir quelques niveaux de grissimultanémentsimultanément–– autour de 30 niveaux,autour de 30 niveaux,–– équivalents à une dynamique de 5 bitséquivalents à une dynamique de 5 bits..
•• Un système d’affichage sur écran peutUn système d’affichage sur écran peutprésenter jusqu’a 256 niveaux de grisprésenter jusqu’a 256 niveaux de griset quelques millions de couleurset quelques millions de couleurs–– Il peut être souhaitable de changer la relationIl peut être souhaitable de changer la relation
entre les valeurs de l’image et les valeursentre les valeurs de l’image et les valeursaffichées, c’est à dire, changer la fonction deaffichées, c’est à dire, changer la fonction detransfert (Look Up Table)transfert (Look Up Table)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 3
Tables de correspondance (Look Up Table)
pixels
affichage
0 255noir
blanc
0 2 ……….
Matrice des pixels Écran de visualisation
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 4
Tables de correspondance (Look Up Table)
affichage
0 255noir
blanc
pixels
affichage
0 255noir
blanc
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 5
Tables de correspondance (Look Up Table)
0 2 ……….
Matrice des pixels
0
255
RAM 256 x 8
012
3
255
8bits
[0,255]
LUT identité
affichage
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 6
Tables de correspondance (Look Up Table)Génération de pseudo-couleurs
0 2 ……….
Matrice des pixels avec256 niveaux de gris
LUT R
LUT V
LUT B
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 7
Tables de correspondance (Look Up Table)Génération de pseudo-couleurs
0 2 ……….
Matrice des pixels avec256 niveaux de gris
LUT R
LUT V
LUT B
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 8
Modification des niveaux de gris etModification des niveaux de gris etHistogrammeHistogramme
Dans les systèmesDans les systèmesd’affichage d’imagesd’affichage d’imageson on peut varier peut varier lalafonctionfonction"gamma","gamma",c’est c’est à dire, la à dire, la pentepentede la de la courbe courbe dedeniveau d’expositionniveau d’exposition--niveau niveau de de densitédensitéoptique dans uneoptique dans unephoto.photo.
Image originale (exposée avec le réglage donné par le photomètre)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 9
Modification des niveaux de gris etModification des niveaux de gris etHistogrammeHistogramme
Image avec correction de la courbe gamma
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 10
Modification des niveaux de gris etModification des niveaux de gris etHistogrammeHistogramme
Image avec correction du contraste et intensité
On On peutpeut voirvoir qu’aprèsqu’aprèsdesdes ajustementsajustements, le, lerésultatrésultat estest meilleurmeilleur..La La prise prise de photode photoautomatique produitautomatique produitune une imageimagesurexposéesurexposée et et peupeucontrastéecontrastée. Le . Le traitetraite--ment adéquatment adéquat produitproduitdesdes résultatsrésultats plus plussatisfaisantssatisfaisants. . Ici Ici leleplus important plus important estestl’opinion l’opinion dedel’observateurl’observateur..
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 11
Histogramme:Histogramme:
•• L’histogramme de l’image donne le nombre de pixels quiL’histogramme de l’image donne le nombre de pixels quiont le même niveau de gris donné.ont le même niveau de gris donné.
•• Il présente la fonction de distribution de probabilité [P(b)]Il présente la fonction de distribution de probabilité [P(b)]des différentes amplitudes ou niveaux de gris de l’image.des différentes amplitudes ou niveaux de gris de l’image.
Il peut se définir comme: Il peut se définir comme:
P(b) = Pr {f (x,y) =b}, où 0 <=b <= L-1
b = amplitude ou niveau de gris, et L = Nombre de niveauxde gris possibles.
•• On peut estimer P(b) par P(b) = N(b) / M, où N(b) est leOn peut estimer P(b) par P(b) = N(b) / M, où N(b) est lenombre de pixels avec un niveau de gris égal à b et M estnombre de pixels avec un niveau de gris égal à b et M estle nombre total de pixels dans l’image.le nombre total de pixels dans l’image.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 12
Histogramme:Histogramme:
La forme de l’histo-La forme de l’histo-gramme permet degramme permet demettre en évidencemettre en évidencequelques particularitésquelques particularitésde l’image, telles que:de l’image, telles que:
–– Le type de fond Le type de fond–– Le contraste Le contraste
et en général si les va-et en général si les va-leurs de niveaux de grisleurs de niveaux de grissont distribuées d’unesont distribuées d’unefaçon homogène ou non.façon homogène ou non.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 13
AssocierAssocier l’imagel’image à à l’histogramme correspondantl’histogramme correspondant
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 14
Associer les histogrammes aux Associer les histogrammes aux images images correspondantescorrespondantes
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 15
Histogramme : Histogramme : EtirementEtirement
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 16
HistogrammeHistogramme•• Plusieurs imagesPlusieurs images
peuvent avoir despeuvent avoir desdistributions dedistributions deniveaux de gris quiniveaux de gris quisoient loin d’êtresoient loin d’êtreidéalesidéales
•• Images prises dansImages prises dansde mauvaisesde mauvaisesconditions, où ilconditions, où ilexiste des ombresexiste des ombresexcessives ou, auexcessives ou, aucontraire, trop decontraire, trop deniveaux clairs.niveaux clairs.
Photo d’origine prise avec des mauvaises conditionsd’illumination.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 17
HistogrammeHistogramme
•• Les couleurs desLes couleurs deszèbres devraient sezèbres devraient sevoir avec beaucoupvoir avec beaucoupplus de contraste.plus de contraste.
•• Si on regarde laSi on regarde ladistribution de l’histo-distribution de l’histo-gramme, on peutgramme, on peutobserver qu’il n’y a pasobserver qu’il n’y a pasune distribution homo-une distribution homo-gène, mais plutôt unegène, mais plutôt unedistribution bimodaledistribution bimodaledes niveaux de gris.des niveaux de gris. Histogramme de l’image initiale, avec une
distribution bimodale.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 18
Histogramme: ModificationHistogramme: ModificationPrincipe de base: redistribution Principe de base: redistribution des niveauxdes niveaux de de gris gris de de l’imagel’image originale sur tous lesoriginale sur tous lesniveaux disponibles sur niveaux disponibles sur le le systèmesystème..
La modification de l’histogramme est basée sur le contrôle de la fonction de densité deprobabilité des niveaux de gris en utilisant une fonction de transformation T(r).
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 19
Histogramme: ModificationHistogramme: ModificationLes densités de probabilités sont égales ssi pr(r)dr =ps(s)ds
1
s
r0(noir) 1(blanc)
T(r)
)()(
rTrpr connu
connue, monotone
alors
)(1)()(
sTrdsdrrpsp rs
−==
Une fonction très utilisée: l’égalisation
∫==r
dprrTs0
)()( ωω 10 ≤≤ r )(rpdrds
r=⇒
srp
rpspr
rs ∀=
=⇒ ,1)(
1).()(
Densité uniforme indépendante de pr(r)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 20
Histogramme: ModificationHistogramme: ModificationUn exemple dans le cas de fonctions continues:
1
1
2
r
Pr(r)
pr(r) = -2r+2
∫ +−=+−==r
rrdrTs0
22)22()( ωω ssTr −−=−= 11)(1et
srds
drr
sTrds
drrpsp rs
−−=
+−=
−=
=
11)22(
)(1)()(
ssds
ds ∀=
−−−= ,1)11()12(
1s
ps(s)
1
=>
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 21
Histogramme: ModificationHistogramme: ModificationPour Pour desdes valeursvaleurs discrètesdiscrètes, la relation qui , la relation qui définitdéfinit les probabilitésles probabilitésestest::
oùoù LL est est le le nombrenombre de de niveauxniveaux, , nnkk est est le le nombrenombre de de fois que ce niveau estfois que ce niveau estrépété répété et et nn estest le le nombrenombre total de pixels. La total de pixels. La fonction fonction de transformation de transformation estestdonné donné par:par:
tandis quetandis que la transformation inverse la transformation inverse est définie commeest définie comme::
et et où où la la fonction fonction de transformation de transformation doît remplir les doît remplir les conditions d’êtreconditions d’êtremonotone et monotone et croissante dans l’intervalle entrecroissante dans l’intervalle entre 0 et 1. 0 et 1.
1L,...,1,0k
1r0
n
n)r(p kk
kr −−−−====≤≤≤≤≤≤≤≤
====
∑∑∑∑∑∑∑∑======== −−−−====
≤≤≤≤≤≤≤≤============
k
0j
kjr
k
0j
jkk 1L,1,0k
1r0)r(p
n
n)r(TS
1S0)S(Tr kk1
k ≤≤≤≤≤≤≤≤==== −−−−
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 22
Exemple numériqueExemple numérique::Image 64 x 64 pixels (N=4096), 8 Image 64 x 64 pixels (N=4096), 8 niveaux niveaux de de grisgrisDistribution:Distribution:
HistogrammeHistogramme::
lk pr(rk) nkr0 0 0,19 790r1 0,1428 0,25 1023r2 0,2857 0,21 850r3 0,4285 0,16 656r4 0,5714 0,08 329r5 0,7142 0,06 245r6 0,8571 0,03 122r7 1 0,02 81
0
0,05
0,1
0,15
0,2
0,25
0,3
1 2 3 4 5 6 7 8
rk
pr(
rk)
Pr(rk)=nk/N
HistogrammeHistogramme
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 23
n final
0
200
400
600
800
1000
1200
1 2 3 4 5
sk
pr(
rk)
n final
∑=
====N
j
rprrjprrTS0
19.0)0()()0(0
∑=
=+===1
0
44.0)1()0()()1(1j
rprrprrjprrTS
s S. aprox n final0,19 0,1428 7900,44 0,4285 10230,65 0,7142 8500,81 0,8571 9850,89 0,8571 4480,95 10,98 1
1 1
Quantification à 8 Quantification à 8 niveaux niveaux => affectation la plus => affectation la plus procheproches=>s s=>s approx approx => 5 => 5 niveaux seulementniveaux seulement
Histogramme résultantHistogramme résultant
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 24
Histogramme: ÉgalisationHistogramme: Égalisation•• Effectuer une distribution la plus uniforme possibleEffectuer une distribution la plus uniforme possible•• Le résultat n ’est pas toujours la meilleure distribution des niveaux de gris.Le résultat n ’est pas toujours la meilleure distribution des niveaux de gris.
image originale et son histogramme après une égalisation à 64 niveaux:
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 25
Histogramme: ÉgalisationHistogramme: Égalisation
étirement
égalisation
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 26
Histogramme: Égalisation par zones d ’intérêtHistogramme: Égalisation par zones d ’intérêt
Image initiale ROI rectangulaires ROI quelconques
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 27
Histogramme: spécificationHistogramme: spécificationImage où l’histogramme a été spécifié d’une façon particulière.L’histogramme n’a pas une distribution uniforme.Les résultats sont plus agréables à voir.
Dans cet exemple, on a forcé la distribution à prendre des valeurs qui ont été suppriméesdans l’image originale.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 28
Pour Pour effectuereffectuer l’égalisationl’égalisation de de l’histogrammel’histogramme::
•• On On calcule les différents calcule les différents SSkk pour le pour le nombre nombre de de niveauxniveaux de degris existantgris existant•• Les valeurs calculées sont assignées Les valeurs calculées sont assignées au au niveau discret niveau discret leleplus plus proche proche etet•• Des Des nouvelles valeurs nouvelles valeurs SSkk sont obtenues sont obtenues pour le pour le nombre réelnombre réelde de niveaux niveaux qui qui seront utilisésseront utilisés..
LesLes résultatsrésultats sontsont approximatifsapproximatifs, , parce que lorsqu’on travailleparce que lorsqu’on travailleavec des niveaux discretsavec des niveaux discrets. . Il devientIl devient difficile d’obtenir desdifficile d’obtenir desvaleurs toujours égalesvaleurs toujours égales..
HistogrammeHistogramme: Résumé: Résumé
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 29
Histogramme: RésuméHistogramme: RésuméLorsqu’on veut obtenir des dynamiques spécifiques il fautLorsqu’on veut obtenir des dynamiques spécifiques il fautspécifier spécifier la la fonctionfonction::
1. 1. Egaliser les niveaux Egaliser les niveaux de de l’imagel’image originaleoriginale..
2. 2. Spécifier Spécifier la la fonction fonction de de densité densité de de probabilité probabilité et et obtenirobtenir la lafonctionfonction de transformation de transformation G(z).G(z).
3. 3. UtiliserUtiliser la la transforméetransformée inverse inverse Z=GZ=G-1-1(s).(s).
Le Le problèmeproblème principal principal consiste consiste à à spécifierspécifier la la fonctionfonction de detransformation, transformation, mais mais pour le pour le cas discretcas discret, on , on peut calculerpeut calculerl’allocation l’allocation pour pour chaque valeur d’une façon individuellechaque valeur d’une façon individuelle..
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 30
Statistiques sur l’histogrammeStatistiques sur l’histogramme
1. Moyenne:1. Moyenne:
2. Variance:2. Variance:
3. 3. EnergieEnergie::
4. Entropie:4. Entropie:
∑−
=
⋅=1
0
)(L
b
bPbb
∑−
=⋅−=
1
0
2 )()(L
bb bPbbσ
[[[[ ]]]]21L
0bN )b(Pb ∑∑∑∑
−−−−
====
====
[ ]∑−
=
−=1
02 )(log)(
L
bE bPbPb
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 4. Histogramme 31
Mesures d’entropie pour différents types d ’imageMesures d’entropie pour différents types d ’image