Академический Документы
Профессиональный Документы
Культура Документы
Séverine Dubuisson
6 octobre 2010
Plan du cours
Translation
I La translation d’un pixel (i, j) de vecteur (ti , tj )t s’exprime :
0
i 1 0 i ti
= +
j0 0 1 j tj
Changement d’échelle
I Le changement d’échelle d’un pixel (i, j) de coefficients αi et αj
s’exprime : 0
i αi 0 i
=
j0 0 αj j
Rotation
I La rotation d’un pixel (i, j) d’angle θ s’exprime :
0
i cos θ sin θ i
=
j0 − sin θ cos θ j
Déformation linéaire
I La déformation linéaire d’un pixel (i, j) de coefficients βi1 , βi2 , βj1 et
βj2 s’exprime :
0
i βi1 βi2 i
=
j0 βj1 βj2 j
Interpolations
I Deux modes d’interpolation principaux :
• Plus proche voisin : le pixel est de la même couleur que celle de son
plus proche voisin
• Interpolation bilinéaire : prise en compte des 4 voisins du pixel pour
faire une combinaison bilinéaire des intensités
Interpolation bilinéaire
P = (1 − v )A + vB
Q = (1 − v )D + vC
R = (1 − u)P + uQ
= (1 − v )(1 − u)A + (1 − u)vB + uvC + u(1 − v )Q
I Les images sont des matrices, on peut donc effectuer les opérations
usuelles sur des matrices
I Bien faire la différence entre une opération matricielle et une
opération pixel par pixel
I En image, on fait en général des opérations pixel par pixel : addition,
soustraction, multiplication, division, combinaison linéaire, ...
Suivi multi-camera
I Pouvoir suivre un/des objets des selon différentes vues d’une même
scène
Suivi multi-camera
I Une solution : transformation homographique
Améliorations d’images
But de l’amélioration
I Rendre les images plus aptes à l’interprétation humaine ou à celle de
la machine
I Aucune théorie générale
I Manipulation dans le domaine spatial : accès direct aux valeurs de
pixels
I Manipulation dans le domaine fréquentiel : modification de la
transformée de Fourier
Améliorations d’images
Types d’amélioration
I Amélioration ponctuelle : f 0 (i, j) = T (f (i, j))
,→ Modification de la brillance ou du contraste d’une image.
,→ L’arrangement spatial (position) des pixels n’intervient pas :
aucune relation de voisinage étudiée.
,→ Travail sur les histogrammes, les valeurs de pixels, ...
,→ Sujet de ce chapitre.
I Amélioration locale : f 0 (i, j) = T (f (V )), où V est un voisinage du
pixels (i, j)
,→ Utilisation de filtres (chapitre sur le filtrage).
I Amélioration globale : f 0 = T (f )
,→ Utilisation de la transformée de Fourier (chapitre sur la TFD).
Améliorations d’images
Améliorations d’images
Pourquoi améliorer une image ?
I Régions à faire apparaître
I Image trop claire ou trop foncée
I Nécessité de modifier ses niveaux de gris afin de rendre visibles
certains détails
Améliorations d’images
Pourquoi améliorer une image ?
I Modifier la brillance.
I Augmenter le contraste.
Améliorations d’images
Rappels - définitions
I Opérations d’améliorations d’images modifient l’histogramme
I Qu’est-ce qu’un histogramme ? Un histogramme cumulé
I A quoi correspond le contraste d’une image ?
Histogramme
Définition
I Fonction décrivant la répartition des niveaux de gris de l’image
I Fournit des informations propres à l’image, telles que :
• La distribution statistique des niveaux de gris
• Les bornes de répartition des niveaux de gris
I Mais aucune information spatiale !
I À chaque image f de taille N × M , on peut associer une
distribution H des valeurs contenues dans cette image par :
Histogramme normalisé
Définition
I Fonction Hn donnant la probabilité (en termes de fréquence
d’occurrence) qu’un pixel ait pour niveau de gris k
H(k)
Hn (k) =
N ×M
où N et M sont respectivement le nombre de colonnes et de lignes
de l’image
I Les valeurs de H sont normalisées
I Approximation de la fonction de densité d’une variable aléatoire
(pixel)
Histogramme cumulé
Définition
I L’histogramme cumulé est donné par :
X
Hc (k) = H(i)
i≤k
Propriétés de l’image
Contraste
I Définition 1 : variation maximale entre valeurs de niveaux de gris
min et max dans l’image :
Améliorations d’images
Modifications d’histogrammes
I On va modifier la luminance k
f : k → k 0 = f (k).
I Diffèrentes fonctions f vont avoir des impacts diffèrents sur l’image
Inversion d’image
Définition
I Inversion de l’intervalle des niveaux de gris de f par la formule :
k0 = |(L − 1) − k|
Seuillage
Définitions et principe
I Seuillage (tresholding) : traitement ramenant l’image à deux ou
quelques niveaux d’intensité
I Binarisation (binarization) : traitement ramenant l’image à deux
niveaux ⇒ seuillage binaire
I Le seuillage binaire est défini par :
k1 si k ≤ S
k0 =
k2 si k > S
Améliorations d’images
Revenons à notre problème
I Des images trop claires ou trop foncées
Translation d’histogramme
Définition
I Permet de faire varier la luminosité de l’image sans en changer le
contraste
I On obtient une image plus claire ou plus sombre
I S’applique sur des images à faible dynamique
I On a donc : k 0 = k + t, où t ∈ R
Translation d’histogramme
Changement de contraste
Définition
I On effectue une transformation affine sur les niveaux de gris
I La transformation s’exprime : k 0 = ak + b, où a, b ∈ R
I Diminution de contraste a < 1 et b > 0
I Augmentation de contraste a > 1 et b < 0
I Un exemple : l’étirement d’histogramme
Étirement d’histogramme
Définition
I Cas où l’intervalle de variation des niveaux de gris est réduit : on le
remet entre 0 et (L − 1)
I Si les niveaux de gris de I appartiennent à [kmin , kmax ], et qu’on
l’étire à l’intervale [0, L − 1], alors on a :
L−1
k0 = (k − kmin )
kmax − kmin
Étirement d’histogramme
Étirement d’histogramme
Un cas particulier : la transformation linéaire avec saturation
I On choisit deux seuils Smin et Smax tels que
I On a : k 0 = L−1
Smax −Smin (k − Smin )
I On peut obtenir des valeurs pour k 0 en dehors de l’intervalle de
variation maximale des niveaux de gris.
I Exemple : image codée sur 8 bits (valeurs entre 0 et 255) :
k0 < 0 → k0 = 0
k 0 > 255 → k 0 = 255
Étirement d’histogramme
Égalisation d’histogramme
Définition
I Homogénéisation de la répartition des intensités des pixels
I Amplification des fluctuations dans les zones où elles sont faibles
I étalement des détails concentrés dans un petit intervalle de niveaux
de gris
Égalisation d’histogramme
Définition
I Formule :
L−1
k 0 = Int Hc (k)
N ×M
La mosaque d’images
I Donnée : une image cible et une base d’imagettes
L’image inpainting
Segmentation