Академический Документы
Профессиональный Документы
Культура Документы
v Transformations linéaires
v Transformations non linéaires
v Égalisation d'histogramme
Introduction
Prétraitement
Améliora-on Compression
Restaura-on
1
03/05/2019
Principe : Changer la valeur de chaque pixel d’une image I pour obtenir une
nouvelle image I’. Cette image résultat a même taille que I, mais des propriétés
plus intéressantes.
"
Notation : La transformation est notée " : #$%×$' → #′$%×$'
v Globales
)
# #
)
& ', ( → &" ', ( = )(& ', ( ) % %
! #, % ! " #, %
Exemple :
ü Seuillage
ü Ajustement luminosité / contraste
ü Opérations algébriques
ü Manipulation d’histogramme
2
03/05/2019
-
# #
-
% %
* +, , → *" +, , = -(0(* +, , )) ! &(#, %) ! " #, %
Exemple :
ü Filtrage
* %
' (, ) → '" (, ) = *(') ! " #, %
Exemple :
3
03/05/2019
v Elle est donc définie par une table de correspondance ou LUT (Look-Up
Table) qui définit, pour chaque niveau de gris # le nouveau niveau #& = !(#)
sans modification spatiale de l'image.
Représentations de la LUT
# #& = !(#)
ü Table ou graphe
0 !(*)
1 !(+)
2 !(,)
3 !(-)
. . . . . .
i0 !(#*)
. . . . . .
255 !(,..)
v Implémentation :
/* Utilisation de la LUT */
!"#$ & = 6 à 278&92:
!"#$ ; = 6 à 27<=>=22:
?@ &, ; = 8BC ?(&, ;) ;
4
03/05/2019
LUT
! !" = $(!)
0 '
1 (
2 )
3 *
... ...
détails en blanc sur fond noir qu’en noir sur fond blanc :
g(x,y) LUT
! !" = $(!)
0 '((
Restauration
1 '))
2 ')*
3 ')'
... ...
f(x,y)
inversion de l’échelle en niveau de gris
5
03/05/2019
Notes
Transformations ponctuelles et histogramme
v Cette transformation change la distribution statistique des niveaux de gris,
Lien avec l'histogramme
caractérisée par l’histogramme de chaque image .
Une LUT définit la transformation t des niveaux de gris entre l'image
initiale et l'image finale.
Cette transformation change la
distribution statistique des niveaux de gris,
caractérisée par
l'histogramme
de chaque image
LPro GPI Vision Industrielle – UE3 : Analyse des Images – O. Losson & F. Cabestaing 14
6
03/05/2019
En effet L'oeil humain est particulièrement sensible aux contrastes assez forts.
Comment améliorer le contraste des images?
v Recadrage de la dynamique :
ü Transformation linéaire
ü Transformation linéaire avec saturation
ü Transformation linéaire par morceau
ü Transformations non linéaires
v Égalisation de l’histogramme
v Recadrage de la dynamique :
7
03/05/2019
19
Transformations
19 ponctuelles
I.2 Améliorations pour
par l’amélioration
manipulation du contraste
d’histogramme
I.2 Améliorations par manipulation d’histogramme
v Recadrage de Dynamique
e. Recadrage : : Transforma)on linéaire simple
la dynamique
Amélioration
e. Recadrage
v Expansion
Cette technique Dynamique
deestlautilisé
dynamique :est trop claire,
(Recadrage)
lorsque l’image : Cettetrop technique
foncée ou peuest utilisé
Amélioration
lorsque l’image
contrastée est trop
: technique
Cette estclaire,
utilisétrop foncée
lorsque ou peu
l’image estcontrastée
trop claire, trop foncée ou peu
contrastée :
ü Soit !"!# , !"%& la dynamique de l’image initiale avec !"!# et !"%& sont
On appelle dynamique : l'intervalle [a,b]
Restauration
Où a etmaximale
La dynamique b sont respectivement
est [0,255]. les niveaux de
üLeLe
butbut du
gris
du recadrage
minimal
recadrage dynamique
et maximal
dynamique présentsest
est de del’image.
dans redistribuer les
redistribuer les niveaux demaximale
La dynamique gris de l’image
est pour
[0,255].
niveaux
qu’ils detoute
occupent
Le but du
gris debande
la l’image
recadrage de pour qu’ils
nuances
dynamique est de
occupent toute la
possible, c.-à-d. a b
bande de lanuances
redistribuer dynamique maximale.
possible,
les niveaux c-à-d.
de gris de l’imagelapour
dynamique
qu’ils occupent toute la bande de nuances
maximale.
possible, c.-à-d. la dynamique maximale. !a
"!# !b"%&
5(#, %)
!′ #, % : pixel de l’image améliorée !a-!0 00 255 5′(#, %)
a b b !-.# 0 255 255 . / 2. ∙/+ 23 ∙4+ 3 4
.567.1 567.589
1 .589
2/ 2/
& 1 $& 1 $
Pour Pour
le recadrage de la de
le recadrage dynamique : imadjust
la dynamique : imadjust .589 .∙ 589
& 1 ∙.&567
1 .∙567
$ ∙
4/ 4/
& 1 $& 1 $
8
03/05/2019
Amélioration
Exemple de recadrage dynamique :
Amélioration
v Exemple de recadrage
Expansion dynamique
de la dynamique
Exemple : (Recadrage)
de recadrage :
dynamique :
Amélioration
Amélioration
40 90 40 90
! ", $ % 5.1 ∗ *+ ", $ 40
, 40/
+,!! ',
", $ % 5.1 ∗ *+ ", $ , 40/ 90 40 90
", .
$ %=5.1
).∗0*+∗ ",
(+(',,.)
$ ! ",
40/$−%5%)
5.1 ∗ *+ ", $ , 40/
Restauration
Restauration
Restauration
Restauration
ü On :
233
*(', -) → *′(', -) = (*(', -) − !"#$ )
!"&' − !"#$
*′(', -)
ü On peut obtenir des valeurs pour *′(', -) 255
en dehors de l’intervalle de variation
maximale des niveaux de gris.
ü Exemple : image codée sur 8 bits (valeurs
entre 0 et 255) : *(', -)
0 #"#$ #"&'255
*5 ', - ≤ 6 → *′(', -)=0
!"#$ !"&'
*5 ', - ≥ 233 → *5 ', - = 233
9
03/05/2019
10
03/05/2019
v Égalisation de l’histogramme
,(-)
2. Normalisation de l’histogramme ℎ* # = avec # ∈ 0, 255
.
7
Transformation non linéaire
I.1 Transformations des niveaux d’intensité
Amélioration
c. Transformation logarithmique:
Amélioration
g(x,y)
!" #, %
!′()# logarithmique:
c. Transformation
Amélioration
"
! #, % = !&'" . *+ (. + ! #, % ) g(x,y)
! ", $ %*+ (. !+ !" ()# ) ∙ () + , /*", $-
! ", $ %
()*+&'"
, !&'"∙-() + , /*", $-
()*+ , ! -
Cette transformation&'"
Cettetransformation de l’intensité
de l’intensité permet de
permet de
Cette transformation de l’intensité permet de
dilater
dilaterles
les intensités faibles
intensités faibles et deetcompresser
de compresser les
Restauration
les niveaux
niveaux d’intensités
d’intensité élevées.
élevées.
les niveaux d’intensités élevées.
*!&'" % 011 : pour une Image 8bits)
*!&'" % 011 : pour une Image 8bits)
!" ()# = 233: pour une Image 8 bits
f(x,y)! #, %
f(x,y)
Restauration
Restauration
12
03/05/2019
Correction gamma
Niveau d’intensité transformé
!′#$% L-1 : valeur maximale de
!" %, * = " . !(%, *). !" %, * l’intensité (=255)
(! #$% ).
13
03/05/2019
Addition d’images
d images
Opérations arithmétiques et logiques sur les images
14
03/05/2019
M !, # = )(!, #) ∗ 3(!, #)
v La multiplication par un ratio réelle (scaling) est la plus utilisée.
15
03/05/2019
M !, # = %(!, #)/)*+,-
M !, # = %(!, #)/.(!, #)
Division
Opérations arithmétiques et logiques sur les images
Division de la première
Division image
de la première parpar
image la ladeuxième puisamélioration
deuxième puis amélioration du contraste
du contraste
16
03/05/2019
Opérations logiques : ET
v Chaque valeur de pixel de l’image résultat est obtenu par un ET logique sur
les pixels correspondant de l'image 1 et de l'image 2.
v Pour les images en niveaux de gris, l’opérateur logique est appliqué sur la
représentation binaire des niveaux de gris, en comparant les bits
correspondants.
v 2 niveaux de gris 47 et 252 codés sur 8 bits,
v 47 en binaire 00101111
Opérations logiques : ET
vraie. Le résultat d’un ET sur 2 images NdG est donc une image binaire.
17
03/05/2019
Opérations logiques : ET
Opérations logiques : OU
v Chaque valeur de pixel de l’image résultat est obtenu par un OU logique sur
les pixels correspondant de l'image 1 et de l'image 2.
v Pour les images en niveaux de gris, l’opérateur logique est appliqué sur la
représentation binaire des niveaux de gris, en comparant les bits
correspondants.
v 47 en binaire 00101111
18
03/05/2019
Opérations logiques : OU
19