30 0 1MB
UE Traitement d’Images
Cours 2 : traitements bas niveau d’images Alain Dieterlen
Groupe LAB.EL, Laboratoire MIPS Université de Haute Alsace, Mulhouse, France
1
Traitement d’image et vision Contenu du cours Formats d’images Prétraitements – Filtrage
Restauration Détection de régions, segmentation
2
Plan: Traitement d’images numériques
1.
Traitements bas niveau d’images Transformations globale Transformations locales Transformations point à point (ponctuelles)
3
1. Introduction Traitement d’images – Image 1 (m,n) -> Image 2 (m,n) • Nouvelle image fonction de l’information dans la première • Même taille d’image • Meilleurs propriétés – Trois types de transformations :
4
1.Quelques exemples
Comment quantifier la différence ? – la brillance d’une image – le contraste d’une image
5
1.Quelques exemples
Image originale
Bruit poivre et sel
Speckle
Comment identifier le type de dégradation ? – Identifier le type de bruit
Bruit Gaussien additif
Bruit multiplicatif
Flou et bruit Gaussien 6
1. Opération Ponctuelle : Histogramme
Modification – De la moyenne (brillance ou luminosité)
– Du contraste (plusieurs définitions) • Ecart type des variations de NG
• Variation entre les NG max et min :
• Mesure relative des différents NG dans l’image : C=(NG1-NG2)/NG2
Meilleure lisibilité de l’image 7
1. Histogramme: Analyse et transformation
Définition: – une distribution des NG de l’image N
h( k ) =
M
∑∑( I (i, j ) == k )
i =1 j =1
– pas de bijection entre image et histogramme
Pourquoi – Aide à la segmentation / création d’un gabarit / outil statistique Généralement les images sont de nature très différentes les unes des autres, et les histogrammes ne possèdent pas de propriété a priori 8
1. Histogramme: Analyse et transformation
Rehaussement de l’histogramme H L’allure de H peut traduire des images trop sombres, trop claires ou encore mal contrastées.
On peut agir sur la forme de l’histogramme : – Transformation/modification (linéaire / par morceaux) – Egalisation 9
1. Histogramme: Exemples de transformations Modification de chaque pixel en lui appliquant une transformation
10
1. Histogramme: Etirement (étalement, expansion dynamique)
Transformation/modification d’histogrammes l’intervalle [a,b] de répartition des niveaux de gris de l’image d’entrée « Ie » est [80,171]
l’intervalle [a,b] de répartition des niveaux de gris de l’image de sortie « Is » est [0,255] 11
1. Histogramme: transformations linéaire
TL
TLS
TLM
12
1. Histogramme: Egalisation
Egalisation d’histogramme
L’objectif est de rendre l’histogramme constant après transformation
Impossible sur des images réelles 13
1. Histogramme: Egalisation
Effet de discrétisation – Le nombre de niveau reste identique
Techniques (Ie Is) Utilisation de l’histogramme cumulé CIe – CIe(Max) = N nb de pixels dans Ie La fonction f qui réalise l’égalisation Is = f(Ie) – f(g) = Max . CIe (g)/N valeur entière arrondie Histogramme h[i ], i ∈ [0,255] h[i ] [ ] h i = n Histogramme normalisé DIMX ⋅ DIMY i
Histogramme cumulatif
C [i ] = ∑ hn [ j ] j =0
Image Egalisée
f ' ( x, y ) = C [ f ( x, y )]⋅ PIXMAX C [ f ( x, y )]∈ [0,1]
14
1. Histogramme: Egalisation - Algorithme /* Initialisation de l'histogramme */ for (i=0; i