Cours2 M1 Traitement D Images [PDF]

Zitiervorschau

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