CouCoursrs : Tr: Traitementaitement dd images’images · Plan du chapitre 1. Convolution Numérique 2. Filtrage par convolution 3. Filtres non linéaires (autre que convolution)

Institut Supérieur d’Informatique

Université Tunis Elmanar

p q

Cours : Traitement d’imagesCours : Traitement d images

Chapitre 3: Filtrage d’images

présenté par:

p g g

présenté par:Mohamed Sahbi Bahroun

Année Universitaire 2011/2012 1

ObjectifsCe cours s'intéresse aux techniques d'amélioration des images numériques, pour augmenter la qualité de leur rendu visuel, ou pour faciliter leur analyse. On cherche g ydonc à atténuer, sinon supprimer une certaine dégradation. Celle-ci n'est pas forcément connue a priori, mais elle peut parfois être estimée a posteriori. On distinguera ici :- les dégradations liées au bruit : g(x) = f(x)+b(x) ou g(x) = f(x)b(x) liées au capteur, à la quantification, à la transmission... On les traite en tirant parti des informations locales par le filtrage. Par différenciation, les techniques de filtrage permettent en outre d l l lifi l t t lde calculer ou amplifier les contrastes locaux.- les dégradations convolutives : g(x) = f(x).b(x) liées à un mouvement du capteur ou un défaut de mise au point. On les traite en inversant un opérateur linéaire, donc

é t l t h i dit d t ti ( i R t ti )supposé connu : ce sont les techniques dites de restauration (voir cours Restauration).

2Traitement d’images: 2éme GLSI, 2éme GTR

Plan du chapitrep

1. Convolution Numérique

2. Filtrage par convolution

3 Filtres non linéaires (autre que convolution)3. Filtres non linéaires (autre que convolution)


1 Convolution : définition1. Convolution : définition


Convolution numériqueConvolution numérique


ConvolutionConvolution


Exemple de convolution 2DExemple de convolution 2D


Convolution numérique discréteConvolution numérique discréte


Convolution nmériqueConvolution nmérique


Convolution numérique R=I*KConvolution numérique R I K








Convolution numériqueConvolution numérique


Masque de convolutionMasque de convolution


2 Filtrage par convolution2. Filtrage par convolution


deux types de filtrage spatialdeux types de filtrage spatial


Filtre passe hautFiltre passe haut


Filtre passe basFiltre passe bas


Filtre moyenneurFiltre moyenneur


Filtre moyenneurFiltre moyenneur


Exemple de filtre moyenneurExemple de filtre moyenneur


Le filtre GaussienLe filtre Gaussien


Le filtre GaussienLe filtre Gaussien


Exemple de filtre Gaussienp


Le filtre pyramidal, coniqueLe filtre pyramidal, conique


Filtre de prewittp

Les filtres de Prewitt sont les suivants :Les filtres de Prewitt sont les suivants :

1 1 1

Filtre horizontal :

=

1-1-1-0 0 0h

1 1 1

− 1 0 1

Filtre vertical :

−=1011 0 1v

Utilisé principalement pour la détection de contours

− 1 0 1


Filtre de Sobel

Les filtres de Sobel sont les suivants :Les filtres de Sobel sont les suivants :

Filtre horizontal : 121Filtre horizontal :

= 0 0 01 2 1

h

1- 2- 1-

Filtre vertical :

−

−−= 2 0 2

1 0 1v

1 0 1-


3. Filtres non linéaires (autre que convolution)


Filtres non linéairesFiltres non linéaires


Filtre MedianFiltre Median


Exemple filtre MedianExemple filtre Median


Nettoyage du bruit dans une imageNettoyage du bruit dans une image


conclusionconclusion


BibliographieBibliographie


Documents

CouCoursrs : Tr: Traitementaitement dd images’images · Plan du chapitre 1. Convolution Numérique 2. Filtrage par convolution 3. Filtres non linéaires (autre que convolution)