Cours2 M1 Traitement d Images

8/2/2019 Cours2 M1 Traitement d Images

1/25

1

Alain Dieterlen

Groupe LAB.EL, Laboratoire MIPS

Universit de Haute Alsace,

Mulhouse, France

Cours 2 :traitements bas niveau dimages

UE Traitement dImages


2/25

2

Traitement dimage et vision

Contenu du cours

Formats dimages

Prtraitements Filtrage

Restauration

Dtection de rgions,

segmentation


3/25

3

Plan: Traitement dimages numriques

1. Traitements bas niveau dimages

Transformations globale

Transformations locales

Transformations point point (ponctuelles)


4/25

4

1. Introduction

Traitement dimages Image 1 (m,n) -> Image 2 (m,n)

Nouvelle image fonction de linformation dans lapremire

Mme taille dimage

Meilleurs proprits

Trois types de transformations :


5/25

5

1.Quelques exemples

Comment quantifier la diffrence ? la brillance dune image

le contraste dune image


6/25

6

1.Quelques exemples

Image originale Bruit poivre et sel Speckle

Bruit Gaussien additif Bruit multiplicatif Flou et bruit Gaussien

Comment identifier le type de dgradation ? Identifier le type de bruit


7/25

7

1. Opration Ponctuelle : Histogramme

Modification De la moyenne (brillance ou luminosit)

Du contraste (plusieurs dfinitions)

Ecart type des variations de NG

Variation entre les NG max et min :

Mesure relative des diffrents NG dans limage :C=(NG1-NG2)/NG2

Meilleure lisibilit de limage


8/25

8

1. Histogramme: Analyse et transformation

Dfinition: une distribution des NG de limage

pas de bijection entre image et histogramme

Pourquoi Aide la segmentation / cration dun gabarit / outil

statistique

Gnralement les images sont de nature trs diffrentes lesunes des autres, et les histogrammes ne possdent pas deproprit a priori

= =

===N

i

M

j

kjiIkh1 1

)),(()(


9/25

9

1. Histogramme: Analyse et transformation

Rehaussement de lhistogramme HLallure de H peut traduire des images trop sombres, trop claires ouencore mal contrastes.

On peut agir sur la forme de lhistogramme : Transformation/modification (linaire / par morceaux)

Egalisation


10/25

10

1. Histogramme: Exemples de transformations

Modification de chaque pixel en lui appliquant une transformation


11/25

11

1. Histogramme: Etirement (talement, expansion dynamique)

Transformation/modification dhistogrammes

lintervalle [a,b] de rpartitiondes niveaux de gris de limage

dentre Ie est [80,171]

lintervalle [a,b] de rpartitiondes niveaux de gris de limagede sortie Is est [0,255]


12/25

12

1. Histogramme: transformations linaire

TL TLS TLM


13/25

13

1. Histogramme: Egalisation

Egalisation dhistogramme

Lobjectif est de rendre lhistogrammeconstant aprs transformation

Impossible sur des images relles


14/25

14


Effet de discrtisation Le nombre de niveau reste identique

Techniques (Ie Is)Utilisation de lhistogramme cumul CIe C

Ie(Max) = N nb de pixels dans I

eLa fonction f qui ralise lgalisation Is = f(Ie)

f(g) = Max . CIe (g)/N valeur entire arrondie

[ ] [ ]

[ ][ ]

[ ] [ ]

[ ][ ] [ ]1,0),(

),(),('

255,0,

0

=

=

=

=

yxfC

PIXMAXyxfCyxf

jhiC

DIMYDIMX

ihih

iih

i

j

n

n

Histogramme

Histogramme normalis

Histogramme cumulatif

Image Egalise


15/25


16/25

16


%

GLGLmin max

GL

0 255min max

[ ]iC*


17/25

17

Image A enniveaux de gris

Matrice des valeurs de luminancedes pixels de limage A

Histogramme delimage A

22222222

20000002

20100102

20111102

2010010320111102

20000002

22222222

Les niveaux 0, 1 et 2 sont respectivement reprsents par24, 12 et 28 pixels reprsentation de cette population depixels sur l'histogramme.

L'image A comporte 3 niveaux de gris diffrents : 0, 1 et 2.

Compter le nombre de pixels pour chaque niveau de gris, laide de la matrice des valeurs de luminance.

1. Histogramme: Exemple


18/25

18

Image A Valeurs de luminance de A Histogramme cumul de A

Calcul d'un histogramme particulier faisant appel auxcumuls des niveaux de gris Histogramme cumul.

Utile pour certains traitements d'image tels que lgalisationd'histogramme ( amlioration de contraste).

Chaque bton cumule le nombre de pixels du niveaux de grisconcern et des niveaux de gris infrieurs : les niveaux 0, 1, 2sont donc reprsents respectivement par 24, 36 et 64 pixels.

1. Histogramme cumul: Exemple

22222222

20000002

20100102

20111102

2010010320111102

20000002

22222222


19/25

19

1. Histogramme : Illustrations

Image originale

galisation d'histogramme

talement d'histogramme


20/25

20

1. Rehaussement base dhistogrammes

Traitements locaux

Dans certains cas, il est prfrable detransformer lhistogramme en

procdant par zones locales.On prfre un recouvrement de zonesafin dviter des effets blocs


21/25

21

2. Identification du bruit

Applications sur Image J


22/25

22

2. Suppression du bruit: sommation dimages et moyenne

(a) (b) (c)

(d) (e) (f )

+2 +8

+128+32+16

N le nombre dimages


23/25

23

2. Suppression du bruit: sommation dimages et moyenne

{ } { }

{ }

{ } { }

{ } { } ),(),(),(1),(

0),(

),(),(1

),(

),(),(

),(1

),(

),(

1

),(

),(),(),(

1

1

1

1

yxfn

yxnfyxfE

nyxgE

yx

yxyxfEn

yxgE

yxfyxgE

yxgEn

yxgE

yxgnyxg

yxyxfyxg

n

i

i

i

n

i

ii

i

n

i

i

n

ii

===

=

+=

=

=

=

)(0,

+=

=

=

=

=


24/25

24

2. Dtection des changements : soustraction d images

(a) 1972.(b) 1975.

- =

Le jeu des 7 erreurs !

images Landsat MSS du complexe minier cuprifre de "Twin Buttes"(au sud de Tucson en Arizona)


25/25

25

Rsum

Oprations pontuelles Traitements sur lhistogramme Opration algbriques entre images

Documents

Cours2 M1 Traitement d Images