11
Traitement d’images : briques de base S. Le Hégarat Exemples d’images Amélioration d’images Détection de contours Classification Segmentation Analyse de texture

Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

Embed Size (px)

Citation preview

Page 1: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

Traitement d’images : briques de base

S. Le Hégarat

• Exemples d’images• Amélioration d’images• Détection de contours• Classification• Segmentation• Analyse de texture

Page 2: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

Bibliographie

• H. Maître, Le traitement des images, Hermès éditions.

• J.-P. Cocquerez & S. Philipp, Analyse d’images : filtrage et segmentation, Masson éditions.

• S. Bres, J.-M. Jolion & F. Lebourgeois, Traitement et analyse des images numériques, Hermès éditions.

Page 3: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

# colonnes

# lignes

pixel (i,j)

Exemples d’images

Page 4: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

ImageS14.ppt

Exemples en télédétection

Page 5: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

Exemples ‘d’école’

Page 6: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

Amélioration d’images• Exemples de méthodes fondées sur des

modifications de l’histogramme de l’image :– Translation d’histogramme

– Modification de la dynamique

– Seuillage

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Page 7: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

Spécification d’histogrammes• Egalisation d’histogrammes

– Principe :Maximiser l’entropie

• Spécification d’histogramme– Objectif : à partir de l’image X et HX, son

histogramme, on calcule Y=g(X) ayant HY donné

– Théorème : Soit FX la fct de répartition de X, alors la distribution de Z=FX(X) est uniforme

– Mise en œuvre : Y= Fy-1(FX(X))

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Page 8: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

Egalisation des cas ‘d’école’

Avant égalisation

Avant égalisation

Après égalisation

Après égalisation

Page 9: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

Egalisation : autre exemple

Pas de réelle sensibilité visuelle à l’histogramme

Avant égalisation

Après égalisation

Page 10: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

Egalisation : exercices• Soit une image ayant pour histogramme

Calculer sa fonction d’égalisation

• Soit une image ayant pour histogramme

Calculer sa fonction d’égalisation

-A +A

0

+B

+2B

-A +A

0

+B

Page 11: Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture

Gaussien =20

Exemples de bruits

Valeurs ‘aberrantes’ en p% pixels de l’image, ex :- Bruit ‘poivre et sel’

Valeurs ‘altérées’ en tout pixel de l’image, ex :

- Bruit ‘gaussien’ - Bruit à distribution uniforme- Bruit à distribution de Rayleigh

Gaus. =10, poivre&sel 10%

Poivre et sel 10%