Upload
modestine-barre
View
113
Download
6
Embed Size (px)
Citation preview
Traitement Numérique d ’ImagesTraitement Numérique d ’ImagesPrincipes de BasePrincipes de Base
Jean-François Lerallut, UTCJean-François Lerallut, UTC
Veronica Medina, UAMVeronica Medina, UAM
Joaquin Azpiroz Leehan, UAMJoaquin Azpiroz Leehan, UAM
BM-06 Chapitre 3. Bases
Lerallut, Medina, Azpiroz© 1999 UTC-UAM
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 2
Traitement Numérique d ’ImagesTraitement Numérique d ’ImagesPrincipes de BasePrincipes de Base
Rappels mathématiquesRappels mathématiques Le système visuel humainLe système visuel humain ColorimétrieColorimétrie Résolution spatiale et quantificationRésolution spatiale et quantification
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 3
Fonction de DiracFonction de Dirac
Définition:Définition:
x
xx
x
xx
,0
,)(
0,0
0,)(
Propriétés:Propriétés:
)()()(
)0()()(
1)(
00 xfdxxxxf
fdxxxf
dxx
)(x
x00
)( x
x0 0
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 4
Cas bidimensionnel :Cas bidimensionnel :
),(),(,0
,,),(
)0,0(),(,0
0,0,),(
yx
yxyx
yx
yxyx
..
..
..
),(),(),(
)0,0(),(),(
1),(
fdxdyyxyxf
fdxdyyxyxf
dxdyyx
xx yy
00
(x)(x)
xx yy
00
(x-(x-,y-,y-))
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 5
Séparabilité :Séparabilité :
)()(),( yxyx
k
xkxxs )()(
l k
ylyxkxyxs ),(),(
)()(),(
))((),(
)()(),(
2
2222
2
ysincxxcsinlimyx
yxxexplimyx
yRectxRectlimyx
Utilité : théorie de l'échantillonnageUtilité : théorie de l'échantillonnage
Autres définitions :Autres définitions :
Cas 2-D :Cas 2-D :
Peigne de Dirac :Peigne de Dirac :Répétition de la fonction de Dirac sur l'axe xRépétition de la fonction de Dirac sur l'axe x
)(xs
x0
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 6
« Brosse » de Dirac« Brosse » de Dirac
SpectreSpectre
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 7
Si f(x)=Heavyside, la réponse impulsionnelle s'obtient en dérivant g(x) Si f(x)=Heavyside, la réponse impulsionnelle s'obtient en dérivant g(x) dans le cas des S.L.dans le cas des S.L.
Cas 2-D :Cas 2-D :
f(x,y)= somme pondérée d'impulsions de Diracf(x,y)= somme pondérée d'impulsions de Dirac
Application à la réponse impulsionnelle des systèmes Application à la réponse impulsionnelle des systèmes linéaireslinéairesA partir de la fonction d'Heavyside :A partir de la fonction d'Heavyside :
)(,0
0,1)( x
dx
dH
ailleurs
xxH
ddyxfyxf ),(),(),(
xx
H(x)H(x)
11
f(x) h(x) g(x)f(x) h(x) g(x)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 8
Soit g(x,y) la sortie correspondante d'un S.L. :Soit g(x,y) la sortie correspondante d'un S.L. :c-a-d : c-a-d :
ddyxfyxg ),(),(),(
),(),,,( yxhyxh
ddyxhfyxg ),(),(),(
),(),(),( yxhyxfyxg
ddyxfyxg
yxfyxg
),(),(),(
),(),(
C'est une équation de convolution qui s'écrit :C'est une équation de convolution qui s'écrit :
Pour un S.L. stationnaire (invariance d'espace) :Pour un S.L. stationnaire (invariance d'espace) :
Notons h(x,y,Notons h(x,y,,,) la réponse impulsionnelle du système :) la réponse impulsionnelle du système :
L'opérateur linéaire L'opérateur linéaire ne concerne que les fonctions dépendantes de (x,y),c-a-d : ne concerne que les fonctions dépendantes de (x,y),c-a-d :
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 9
Propriétés :Propriétés :
1
0
1
0
),(),(),(),(N
n
M
m
nymxgenmfeyxgeyxfe
y)t(x,*h]*[fy)]t(x,*y)[h(x,*y)f(x,
y)f(x,*y)h(x,y)h(x,*y)f(x,
Cas discret :Cas discret :
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 10
f(f())
11
11
g(g())
11
1/21/2
g(-g(-))
-1-1
1/21/2
g(x-g(x-))
-1-1
1/21/2
xx
f(f()g(x-)g(x-))
-1-1
1/21/2
xx
11
11
21 x
x-1x-1
xx
f(x)*g(x)f(x)*g(x)
11
1/21/2
22
f(f()g(x-)g(x-))
-1-1
1/21/2
xx
11
11
10 x
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 11
CorrélationCorrélation
Définition:Définition:1-D :1-D :
2-D :2-D :
dxgfxgxf )()()()(
ncorrelatiocrossgf
ationautocorrelgf
ddyxgfyxgyxf
2
),(),(),(),(
permet de connaître la " ressemblance " entre deux fonctions f permet de connaître la " ressemblance " entre deux fonctions f et g.et g.(Par ex, si f et g sont identiques à un décalage près, la valeur (Par ex, si f et g sont identiques à un décalage près, la valeur maximale de la fonction de cross-corrélation permet de maximale de la fonction de cross-corrélation permet de connaître la valeur de ce décalage.)connaître la valeur de ce décalage.)
Autre propriété : la transformée de Fourier de la fonction d'auto-Autre propriété : la transformée de Fourier de la fonction d'auto-corrélation est égale au carré du module de la TF de cette corrélation est égale au carré du module de la TF de cette fonction,fonction,c-a-d le spectre d'énergie de cette fonction f(x,y).c-a-d le spectre d'énergie de cette fonction f(x,y).
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 12
f(f())
11
11
g(g())
11
1/21/2
f(f()g(x+)g(x+))
1/21/2
11
11
10 x
xx
g(x+g(x+))
xx
1/21/2
11
f(f()g(x+)g(x+))
1/21/2
11
11
01 x
xx
xx11
1/21/2
-1-1
)()( xgxf
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 13
Si la variable est le temps, u est une fréquence.Si la variable est le temps, u est une fréquence.Si la variable est une distance, u est appelée " fréquence spatiale ".Si la variable est une distance, u est appelée " fréquence spatiale ".F(u) existe si :F(u) existe si :1) f(x) est bornée1) f(x) est bornée
2)2)
Transformée de FourierTransformée de Fourier
Rappel 1-D :Rappel 1-D :
dxexfuF uxj2)()(
dxxf )(
dxdyeyxfvuF vyuxj )(2),(),(
dudvevuFyxf vyuxj )(22
),(4
1),(
Transformée inverse :Transformée inverse :
Cas 2-D :Cas 2-D :
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 14
Remarques :Remarques :- Le noyau est séparable- Le noyau est séparable- F(u) complexe = R(u) + jI(u)- F(u) complexe = R(u) + jI(u)
Séparabilité :Séparabilité :
N
vyjN
y
M
x
M
uxj
jππvjππu
eeyxfMN
vuF
dyedxf(x,y)eF(u,v)
21
0
1
0
2
22
),(11
),(
f(x,y)f(x,y) f(u,y)f(u,y) F(u,v)F(u,v)
uuuu
vvyyyy
xx
Transformation Transformation sur les lignessur les lignes
Transformation Transformation sur les colonnessur les colonnes
1D1D 1D1D
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 15
Exemple 1-D :Exemple 1-D :
)()()(
)()(
2)(
12
)(
2)(
)()(
2
02
0
2
2
uXcsinAXeuXsinu
AuF
euXsinu
AuF
eeeuj
AuF
euj
AuF
euj
AdxAeuF
dxexfuF
uXj
uXj
uxjuXjuXj
uXj
XuxjX
uxj
uxj
xx
f(x)f(x)
AA
XX
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 16
AxAx
|F(u)||F(u)|
uu1/x1/x-1/x-1/x 2/x2/x-2/x-2/x
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 17
(a) Rectangle lumineux d ’intensité unité, de cotés a et b selon OX et Oy respectivement, (a) Rectangle lumineux d ’intensité unité, de cotés a et b selon OX et Oy respectivement, (b) et (c) la transformé de Fourier est le produit de deux fonctions en sinu/u et sinv/v (b) et (c) la transformé de Fourier est le produit de deux fonctions en sinu/u et sinv/v S(u,v)=ab sinc S(u,v)=ab sinc ua sinc ua sinc ubub
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 18
(a) Disque lumineux de diamètre D et d’intensité unité (objet à symétrie circulaire), (a) Disque lumineux de diamètre D et d’intensité unité (objet à symétrie circulaire), (b) et (c) la transformé de Fourier, également à symétrie circulaire, a pour méridienne la fonction(b) et (c) la transformé de Fourier, également à symétrie circulaire, a pour méridienne la fonction où où est le rayon et où J est le rayon et où J11 est la fonction de Bessel de première espèce est la fonction de Bessel de première espèce
D
)D(J
2
D 12 22 vu
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 19
TF discrète :TF discrète :f(x) échantillonnée selon N points, alors :f(x) échantillonnée selon N points, alors :
xNu
euFxf
et
exfN
uF
N
uxjN
u
N
uxjN
x
1
)()(
)(1
)(
21
0
21
0
1
0
1
0
)(2
),(1
),(N
x
N
y
N
vyuxj
eyxfN
vuF
En bidimensionnel : N échantillons par direction (Ox,Oy)En bidimensionnel : N échantillons par direction (Ox,Oy)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 20
Propriétés de la TF :Propriétés de la TF :1) Linéarité1) Linéarité
sisi
et et
alorsalors
2) Translations2) Translations
),(),( vuFyxf F
),(),( vuGyxg F
),(),(),(),( vuGbvuFayxgbyxfa F
)(2
)(2
),(),(
),(),(1 byaxjF
bvaujF
eyxfbvauF
evuFbyaxf
),(1
)(b
v
a
uF
abbyaxf F
Une compression dans le domaine spatial entraîne une expansion Une compression dans le domaine spatial entraîne une expansion de l'étendue spectrale.de l'étendue spectrale.Une dilatation spatiale entraîne une compression du spectre.Une dilatation spatiale entraîne une compression du spectre.
La translation d'une image additionne une phase linéaire à la La translation d'une image additionne une phase linéaire à la phase originale, le module étant conservé.phase originale, le module étant conservé.Une translation du spectre produit une modulation par une Une translation du spectre produit une modulation par une exponentielle complexe.exponentielle complexe.
3) Similitude3) Similitude
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 21
Intégrer une image revient à multiplier son spectre par une Intégrer une image revient à multiplier son spectre par une fonction décroissante en fréquence.fonction décroissante en fréquence.
7) Valeur moyenne7) Valeur moyenne
d'où terme "continu"d'où terme "continu"
4) Rotation4) Rotationen coordonnées polaires :en coordonnées polaires :
alors alors
5) Dérivation5) Dérivation
wsinv
coswuet
sinry
cosrx
),(),( wFrf F ),(),( 00 wFrf F
),()2(),(
vuFujdx
yxfd nFn
n
),()2(
1)(),( vuF
ujdxyxf
nFn
1
0
1
0
1
0
1
02
),(1
)0,0(0
),(1
),(
N
x
N
y
N
x
N
y
yxfN
Fvu
yxfN
yxf
)0,0(1
),( FN
yxf
Dériver une image revient à multiplier son spectre par une Dériver une image revient à multiplier son spectre par une fonction croissante en fréquence.fonction croissante en fréquence.
6) Intégration6) Intégration
etet
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 22
8) Laplacien8) Laplacien
d'où d'où
(utilisation en détection de contours)(utilisation en détection de contours)
9) Convolution9) Convolution
2
2
2
22 ),(
y
f
x
fyxf
),()()2(),( 2222 vuFvuyxf F
),(),(),(),(
),(),(),(),(
vuGvuFyxgyxf
vuGvuFyxgyxfF
F
),(*),(),(),( vuGvuFyxgyxf F
2),(),(),( vuFyxfyxf F Spectre de puissance de fSpectre de puissance de f
AutocorrélationAutocorrélation
Une multiplication dans un domaine équivaut à une Une multiplication dans un domaine équivaut à une convolution dans l'autre.convolution dans l'autre.
10) Corrélation-Energie10) Corrélation-Energie
(G*: complexe conjugué)(G*: complexe conjugué)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 23
TF discrète : exemplesTF discrète : exemples
Carre blanc Module FFT Perspective
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 24
TF discrète : exemplesTF discrète : exemples
Cercle blanc Module FFT Perspective
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 25
TF discrète : exemplesTF discrète : exemples
??
2 cercles Module FFT Profil d ’intensité
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 26
TF discrète : rotationTF discrète : rotation
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 27
TF discrète : exemple réelTF discrète : exemple réel
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 28
Mécanismes de la Vision:Mécanismes de la Vision:L’oeilL’oeil
Est le détecteur des signaux visuels, qui sont formés Est le détecteur des signaux visuels, qui sont formés à partir de la radiation électromagnétiqueà partir de la radiation électromagnétiquecorrespondante au spectre visible.correspondante au spectre visible.
Effectue la focalisation des images provenant de Effectue la focalisation des images provenant de
l’extérieur pour que la rétine puisse recevoir l’image.l’extérieur pour que la rétine puisse recevoir l’image. Ajustement de la quantité de lumière qui arrive sur la Ajustement de la quantité de lumière qui arrive sur la
rétine par l’iris.rétine par l’iris.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 29
Mécanismes de la Vision:Mécanismes de la Vision:La RétineLa Rétine
Est la couche sensorielle de l’oeil. Est la couche sensorielle de l’oeil. Le tissu rétinien est formé de cinq Le tissu rétinien est formé de cinq types de cellules qui sont orga-types de cellules qui sont orga-nisées en couches et qui font la nisées en couches et qui font la transduction d’un signal électro-transduction d’un signal électro-magnétique (l’image) à un signal magnétique (l’image) à un signal électrochimique (la transmission électrochimique (la transmission nerveuse) nerveuse)
Effectue un prétraitement de l’information avant Effectue un prétraitement de l’information avant
de l’envoyer au cerveau à travers le nerf optique. de l’envoyer au cerveau à travers le nerf optique.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 30
Distribution de cônes et de bâtonnetsDistribution de cônes et de bâtonnets(nombre de cellules par mm(nombre de cellules par mm22 vs angle) vs angle)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 31
Mécanismes de la Vision:Mécanismes de la Vision:
CônesCônes 6.5 millions6.5 millions
dans la fovéadans la fovéa détectent la couleur détectent la couleur
et les détailset les détails réagissent à des réagissent à des
hauts niveaux hauts niveaux d’illuminationd’illumination
Haute résolution Haute résolution (1 minute d’arc)(1 minute d’arc)
BâtonnetsBâtonnets 130 millions130 millions autour de l’axe de autour de l’axe de
l’oeill’oeil réagissent au réagissent au
mouvementmouvement réagissent à des réagissent à des
bas niveaux bas niveaux d’illuminationd’illumination
Basse résolutionBasse résolution
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 32
Mécanismes de la Vision:Mécanismes de la Vision:caractéristiquescaractéristiques
Nature discontinue de la rétine et résolution de l ’œil:Nature discontinue de la rétine et résolution de l ’œil:•cônes espacés de 2,5 cônes espacés de 2,5 mm•focale cristallin ~2cmfocale cristallin ~2cm
=> acuité = 0,125 cm à 1m=> acuité = 0,125 cm à 1m
Champ de vision:Champ de vision:•rotation de l ’œil 30 à 40° d ’ou un champ de 70 à 100°rotation de l ’œil 30 à 40° d ’ou un champ de 70 à 100°•si >25° peu sensible aux détails mais perception mouvementssi >25° peu sensible aux détails mais perception mouvements
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 33
Un carré de la même intensité paraît plus foncé sur un fondUn carré de la même intensité paraît plus foncé sur un fondclair que sur un fond sombreclair que sur un fond sombre
Mécanismes de la Vision:Mécanismes de la Vision:caractéristiquescaractéristiques
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 34
Mécanismes de la Vision:Mécanismes de la Vision:LimitesLimites
128 148 128 138 Superposition
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 35
Mécanismes de la Vision:Mécanismes de la Vision:LimitesLimites
128 133 Superposition Fausse couleur
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 36
Mécanismes de l ’interprétation:Mécanismes de l ’interprétation:
« Les deux femmes »
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 37
Mécanismes de l ’interprétation:Mécanismes de l ’interprétation:
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 38
Mécanismes de l ’interprétation:Mécanismes de l ’interprétation:
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 39
Mécanismes de l ’interprétation:Mécanismes de l ’interprétation:
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 40
Mécanismes de l ’interprétation:Mécanismes de l ’interprétation:
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 41
Mécanismes de l ’interprétation:Mécanismes de l ’interprétation:
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 42
PositionPosition PositionPosition
IntensitéIntensité
IntensitéIntensité
Effet de bandes de MachEffet de bandes de Mach
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 43
Effet intégrateur de l’oeilEffet intégrateur de l’oeil
reproductionreproduction Agrandissement de la reproductionAgrandissement de la reproduction
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 44
Effet différentiateur et intégrateur de Effet différentiateur et intégrateur de l’oeill’oeil
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 45
Mécanismes de la Vision:Mécanismes de la Vision: Inhibition LatéraleInhibition Latérale
•Excitation de A produit des Excitation de A produit des impulsions à une fréquence impulsions à une fréquence proportionnelle à l’intensité proportionnelle à l’intensité lumineuse.lumineuse.•Si les cellules B sont excitées Si les cellules B sont excitées aussi, celles-ci ihniberont les aussi, celles-ci ihniberont les impulsions produites par A.impulsions produites par A.•Une désinhibition de A est Une désinhibition de A est possible s’il existe d’autres possible s’il existe d’autres cellules C, proches de B qui les cellules C, proches de B qui les inhibent, mais qui n’agissent inhibent, mais qui n’agissent pas sur A, étant donné leur pas sur A, étant donné leur distance.distance.
Les connexions en parallèle et en rétroaction sont responsablesLes connexions en parallèle et en rétroaction sont responsables du phénomène d’inhibition latérale.du phénomène d’inhibition latérale.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 46
Mécanismes de la Vision: Mécanismes de la Vision: Réponse spatiale des cellules rétiniennesRéponse spatiale des cellules rétiniennes
Si les réponses des cellules sont enregistrées spatialement, on obtientSi les réponses des cellules sont enregistrées spatialement, on obtient la réponse impulsionnelle spatiale, qui correspond à un filtre passe haut.la réponse impulsionnelle spatiale, qui correspond à un filtre passe haut.
Réponse spatiale des cellules rétiniennesRéponse spatiale des cellules rétiniennes..
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 47
Mécanismes de la Vision: Mécanismes de la Vision: Codification Neuronale au niveau de la rétineCodification Neuronale au niveau de la rétine
La compression de la dynamique au La compression de la dynamique au niveau de la rétine augmente la largeur niveau de la rétine augmente la largeur de bande transmissible par le nerf de bande transmissible par le nerf optiqueoptique– Canal de caractéristiques globales d’ Canal de caractéristiques globales d’
illumination (passe bas)illumination (passe bas)– Canal avec information des bords et lignes Canal avec information des bords et lignes
(passe bande)(passe bande)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 48
Mécanismes de la Vision: Mécanismes de la Vision: Codification Neuronale au niveau des cellulesCodification Neuronale au niveau des cellules ganglionnaires et du noyau genouillé latéral ganglionnaires et du noyau genouillé latéral
Réponse aux stimulus des disques Réponse aux stimulus des disques lumineux sur la rétinelumineux sur la rétine– un centre excitateur et un pourtour un centre excitateur et un pourtour
inhibitoire (nommés zone "on") inhibitoire (nommés zone "on") – ou d’une configuration inverse (zone ou d’une configuration inverse (zone
"off")."off").
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 49
Mécanismes de la Vision: Mécanismes de la Vision: Codification Neuronale au niveau CorticalCodification Neuronale au niveau Cortical
Neurones “simples” répondant aux barres lumineuses sur la Neurones “simples” répondant aux barres lumineuses sur la rétine au lieu de répondre aux disques lumineux.rétine au lieu de répondre aux disques lumineux.
Neurones “complexes” se comportant comme si leur Neurones “complexes” se comportant comme si leur information provenait de multiples cellules simples, toutes information provenait de multiples cellules simples, toutes avec leurs champs de réception avec la même orientation, avec leurs champs de réception avec la même orientation, mais provenant de localisations légèrement différentes.mais provenant de localisations légèrement différentes.
Cellules “hypercomplexes” similaires, mais en plus de Cellules “hypercomplexes” similaires, mais en plus de l’orientation spécifique, il doit exister une discontinuité dans le l’orientation spécifique, il doit exister une discontinuité dans le champ de réception, comme dans le cas de la fin d’une ligne champ de réception, comme dans le cas de la fin d’une ligne ou le coin d’une figure géométriqueou le coin d’une figure géométrique..
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 50
Mécanismes de la Vision: Mécanismes de la Vision: Codification Neuronale Codification Neuronale
Cellules:Cellules:1:ganglionnaires1:ganglionnaires2:simples2:simples3:complexes3:complexes4:hypercomplexes4:hypercomplexes
Types de stimulus auxquels les cellules de la voie visuelle répondentTypes de stimulus auxquels les cellules de la voie visuelle répondent
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 51
Mécanismes de la Vision: Mécanismes de la Vision: Modèle Cortical de Hubel & WieselModèle Cortical de Hubel & Wiesel
Ilôt avec un ensemble de feuilletsIlôt avec un ensemble de feuilletscorrespondant à toutes les correspondant à toutes les orientations possibles, codées sur orientations possibles, codées sur une trentaine de directions et un une trentaine de directions et un autre ensemble de feuillets à autre ensemble de feuillets à dominance oculaire alternée dominance oculaire alternée gauche et droite (1 mmgauche et droite (1 mm22 de de surface et 2 mm de épaisseur).surface et 2 mm de épaisseur).
Organisation en colonnesOrganisation en colonnes pour la dominance oculairepour la dominance oculaire (D=droir, G=gauche)(D=droir, G=gauche) et pour la réponse à l’orientation.et pour la réponse à l’orientation.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 52
Vision polychromeVision polychrome
Trois types de cône sensibles à différentes Trois types de cône sensibles à différentes radiations du spectre visible.radiations du spectre visible.
ColorimétrieColorimétrie Synthèse additive: plusieurs radiations Synthèse additive: plusieurs radiations
monochromatiques combinéesmonochromatiques combinées
Synthèse soustractive: lumière blanche Synthèse soustractive: lumière blanche filtréefiltrée
Expérience fondamentale: égaliser la Expérience fondamentale: égaliser la perception d ’une couleur, due à une source perception d ’une couleur, due à une source colorée quelconque, et due à la colorée quelconque, et due à la superposition de sources prédéfinies. Les superposition de sources prédéfinies. Les meilleurs résultats sont obtenus avec RVBmeilleurs résultats sont obtenus avec RVB
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 54
Système RVBSystème RVB
A partir de trichromie et théorie de Maxwell:A partir de trichromie et théorie de Maxwell:
RVB couleurs primaires pour reproduire une RVB couleurs primaires pour reproduire une couleurcouleurquelconque.quelconque.• Rouge:Rouge:700,0 nm700,0 nm• Vert:Vert: 546,1 nm 546,1 nm• Bleu:Bleu: 435,8 nm 435,8 nm
Système additif: mélange de trois couleurs Système additif: mélange de trois couleurs primaires.primaires.(rouge, vert, bleu)(rouge, vert, bleu)Système soustractif: objets translucides, Système soustractif: objets translucides, imprimantesimprimantes(cyan, magenta, jaune)(cyan, magenta, jaune)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 55
Système TLSSystème TLS
• Luminance:Luminance: énergie lumineuse globale reçue par énergie lumineuse globale reçue par l ’œil (blanc=100%, noir = 0%).l ’œil (blanc=100%, noir = 0%).
• Teinte:Teinte: caractérise la longueur d ’onde (couleur) caractérise la longueur d ’onde (couleur)
• Saturation:Saturation: caractérise le ton « pastel » ou « vif » caractérise le ton « pastel » ou « vif » d ’une couleurd ’une couleur
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 56
ColorimétrieColorimétrie
Affichage de 256 couleurs Affichage de 256 couleurs Agrandissement d ’un TRC couleurAgrandissement d ’un TRC couleur
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 57
EchantillonnageEchantillonnage
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 58
EchantillonnageEchantillonnage
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 59
Fonction d ’échantillonnage bidimensionnelleFonction d ’échantillonnage bidimensionnelle
ailleurs
yxyx
0
0),(
1),( dxdyyx
l k
ylyxkxyxs ),(),(
• Fonction d’échantillonnageFonction d’échantillonnage
avecavec
• Fonction delta 2-DFonction delta 2-D
• Transformation de Fourier d’une fonction d’échantillonnage Transformation de Fourier d’une fonction d’échantillonnage
yv
xu
vjvuiuvuSi j
2,
2
),(),(
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 60
• Fonction d’échantillonnage bidimensionnelleFonction d’échantillonnage bidimensionnelle
• Transformation de Fourier d’une fonction d’échantillonnage Transformation de Fourier d’une fonction d’échantillonnage
yy
xx
xxyy
vv
uu
v=2v=2//yyu=2u=2//xx
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 61
Echantillonnage: allure des spectresEchantillonnage: allure des spectres
• Spectre d’une image continueSpectre d’une image continue
PuissancePuissance
uuvv
Fonction à support bornéFonction à support borné
• Spectre d’une image « échantillonnée »Spectre d’une image « échantillonnée »
• Théorème de convolutionThéorème de convolution
),(),(),( yxsyxfyxf cd
),(),(),( vuSvuFvuF cd
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 62
Spectre d ’une image « échantillonnée »Spectre d ’une image « échantillonnée »
Spectre de bande principaleSpectre de bande principale
u =2u =2//xxv =2v =2//yy
Réplication des spectresRéplication des spectres
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 63
f(x,y)f(x,y)
ffee(x,y)(x,y)
(x,y)(x,y)
F(u,v)F(u,v)
FFdd(u,v)(u,v)
uu
uu
vv
vv
yyyy
yy
xxxx
xx
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 64
• Densité d ’échantillonnageDensité d ’échantillonnage
SuréchantillonnéSuréchantillonné Sous-échantillonnéSous-échantillonné(Repliement en fréquence)(Repliement en fréquence)
• Critère de NyquistCritère de Nyquist
yv
xu
pourvuF
2
2
0),(
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 65
Erreurs de recouvrementErreurs de recouvrement
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 66
Erreur de recouvrement: effet de MoiréErreur de recouvrement: effet de Moiré
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 67
Résolution spatialeRésolution spatiale
Images échantillonnéesImages échantillonnéesà 256 x 256, 128 x 128,à 256 x 256, 128 x 128,64 x 64 et 32 x 32 pixels.64 x 64 et 32 x 32 pixels.
On peut observer qu’à On peut observer qu’à partir d’un sous-échantil-partir d’un sous-échantil-lonnage de 4:1, correspon-lonnage de 4:1, correspon-dant à l’image de 64 x 64dant à l’image de 64 x 64pixels, la dégradation est pixels, la dégradation est si grande que l’image ne si grande que l’image ne peut pas être utilisée.peut pas être utilisée.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 68
Reconstruction de l’image initialeReconstruction de l’image initiale
• Filtrage passe-basFiltrage passe-bas
Filtre idéalFiltre idéal
• InterpolationInterpolation
Fonction d’interpolation idéaleFonction d’interpolation idéale
),(),(),(ˆ vuHvuFvuF d
yv
xu
ailleurs
pourvuH
2,
2
0
1),(
),(),(),(ˆ yxhyxfyxf d
)),((),( vuHFyxh -1
yx
)yy
2sin()x
x2
sin(1
2
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 69
• Spectre de l’image échantillonnéeSpectre de l’image échantillonnée
• Filtre idéal: H(u,v)Filtre idéal: H(u,v)
uu
vv
vv
uu
x
xsin
uu
vv
Bessel
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 70
Reconstruction de l’image initialeReconstruction de l’image initiale
• Fonction image discrétiséeFonction image discrétisée
• Fonction d’interpolation idéaleFonction d’interpolation idéale
• Fonction image reconstruiteFonction image reconstruite
ffdd(x)(x)
h(x)h(x)
ffdd(x)*h(x)(x)*h(x)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 71
h(x)h(x)
H(u)H(u)
xx
Perte de résolutionPerte de résolution
Repliement en fréquenceRepliement en fréquence
IdéalIdéal
RéelRéel
--xx ++xx
-2-2//xx +2+2//xx
ffdd(x)*h(x)(x)*h(x)
• Rectangulaire (interpolation de degré zero)Rectangulaire (interpolation de degré zero)
Fonctions d’interpolationFonctions d’interpolation
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 72
• Triangulaire (interpolation de degré 1)Triangulaire (interpolation de degré 1)
• Reconstruction résultanteReconstruction résultante
h(x)h(x)
H(u)H(u)
xx
Perte de résolutionPerte de résolution
Repliement en fréquenceRepliement en fréquence
IdéalIdéal
RéelRéel
--xx ++xx
-2-2//xx +2+2//xx
ffdd(x)*h(x)(x)*h(x)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 73
Quelques filtresQuelques filtres
ouverture circulaireouverture circulaire
ouverture gaussienneouverture gaussienne
ouverture carréeouverture carrée
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 74
Erreurs de reconstructionErreurs de reconstruction
• Spectre de Fourier d’une image discretiséeSpectre de Fourier d’une image discretisée
• Perte de résolutionPerte de résolution
)puissance()v,u(F)v,u(F)v,u(S *
dudv)v,u(S
dudv)v,u(H)v,u(Sdudv)v,u(Sx
2
x
2
y
2
y
2
2
R
Energie dans la bande principale - Energie du signal filtréEnergie dans la bande principale - Energie du signal filtréEnergie dans la bande principaleEnergie dans la bande principale==
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 75
• Erreur d’interpolation (repliement)Erreur d’interpolation (repliement)
dudv)v,u(H)v,u(S
dudv)v,u(Sdudv)v,u(H)v,u(S
2
x
2
x
2
y
2
y
2
2
H
Energie totale du signal filtré - Energie dans la bande principaleEnergie totale du signal filtré - Energie dans la bande principaleEnergie totale du signal filtréEnergie totale du signal filtré==
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 76
Erreurs comparatives pour plusieurs Erreurs comparatives pour plusieurs fonctions d’interpolationfonctions d’interpolation
yx8x3W
yx2xW
yx8x5W
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 77
QuantificationQuantification
•L’œil humain peut distinguer 30 niveaux de gris L’œil humain peut distinguer 30 niveaux de gris
(approximativement 5 bits). (approximativement 5 bits).
•Fréquemment on utilise 128 et 256 niveaux de gris dans Fréquemment on utilise 128 et 256 niveaux de gris dans les systèmes d’affichage pour obtenir une bonne qualité.les systèmes d’affichage pour obtenir une bonne qualité.
•Si on utilise un nombre inférieur de niveaux, des fauxSi on utilise un nombre inférieur de niveaux, des fauxcontours peuvent être introduits, en plus d’autres artéfacts.contours peuvent être introduits, en plus d’autres artéfacts.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 78
QuantificationQuantification
128 64 32 16
Affichage des images avec différents niveaux de grisAffichage des images avec différents niveaux de grisdes contours apparaissent dans les images de 32 et 16 niveauxdes contours apparaissent dans les images de 32 et 16 niveaux
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 79
QuantificationQuantification
8 4 2
Affichage des images avec différents niveaux de grisAffichage des images avec différents niveaux de grisLes images ont une apparence définitivement artificielle.Les images ont une apparence définitivement artificielle.
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 80
Compromis :Compromis :Résolution spatiale / QuantificationRésolution spatiale / Quantification
La résolution spatiale ou échantillonnage, a une La résolution spatiale ou échantillonnage, a une relation avec la relation avec la quantification,quantification, ou le nombre de ou le nombre de niveaux de gris qu’on puisse montrer dans l’image, et niveaux de gris qu’on puisse montrer dans l’image, et avec la quantité de avec la quantité de détailsdétails qui se trouve dans la qui se trouve dans la même image. même image.
Il n ’y a pas de règles définies entre ces variables. La Il n ’y a pas de règles définies entre ces variables. La qualité de l’image dépend de ses caractéristiques et qualité de l’image dépend de ses caractéristiques et de la réponse des observateurs.de la réponse des observateurs.
En imagerie médicale, les diverses modalités ont leurs En imagerie médicale, les diverses modalités ont leurs caractéristiques propres ( 64 x 64 -> 4000 x 4000 )caractéristiques propres ( 64 x 64 -> 4000 x 4000 )
ATTENTIONATTENTION au au volumevolume ! ( 4096 bytes -> 16 Mbytes) ! ( 4096 bytes -> 16 Mbytes)
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 81
256 x 256 pixels8 bits / pixel64 Koctets
512 x 512 pixels24 bits / pixel768 Koctets
Exemple bien connu : LENA
Lerallut, Medina, Azpiroz© 1999 UTC-UAMBM-06 Chapitre 3. Bases 82
ConclusionConclusion
La connaissance du système visuel humain La connaissance du système visuel humain est très importante:est très importante: Le SVH détermine les caractéristiques du nombre Le SVH détermine les caractéristiques du nombre
de niveaux de gris et la résolution spatiale de niveaux de gris et la résolution spatiale nécessaires.nécessaires.
Les caractéristiques du SVH sont utilisées dans Les caractéristiques du SVH sont utilisées dans plusieurs techniques d’affichage et de plusieurs techniques d’affichage et de compression d’images. compression d’images.
D’autres applications (ciné, vidéo, télévision par D’autres applications (ciné, vidéo, télévision par satellite) utilisent également des techniques satellite) utilisent également des techniques exploitant les caractéristiques du SVH.exploitant les caractéristiques du SVH.