Cours #4Photométrie et traitement de la couleur
PlanDécouvertesPhotométrieCaméras IR, multispectrales,
3DCaméras couleurTraitement de la couleurÉchantillonnageGéométrie discrèteReprésentation
Cours #4 - 2SYS-844
Hiver 2005
Forum
Cours #4 - 3SYS-844
Hiver 2005
Découverte
A. R. Weeks, Jr., Fundamentals of Electronic Image Processing, IEEE/SPIE Press, 1996.
A. Marion, Acquisition & visualisation des images, Eyrolles, 1997. 300FF (~$70,00) L’autre classique en vision en France Description en détail de tout le processus
d’acquisition des images. Aucun traitement ou pré-traitement
Cours #4 - 4SYS-844
Hiver 2005
Découverte :La couleur Revue Science & Vie Junior, dossier hors-série, La
couleur, 2001. La couleur sous toutes ses … couleurs Traitement simple et accessible des principaux
concepts Revue pour la Science, dossier hors-série, La couleur,
Avril 2000. Approche scientifique Illusions, anomalies, etc. Thèmes développés:
Comprendre la couleur Produire la couleur Percevoir la couleur La couleur dans la culture
Giordano Beretta, Understanding color, HP, 2000. Site du cours, onglet Documents divers
Cours #4 - 5SYS-844
Hiver 2005
Découverte :La couleur (suite) A. Trémeau, C. Fernandez-Maloigne et
P. Bonton,Image numérique couleur - de l’acquisition au traitementDunod, 2004 Acheté à Paris, avril 2004 Espaces couleur Systèmes d’acquisition couleur Segmentation Compression Applications
Cours #4 - 6SYS-844
Hiver 2005
1.4 Photométrie
Étude des différents capteurs pour traduire l’éclairement irradié sur le plan image en signal électrique.
Cours #4 - 7SYS-844
Hiver 2005
Caméra Conventionnelle, avec film Numérique
• 2 3,2 5 6 Mégapixels
• Interface USB
Cours #4 - 8SYS-844
Hiver 2005
Caméra noir&blanc CCD: la plus commune Fréquence de balayage: 30
champs/s 525 lignes
Cours #4 - 9SYS-844
Hiver 2005
Cours #4 - 10SYS-844
Hiver 2005
Caméra couleur
2 types de détecteur des signaux de couleurs différentes
CCD couleur3 CCDs noir et blanc
Filtre IR
Cours #4 - 12SYS-844
Hiver 2005
Stockage en mémoire
Cours #4 - 13SYS-844
Hiver 2005
Images résultantes• Résolutions spatiales différentes• Couleurs différentes
CCD couleur3 CCDs
noir et blanc
Cours #4 - 14SYS-844
Hiver 2005
Les images R, G et B
Lumière blanche Lumière rouge
Lumière verte Lumière bleue
Cours #4 - 15SYS-844
Hiver 2005
Les intensitées des images R, G et B
Lumière blanche Lumière rouge
Lumière verte Lumière bleue
Cours #4 - 16SYS-844
Hiver 2005
Aberrations chromatiques causées par la lentille de la
caméra couleurLes rayons lumineux ne convergent donc pas tous au même point focal.
Cours #4 - 17SYS-844
Hiver 2005
Effets des aberrations chromatiques sur les
images R, G et B
Lumière blanche Lumière rouge
Lumière verte Lumière bleue
Cours #4 - 18SYS-844
Hiver 2005
Caméra infra-rouge C’est la température de surface qui
est captée Applications militaires
Bande vidéo: véhicules et animaux
Cours #4 - 19SYS-844
Hiver 2005
Surveillance des feux de forêts
Mesures de l’isolation de bâtiments
Caméras 3D Images de profondeur
Papier Circuit intégré
Cours #4 - 22SYS-844
Hiver 2005
Surfaces 3D générées
Papier
Circuit intégré
Cours #4 - 23SYS-844
Hiver 2005
Triangulation laser• Balayage synchronisé
Cours #4 - 24SYS-844
Hiver 2005
Miroir fixeMiroir fixe
Lentille
CCD
Miroir debalayage
Sourcelaser
Caméra 3D utilisant une triangulation laser sync hronisée. La pr ojection
du faisceau laser et sa détection sont balayés à la même fréquence.
Cours #4 - 25SYS-844
Hiver 2005
• Défocalisation par double ouverture: caméra Biris
Cours #4 - 26SYS-844
Hiver 2005
Triangulation stéréo
Stéréo active• Source de lumière ponctuelle et
colorée pour assister l ’appariement
Exemple d’image stéréo couleur
Cours #4 - 28SYS-844
Hiver 2005
Imagerie médicale Rayons X Tomographie axiale
Imagerie médicale • Générations d’images 3D par
techniques de déprojection basées sur une série d’images 2D
Reconstructions de virus observés au microscope électronique
• Générations d’images 2D par techniques de reconstruction basées sur une série de signaux 1D (tomographie axiale)
Reconstructions de sections d’un genou de moustique observé en rayons X
Cours #4 - 31SYS-844
Hiver 2005
Caméra multispectrale 4-10 longueurs d’ondes (couleurs)
Caméra hyperspectrale 60-220 longueurs d’ondes (couleurs)
Ex: photos aériennes et satellites Pour chaque pixel d’une image, le
spectre de réflectance renseigne sur: Composition chimique des sols
• Géologie,• Déversements industriels
Types d’agriculture • Blé, • Orge, • Cannabis
Principes d’une caméra multispectrale
Analyse spectrale
Exemple d’une série d’images multispectrales
Identification des types de sols à partir des spectres
mesurés
Cours #4 - 35SYS-844
Hiver 2005
Autres capteurs Rayons X
Avec focus: lentilles cylindriques (distance focale finie)
Sans focus: système Charpak (distance focale infinie)
Détection par ionisation Ultra Violets
Lentilles en quartz Détecteurs à état solide
Infra Rouges Système refroidi Détecteurs bolométriques et à état solide
Télescope à rayons X
Cours #4 - 37SYS-844
Hiver 2005
Micro-ondes Miroirs paraboliques, Bolomètres et interféromètres
Ondes radio Miroirs paraboliques, Interféromètres (ex. radiotélescope
VLA) Récepteurs radio refroidis
Cours #4 - 38SYS-844
Hiver 2005
1.5 Traitement de la couleur
Cours #4 - 40SYS-844
Hiver 2005
1.5.1 Perception de la couleur
Cours #4 - 41SYS-844
Hiver 2005
Cours #4 - 42SYS-844
Hiver 2005
Les cônes et la bâtonnets sur la rétine
Les cônes 6-7 millions détectent les couleurs fonctionnent en lumière intense (jour) situés sur la tâche jaune (fovea)
Grande densité (images nettes) N.B. On regarde directement un objet
Les bâtonnets 125 millions ne détectent pas les couleurs fonctionnent en lumière faible (nuit) situés autour de la tâche jaune
Faible densité (images plus floues) N.B. On doit regarder à côté d’un objet pour le
voir!
Les cônes et les bâtonnets
Cours #4 - 44SYS-844
Hiver 2005
Appariement de couleurs
La facilité à discerner deux couleurs dépend de leur contraste et de celui du signal de fond.
Impression de profondeur générée par lignes de contour colorées
Nébuleuse et étoiles
Cours #4 - 46SYS-844
Hiver 2005
Circuit intégré
Cours #4 - 47SYS-844
Hiver 2005
Termes subjectifs pour décrire une couleur Teinte, tonalité chromatique (hue)
Couleur perçue (eg bleu marine, orange, etc)
Luminosité (brightness) Niveau de gris équivalent
Clarté (lightness) Niveau de coloration, chromaticité
(colorfulness) Chroma Saturation
% de blanc dans la couleur
(ex.: rose= rouge avec blanc
rose moins saturé que rouge)
ref.: Understanding Color (understandColor.pdf)
Cours #4 - 48SYS-844
Hiver 2005
1.5.2 Modèle RVB (RGB)L ’information de couleur est décomposée selon l’éclairement dans 3 bandes: Rouge, Vert et Bleu.
Cours #4 - 49SYS-844
Hiver 2005
Bleu
Magenta
Cyan
Vert
Rouge Jaune
Noir
Blanc
Ligne
de
Nivea
ux de
gris
B
V
R
Cours #4 - 50SYS-844
Hiver 2005
Cours #4 - 51SYS-844
Hiver 2005
1.5.2 Modèles chromatiques
1 composante pour la clarté
2 composantes pour la couleur Modèle HSL
Hue, Saturation, Lightness
Cours #4 - 52SYS-844
Hiver 2005
Cours #4 - 53SYS-844
Hiver 2005
B
V
R
S
H
L
R
V
B
blanc
noir
Système RGB Système HSV
Les images R, G et B
Lumière blanche Lumière rouge
Lumière verte Lumière bleue
Les images H, S et V
Lumière blanche Image de teinte (H)
Image de saturation (S) Image d’intensité (V)
Les images H, S et V sont très utilisées pour segmenter les images
couleurs
• Exemple: On veut segmenter la fleur jaune
Cours #4 - 58SYS-844
Hiver 2005
• Identification des pixels dans un intervalle de valeurs de teinte (hue)
Cours #4 - 59SYS-844
Hiver 2005
• Identification des pixels dans un intervalle de valeurs de saturation
Cours #4 - 60SYS-844
Hiver 2005
• Identification des pixels communs aux deux images précédentes
Cours #4 - 61SYS-844
Hiver 2005
• Identification du périmètre de la région résultante
Cours #4 - 62SYS-844
Hiver 2005
• Superposition du contour à l’image initiale
Cours #4 - 63SYS-844
Hiver 2005
1.6 Numérisation
La numérisation est la conversion du signal électrique continu (dans l ’espace ou temps et en valeur) en un signal numérique discret (image numérique).
Cours #4 - 64SYS-844
Hiver 2005
Décisions: Résolution spatiale ou
échantillonnage: Combien d ’échantillons ?
Tessellation: Forme des pixels ? Quantification: Combien de
niveaux discrets sont suffisants pour couvrir la plage du signal ? (en bits).
Cours #4 - 65SYS-844
Hiver 2005
1.6.1 Échantillonnage Théorème de Nyquist
Δx≤d2
Avec x : intervalle (x ou y) d ’échantillonnage
et d : dimension de la pluspetite structure dansl ’image
Équivalent fréquentiel (e.g. 5 poteaux / mètre)
fe≥2fmax_image
Cours #4 - 66SYS-844
Hiver 2005
Essai: échantillonnage à la clôture
Cours #4 - 67SYS-844
Hiver 2005
1er essai: intervalle de l ’ordre de d
Cours #4 - 68SYS-844
Hiver 2005
1er essai: résultat: information perdue
Cours #4 - 69SYS-844
Hiver 2005
2e essai: intervalle de l ’ordre de d/2
Cours #4 - 70SYS-844
Hiver 2005
Essai: résumé
s=Δx≤d2
Cours #4 - 71SYS-844
Hiver 2005
1.6.2 Éclairement d ’un pixel
E x,y( )= Ei x,y( )dxdyairepixeli∫
Cours #4 - 72SYS-844
Hiver 2005
Atténuation de contraste
Cours #4 - 73SYS-844
Hiver 2005
1.6.3 Discrétisation
Transformer le signal continu d’éclairement en 1 de K valeurs discrètes de niveaux de gris
Cours #4 - 74SYS-844
Hiver 2005
K # de niveaux # de bits2 2 14 4 28 8 3
16 16 464 64 6
256 256 83 x 256 16,78M 3 x 8
Soit E(x,y) un signal continu
0 E(x,y) M
K = plage de valeurs discrètes(niveaux de gris)
Cours #4 - 75SYS-844
Hiver 2005
N=2 N=4 N=8
N=16 N=32 N=256
Effets de la discrétisation (suite)
Cours #4 - 77SYS-844
Hiver 2005
Fonctions de discrétisation: Uniforme logarithmique
Cours #4 - 78SYS-844
Hiver 2005
1.6.4 Tessellation (pavage)
C’est la forme du pixel.
Le pavage est «choisi» pour couvrir au mieux le plan image.
Le pavage est donc une partition du plan image qui, une fois discrétisé, résulte en un maillage qui représente la grille d ’échantillonnage
Cours #4 - 79SYS-844
Hiver 2005
Cours #4 - 80SYS-844
Hiver 2005
1.7 Géométrie discrète
1.7.1 Connectivité
Cours #4 - 81SYS-844
Hiver 2005
Points connectés: 2 points P1 et P2 sont connectés si un tracé peut être trouvé sur lequel une fonction appliquée sur l’image donne la même valeur tout le long du parcours.
Cours #4 - 82SYS-844
Hiver 2005
Étiquettage des zones connectées:
algorithme de croissance.
Cours #4 - 83SYS-844
Hiver 2005
1.7.2 Voisinage
Le voisinage d ’un pixel peut être défini 4 - ou 8 - voisins.
4 voisins 8 voisins
Cours #4 - 84SYS-844
Hiver 2005
Connectivité4 - voisins
Connectivité8 - voisins
Aucune de ces définitions de voisinage n’est satisfaisante
Cours #4 - 85SYS-844
Hiver 2005
1.7.3 Distance
Soient P1(i,j) et P2(n,m)
Dm≥DE
Distance euclidienne Distance «pâté de maison»
Distance «tour d’échiquier»
Cours #4 - 86SYS-844
Hiver 2005
1.8 Représentation d’une image d’éclairement
Cours #4 - 87SYS-844
Hiver 2005