Amelioration-opt.pdf

  • Uploaded by: Yves Ndri
  • 0
  • 0
  • May 2020
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Amelioration-opt.pdf as PDF for free.

More details

  • Words: 3,637
  • Pages: 66
Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Bases du traitement des images I Opérations de base et améliorations J

Séverine Dubuisson

6 octobre 2010

Bases du traitement des images 1 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Plan du cours

1

Types d’opérations sur une image

2

Transformations géométriques

3

Opérations entre images

4

Améliorations

Bases du traitement des images 2 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Opérations sur une image

Comment transformer une image ? I

Chaque pixel de l’image est défini par sa position (i, j) et son amplitude (intensité) k dans l’image

I

Il existe deux types de transformations sur les pixels de l’image : • les transformations géométriques qui modifient les positions des pixels, et • les transformations qui modifient les intensités des pixels.

I

Possibilité d’effectuer des opérations entre images, qui induisent ces deux types de transformation

Bases du traitement des images 3 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Transformations géométriques d’image Qu’est-ce qu’une transformation géométrique ? I

Transformation directe sur les coordonnées spatiales d’un pixel exprimée de manière générale par :    0  i i =T +V j0 j où T est une matrice de transformation, et V un vecteur

I

Transformation inverse sur les coordonnées spatiales d’un pixel exprimée de manière générale par :  0    i i −1 =T j0 j où T est une matrice de transformation inversible Bases du traitement des images 4 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Transformations géométriques d’image Translation I

La translation d’un pixel (i, j) de vecteur (ti , tj )t s’exprime :     0    1 0 i ti i = + j0 0 1 j tj

Bases du traitement des images 5 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Transformations géométriques d’image Changement d’échelle I

Le changement d’échelle d’un pixel (i, j) de coefficients αi et αj s’exprime :  0     αi 0 i i = j0 0 αj j

Bases du traitement des images 6 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Transformations géométriques d’image Rotation I

La rotation d’un pixel (i, j) d’angle θ s’exprime :  0     i cos θ sin θ i = j0 − sin θ cos θ j

Bases du traitement des images 7 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Transformations géométriques d’image Déformation linéaire I

La déformation linéaire d’un pixel (i, j) de coefficients βi1 , βi2 , βj1 et βj2 s’exprime :  0     i βi1 βi2 i = j0 βj1 βj2 j

Bases du traitement des images 8 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Transformations géométriques d’image

Les coordonnées homogènes I

Système de coordonnées défini dans les "espaces projectifs" • espaces euclidiens ⊂ espaces affines ⊂ espaces projectifs

I

Avec les mains : une coordonnée supplémentaire (x, y ) affine → (x, y , 1) ∼ (x · w , y · w , w ) projectif

I

Formalisation plus complexe, mais calculs facilités : • Transformations projectives linéaires en coordonnées homogènes • Permet d’inclure les translations dans la matrice de transformation

Bases du traitement des images 9 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Transformations géométriques d’image Les coordonnées homogènes I

Ex : déformation linéaire en coordonnées homogènes :  0     βi1 βi2 0 i i  j 0  =  βj1 βj2 0   j  1 0 0 1 1

I

Déformation affine (linéaire + translation) :    0   i βi1 βi2 Tx i  j 0  =  βj1 βj2 Ty   j  1 0 0 1 1

Bases du traitement des images 10 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Transformations géométriques d’image Problème I

Une transformation directe n’implique pas que tous les pixels de l’images destination auront une couleur ,→ phénomènes de “trous” dans les images

I

Deux solutions : • Appliquer une transformation inverse (mais la matrice doit être inversible !) • “Boucher” les trous

I

Dans les deux cas, il faut interpoler

Bases du traitement des images 11 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Transformations directe et inverse I

Transformation directe : on part des pixels de l’image initiale et on calcule leur transformé : génération de “trous” ou de superpositions

I

Transformation inverse : on part des pixels de l’image résultat et on détermine à quel pixel ils correspondent dans l’image initiale par transformation inverse.

Bases du traitement des images 12 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Interpolations I

Deux modes d’interpolation principaux : • Plus proche voisin : le pixel est de la même couleur que celle de son plus proche voisin • Interpolation bilinéaire : prise en compte des 4 voisins du pixel pour faire une combinaison bilinéaire des intensités

I

Il en existe beaucoup d’autres ! Bases du traitement des images 13 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Interpolation bilinéaire

P = (1 − v )A + vB Q = (1 − v )D + vC R = (1 − u)P + uQ = (1 − v )(1 − u)A + (1 − u)vB + uvC + u(1 − v )Q

Bases du traitement des images 14 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Opérations entre images

I

Les images sont des matrices, on peut donc effectuer les opérations usuelles sur des matrices

I

Bien faire la différence entre une opération matricielle et une opération pixel par pixel

I

En image, on fait en général des opérations pixel par pixel : addition, soustraction, multiplication, division, combinaison linéaire, ...

Bases du traitement des images 15 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques exemples d’opérations entre images

Bases du traitement des images 16 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images

Soustraction et réduction de bruit I

On a 2 images identiques (au bruit près) et recalées

I

L’image différence des deux images permet de détecter le bruit

I

Pixel noir : aucune différence

I

Pixel non noir : différence dont l’amplitude est celle du bruit Attention : à des temps différents, l’image de différence donne les mouvements entre images

Bases du traitement des images 17 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Image de différence pour la détection de mouvement

Bases du traitement des images 18 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Suivi multi-camera I

Pouvoir suivre un/des objets des selon différentes vues d’une même scène

Bases du traitement des images 19 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images

Suivi multi-camera I

Une solution : transformation homographique

Bases du traitement des images 20 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Recalage d’images pour la cartographie I

Données : une carte et une image satellite (IKONOS)

Bases du traitement des images 21 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Recalage d’images pour la cartographie I

Une solution : détecter des points d’intérêt et les faire correspondre avec ceux de la carte

Bases du traitement des images 22 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Recalage d’images pour la surveillance des crûes

Bases du traitement des images 23 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Recalage d’images médicales multimodales pour la fusion I

Données : différentes modalités (CT, ultra-son, IRM)

I

But : les recaler pour pouvoir les fusionner ensuite et disposer d’une information plus complète

Bases du traitement des images 24 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Recalage d’images médicales multimodales pour la fusion

Bases du traitement des images 25 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Prédiction par compensation de mouvement pour la compression vidéo I

Données : deux images d’une séquence

I

But : prédire d’une image vers l’autre la position de blocs, et ne transmettre que des vecteurs mouvement pour ces blocs

Bases du traitement des images 26 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Prédiction par compensation de mouvement pour la compression vidéo I

Partitionnement de l’image 1 en blocs

Bases du traitement des images 27 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Prédiction par compensation de mouvement pour la compression vidéo I

Chercher la position de chaque bloc de l’image 1 dans l’image 2

Bases du traitement des images 28 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications d’opérations entre images Prédiction par compensation de mouvement pour la compression vidéo I

Transférer le contenu du bloc de l’image 1 dans sa cible dans l’image 2

Bases du traitement des images 29 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Améliorations d’images

But de l’amélioration I

Rendre les images plus aptes à l’interprétation humaine ou à celle de la machine

I

Aucune théorie générale

I

Manipulation dans le domaine spatial : accès direct aux valeurs de pixels

I

Manipulation dans le domaine fréquentiel : modification de la transformée de Fourier

Bases du traitement des images 30 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Améliorations d’images Types d’amélioration I

Amélioration ponctuelle : f 0 (i, j) = T (f (i, j)) ,→ Modification de la brillance ou du contraste d’une image. ,→ L’arrangement spatial (position) des pixels n’intervient pas : aucune relation de voisinage étudiée. ,→ Travail sur les histogrammes, les valeurs de pixels, ... ,→ Sujet de ce chapitre.

I

Amélioration locale : f 0 (i, j) = T (f (V )), où V est un voisinage du pixels (i, j) ,→ Utilisation de filtres (chapitre sur le filtrage).

I

Amélioration globale : f 0 = T (f ) ,→ Utilisation de la transformée de Fourier (chapitre sur la TFD).

Bases du traitement des images 31 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Améliorations d’images

Bases du traitement des images 32 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Améliorations d’images Pourquoi améliorer une image ? I

Régions à faire apparaître

I

Image trop claire ou trop foncée

I

Nécessité de modifier ses niveaux de gris afin de rendre visibles certains détails

Bases du traitement des images 33 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Améliorations d’images Pourquoi améliorer une image ? I

Modifier la brillance.

I

Augmenter le contraste.

Bases du traitement des images 34 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Améliorations d’images

Rappels - définitions I

Opérations d’améliorations d’images modifient l’histogramme

I

Qu’est-ce qu’un histogramme ? Un histogramme cumulé

I

A quoi correspond le contraste d’une image ?

Bases du traitement des images 35 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Histogramme Définition I

Fonction décrivant la répartition des niveaux de gris de l’image

I

Fournit des informations propres à l’image, telles que : • La distribution statistique des niveaux de gris • Les bornes de répartition des niveaux de gris

I

Mais aucune information spatiale !

I

À chaque image f de taille N × M , on peut associer une distribution H des valeurs contenues dans cette image par : H(k) = Card{0 ≤ i ≤ N − 1, 0 ≤ j ≤ M − 1 : f (i, j) = k} = nk

Bases du traitement des images 36 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Remarque sur l’histogramme Il ne code pas d’information spatiale

I

Deux images différentes (en termes de contenu sémantique) peuvent aussi avoir le même histogramme Bases du traitement des images 37 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Histogramme normalisé Définition I

Fonction Hn donnant la probabilité (en termes de fréquence d’occurrence) qu’un pixel ait pour niveau de gris k Hn (k)

=

H(k) N ×M

où N et M sont respectivement le nombre de colonnes et de lignes de l’image I

Les valeurs de H sont normalisées

I

Approximation de la fonction de densité d’une variable aléatoire (pixel)

Bases du traitement des images 38 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Histogramme cumulé Définition I

L’histogramme cumulé est donné par : X Hc (k) = H(i) i≤k

où H(.) est l’histogramme I

L’histogramme cumulé normalisé est donné par : X Hc (k) = Hn (i) i≤k

où Hn (.) est l’histogramme normalisé I

Hc (k) représente la probabilité d’avoir un niveau de gris inférieur ou égal à k (fonction croissante qui tend vers 1), ou fonction de répartition Bases du traitement des images 39 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Propriétés de l’image Contraste I

Définition 1 : variation maximale entre valeurs de niveaux de gris min et max dans l’image : C=

I

maxi,j [f (i, j)] − mini,j [f (i, j)] maxi,j [f (i, j)] + mini,j [f (i, j)]

Définition 2 : écart-type des variations de niveaux de gris dans l’image : v u X M−1 X u 1 N−1 C =t (f (i, j) − B)2 NM i=0 j=0

I

Deux images totalement différentes peuvent avoir le même contraste Bases du traitement des images 40 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Améliorations d’images

Modifications d’histogrammes I

On va modifier la luminance k f : k → k 0 = f (k).

I

Diffèrentes fonctions f vont avoir des impacts diffèrents sur l’image

Bases du traitement des images 41 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Inversion d’image Définition I

Inversion de l’intervalle des niveaux de gris de f par la formule : k0

= |(L − 1) − k|

où L est la dynamique de l’image f

I

Ne change pas la dynamique Bases du traitement des images 42 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Seuillage Définitions et principe I

Seuillage (tresholding) : traitement ramenant l’image à deux ou quelques niveaux d’intensité

I

Binarisation (binarization) : traitement ramenant l’image à deux niveaux ⇒ seuillage binaire

I

Le seuillage binaire est défini par :  k1 k0 = k2

si k ≤ S si k > S

où k1 , k2 et S (seuil) sont des niveaux de gris I

Met en avant des régions mais n’améliore pas l’image

Bases du traitement des images 43 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Exemples de seuillages (k1 = 0 et k2 = 255)

Bases du traitement des images 44 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Améliorations d’images Revenons à notre problème I

Des images trop claires ou trop foncées

I

D’une manière générale : l’histogramme est trop concentré

I

Méthodes ponctuelles travaillant sur les niveaux de gris ou sur les histogrammes mais, en général, ne modifiant pas l’information contenue dans les images Bases du traitement des images 45 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Rehaussement logarithmique de contraste Définition I

Formule : k 0 = log(k)

I

L’intervalle des intensités sombres est augmenté (éclaircissement global de l’image) : utilisé pour traiter des images trop sombres

I

Remettre l’intervalle de variation des k 0 entre 0 et (L − 1)

Bases du traitement des images 46 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Rehaussement logarithmique de contraste

Bases du traitement des images 47 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Rehaussement exponentiel de contraste Définition I

Formule : k 0 = e k

I

L’intervalle des intensités claires est augmenté (assombrissement global de l’image) : utilisé pour traiter des images trop claires

I

Remettre l’intervalle de variation des k 0 entre 0 et (L − 1)

Bases du traitement des images 48 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Rehaussement exponentiel de contraste

Bases du traitement des images 49 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Translation d’histogramme

Définition I

Permet de faire varier la luminosité de l’image sans en changer le contraste

I

On obtient une image plus claire ou plus sombre

I

S’applique sur des images à faible dynamique

I

On a donc : k 0 = k + t, où t ∈ R

Bases du traitement des images 50 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Translation d’histogramme

Bases du traitement des images 51 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Changement de contraste

Définition I

On effectue une transformation affine sur les niveaux de gris

I

La transformation s’exprime : k 0 = ak + b, où a, b ∈ R

I

Diminution de contraste a < 1 et b > 0

I

Augmentation de contraste a > 1 et b < 0

I

Un exemple : l’étirement d’histogramme

Bases du traitement des images 52 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Étirement d’histogramme

Définition I

Cas où l’intervalle de variation des niveaux de gris est réduit : on le remet entre 0 et (L − 1)

I

Si les niveaux de gris de I appartiennent à [kmin , kmax ], et qu’on l’étire à l’intervale [0, L − 1], alors on a : k0

=

L−1 (k − kmin ) kmax − kmin

Bases du traitement des images 53 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Étirement d’histogramme

Bases du traitement des images 54 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Étirement d’histogramme Un cas particulier : la transformation linéaire avec saturation I

On choisit deux seuils Smin et Smax tels que kmin ≤ Smin < Smax ≤ kmax

I

On a : k 0 =

I

On peut obtenir des valeurs pour k 0 en dehors de l’intervalle de variation maximale des niveaux de gris.

I

Exemple : image codée sur 8 bits (valeurs entre 0 et 255) :

L−1 Smax −Smin (k

− Smin )

k0 < 0 → k0 = 0 k 0 > 255 → k 0 = 255

Bases du traitement des images 55 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Étirement d’histogramme

Et dans le cas général ? I

La dynamique de l’image n’est pas forcément maximale

I

On peut choisir un intervalle cible [fmin , fmax ] quelconque

I

C’est une simple changement d’intervalle, de [kmin , kmax ] vers [fmin , fmax ]

I

On a donc : k0

= fmin +

fmax − fmin (k − kmin ) kmax − kmin

Bases du traitement des images 56 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Égalisation d’histogramme Définition I

Homogénéisation de la répartition des intensités des pixels

I

Amplification des fluctuations dans les zones où elles sont faibles

I

étalement des détails concentrés dans un petit intervalle de niveaux de gris

Bases du traitement des images 57 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Égalisation d’histogramme

Définition I

Formule : k 0 = Int



L−1 Hc (k) N ×M



où L est la dynamique de l’image, N et M respectivement le nombre de lignes et de colonnes de l’image et Hc (k) l’histogramme cumulé du niveau de gris k. Int est la fonction qui arrondit à l’entier le plus proche.

Bases du traitement des images 58 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Égalisation d’histogramme : exemple 1

Bases du traitement des images 59 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Égalisation d’histogramme : exemple 2

Bases du traitement des images 60 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Étirement et égalisation : le même combat ? Deux effets différents I

L’étirement va changer la répartition spatiale des btons (bins) de l’histogramme, mais pas leur taille

I

L’égalisation va changer la répartition spatiale des btons (bins) de l’histogramme, et leur taille

Bases du traitement des images 61 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications de modification d’histogrammes La mosaque d’images I

Donnée : une image cible et une base d’imagettes

Bases du traitement des images 62 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications de modification d’histogrammes L’apprentissage sur une base d’images I

Donnée : une base de visages

Bases du traitement des images 63 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications de modification d’histogrammes L’apprentissage sur une base d’images I

Un problème : des variations d’illumination au sein de la base ,→ normaliser l’ensemble des histogrammes pour que les images aient la même dynamique

Bases du traitement des images 64 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications de modification d’histogrammes

L’image inpainting

Bases du traitement des images 65 / 66

Plan

Types d’opération

Transformation géométriques

Opérations entre images

Amélioration

Quelques applications de modification d’histogrammes

Segmentation

Bases du traitement des images 66 / 66

More Documents from "Yves Ndri"