La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Prétraitement de limage Restauration – Amélioration Ajustement de dynamique Renforcement du contraste Lissage des bruits Images bimodales : binarisation.

Présentations similaires


Présentation au sujet: "Prétraitement de limage Restauration – Amélioration Ajustement de dynamique Renforcement du contraste Lissage des bruits Images bimodales : binarisation."— Transcription de la présentation:

1 Prétraitement de limage Restauration – Amélioration Ajustement de dynamique Renforcement du contraste Lissage des bruits Images bimodales : binarisation

2 Restauration – Amélioration dimages Restauration: Existence dun modèle de dégradation ou connaissances Amélioration: Opérations systématiques sans référence au contenu Exemples: Amélioration de contraste (netteté des transitions) Diminution du bruit (non homogénéité de zones) Filtrage de Wiener (spectre du bruit connu) Filtre Médian (pas de modèle mais adapté au bruit impulsionnel)

3 Corrections capteur ou optique Corrections géométriques (calibrage du capteur) Étalonnage des non linéarités locales ou globales du capteur Correction du gain damplification Correction de la loi de restitution (correction gamma) Transformation globale par LUT ou ponctuelle par cartographie

4 Bruit gaussien d energie=0.01 Bruit gaussien d énergie =0.1 Bruit multiplicatif: Bruit impulsionnel (sel & poivre)

5 Distorsion géométrique Exemple : o mire déformée + mire déformée corrigée

6 Correction de la distorsion géométrique Exemple sur image réelle, utilisation de la transformation inverse : Calcul pour chaque (x c,y c ) du point (x d,y d ) interpolé correspondant

7 Interpolations et zoom Image dorigine, 2 niveaux Fenêtre dimage agrandie (C de langle supérieur gauche Bilinéaire Bicubique Noter que linterpolation bilinéaire produit un flou, et que linterpolation bicubique rehausse le contraste local

8 Ajustement de dynamique Temps de pose incorrect| Dynamique de Ouverture dobjectif incorrect| signal réduite Modification de luminance de la scène| Conditions de prise de vue inadaptées Saturations, non Linéarités, … Irrécupérable 1 – Ajustement global de dynamique

9 Ajustement de dynamique 2 – Correction dexposition

10 Ajustement de dynamique 3 – Égalisation dhistogramme

11 Egalisation d histogramme: cette transformation fait ressortir le contraste Elle a aussi pour effet de normaliser l image Egalisation d histogramme: cette transformation fait ressortir le contraste Elle a aussi pour effet de normaliser l image

12 Augmentation de la dynamique dans les zones sombres

13 Binarisation de l image: seuil choisi = 127 (50% de 256)

14 Exemples Transparent 14

15 Exemples Transparent 15

16 Exemples Transparent 16

17 Exemples Transparent 17

18 Exemples Transparent 18

19 Renforcement du contraste Traitement local prenant en compte le voisinage de chaque pixel balayage systématique de limage par une fenêtre danalyse Laplacien discret Notation conventionnelle en imagerie : D = S M 3x3 où est la somme M 3x3 est ici défini par ses coefficients :

20 Exemple Transparent 20

21 Lissage des bruits - Introduction 1 – Statistiques paramétriques : moments statistiques 2 – Statistiques dordre Paramètre de centrage : médiane, valeur séparant la population en deux classes deffectifs égaux. Après tri, cest la valeur N/2 + 1 réglage : taille du voisinage

22 Lissage des bruits - Introduction 3 – Étude comparative

23 Exemple

24

25 ce filtre produit une impression de FLOU sur les contours

26 Le filtre MOYENNEUR n est pas adapté au BRUIT IMPULSIONNEL

27 Le filtre MEDIAN est efficace sur du bruit impulsionnel

28 Avec un filtre MEDIAN de taille 7x7, le résultat est encore meilleur mais les noyaux clairs des globules commencent à disparaître

29 But : Éviter lélimination des détails et la surcharge en temps de calcul de la médiane On utilise la variance pour éviter le moyennage en cas de contraste élevé Moyenne seuillée : Si variance G = moyenne Sinon G = Gorigine Moyenne pondérée : VB : estimation de la variance du bruit K = (Var-VB)/Var G = (1-K).Moy + K.Gorigine Évolution continue Filtre Sigma : S = {Gris / |Gris-Gcentre| < seuil} G = S / card(S) Élimination des pixels hors norme Moyenne tronquée : S = Gris – Max(Gris) – Min(Gris) G = S / (N-2) Élimination des valeurs extrêmes Variantes paramétriques

30 Variante directionnelle: filtre de Nagao 5 – Opérateur à sélection de voisinage Algorithme d'origine : opérateur de Nagao D2, D4,D6 déduit de D0 par rotations de 90 degrés D3, D5, D7 déduit de D1 k / Var(k) = Min Var(i) G = Moy(k) Amélioration : régularisation de la structure géométrique des domaines 9 domaines 3x3 identiques Subdivision de la fenêtre 5x5 en 9 domaines Pour chaque domaine Di --> Moy(i) et Var(i)

31 Comparaison OriginalMoyenne 5x5 MédianeNagao

32 Exemples de lissage Transparent 32 Gaussien 11x11 Nagao modifié

33 Exemples de lissage Transparent 33 Moyenne pondérée et B=4 Moyenne seuillée, CONTR=12

34 Images bimodales : binarisation Transparent 34 Cas particulier important par ses applications : Vision industrielle, temps réel Choix du seuil Global ou adaptatif, et dans ce cas, subdivision statique ou dynamique Exemple : histogramme excluant les zones frontières (gradient élevé) puis lissage de lhistogramme et extraction du min Plusieurs critères : - statistique : décision bayésienne, inertie minimale, … - structurelle : stabilité des régions, régularité topologique

35 Image binaire d un document Image de cellules de sang et deux bianrisations:

36 Cette région a les paramètres suivant: - Aire = Périmètre=722 -K= racine_carrée(aire)/périmètre=0.251 Cette région a les paramètres suivant: - Aire = Périmètre=722 -K= racine_carrée(aire)/périmètre=0.251 Cette région a les paramètres suivant: - Aire = 296 -Périmètre=74 -K= racine_carrée(aire)/périmètre=0.232 >>> ce n est pas un disque <<< Cette région a les paramètres suivant: - Aire = 296 -Périmètre=74 -K= racine_carrée(aire)/périmètre=0.232 >>> ce n est pas un disque <<< Pour un disque, K=0.282 Pour un carré, K=0.25 Pour un disque, K=0.282 Pour un carré, K=0.25 K=0.223

37 Exemple de variation de la compacité Image source seuil=75 Critère= seuil=82critère= seuil=90critère= Transparent 37


Télécharger ppt "Prétraitement de limage Restauration – Amélioration Ajustement de dynamique Renforcement du contraste Lissage des bruits Images bimodales : binarisation."

Présentations similaires


Annonces Google