SIF-1033 Traitement d’image

Slides:



Advertisements
Présentations similaires
Les erreurs types à ne pas commettre OpenGL Carina Portella Jean-Philippe Reynier DESS TNI – IDI Année
Advertisements


Traitement d’images : briques de base S. Le Hégarat
15e édition du Colloque CCD/DTC FAAQ
(traitement d’images)
INF-1019 Programmation en temps réel
Traitements d'images et Vision par ordinateur
Détection de « tâches dobjets artificialisés » D.Réchal IRD, ESPACE Dev 18/02/2011 – Montpellier (France)
Prétraitement de l’image
RECONNAISSANCE DE FORMES
Réalisateur : PHAM TRONG TÔN Tuteur : Dr. NGUYEN DINH THUC
Mercredi le 16 avril FRAL Poésie Les expressions et figures de styles.
Le filtrage d’images.
TRAITEMENT D’IMAGE SIF-1033.
SUJETS SPÉCIAUX EN INFORMATIQUE I
Construction de modèles visuels
Traitements à base d’histogrammes Cours 6
Equipe : VAISSET Antoine, MATHEOSSIAN Dimitri
Plage Dynamique GIF-4105/7105 Photographie Algorithmique
TRAITEMENT D’IMAGE SIF-1033.
TRAITEMENT D’IMAGE SIF-1033.
TRAITEMENT D’IMAGE SIF-1033.
TRAITEMENT D’IMAGE SIF-1033.
PIF-6003 Sujets spéciaux en informatique I
SUJETS SPÉCIAUX EN INFORMATIQUE I
TRAITEMENT D’IMAGE SIF-1033.
SIF-1033 Traitement d’image
TRAITEMENT D’IMAGE SIF-1033.
TRAITEMENT D’IMAGE SIF-1033.
MAP-6014 Concepts avancés en mathématiques et informatique appliquées
TRAITEMENT D’IMAGE SIF-1033.
LES REHAUSSEMENTS D'IMAGES
TRAITEMENT D’IMAGE SIF-1033.
TRAITEMENT D’IMAGE SIF-1033.
SCHNEIDER Laurent NOYER Vincent TEISSIE Alexis
MAP-6014 Concepts avancés en mathématiques et informatique appliquées
TRAITEMENT D’IMAGE SIF-1033.
TRAITEMENT D’IMAGE SIF-1033.
SIF-1033 Traitement d’image
Les pixels Contenu tiré du cours par Derek Hoiem
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
Photo-Club Déclic et des Claps Vendredi 12 Octobre 2011
Deux sujets traités La segmentation d’images
Investigations expérimentale et numérique d’un écoulement tridimensionnel dans une structure d’échangeur thermique pour le RFQ d’IPHI. François Launay,
INF-1019 Programmation en temps réel
1 28 mai 2002Jean GARNIER CCT Composants Séminaire CAN CARACTERISATION ELECTRIQUE DES CONVERTISSEURS ANALOGIQUE/NUMERIQUE.
Caractérisation texturale des surfaces boisées dans une image Ikonos de la région de Montréal Pierre Bugnet Langis.
Monitoring Détection de séquences vidéo en temps réel dans une grande base de données Julien Law-to 23/07/2004.
Module 4: Le filtrage d’images. Objectifs du filtrage.
Traitement d’images Prétraitements.
Candy Crush Killer Boyer Alexandre Bullat Théo Ralite Jérôme
TRAITEMENT D’IMAGE SIF-1033 Segmentation des images par détection de contours et d’arêtes u Détection des contours et arêtes u Dérivée première (gradient)
INF-1019 Programmation en temps réel
Introduction au Traitement d’image
SUJETS SPÉCIAUX EN INFORMATIQUE 1
MAP-6014 Concepts avancés en mathématiques et informatique appliquées
INF-1019 Programmation en temps réel
INF-1019 Programmation en temps réel
SIF1033 TRAITEMENT D’IMAGE
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non- linéaires (racines d’équations) u Méthode de la bissection u Analyse.
Concepts avancés en mathématiques et informatique appliquées MAP-6014.
Mathématiques pour Informaticien I
Traitement d’images 420-D78-SW A15 Semaine 02.
Partie II : Segmentation
PIF-6003 Sujets spéciaux en informatique I
Traitement du signal (images) u Sujets –Détection des droites –Transformée de Hough (espace paramétré) *avec la pente et l’ordonnée à l’origine *avec.
PROGRAMMATION SCIENTIFIQUE EN C
Traitement d’images Semaine 09 v.A15.
Traitement d’images Semaine 09 vA15.
Transcription de la présentation:

SIF-1033 Traitement d’image Opérations sur les pixels individuels Sujets Histogramme des niveaux de gris (bande de couleur) Transformation des niveaux de gris Amélioration du contraste Suppression du bruit Détection des changements Histogramme et amélioration du contraste: OpenCV Lectures: Note de cours

Histogramme des niveaux de gris [cf. distribution des niveaux de gris] Un histogramme des niveaux de gris est formé d’intervalles adjacents représentant un décou-page de la plage des valeurs de niveaux de gris Le nombre de pixel tombant dans chaque inter-valle est ensuite affiché en fonction de valeurs de niveaux de gris Un histogramme représente la distribution des valeurs de niveaux de gris dans une image

Histogramme des niveaux de gris [cf. distribution des niveaux de gris] SCÈNE DE FAIBLE RADIANCE SCÈNE DE FORTE RADIANCE % % niveaux de gris niveaux de gris niveaux de gris % SCÈNE DE BAS CONTRASTE SCÈNE DE HAUT CONTRASTE FIGURE 2-1 [rf. SCHOWENGERDT, p. 60]

Transformation des niveaux de gris % étirement de l’histogramme = ? amélioration du contraste niveau de gris après transformation GL’ niveau de gris avant transformation transformation des niveaux de gris GL FIGURE 2-2 [rf. SCHOWENGERDT, p. 61]

Transformation des niveaux de gris gl' 255 gl1' gl1 min max gl

Amélioration du contraste Transformation linéaire Transformation linéaire avec saturation Transformation linéaire par bout avec saturation Égalisation de l’histogramme

Amélioration du contraste Transformation linéaire

Transformation linéaire GL’ % GL GL’ min max min max 255 FIGURE 2-3 [rf. SCHOWENGERDT, p. 62]

Amélioration du contraste Transformation linéaire avec saturation

Transformation linéaire avec saturation GL’ % GL GL’ min max max min Smin Smax 255 FIGURE 2-3 [rf. SCHOWENGERDT, p. 62]

Transformation linéaire par bout avec saturation GL’ % GL GL’ min max min max Smin1 Smax2 Smax1/Smin2 255 FIGURE 2-4 [rf. SCHOWENGERDT, p. 64]

Amélioration du contraste Transformation par égalisation d’histogramme Histogramme non-normalisé Histogramme normalisé Densité de probabilité cumulative

Égalisation de l’histogramme [densité de probabilité cumulative*] GL’ % GL GL’ min max min max 255 FIGURE 2-4 [rf. SCHOWENGERDT, p. 64]

Suppression du bruit [sommation d’images et moyenne] +2 +8 (a) (b) (c) +16 +32 +128 (d) (e) (f ) Figure 4.18 [rf. GONZALEZ, p. 188]

Suppression du bruit [sommation d’images et moyenne]

Détection des changements [soustraction d ’images] Le jeu des 7 erreurs ! - = (b) 1975. (a) 1972. images Landsat MSS du complexe minier cuprifère de "Twin Buttes" (au sud de Tucson en Arizona) FIGURE 2-8 [rf. SCHOWENGERDT, p. 70]

Détection des changements [soustraction d ’images] Histogramme des différences

Détection des changements [soustraction d ’images] Transformation linéaire sur l’histogramme des différences

Exemples d’utilisation des histogrammes egaliserhist etirerhistsat etirerhist steperpetue150788.rast                                                                              

Histogramme et amélioration du contraste: OpenCV Exemple: demhist.exe Spécification des intervalles Déclaration des structures

Histogramme et amélioration du contraste: OpenCV (exemple: demhist Histogramme et amélioration du contraste: OpenCV (exemple: demhist.exe)

Création de l’histogramme Dessiner l’histogramme Histogramme et amélioration du contraste: OpenCV (exemple: demhist.exe) Calculer l’histogramme Création de l’histogramme scale shift Obtenir les valeurs Min/Max Mettre à l’échelle (Histo. VS Image) Utiliser cvRectangle pour dessiner Dessiner l’histogramme

Création de l’histogramme Histogramme et amélioration du contraste: OpenCV (exemple: demhist.exe) Créer une structure cvHistogram Création de l’histogramme

Histogramme et amélioration du contraste: OpenCV (exemple: demhist Histogramme et amélioration du contraste: OpenCV (exemple: demhist.exe)

Histogramme et amélioration du contraste: OpenCV (exemple: demhist Histogramme et amélioration du contraste: OpenCV (exemple: demhist.exe)

Histogramme et amélioration du contraste: OpenCV (exemple: demhist Histogramme et amélioration du contraste: OpenCV (exemple: demhist.exe)

Histogramme et amélioration du contraste: OpenCV (exemple: demhist Histogramme et amélioration du contraste: OpenCV (exemple: demhist.exe)

Histogramme et amélioration du contraste: OpenCV (exemple: demhist Histogramme et amélioration du contraste: OpenCV (exemple: demhist.exe)

Histogramme et amélioration du contraste: Couleur (Modèle RGB)

Histogramme et amélioration du contraste: Couleur (Modèle RGB, transformation)

Résumé Opérations sur les pixels Histogramme des niveaux de gris Amélioration du contraste Suppression du bruit Détection des changements Histogramme et amélioration du contraste: OpenCV