SIF-1033 Traitement d’image

Slides:



Advertisements
Présentations similaires
Mais vous comprenez qu’il s’agit d’une « tromperie ».
Advertisements

TYPOLOGIE DES LOGEMENTS CONSTRUCTION DE LOGEMENTS A ABOMEY-CALAVI Groupe aHomeInAfrica Building SA.
Traitement d’images : concepts fondamentaux
Traitement d’images : concepts fondamentaux
ACTIVITES Les fractions (10).
Sud Ouest Est Nord Individuel 36 joueurs
Les 3 dimensio ns de la morale et de léthique (activité)

La diapo suivante pour faire des algorithmes (colorier les ampoules …à varier pour éviter le « copiage ») et dénombrer (Entoure dans la bande numérique.
Ecriture simplifiée d'une somme de relatifs
1 Efficient Data and Program Integration Using Binding Patterns Ioana Manolescu, Luc Bouganim, Francoise Fabret, Eric Simon INRIA.
Introduction à limagerie numérique Acquisition, Caractéristiques, Espaces couleurs, Résolution.
(traitement d’images)
Prétraitement de l’image
Le filtrage d’images.
TRAITEMENT D’IMAGE SIF-1033.
SUJETS SPÉCIAUX EN INFORMATIQUE I
Traitements à base d’histogrammes Cours 6
LES NOMBRES PREMIERS ET COMPOSÉS
La Saint-Valentin Par Matt Maxwell.
Cours #6 Filtrage Découverte Plan du cours
Projet Traitement d'images en C
Notre calendrier français MARS 2014
TRAITEMENT D’IMAGE SIF-1033.
TRAITEMENT D’IMAGE SIF-1033.
TRAITEMENT D’IMAGE SIF-1033.
PIF-6003 Sujets spéciaux en informatique I
TRAITEMENT D’IMAGE SIF-1033.
SIF-1033 Traitement d’image
TRAITEMENT D’IMAGE SIF-1033.
C'est pour bientôt.....
Veuillez trouver ci-joint
Le filtrage d’images.
TRAITEMENT D’IMAGE SIF-1033.
TRAITEMENT D’IMAGE SIF-1033.
SUJET D’ENTRAINEMENT n°4
MAP-6014 Concepts avancés en mathématiques et informatique appliquées
 Classe qui hérite de Qimage  Ajout de méthode d’accès rapide aux pixels et aux composantes  Ajout des composantes Y, U et V  Ajout de méthode pour.
TRAITEMENT D’IMAGE SIF-1033.
SIF-1033 Traitement d’image
SUJET D’ENTRAINEMENT n°1
Détection de contours automatique et application aux images réelles
Traitement d’images sur carte 3D
Traitement de différentes préoccupations Le 28 octobre et 4 novembre 2010.
ECOLE DES HAUTES ETUDES COMMERCIALES MARKETING FONDAMENTAL
Mesurer la tension aux bornes d’un des composants.
CALENDRIER-PLAYBOY 2020.
1. Présentation générale du système
INF-1019 Programmation en temps réel
Caractérisation texturale des surfaces boisées dans une image Ikonos de la région de Montréal Pierre Bugnet Langis.
Les Chiffres Prêts?
Elles avaient envahi le jardin, mais derrière... 1.
Module 4: Le filtrage d’images. Objectifs du filtrage.
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
Mathématiques pour Informaticien I
Traitement d’images 420-D78-SW A15 Semaine 02.
Partie II : Segmentation
PIF-6003 Sujets spéciaux en informatique I
Filtrage des images.
SIF-1033 Traitement d’image
TRAITEMENT D’IMAGE SIF-1033.
Transcription de la présentation:

SIF-1033 Traitement d’image Filtrage spatial des images Sujets Filtrage spatial Lissage d’images (élimination du bruit) Rehaussement d’images (mise en évidence de structures dans l’image) Filtrage spatial et OpenCV Lectures: Note de cours

Filtrage spatial Fondements Caractéristiques des images obtenues par filtrage spatial Types (3) de base du filtrage spatial Transformation basée sur le voisinage d’un point (x,y) Transformation par convolution

Caractéristiques des images obtenues par filtrage spatial - = Lissage (filtre passe-bas) Rehaussement (filtre passe-haut) FIGURE 2.11 [rf. SCHOWENGERDT, p. 74]

Types (3) de base du filtrage spatial Passe-bas Passe-haut Passe-bande Figure 4.19 [rf. GONZALEZ, p. 190]

Transformation basée sur le voisinage d’un point (x ,y) FIGURE 1.8 [rf. SCHOWENGERDT, p. 17]

Transformation basée sur le voisinage d’un point (x ,y) FIGURE 1.8 [rf. SCHOWENGERDT, p. 17]

Transformation basée sur le voisinage d’un point (x ,y) Image originale Image traitée FIGURE 1.8 [rf. SCHOWENGERDT, p. 17]

Transformation par convolution Point Spread Function OU résultat d ivisé par la somme des poids [wx] du filtre (P-B) ou son nombre de pixels (P-H) filtre normalisé 1 1/9 w3 w9 w2 w8 w1 w7 w6 w5 w4 DF ou Dimension Filtre : 3 ü ï ý þ 1/9 X (1-22) [rf. SCHOWENGERDT, p. 32]

Lissage d’images (élimination du bruit) Filtre de moyenne (passe-bas) Filtre gaussien (passe-bas) Filtre médian

Filtre de moyenne (passe-bas) Lissage transition tranusition 00 FF (flou apparent) 1 N.B. plus le filtre grossit , plus le lissage devient important et plus le flou s’accentue ! 1/25 X

Filtre de moyenne (passe-bas) Filtrage avec des filtres de 3, 5, 9, 15, 35

Filtre gaussien (passe-bas) fonction gaussienne 2-D w3 w9 w2 w8 w1 w7 w6 w5 w4 Dim X = DimY = 8s + 1 où s Î ü ï ý þ

Filtre médian (d) filtre médian 5x5 N.B. C[ j] ³ 0,5 (a) image originale (b) image bruitée (c) filtre de moyenne 5x5 (d) filtre médian 5x5 au lieu de la moyenne du f iltre par voisinage, on utilise la méd iane (d’où son nom) si le bruit ajouté à l’image est supérieur à la dimension du filtre, celui-ci est inefficace ! N.B. C[ j] ³ 0,5 où j est la médiane Figure 4.23 [rf. GONZALEZ, p. 194]

Rehaussement d’images (mise en évidence de structures dans l’image) Filtre passe-haut Opérations sur les filtres de voisinage Filtres différentiels Basés sur le gradient Filtres de Prewitt et Sobel Amélioration des arêtes et des contours

FIGURE 2.12 [rf. SCHOWENGERDT, p. 76-77] Filtre passe-haut - = [K=1] Passe-bas Passe-haut 1 1 -1 48 -1 24 1 X -1 8 X PSF > FIGURE 2.12 [rf. SCHOWENGERDT, p. 76-77]

Opérations sur les filtres de voisinage (a) passe-bas ü ï ý þ ì í î 1 2 3 1 1 = + + 1 (b) passe-haut ü ï ý þ ì í î -1 24 1 = - + 25 FIGURE 2.16 [rf. SCHOWENGERDT, p. 82]

Filtres différentiels Image prof il d’une ligne horizontale (dérivée première) (dérivée seconde) (a) ( b) Figure 7.4 [rf. GONZALEZ, p. 417]

Filtres différentiels basés sur le gradient vecteur magnitude q direction (4.3-5-6) [rf. GONZALEZ, p. 198-199]

Filtres de Prewitt et Sobel (a) -1 1 (b) Roberts -1 1 (c) Prewitt -1 1 -2 2 (d) Sobel cross-gradient operators operators z3 z9 z2 z8 z7 z6 z5 z4 z1 où zx : valeur du n iveau de gris Figure 4.28 [rf. GONZALEZ, p. 200]

Amélioration des arêtes et des contours (a) image originale (b) image obtenue à partir des valeurs de magnitude du gradient [‘masques’ de Prewitt] (c) image originale dont les pixels ayant 1 gradient > 25* ont été mis à 255 (d) idem à c [sauf pour les pixels dont les 2 gradients £ 25* qui ont été mis à 0 - image binaire] Figure 4.29 [rf. GONZALEZ, p. 201]

Amélioration des arêtes et des contours Image du gradient de Sobel Figure 4.29 [rf. GONZALEZ, p. 201]

Filtrage spatial et OpenCV

Filtrage spatial et OpenCV

Filtrage spatial et OpenCV Image originale

Filtrage spatial et OpenCV Image lissée

Filtrage spatial et OpenCV

Filtrage spatial et OpenCV

Filtrage spatial et OpenCV Image du gradient en x

Filtrage spatial et OpenCV Image du gradient en y

Résumé Amélioration des images par filtrage spatial Lissage d’images (élimination du bruit) Rehaussement d’images (mise en évidence de structures dans l’image) Filtrage spatial et OpenCV