SSII, séance n°13, bilan du cours 15 décembre 2015 Dernière séance 2015 Résumé des chapitres et notions abordées en 2015.

Slides:



Advertisements
Présentations similaires
TRANSFORMEE DE FOURIER DISCRETE
Advertisements

Numérisation du signal principes
PRINCIPE SIMPLIFIE DE LA COMPRESSION MP3
TRAITEMENT NUMERIQUE DES IMAGES
1 Jean-Paul Stromboni, mars 2005, Révision des cinq premières séances S.S.I. Jean-Paul Stromboni, mars 2005, ESSI1 Elève : ______________________ groupe.
S.S.I., ESSI1, lundi 9 mai 2005 Page 1 Comment compresser avec le spectre Séance 10, 1 heure Version : lundi 9 mai 2005 Auteur : Jean-Paul Stromboni Contenu.
S.S.I., ESSI1, samedi 10 avril 2004 Page 1 Comment tailler les filtres sur mesure Séance 8, nouvelle application des filtres, 1 heure Version : samedi.
Comment on filtre un signal audio
1 Insérez ici votre logo Insert here your logo! Atelier laboratoires virtuels Un cours pour introduire le traitement du signal à laide de lordinateur.
Cours 5 – Comment bien échantillonner le signal audio
Comment décimer les sons numériques
1 Jean-Paul Stromboni, octobre 2007, SI3 Réviser le devoir surveillé n°1 du cours S.S.I.I. Jean-Paul Stromboni, octobre 2007, SI3 Elève : ______________________.
Filtres (n entier, Te=1s)
Calcul de la composition fréquentielle du signal audio
1 Jean-Paul Stromboni, mars 2005, Révision des cinq premières séances S.S.I. Jean-Paul Stromboni, mars 2005, ESSI1 Elève : ______________________ groupe.
Atelier laboratoires virtuels
Mesures dans le domaine fréquentiel
Modulation numérique.
INTRODUCTION 1. Une représentation du signal où le bruit est isolé
2. Echantillonnage et interpolation des signaux vidéo


Traitement du Signal Hugues BENOIT-CATTIN.
Traitement d'images Hugues BENOIT-CATTIN.
Comment bien échantillonner
Cours S.S.I., SI1, avril 2007 – Comment utiliser les outils déjà présentés. Page 1 Comment utiliser les outils déjà présentés dans le cours S.S.I. et pourquoi.
Extraits choisis du cours S.S.I.I.
Introduction à limagerie numérique Acquisition, Caractéristiques, Espaces couleurs, Résolution.
Sous-échantillonner le signal audio pour compresser
1 PolytechNice-Sophia, Département S.I., S.I.3, octobre 2012, Jean-Paul Stromboni Séance 7 : Retour sur les cinq premiers chapitres du cours S.S.I.I.
Sauver un signal audio numérique dans un fichier wave
Extraits choisis du cours S.S.I.I.
Chapitre 6 : Restauration d’images
Analyse fréquentielle
Filtrage-Analyse Spectrale des Images
S.S.I.I., , n°7 : Construire et utiliser un banc de filtres Page 1 Construire et utiliser un banc de filtres pour analyser le spectre dun signal.
Cours S.S.I.I., , n°8, Créer des filtres pour compresser Cours S.S.I.I., , n°8, : Créer des filtres pour compresser Page 1 Mise en œuvre.
Chapitre 2 : Filtrage Professeur. Mohammed Talibi Alaoui
SSII : séance finale , lundi 9/01/2012 Page 1 Voici quelques questions pour assimiler la seconde partie du cours S.S.I.I., spectre, filtrage, banc.
Traitement du signal TD0 : Introduction.
S.S.I.I., , cours n°8 : Compresser avec un banc de filtres Page 1 Compresser avec un banc de filtres Le contenu de ce cours : T.D. n° 8 : simulation.
Du signal audio numérique à l'image numérique
S.S.I.I., , n°6, Créer des filtres sur mesure pour compresser S.S.I.I., , n°6, : Créer des filtres sur mesure pour compresser 1 Créer un.
1 par Jean-Paul Stromboni, octobre 2008 Un autobilan pour réviser le devoir surveillé n°1 du cours S.S.I.I., par Jean-Paul Stromboni, octobre 2008 Elève.
Un principe de compression d’image
Filtrer le signal audio numérique (n entier, Te=1s)
1 Jean-Paul Stromboni, octobre 2007, SI3 Réviser le devoir surveillé n°1 du cours S.S.I.I. Jean-Paul Stromboni, octobre 2007, SI3 Elève : ______________________.
Filtrer le signal audio numérique
Un moyen de compresser le signal audio présenté à travers un exemple
S.S.I., ESSI1, le 8 février 2004 Page 1 Numériser le signal audio Séance 2, cours, 1 heure auteur : Jean-Paul Stromboni Idées clefs de la séance De nombreuses.
1 Introduction au module S.S.I. Signaux et Systèmes pour lInformatique le thème et les motivations du module S.S.I. les connaissances et le savoir faire.
Traitement Numérique du Signal
SIG3141 Partie I: Analyse de Fourier ESIEA D Kateb
Cours S.S.I.I., , n°7, Créer des filtres pour compresser Cours S.S.I.I., , n°7, : Créer des filtres pour compresser Page 1 Retour sur le.
Extraits choisis du cours S.S.I.I.
Reconnaissance automatique de la parole
SUJETS SPÉCIAUX EN INFORMATIQUE 1
Retour sur les filtres et bancs de filtres Jean-Paul Stromboni, décembre 2007.
S.S.I.I., , cours n°9 : Compresser avec un banc de filtres Page 1 Compresser avec un banc de filtres Contenu de cette séance : T.D. n° 9 : application.
Signal Son et Image pour l’Informaticien (S.S.I.I.) Page 1 Extraits choisis du cours S.S.I.I. On introduit ici des notions de base du traitement numérique.
Calcul de la composition fréquentielle du signal audio
Du signal audio numérique à l'image numérique
La transformée de Fourier discrète dans le numérique Des algorithmes de base aux déploiements à grande échelle Maurice Bellanger CNAM Formation BTS.
1 23 mars 2004, Jean-Paul Stromboni Signaux et Systèmes pour l’Informaticien Bilan essais erreurs des six premières séances Module SSI d’ESSI 1– 23 mars.
Introduction du cours à partir d’extraits
Initiation à Audacity Olivier Gage Taeksoo CHUN SI28 TD du 13/12/2005.
Filtrage des images.
Introduction du cours à partir d’extraits
Exploiter la fonction fft(.) de Scilab
Transcription de la présentation:

SSII, séance n°13, bilan du cours 15 décembre 2015 Dernière séance 2015 Résumé des chapitres et notions abordées en 2015

SSII, séance n°13, bilan du cours 15 décembre 2015 Séance n°1 : Introduction du cours S.S.I.I. à partir d’extraits (cliquer ici)(cliquer ici) On présente des extraits du cours à venir En TD n°1, (cliquer ici), on manipule(cliquer ici) –Les décibels (ou dB) –Les exponentielles complexes, et on calcule la transformée de Fourier discrète de la fonction constante TFD(1)

SSII, séance n°13, bilan du cours 15 décembre 2015 Séance n°2 (cliquer ici) : le signal audio numérique et TD n°2(cliquer ici) Signal audio, chronogramme, enveloppe, pitch Échantillonnage, fréquence d’échantillonnage fe Quantification –Longueur binaire B –Pas de quantification, niveaux, erreur de quantification –Rapport signal sur bruit Taille, bit rate, constitution des fichiers wave En TD, on applique avec Audacity (cliquer ici)cliquer ici

SSII, séance n°13, bilan du cours 15 décembre 2015 Séance 3 (cliquer ici) : utiliser Scilab et TD n°2 (cliquer ici)(cliquer ici) cliquer ici L’outil Scilab, l’éditeur de scripts, la console, … Le langage de scripts, les fonctions, les opérations vectorielles telles que –Créer un signal audio dans un vecteur, jouer, afficher, découper, concaténer, appliquer une enveloppe, … –Échantillonner, sous échantillonner, –Quantifier (Q, sq= floor(s/Q)*Q, SNR) –Synthétiser le timbre d’un instrument de musique Une enveloppe Une composition fréquentielle

SSII, séance n°13, bilan du cours 15 décembre 2015 Séance n°4 (cliquer ici) : exploiter la fonction fft de Scilab et TD n°4 (cliquer ici)(cliquer ici) cliquer ici Spectre, spectre d’amplitude, composition fréquentielle Transformée de Fourier discrète (TFD) –Paramètres : taille N de la fenêtre, fréquence d’échantillonnage fe, Définition, périodicité fe et symétrie fe/2 –Fenêtre d’apodisation : rectangulaire, de Hamming, … FFT ou algorithme de Fast Fourier Transform –S= abs(fft(s)), spectre d’amplitude de s=[sn, n=0..N-1], sn=s(n/fe) –N valeurs calculées S=[Sk, k=0..N-1], Sk=S(k*fe/N) –abs(fft(s)) proportionnel à N abs(fft(s))/N contient les composantes fréquentielles de s Spectrogramme = spectre(t)

SSII, séance n°13, bilan du cours 15 décembre 2015 Séance n°5 (cliquer ici) : sous échantillonner le signal audio pour compresser – TD n°5 (cliquer ici)(cliquer ici) cliquer ici Compresser par sous échantillonnage –Sous échantillonner dans un rapport M Effet sur la taille du signal Effet sur le spectre –Contrainte de Shannon simple: fmax < fe/2 Générale : fmax-fmin < fe/2 –Sous échantillonner avec Scilab Décompresser –sur-échantillonnage (addition d’échantillons nuls) Effet sur le spectre Effet sur la taille –Filtrage reconstructeur de Shannon –sur-échantillonner et appliquer le filtre de Shannon avec Scilab

SSII, séance n°13, bilan du cours 15 décembre 2015 Séance n°6 (cliquer ici) (et cliquer aussi ici) : Créer un filtre sur mesures et TD n°6 (cliquer ici)(cliquer ici) cliquer aussi icicliquer ici Calcul du signal filtré par produit de convolution s= e*h –Réponse impulsionnelle h= [hk, k=0..R-1], ou coefficients du filtre –Signal à filtrer e=[en, n=0..N-1] –Signal filtré s=[sn, n=0..N+R-1] Réponse fréquentielle H d’un filtre et effet sur le spectre –H= fft(h) est la réponse fréquentielle du filtre –Le spectre de s est le produit du spectre de e et de la réponse fréquentielle du filtre : fft(s[1:R])=fft(e[1:R]) x fft(h) Calcul de h si H est imposé : h= ifft(H); –H doit être symétrique : H k = H R-k, k=0..R-1 –H doit être ‘arrondi’ quasi rectangulaire Calcul avec Scilab : h= fftshift(real(ifft(H)));

SSII, séance n°13, bilan du cours 15 décembre 2015 Séance n°7 (cliquer ici) : créer et utiliser un banc de filtres TD n°7 (cliquer ici)(cliquer ici) cliquer ici Banc de filtres –Définition : gain de 1 à toutes les fréquences –Conséquence : le signal filtré est conservé –Utilisation : analyse automatique du spectre Énergie d’un signal –Intérêt : comparer les signaux filtrés par le banc –Calcul à partir du signal (des échantillons) –Calcul à partir du spectre du signal (Parseval) Génération d’un banc de filtres à partir d’un filtre unique Fonction ‘bancsfiltres’ de Scilab : –Création du banc de M filtres de taille R –Analyse : filtrage du signal et calcul du diagramme d’énergie

SSII, séance n°13, bilan du cours 15 décembre 2015 Séance n°8 (cliquer ici) : Compresser avec un banc de filtres TD n°8 (cliquer ici) et n° 9 (ici)(cliquer ici) cliquer iciici Structure de principe du CODEC mp3 : 1.Analyse du signal par un banc de filtres 2.Sous échantilonnage 3.Quantification des signaux filtrés 4.sur-échantillonnage (addition d’échantillons nuls) 5.Banc de filtres interpolateur 6.Synthèse : par addition des signaux filtrés Compression par quantification –Taux de compression C=M*B/(b1+b2+…bM) –supprimer les bits inutiles donne un taux de compression conserve le pas de quantification Et conserve le rapport signal sur bruit –Augmenter le pas de quantification augmente le taux de compression Et dégrade le rapport signal sur bruit

SSII, séance n°13, bilan du cours 15 décembre 2015 Séance n°9 (cliquer ici) et 10 (ici) : Du signal audio à l’image numérique et TD n°10 (cliquer ici)(cliquer ici) icicliquer ici Image de niveaux de gris numérique –Échantillonnage spatial en pixels Définition, résolution –Quantification de l’intensité sur B bits Histogramme d’image, médiane, écart type Plans R,G et B Domaine YCrCb –Luminance Y –Chrominances Cr et Cb Tables de couleurs Filtres d’images, convolution bidimensionnelle (Prewitt, Laplacien) Détection de contours, filtrage et seuillage Utilisation du module SIVP de Scilab et du logiciel libre Imlab

SSII, séance n°13, bilan du cours 15 décembre 2015 Séance n°10 (ici) : un principe de compression d’image [et TD n°11 selon temps disponible]ici Principe de compression d’image (JPEG) –Découpage en blocs 8x8 –RVB donne Y Cr Cb –Sous échantillonnage de Cr et Cb –Discrete Cosine Transform de Y, D=dct(Y); –Quantification de D Décompression idct, … Illustration avec Scilab et cameraman.jpg

DS n°2 en janvier 2016 Il s’agira de questions ouvertes Documents autorisés, polys de cours et compte rendus de TD Matériels interdits : ordinateurs, smartphones, … tous objets connectés C’est la dernière séance, si vous avez des questions SSII, séance n°13, bilan du cours 15 décembre 2015