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

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

Traitement d’images : briques de base S. Le Hégarat

Présentations similaires


Présentation au sujet: "Traitement d’images : briques de base S. Le Hégarat"— Transcription de la présentation:

1 Traitement d’images : briques de base S. Le Hégarat
Exemples d’images Amélioration d’images Détection de contours Classification Segmentation Analyse de texture

2 Bibliographie H. Maître, Le traitement des images, Hermès éditions.
J.-P. Cocquerez & S. Philipp, Analyse d’images : filtrage et segmentation, Masson éditions. S. Bres, J.-M. Jolion & F. Lebourgeois, Traitement et analyse des images numériques, Hermès éditions.

3 Exemples d’images # colonnes # lignes pixel (i,j)

4 Exemples en télédétection
ImageS14.ppt

5 Exemples ‘d’école’

6 Amélioration d’images
Exemples de méthodes fondées sur des modifications de l’histogramme de l’image : Translation d’histogramme Modification de la dynamique Seuillage Niveau de gris # pixels Niveau de gris # pixels Niveau de gris # pixels

7 Spécification d’histogrammes
Egalisation d’histogrammes Principe : Maximiser l’entropie Spécification d’histogramme Objectif : à partir de l’image X et HX, son histogramme, on calcule Y=g(X) ayant HY donné Théorème : Soit FX la fct de répartition de X, alors la distribution de Z=FX(X) est uniforme Mise en œuvre : Y= Fy-1(FX(X)) Niveau de gris # pixels Niveau de gris # pixels Niveau de gris # pixels

8 Egalisation des cas ‘d’école’
Avant égalisation Après égalisation Avant égalisation Après égalisation

9 Egalisation : autre exemple
Avant égalisation Après égalisation  Pas de réelle sensibilité visuelle à l’histogramme

10 Egalisation : exercices
Soit une image ayant pour histogramme Calculer sa fonction d’égalisation -A +A +B +2B -A +A +B

11 Exemples de bruits Valeurs ‘aberrantes’ en p% pixels de l’image, ex :
Poivre et sel 10% Valeurs ‘aberrantes’ en p% pixels de l’image, ex : - Bruit ‘poivre et sel’ Valeurs ‘altérées’ en tout pixel de l’image, ex : - Bruit ‘gaussien’ - Bruit à distribution uniforme - Bruit à distribution de Rayleigh Gaussien s=20 Gaus. s=10, poivre&sel 10%


Télécharger ppt "Traitement d’images : briques de base S. Le Hégarat"

Présentations similaires


Annonces Google