Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Partie 3 : un exemple de traitement dimages couleur : Correction chromatique.

Présentation au sujet: "Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Partie 3 : un exemple de traitement dimages couleur : Correction chromatique."— Transcription de la présentation:

1 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Partie 3 : un exemple de traitement dimages couleur : Correction chromatique Pierre Courtellemont L3i – Université de La Rochelle pcourtel@univ-lr.fr

2 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Correction de laffadissement des films cinématographiques couleur (Majed Chambah – Thèse Université de La Rochelle 2001) Les films exposés sont soumis à un phénomène daffadissement irréversible, provoquant une forte dominante dont la couleur correspond à celle de la couche la moins altérée du film. Lextrait suivant présente un exemple daffadissement sur un film couleur ancien :

3 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

4 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Plusieurs modèles mathématiques ont été proposés pour modéliser laffadissement. Prenons lexemple dun modèle linéaire faisant lhypothèse dun affadissement proportionnel à la concentration des colorants. Laffadissement est ainsi plus important dans les zones denses de limage. On propose ici une correction numérique des films (après numérisation de ceux-ci) en inversant le modèle proposé. La correction consiste à multiplier les valeurs rgb de limage avec 3 coefficients (un par valeur) et à ajouter un offset, afin de prendre en compte un éventuel décalage des courbes. Les couleurs restaurées sont obtenues par léquation matricielle :

5 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Il reste à déterminer les paramètres de la matrice de correction M. Si les connaissances sur les couleurs originales sont absentes, ce qui est généralement le cas, il faut déterminer les coefficients de la matrice de correction en choisissant sur limage quelques couleurs cibles sur des zones clefs aux couleurs mémorables (chair, arbres…) Pour le modèle linéaire choisi ici, il faut déterminer au moins 4 zones dans limage permettant de résoudre un système linéaire à 12 inconnues ( 4x3couleurs).

6 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Le choix des zones clefs dans limage joue un rôle crucial dans la qualité de la correction des couleurs de limage. Il semble intuitif que les meilleurs résultats seront obtenus quand les zones seront les plus diversifiées. Il faut le maximum de niveaux dintensité et de couleurs différentes pour interpoler avec le moins derreur les différentes couleurs de limage. Il serait possible de recourir à des méthodes dapprentissage comme les réseaux de neurones, mais il est difficile de déterminer des caractéristiques robustes et pertinentes sur lesquelles sopérera lapprentissage. La méthode choisie ici consiste à trouver lemplacement idéal des points clefs dans la constellation des couleurs, grâce à une représentation dans un espace daxes indépendants (ACP).

7 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Prenons lexemple dune image extraite dun film à restaurer :

8 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur La figure suivante montre le nuage des points de limage précédente.

9 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Considérons le nuage de points de la figure suivante, il représente le même nuage de la figure précédente mais projeté sur les 2 premiers axes principaux : La matrice de transformation vers cet espace de composantes principales est obtenue en calculant les vecteurs propres de la matrice de covariance.

10 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Les valeurs propres sont égales à 1 =5.9 10 3, 2 =49.4, 3 =7.5. Comme on peut le constater, les canaux RGB sont très corrélées, surtout pour les images affadies : les 2 premières composantes principales représentent plus de 99% de linformation. Pour la recherche des zones clefs de limage, il est donc possible de ne considérer que les deux premières composantes principales. La première colonne de la matrice T montre que les 3 canaux sont bien représentés et le premier axe principal peut être considéré comme un axe de luminance. Le second axe sépare bien la couleur bleue de la couleur rouge. Il représente un axe R-B.

11 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Sur les figures suivantes, nous pouvons voir les points (mal) choisis de 2 manières différentes, et les résultats correspondants :

12 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur La figure suivante montre le résultat de la correction dans le cas de points bien choisis. Une fois les zones sélectionnées, il faut déterminer les couleurs cibles. Pour cela, le recours à des palettes optimisées comportant des couleurs mémorables (tons chairs…) est utile.

13 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

14 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Les travaux cités ici (thèse de Majed Chambah) ont conduit à proposer une correction entièrement automatique de la dominante fondée sur une méthode de ravivage des couleurs affadies, sans augmentation de la dominante. Plutôt que de modifier la saturation (qui conduirait à augmenter la dominante), lauteur utilise un étirement du nuage des points par un facteur multiplicatif, dans la direction des axes principaux obtenus depuis une représentation des couleurs de limage dans lespace CIE LAB. Les valeurs élevées des zones se trouvant aux extrémités des axes principaux correspondent aux couleurs les plus saturées de limage, après avoir retranché la moyenne (données centrées) dont la valeur a été influencée par la couleur de la dominante. Il faut donc augmenter la saturation des zones les plus colorées, et létirement peut être différent selon laxe.

15 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Mathématiquement, la méthode se résume aux étapes suivantes : où X désigne les données dans lespace CIELAB, et Y dans lespace daxes indépendants. La matrice T est formée par les vecteurs propres de la matrice de covariance : Les données étirées Y selon la direction des axes principaux sont calculées comme suit : Y=KY où

16 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Les données traitées X dans lespace CIE LAB sont données par : Comme : on obtient ainsi : ce qui donne : On constate sur les image suivantes que la méthode permet de ressortir la couleur des zones ayant eu des couleurs saturées avant affadissement sans accentuer la dominante de limage. Le seul inconvénient de la méthode est de donner une nouvelle dominante légère aux zones peu chromatiques, mais qui peut se corriger aisément par une phase de correction et déquilibrage chromatique.

17 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

18 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

19 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Augmentation de la saturation de 10% Image originale Pas daccentuation de la dominante Amélioration non uniforme de la saturation

20 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Augmentation de la saturation de 10%Image originale Amélioration non uniforme de la saturation

21 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Après la phase damélioration de la saturation, une phase de correction chromatique est appliquée : Méthode hybride : « monde gris » + « Retinex patch blanc »

22 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Image restaurée Image originale

23 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Images de différentes séquences :

24 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

25 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

26 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

27 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

28 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

29 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

30 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

31 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

32 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur

33 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Quelques résultats de correction chromatique cherchant à améliorer la chaîne de traitement « aqu@thèque »

34 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Image initialeimage après algorithme « constance chromatique »

35 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Image initialeimage après amélioration de la saturation

36 Laboratoire dInformatique et dImagerie Industrielle Traitement des Images Couleur Correction chromatique