Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture.
Post on 03-Apr-2015
123 Views
Preview:
Transcript
Traitement d’images : briques de base
S. Le Hégarat
• Exemples d’images• Amélioration d’images• Détection de contours• Classification• Segmentation• Analyse de texture
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.
# colonnes
# lignes
pixel (i,j)
Exemples d’images
ImageS14.ppt
Exemples en télédétection
Exemples ‘d’école’
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
Niveau de gris
# pixels
Niveau de gris
# pixels
Niveau de gris
# pixels
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
Niveau de gris
# pixels
Niveau de gris
# pixels
Egalisation des cas ‘d’école’
Avant égalisation
Avant égalisation
Après égalisation
Après égalisation
Egalisation : autre exemple
Pas de réelle sensibilité visuelle à l’histogramme
Avant égalisation
Après égalisation
Egalisation : exercices• Soit une image ayant pour histogramme
Calculer sa fonction d’égalisation
• Soit une image ayant pour histogramme
Calculer sa fonction d’égalisation
-A +A
0
+B
+2B
-A +A
0
+B
Gaussien =20
Exemples de bruits
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
Gaus. =10, poivre&sel 10%
Poivre et sel 10%
top related