QUELQUES MÉTHODES DE FILTRAGE EN TRAITEMENT DIMAGE
— Traitement d'image filtrage
Traitement dImage
Traitement d'Image o Histogramme o Filtrage linéaire o filtre moyen o Gradient et Laplacien o Filtrage non linéaire o médian.
TRAITEMENT DIMAGES
Rehaussement d'Images par Filtrage Spatial/Fréquentiel. Image. TF(image) Filtre Passe-haut : accentue les contours et les détails de l'image mais ...
Quelques méthodes de filtrage en Traitement dImage
24 févr. 2011 – augmentation du bruit : dans les images avec un rapport Signal/ Bruit faible le filtre augmente le bruit granuleux dans l'image. – effet de ...
Filtrage linéaire
Le traitement d'image s'appuie fondamentalement sur des traitements à l'aide de voisinages. Cela signifie que les traitements effectués en un endroit donné
Filtrage en traitement dimage - avec quelques applications
Filtrage en traitement d'image. Éric Busvelle. Sommaire. Introduction. Probas. Estimateurs. Champs aleatoires. Morphomaths. Filtre de Kalman. Applications.
Traitement des images
1. Présenter quelques notions sur les différents types de bruit pouvant influencer le contenu d'une image. 2. Présenter des approches de filtrage linéaire.
Les filtres usuels en traitement dimages
15 oct. 2007 Dans le filtrage global chaque pixel de la nouvelle image est calculé en prenant en compte la totalité des pixels de l'image de départ. Dans ...
En traitement dimage les tailles des fenêtres utilisées pour le
Le filtre médian (cas particulier du filtrage d'ordre) utilisé dans cet exercice
Filtrage Traitement dImages
Filtrage. Traitement d'Images. Lionel Lacassagne. Institut d'Electronique Fondamentale lionel.lacassagne@u-psud.fr. 2. Bruit: origine. • Origines.
IFT 6150
TRAITEMENT D"IMAGES
FILTRAGE SPATIAL
Max Mignotte
Département d"Informatique et de Recherche Opérationnelle. Http : //www.iro.umontreal.ca/≂mignotte/ift6150E-mail : mignotte@iro.umontreal.ca
FILTRAGE SPATIALE
SOMMAIRE
Introduction . . .. . . .. . . .. . . .. . . .. . . .. . . .. . . . 2 Convolution Discrète 2D -Rappel- . .. . . .. . . .. 4 Filtre de Moyenne (Passe-bas) . . . .. . . .. . . .. . 6 Filtre Gaussien (Passe-bas) . .. . . .. . . .. . . .. . . 7 Autres Filtres Passe-bas . . .. . . .. . . . .. . . .. . . . 8 Filtre Médian .. . . .. . . .. . . .. . . .. . . . .. . . .. . . . 9 Filtre Adaptatif . . .. . . .. . . .. . . .. . . .. . . .. . . .. 11 Filtre Directionnel . . .. . . .. . . .. . . .. . . .. . . .. . . 12 Filtre Passe-haut -Op. Mathématique- . . .. . . . 14 Filtre Passe-haut -Masque de Détection- .. . . 16 Filtre Passe-haut -Gradient- . .. . . . .. . . .. . . .. 17 Décision Contour . . . .. . . .. . . .. . . .. . . .. . . .. . 22 Filtre Passe-haut -Laplacien- .. . . .. . . .. . . .. . . 23 Filtre de Marr-Hildreth . . .. . . .. . . .. . . .. . . .. . 25 Rehaussement des Contours . .. . . .. . . .. . . .. . 26 Exercices . . . .. . . .. . . .. . . .. . . .. . . .. . . .. . . .. . 27 1FILTRAGE SPATIALE
INTRODUCTION
Rehaussement d"Images par Filtrage Spatial/FréquentielImage TF(image)
Image FiltréeFFT
FFT-1Filtrage Spectral
Filtrage Spatial
Image rehaussée
Théorème de Convolution -Rappel-
f(x,y)?g(x,y)??F(u,ν). G(u,ν) f(x,y). g(x,y)??F(u,ν)?G(u,ν) donc, sif(x,y)est l"image à filtrer (ou à rehausser) et g(x,y), le filtre spatial (ou PSF ou masque) f(x,y)?g(x,y) =F-1?F{f(x,y)} · F{g(x,y)}????
G(u,ν)?
2FILTRAGE SPATIALE
INTRODUCTION
Trois Types de Filtrage
PSF: Point Spread Function
(ou Fonction d"Étalement Spectrale)MTF: Modulation Transfer Function
(ou Fonction de Transfert) Filtre Passe-bas :diminue le bruit mais atténue les détails de l"image Filtre Passe-haut :accentue les contours et les détails de l"image mais amplifie le bruit Filtre Passe-bande :élimine certaines fréquences in- désirables présentes dans l"image 3FILTRAGE SPATIALE
CONVOLUTION DISCRÈTE 2D -RAPPEL-
Convolution Discrète 2D -Rappel-
Transformation basée sur le voisinage d"un point(x,y)Exemple
16 16 1616161616
160 1 2 1
1 2 12 4 2=12 2 21
3 7 8 7 3
4 14 4
3 9 12 9 3
13 4 31*
(1/16)11 11 4FILTRAGE SPATIALE
CONVOLUTION DISCRÈTE 2D -RAPPEL-
g(x,y) = (f?filtre)(x,y) =? i? jf(x-i,y-j)filtre(i,j)Remarque
Généralement le masque est de dimension (DF) impair et symétrique. Dans ce cas (f?filtre)(x,y) =(DF-1)/2? i=-(DF-1)/2(DF-1)/2? j=-(DF-1)/2f(x+i,y+j)filtre(i,j) w1 w2 w3 w4 w5 w6 w7 w8 w9Filtre(i , j)Filtre(0,0)=w5
DF=3 g(x,y) =w1f(x-1,y-1) +w2f(x,y-1) +w3f(x+ 1,y-1) +w4f(x-1,y) +w5f(x,y) +w6f(x+ 1,y) +w7f(x-1,y+ 1) +w8f(x,y+ 1) +w9f(x+ 1,y+ 1) Afin de conserver la moyenne de l"imagef(x,y), la somme des éléments du filtre est normalisée à1(i.e.,? iwi= 1) 5FILTRAGE SPATIALE
FILTRE DE MOYENNE (PASSE-BAS)
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 11/25 *
Filtre 5x5
1 1 1 1 1 11 1 11/9 *
Filtre 3x3
Exemple
?Filtre Passe-bas: diminue le bruit mais atténue les détails de l"image (flou) 6FILTRAGE SPATIALE
FILTRE GAUSSIEN (PASSE-BAS)
Gaussienne(x,y)= exp?-π(x2+y2)/σ2?
1 1 1 1 1 2 1 1 11 1(1/4) (1/4)*=
(1/4) 1 2 1* (1/4)=42 21 2 1 2 1142 21 2 1
2 1142 21 2 1
2 11(1/16)
(1/16) (1/16)Remarque
Idéalement on devrait prévoir un filtre (ou masque) de taille(6σ+ 1)×(6σ+ 1) 7FILTRAGE SPATIALE
AUTRES FILTRES PASSE-BAS
Filtre Binomial
Les coefficients de ce filtre sont obtenus par le binome de Newton. Un filtre 1D Binomial du quatrième ordre donne le vecteur(1/16)(1 4 6 4 1). Le filtre 2D est 1 2561 4 6 14
4 4 4 41 14 4616 16161624 246 624
2436Filtre Pyramidal
1 112 3 2
2 4 4 26
96 63 32 4 6 4 21 2 3 281
1Filtre Conique
10 0 0 0
00 0 0 000 02 2
2221 11
1225225
8
FILTRAGE SPATIALE
FILTRE MÉDIAN (1)
g(x,y) =médian{f(n,m) (n,m)?S} (Svoisinage de(x,y)) 30 2010 25
2520 301010
10 20 20 25
25025bruit
médiane30 30 250
Utile pour contrer l"effet d"un bruit Poivre & Sel (faux "0" et "255" dans l"image) 9FILTRAGE SPATIALE
FILTRE MÉDIAN (2)
- Exemple de bruit P & S avec gros agrégats - Si le bruit P & S est supérieur à la moitié de la dimension du filtre?filtrage inefficace. 10FILTRAGE SPATIALE
FILTRE ADAPTATIF
g(x,y) =?filtre PB[f(x,y)]si |filtrePB[f(x,y)]-f(x,y)|FILTRE DIRECTIONNEL
Trouver le voisinage orienté tq
θ0= argminθ|f(x,y)-f?Vθ(x,y)|
Calculer la moyenne (ou autre) suivantVθ
g(x,y) =f?Vθ0(x,y)Image bruitée originale
4×4 7×2
12FILTRAGE SPATIALE
FILTRE PASSE-HAUT -OP. MATHÉMATIQUE- (1)
Filtre "High-boost"
Passe-bas Passe-haut (K= 1)
High boost=K(original)-Passe-bas(original)
g(x,y) =Kf(x,y)-f(x,y)?h(x,y) = (K-1)f(x,y) +?f(x,y)?δ(x,y)?-f(x,y)?h(x,y) = (K-1)f(x,y) +f(x,y)??δ(x,y)-h(x,y)? ? FG(u,v) = (K-1)F(u,v) +F(u,v)?1-H(u,v)?
Passe-haut?
K= 1Passe-haut
K >1Rehaussement de Contour
13FILTRAGE SPATIALE
FILTRE PASSE-HAUT -OP. MATHÉMATIQUE- (2)
- Filtre3×3-δ(x,y)-h(x,y) =
1 9 000 090000 -19 111
111
111
=19 -1-1-1 -18-1 -1- 1-1 - Filtre5×5- 1 25
-1-1-1-1-1 -1- 1-1-1-1 -1- 124-1-1 -1- 1-1-1-1 -1- 1-1-1-1
Opérations sur les filtres de voisinage
Passe-bas
1 3511111
12221
12321
12221
11111
=135? 11111
11111
11111
11111
11111
111
111
111
+1
Passe-haut
1 25-1-1-1-1-1 -1-1-1-1-1 -1-124-1-1 -1-1-1-1-1 -1-1-1-1-1 =125? 11111
11111
11111
11111
11111
+25
14
FILTRAGE SPATIALE
FILTRE PASSE-HAUT -OP. MATHÉMATIQUE- (3)
Détection de Point
Convolution avec
-1-1-1 -18-1 -1- 1-1 Grande valeur positive?point blanc sur fond noir Grande valeur négative?point noir sur fond blanc - Exemple - 555555551005
55555-1-1-1 -18-1 -1- 1-1
00-95-95-95
00-95760-95
00-95-95-95
15FILTRAGE SPATIALE
FILTRE PASSE-HAUT -MASQUE DE DÉTECTION-
Détection des contours
- Contour d"une ligne - - Contour d"un objet - 16FILTRAGE SPATIALE
FILTRE PASSE-HAUT -GRADIENT- (1)
Le Gradient
Soitf(x,y), alors
?f=?G x G y? =((∂f ∂x ∂f ∂y))Magnitude du Gradient
mag(?f) =? ?∂f ∂x? 2 +?∂f∂y? 2Approximation de la Magnitude
mag(?f)≈ |∂f∂x|+|∂f∂y|Direction du Gradient
θ= arctan?
∂f∂y/∂f∂x? 17FILTRAGE SPATIALE
FILTRE PASSE-HAUT -GRADIENT- (2)
Approximation du Gradient (enx)
∂f∂x=limΔ
x→0f(x+ Δx,y)-f(x,y)Δx=limΔ x→0f(x,y)-f(x-Δx,y)Δx x=1?Masque de convolution?1-1ou-11
∂f∂x=limΔ
x→0f(x+ Δx,y)-f(x-Δx,y)2Δx x=1?Masque de convolution? 10-1Approximation du Gradient (eny)
Masque de convolution?1
-1ou-1 1ou -1 0 1 ou 1 0 -1Image original Gradient en x Gradient en y
18FILTRAGE SPATIALE
FILTRE PASSE-HAUT -GRADIENT- (3)
Filtre de Robert
∂f ∂x≈f(x,y)-f(x-1,y-1) ∂f ∂y≈f(x-1,y)-f(x,y-1)On obtient respectivement, les masques suivants,
100-1et01
-10 ?Sensible au bruitFiltre de Prewitt
Filtre Moyenneur + Gradient
quotesdbs_dbs1.pdfusesText_1[PDF] fin du rtc arcep
[PDF] fin du rtc orange
[PDF] fin du rtc sfr
[PDF] finale costale lutte
[PDF] finalité 1 bts am
[PDF] finalité de l'eps 2015
[PDF] finalité eps 2016
[PDF] finalité eps lycée
[PDF] finalités de l'école
[PDF] finalités et objectifs de l' eps
[PDF] finance conventionnelle definition
[PDF] finance d'entreprise
[PDF] finance d'entreprise berk demarzo pdf
[PDF] finance d'entreprise dunod pdf