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.
Traitement des images
(Partie 1: pré-traitement) Patrick Hébert & Denis Laurendeau (Dernière révision : mai 2017)Références utiles:
13.1 à 13.4
2 Le traitement des images se place aux premièresétapes du processus de vision artificielle
Les opérations sur les images effectuées à cette étape se font au niveau des pixels. Aucune interprétation de haut niǀeau du contenu de l'image n'est tentĠe. *trucco 3Remarquespréliminaires
4 Le traitement des images dans un contexte de vision artificielle est utile pour:1.Restaurerle contenu (e.g. atténuer les effets du
bruit)2.Rehaussercertains éléments dans les images (e.g.
mettre en évidence les contours (discontinuités d'illuminance)3.Compresserle contenu des images en supprimant
les informations redondantes (moins important pour le cours de vision) *trucco 5 Les concepts précédents (restauration, rehaussement, compression) sont assimilés à des opérations de filtrage *trucco 6 Les objectifsdu cours sur le traitement des images (partie 1) sont de:1.Présenter quelques notions sur les différents types
de bruitpouǀant influencer le contenu d'une image2.Présenter des approches de filtrage linéaire
1.filtre moyenneuruniforme
2.filtre gaussien (et conception d'un filtre gaussien)
3.Présenter des approches de filtrage non-linéaire
1.Filtrage médian
2.Filtrage bilatéral
3.Morphologie mathématique
4.Présenter des outils pour la détection de caractéristiques
7Le bruitdansles images
8 image par une caméra réelle Dans ce qui suit, nous allons présenter les approches permettant de réduire les effets du bruit dans les images 9 possible de décrire ou modéliser de manière déterministe.On doit par conséquent utiliser des modèles
stochastiques pour le caractériser. 10 Modélisation stochastique simple pour le bruit en un pixel donné:Pour une scène statique (i.e. sans mouvementet
changementd'Ġclairage): distribution de l'illuminanceenfonctiondu temps 11 Deuxparamètresfondamentauxpermettantde décrire cettedistribution temporellede l'illuminancesontles deuxpremiers moments statistiques:1.La moyennede l'illuminancepour l'ensembledes
images (échantillons)2.l'Ġcart-type de l'illuminancepour l'ensembledes
images (échantillons) 12 Moyenne(premier moment)Écart-type (second moment)Pour un pixel (i,j) dansl'image
Onprend1/(N-1)pouravoirune
estimationnonbiaiséequandle nombred'Ġchantillonsestpetit(<75) (1)(2) 13Principauxtypesde bruit
14 Les principauxtypes de bruit que nous considèrerons dansle cadre du courssont:1.Le bruit additif
2.le bruit multiplicatif(impulsionnel)
3.le bruit de quantification
4.le bruit d'Ġchantillonnage
15Bruit additif
16 On fait généralementl'hypothğseque le bruit est additif(le bruit s'additionneà un signal pur): bruit additifau pixel (i,j)signal bruitéau pixel (i,j) signal purau pixel (i,j) (3) 17 L'importancedu bruit estcaractériséepar le rapport signal à bruit (Signal-to-Noise Ratio (SNR)): (4) (5)ܴܰܵ 18Bruit multiplicatif
19On peutaussirencontrerdu bruit multiplicatif:
Ce type de bruit, aussiappelébruit impulsionnel, provoquel'apparitionde valeursisoléestrèsdifférentes des valeursaux pixels voisinsCe type de bruit peutprovoquerunesaturation
d'illuminanceà certainspixels de l'image 20Exemplesde bruit
Signal sans bruit
Bruit gaussien(additif)
Bruit impulsionnel
(multiplicatif) 21Bruit gaussien
22Bruit impulsionnel
23Bruit de quantification
24Ce type de bruit estcausépar la résolutionavec pixel: la plupartdes cartesd'Ġchantillonnageutilisent uneplagede quantification (résolutionen amplitude) de 8 bits(i.e. l'illuminanceenun pixel estrépartiesur 256 valeurs) ...maison peutaussiavoirdes cartes(plus chères) offrantdes plagesd'Ġchantillonnagede
10 ou12 bits
25Bruit d'Ġchantillonnage
26Ce type de bruit estcausépar la résolutionspatiale avec laquellele champ de vision observépar la caméraestéchantillonné: exempleclassique: 640 colonnesx 480 lignes
1024 x 768
etc. 27Ce bruit d'Ġchantillonnagespatial a les effetssuivants: affectela nettetédes variations rapides (contours) d'illuminancedansl'image amènedes effetsde recouvrementspectral (aliasing) lorsquele critèred'Ġchantillonnagede
Nyquistn'estpas respectée
28Critèred'Ġchantillonnagede Nyquist (pour éviterle recouvrementspectral): -(7) 29
Exemplede l'effetdu recouvrementspectral causépar l'Ġchantillonnagespatial 30
Filtragepour limiter les effets
indésirablesdu bruit 31Le filtragea pour but de réduireles effetsdu bruit sans affecter trop le signal
On peutconsidérerdeuxtypes de filtres:
les filtreslinéaires les filtresnon-linéaires 32Filtragelinéaire-introduction
33Un filtrelinéairepossèdeles propriétéssuivantes: invariance à la position: le résultatdu filtragene dépendque du voisinaged'un pidžel et non de la position absoluedu pixel dansl'image respecteles principesde miseà l'Ġchelleet de superposition(le résultatdu filtragede la sommede deuximages est le mêmeque celuide la sommedes deuximages filtrées): 34
Pour le bruit enun pixel de l'image, on fait souvent l'hypothğsede bruit blanc gaussiende moyennenulle Bruit blanc: indépendantd'un pidžel ă l'autre (espace) et d'uneimage à l'autre (temps)
Gaussien: distribution d'amplitudegaussienne
35L'hypothğsefondamentalederrière le filtragelinéaire estque la moyennede plusieurséchantillonsdevrait réduirele bruit (i.e. l'Ġcart-type du signal résultatdu moyennagede Néchantillonsdevraitêtreplus faible que celuide la distribution de laquelleproviennent ceux-ci. 36
(9) (10)(11) SupposonsNéchantillonsxitirésd'unemêmedistribution statistiquede moyenneet de variance 2. La moyennedes N échantillonsestdonnéepar:ҧݔ Commeles N échantillonssontdes variables aléatoiresidentiquement distribuées(parceque tiréesde la mêmepopulation) on a que : 37
Enutilisantles identitéssuivantes:
et enutilisantla partiede droitede (9) : (14) (15) 38De plus, on saitque:
etAvec (1) et (11) :
(18) 39Finalement, encombinant(12) et (13) et (17) et (18) on obtientle résultatimportant suivant: (19) (20) même, maisla variance estréduitede 1/N, déduisantainsil'importancedu bruit. 40
Filtragelinéaire-convolution dans
le domainespatial (i.e. l'image) et filtremoyenneursimple 41Entraitementde signal classique, on effectuesouventle filtraged'un signal bruité dansle domainefréquentiel. Seloncetteprocédure, on multipliela transforméede Fourier S() du signal temporels(t) par le filtreF(): Envision artificielle, l'utilisationde la transforméede Fourier estpeurépanduecar il estplus naturel de travaillerdirectementdansl'image. uneconvolutiondansle domainespatial, c'est-à-dire: 42
Dansle cadre du cours, le filtragelinéairese feradoncpar la convolutiond'un filtre exprimédansle domainespatial avec l'image. On appellecefiltreun opérateurde convolution. Cetopérateurde convolution prendla formed'un masqueounoyau(͞kernel") de convolution. L'opĠrationde filtrageconsisteà convoluercemasque avec l'image. Exemplede masque de convolution: le filtremoyenneur 43
Image
MasqueBalayagede convolution
110100
12095130
90quotesdbs_dbs4.pdfusesText_8
[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