Filtrage linéaire
Considérons un pixel P dont la position dans l'image est donnée par les Après filtrage passe-haut par un filtre gradient oblique les contours diagonaux ...
7. Applications du filtrage.key
Filtre passe-haut originale - filtrée Image. Image filtrée. Qu'est-ce qui se passe? f = image g = filtre ... Dans matlab: C = normxcorr2(template A) ...
Traitement des images numériques TP 3 : Filtrage et débruitage
1.2 Etude sous MATLAB . Pour ajouter du bruit `a une image sous MATLAB on utilise la commande ... S'agit-il d'un filtre passe-bas
Quelques méthodes de filtrage en Traitement dImage
29 août 2010 Le filtre passe-bas diminue le bruit mais atténue les détails de l'image (flou plus prononcé). – Le filtre passe-haut accentue les contours ...
Chapitre 3 - Filtres et analyse fr ´equentielle
Les courbes idéales de la figure 3.1 montrent les quatre types de filtres principaux. Les deux premiers le filtre passe-bas et le filtre passe-haut
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 ...
Le Filtrage des Signaux Numériques
Filtre Passe-Haut Analogique MATLAB : spectre et spectrogramme du signal s(t) ... transmission de données audio
Travaux pratiques et travaux dirigés de traitement dimages
lorsqu'on parcourt cette image de haut en bas puis de gauche vers la droite. consiste `a appliquer une filtre passe-bas avant de faire le prél`evement.
Traitement des images numériques TP 4 : Filtrage rehaussement de
A l'inverse des filtres vus dans le TP3 les filtres réhausseurs de contours sont des passe-bande ou des passe-haut
Traitement du signal
4.2.3 Exemple de filtre passe-bas d'ordre 1 . Figure 5 – Exemple d'un signal de voix parlée : signal temporel (haut) fréquence fondamentale (bas).
Chapitre5 1 IFT6150 - Université de Montréal
>Chapitre5 1 IFT6150 - Université de MontréalWebFiltre Passe-bas : diminue le bruit mais atténue lesdétails de l’image Filtre Passe-haut : accentue les contours et les détailsde l’image mais ampli?e le bruit Filtre Passe-bande
TP N° 10 : FILTRES PASSIFS PASSE-HAUT D’ORDRE 1 PASSE
>TP N° 10 : FILTRES PASSIFS PASSE-HAUT D’ORDRE 1 PASSE
AudioBox 22/44VSL Présentation Mode demploi - ZIKINF
>AudioBox 22/44VSL Présentation Mode d'emploi - ZIKINF
Matlab et le traitement du signal —
>Matlab et le traitement du signal —WebPour les ?ltres passe-haut et coupe-bande leur ordre peut ˆetre calcul´e de la mˆeme fac¸on que pour les ?ltres passe-bas et passe-bande en renversant les fr´equences de Taille du fichier : 99KB
Filtrage temps-réel et MATLAB (introduction) - Université Paris
>Filtrage temps-réel et MATLAB (introduction) - Université Paris WebRappels des cours pr ec edents : ltrage id eal et FIRLes bases du temps-r eel audio sous matlab Filtre passe-haut id eal { 1 D e nition La r eponse en equence d’un ltre passe
Comment calculer la fonction de transfert d'un filtre passe-haut?
La fonction de transfert du filtre passe-haut est : H (jw) = s = w1 0 où w0 =.
Comment calculer le filtre passe-haut ?
- Le filtre passe-haut se calcule comme le filtre passe bas. Il faut juste inverser les composants, Figure 5. - Un filtre passe-bande est réalisé en mettant en série un filtre passe-haut C1-R1, suivi d'un filtre passe-bas R2-C2. Figure 6.
Comment filtrer un signal dans Matlab ?
Dans MATLAB, nous pouvons utiliser la fonction intégrée lowpass () pour filtrer un signal. Nous devons passer le signal d’entrée, la fréquence de bande passante et la fréquence d’échantillonnage du signal d’entrée dans la fonction lowpass (). Le signal d’entrée doit être un vecteur ou une matrice de type simple ou double.
Traitement des images num´eriques
TP 3 : Filtrage et d´ebruitage
Universit´e Paris 13, Institut Galil´ee
Master Ing´enierie et Innovations en Images et R´eseaux - 1 `ereann´ee2017-2018
Consignes
•R´ecup´erer le fichierTP3.zipsur le site http://www.laurentoudre.fr/tin.html•Ouvrir MATLAB et cr´eer un r´epertoire de travail. D´ezipper le fichierTP3.zipdans ce r´epertoire.
•A la fin de la s´eance, r´ecup´erer les scripts que vous avez ´ecritset les envoyer par e-mail au charg´e de TP
ainsi qu"`a vous mˆeme afin de les conserver pour la prochaine s´eance. Rendu •Trois fichiers :TP3Partie1.m,TP3Partie2.metTP3Partie3.mChaque fichier doit contenir votre nom, votre pr´enom et la date.•Compte-rendu succinct `a rendre `a la fin de la s´eance, contenant les observations, commentaires et r´eponses
aux questions. Le compte rendu doit contenir votre nom et votre pr´enom.Plan de l"´etude
1 D´egradations dans une image2
1.1 Rappels de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . 2
1.2 Etude sous MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . 2
2 Filtrage d"une image : domaine spatial2
2.1 Rappels de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . 2
2.2 Etude sous MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . 3
3 Filtrage d"une image : domaine fr´equentiel4
3.1 Rappels de cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . 4
3.2 Etude sous MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . 4
Laurent Oudre, Gabriel Dauphin, Azeddine Beghdadi11 D´egradations dans une image1.1 Rappels de coursLors de l"acquisition, de la transmission ou de la compression d"une image, il peut apparaˆıtre de nombreuses
d´egradations. Un des domaines principaux en traitement d"image consiste `a traiter et corriger ces d´egradations
pour obtenir une image de meilleure qualit´e. On s"interesse ici `a deuxtypes de d´egradations fr´equemment
rencontr´ees dans les images :•Lebruit additif, qui affecte tous les pixels de l"image. Dans ce TP, nous consid´ererons unbruit blanc
additif Gaussien, de moyenne nulle et de varianceσ2. Il s"agit d"un mod`ele fr´equemment utilis´e en
premi`ere approximation pour mod´eliser le bruit d"acquisition et de lecture (si l"on ne dispose pas d"un
mod`ele plus raffin´e). Le bruit Gaussien affecte `a la fois les basses et les hautes fr´equences. Il est caract´eris´e
par sa varianceσ2: plusσ2est ´elev´e, plus l"image est d´egrad´ee.•Lebruit impulsionnel, n"affecte que certains pixels de l"image. Dans ce TP, nous consid´ererons un
bruitsel et poivre, qui est une d´egradation de l"image sous la forme de pixels noirs et blancs r´epartis
au hasard. Ce bruit est dˆu soit `a des erreurs de transmission de donn´ees, soit `a la d´efaillance d"´el´ements
du capteur CCD, soit `a la pr´esence de particules fines sur le capteur d"images. On le caract´erise par le
pourcentagepde pixels modifi´es : pluspest ´elev´e, plus l"image est d´egrad´ee. Pour ajouter du bruit `a une image sous MATLAB, on utilise la commandeimnoise % X : image renormalisee (valeurs entre 0 et 1) Y = imnoise(X,"gaussian",m,v)% Applique un bruit additif gaussien% de moyenne m et de variance v Y = imnoise(X,"salt & pepper",p)% Applique un bruit poivre et sel de pourcentage p1.2 Etude sous MATLAB
1. Cr´eer sous MATLAB un script vide nomm´eTP3Partie1.m
2. Ouvrir l"imagecameraman.tif, la stocker dans une matriceX1et la renormaliser.
3. Appliquer sur l"imageX1un bruit blanc Gaussien de varianceσ2= 0.01 et stocker le r´esultat dans une
matriceX2. Afficher sur la mˆeme figure l"image originelle et l"image bruit´ee. Faire varierσ2et commenter.
4. Appliquer sur l"imageX1un bruit poivre et sel avec un pourcentagep= 0.05 de pixels modifi´es et stocker
le r´esultat dans une matriceX3. Afficher sur la mˆeme figure l"image originelle et l"image bruit´ee. Faire
varierpet commenter.5. Afficher sur une mˆeme figure les imagesX1,X2etX3. Comparer les effets des deux d´egradations et
commenter.6. Tracer sur la mˆeme figure la ligne num´ero 128 des imagesX1,X2etX3et commenter.
Pour tracer plusieurs signaux sur la mˆeme figure (chacun dans une couleur diff´erente), on peut soit utiliser la
commandehold on, soit rajouter des instructions dans la fonctionplot % x1, x2, x3 : trois signaux de taille N % Facon 1 figure plot(1:N,x1) hold on plot(1:N,x2, "g") plot(1:N,x3, "r") % Facon 2 figure plot(1:N,x1,1:N,x2,1:N,x3)2 Filtrage d"une image : domaine spatial
2.1 Rappels de cours
Le filtrage peut ˆetre vu comme une op´eration transformant uneimage en une autre image ayant des propri´et´es
spatiales et fr´equentielles diff´erentes. On distingue deux types de filtrage : Laurent Oudre, Gabriel Dauphin, Azeddine Beghdadi2•Lefiltrage lin´eaireest une op´eration de convolution en 2D transformant une image enune autre en
g´en´eral de mˆeme taille. Il est d´efini par une matriceh(m,n) de tailleMh×Nhappel´eemasque de
convolution(en g´en´eralMh=Nh). Le filtrage lin´eaire revient `a remplacer la valeur de chaque pixel par
une moyenne pond´er´ee calcul´ee avec les pixels voisins. Le masque contient les coefficients de pond´erations
de chacun des pixels. Dans le domaine fr´equentiel, par opposition aufiltrage non-lin´eaire, le filtrage
lin´eaire ne fait pas apparaˆıtre de puissance sur une fr´equence l`a o`u il n"y en avait pas. En revanche, il
permet d"augmenter ou de diminuer l"´energie sur telle ou telle fr´equence.•Il existe ´egalement desfiltres non-lin´eairesutilis´es par exemple pour diminuer un bruit sp´ecifique. Il
s"agit encore une fois de remplacer la valeur de chaque pixel `a partirdes pixels voisins. En revanche,
contrairement au filtrage lin´eaire, l"op´eration r´ealis´ee sur les pixels voisins est cette fois ci non-lin´eaire
(par exemple une m´ediane ou une op´erationad hoc).•Pour r´ealiser un filtrage lin´eaire, il faut d"abord d´efinir le masqueh`a utiliser. Pour cela, soit on le d´efinit de
fa¸con analytique, soit on utilise la fonctionfspecialde MATLAB % Methodes analytiques h = ones(3,3)/9;% Filtre moyenneur de taille 3 x 3 h = [1 0 1 ; 0 2 0 ; 1 0 1]/6;% Filtre ad hoc % Methodes en utilisant fspecial h = fspecial("average",[3 3]);% Filtre moyenneur de taille 3 x 3 h = fspecial("gaussian",[15 15],1);% Filtre gaussien de taille 15 x 15% et d"ecart type 1 •On r´ealise ensuite le filtrage de l"image grˆace `a la commandeimfilter: % X : image renormalisee (valeurs entre 0 et 1) % h : masque de convolutionY = imfilter(X,h,"replicate");
•Le filtrage non-lin´eaire que nous allons consid´erer ici est le filtrage m´edian, qui peut ˆetre r´ealis´e grˆace `a la
commandemedfilt2: % X : image renormalisee (valeurs entre 0 et 1) Y = medfilt2(X,[3 3]);% Filtrage median de taille 3 x 32.2 Etude sous MATLAB
1. Cr´eer sous MATLAB un script vide nomm´eTP3Partie2.m
2. Reprendre les imagesX1,X2etX3pr´ec´edemment d´efinies. Pour l"imageX2on prendraσ2= 0.01, et pour
X3, on prendrap= 0.05.
3. Appliquer un filtre moyenneur de taille 3×3 sur l"imageX2et stocker le r´esultat dansY2. Afficher sur la
mˆeme figureX1,X2etY2. Le bruit a-t-il ´et´e att´enu´e ?4. Appliquer un filtre m´edian de taille 3×3 sur l"imageX3et stocker le r´esultat dansY3. Afficher sur la
mˆeme figureX1,X3etY3. Le bruit a-t-il ´et´e att´enu´e ?5. Afin de pouvoir quantifier la qualit´e du d´ebruitage, on va utiliser une mesure objective appel´ee Peak Signal
to Noise Ratio (PSNR) et d´efinie par :PSNR= 10log10((((((
R 2 1 MNM m=1N n=1? xo(m,n)-xd(m,n)?2))))))o`uxoetxdsont respectivement les images originelles et d´ebruit´ees et o`uRest la dynamique du signal
(valeur maximale possible pour un pixel). Cette m´etrique est tr`es largement utilis´ee pour ´evaluer les
m´ethodes de compression et de d´ebruitage d"images. Si le PSNR est utile pour mesurer la proximit´e de
l"image d´ebruit´ee par rapport `a l"original au niveau du signal, il ne prend pas en compte la qualit´e visuelle
de reconstruction et ne peut ˆetre consid´er´e comme une mesure objective de la qualit´e visuelle d"une image.
Laurent Oudre, Gabriel Dauphin, Azeddine Beghdadi3Si l"on travaille sur des images renormalis´ees, on aR= 1 et le PSNR peut se calculer facilement grˆace `a l"instruction :
% X : image originelle, Y : image debruiteePSNR=-10*log10(std2(X-Y));
6. Calculer le PSNR pour les deux simulations pr´ec´edemment r´ealis´ees. Sachant qu"on consid`ere en g´en´eral
qu"un excellent d´ebruitage offre un PSNR d"au moins 20 dB, les r´esultats vous semblent-ils logiques ?
7. Tester les 10 filtres suivants surX2, puis surX3. Lequel donne les meilleures performances surX2? sur
X3? (a) Filtre moyenneur : 3×3, 5×5 et 7×7 (b) Filtre Gaussien de taille 15×15 :σh= 2,σh= 1.5,σh= 1 etσh= 0.5 (c) Filtre m´edian : 3×3, 5×5 et 7×73 Filtrage d"une image : domaine fr´equentiel
3.1 Rappels de cours
Le filtrage lin´eaire consiste en un produit de convolution dans le domaine spatial, ce qui correspond `a une
multiplication dans le domaine spectral. On s"interesse donc souvent `a la r´eponse fr´equentielle d"un filtre pour
savoir notamment quelles fr´equences il va amplifier, quelles directions privil´egi´ees il va mettre en ´evidence, etc...
En particulier, en observant la transform´ee de Fourier du masquede convolution (´eventuellement compl´et´e par
des z´eros), on arrive `a observer le comportement fr´equentiel du filtre. Tout comme la transform´ee de Fourier
d"une image classique, on peut repr´esenter la r´eponse fr´equentielle en ´echelle lin´eaire ou en ´echelle logarithmique.
3.2 Etude sous MATLAB
1. Cr´eer sous MATLAB un script vide nomm´eTP3Partie3.m
2. Ouvrir l"imagecameraman.tif, la stocker dans une matriceX1et la renormaliser. G´en´erer un masqueh1
correspondant `a un filtre moyenneur de taille 3×3.3. Utiliser la fonctionAffichageFiltrage(X,h)pour afficher les spectres de l"image originelle, de l"image
filtr´ee ainsi que la r´eponse en fr´equence du filtre. La fonctionAffichageFiltrage(X,h)fournie r´ealise les ´etapes suivantes : •Prend en entr´ee une image renormalis´eeX, et un masque de convolutionh •Calcule l"image filtr´eeY •Affiche sur la mˆeme image, de gauche `a droite et de haut en bas : •L"image originelle(en haut `a gauche) •Le spectre de l"image originelle en ´echelle lin´eaire(en haut au milieu gauche) •Le spectre de l"image filtr´ee en ´echelle lin´eaire(en haut au milieu droit) •La r´eponse en fr´equence du filtre en ´echelle lin´eaire(en haut `a droite) •L"image filtr´ee(en bas `a gauche) •Le spectre de l"image originelle en ´echelle logarithmique(en bas au milieu gauche) •Le spectre de l"image filtr´ee en ´echelle logarithmique(en bas au milieu droit) •La r´eponse en fr´equence du filtre en ´echelle logarithmique(en bas `a droite)4. Quel effet le filtre a-t-il sur le spectre ? S"agit-il d"un filtre passe-bas, passe-haut, etc... ? Met-il en
´evidence des directions particuli`eres ?
5. Refaire la mˆeme exp´erience avec un filtre moyenneur de taille 5×5 et de taille 7×7 et commenter.
6. Refaire la mˆeme exp´erience avec un filtre Gaussien de taille 15×15 et d"´ecart typeσh= 2,σh= 1.5 et
h= 1. Commenter. Laurent Oudre, Gabriel Dauphin, Azeddine Beghdadi4quotesdbs_dbs19.pdfusesText_25[PDF] filtre passe haut ordre 1
[PDF] filtre récursif
[PDF] filtre récursif définition
[PDF] filtre récursif et non récursif
[PDF] filtre rif
[PDF] filtre stable
[PDF] filtre uv aquaculture
[PDF] filtrer composante continue
[PDF] filtrer un signal bruité matlab
[PDF] filtres actifs exercices corrigés pdf
[PDF] fime antony
[PDF] fime caen recrutement
[PDF] fime logo
[PDF] fime miami