Chapitre 1 : Les images numériques
On parle de sous-échantillonnage lorsque l'image est déja discrétisée et qu'on diminue le nombre de pixels. (1). (2). Figure 1.1 (1) Pavage (2) Echantillonnage.
Image Numérique Limagerie numérique
Formation de l'image. – Perception de la couleur. – Les systèmes de vision. 2. Représentation numérique de l'image. – Échantillonnage.
Présentation PowerPoint
image numérique. - acquisition d'images. - numérisation d'images : quantification et échantillonnage. - quelques outils pour le traitement d'images.
Notes de cours Traitement dimages numériques
Le numériseur forme une image numérique (échantillonnage et quantification). — distance focale : distance entre la lentille et le point focal.
Séance 4 Quantification et échantillonnage
Son numérique. Image numérique. Conclusion. De la photographie numérique. `a la photographie computationnelle. Séance 4. Quantification et échantillonnage.
Chapitre 1 : Introduction à limage numérique 1- Historique : 2
D- Echantillonnage et quantification : L'échantillonnage est limité par la capacité du capteur donc le nombre de pixels disponible. (ou autre limite imposée)
Traitement des images numériques TP 1 : Représentation des
En réalité l'échantillonnage sous MATLAB revient `a définir implicitement des vecteurs spatiaux x = 1
Quelques méthodes mathématiques pour le traitement dimage
4 janv. 2009 parle de sous-échantillonnage lorsque l'image est déj`a discrétisée et qu'on diminue le nombre d'échantillons. Une image numérique est une ...
ÉCHANTILLONNAGE ET RÉÉCHANTILLONNAGE DIMAGES
image discrète (matricielle) C'est à partir d'une image numérique
Parallélisation du ré-échantillonnage dimages
Dans le ré-échantillonnage d'une image numérique par la B-spline cubique uniforme un pixel de sortie est calculé par un filtre appliqué sur 16 pixels
[PDF] Chapitre 1 : Les images numériques - ENSTA Paris
L'échantillonnage est le procédé de discrétisation spatiale d'une image consis- tant à associer à chaque pixel une unique valeur : Figure 1 1(2) On parle de
[PDF] Image Numérique - Cnam
Ré-échantillonnage (cas des scanners) : – Récepteurs définis pour une résolution de prédilection que l'on peut faire varier : • Si résolution inférieure
[PDF] Traitement dimages
image numérique - acquisition d'images - numérisation d'images : quantification et échantillonnage - quelques outils pour le traitement d'images
[PDF] Représentation des images quantification et échantillonnage
L'une des toutes premi`eres étapes du traitement numérique des images est la tâche d'échantillonnage qui réduit l'ensemble continu du monde observable en une
[PDF] Limage numérique Pixels et couleurs - UQAM
Cette présentation permettra de découvrir les concepts de base (pixel bit résolution couleur compression) et de comprendre comment ils influencent l'
[PDF] Chapitre 1 : Introduction à limage numérique 1- Historique : 2
D- Echantillonnage et quantification : L'échantillonnage est limité par la capacité du capteur donc le nombre de pixels disponible (ou autre limite imposée)
[PDF] ÉCHANTILLONNAGE ET RÉÉCHANTILLONNAGE DIMAGES
(RÉ)ÉCHANTILLONNAGE Rééchantillonnage : C'est à partir d'une image numérique faire un échantillonnage (de fréquence différente) pour obtenir
Limage numérique
Le nombre de bits accordé à l'échantillonnage du pixel détermine la précision numérique de la représentation Un seul bit ne permet de ne représenter que
[PDF] Introduction à limage numérique - UPEM - Master 1 - IGM
1975 : appareil photo numérique Kodak (100 × 100 pixels) Vincent Nozick Introduction `a l'image numérique 4 / 80 Page 2 Historique Lumi`ere
[PDF] Séance 4 Quantification et échantillonnage - Loria
Son numérique Image numérique Conclusion De la photographie numérique `a la photographie computationnelle Séance 4 Quantification et échantillonnage
Qu'est-ce que l'échantillonnage d'une image ?
L'échantillonnage est le procédé de discrétisation spatiale d'une image consis- tant à associer à chaque pixel une unique valeur : Figure 1.1(2). On parle de sous-échantillonnage lorsque l'image est déja discrétisée et qu'on diminue le nombre de pixels.Comment échantillonner une image ?
Le modèle de l'échantillonneur idéal est constitué par un simple produit de l'image initiale I(x,y) par un peigne de Dirac bidimensionnel. Il en résulte une image échantillonnée Ie(x,y) pour laquelle les valeurs correspondent aux luminances relevées sur une grille régulière de paramètres .Quelles sont les caractéristiques d'une image numérique ?
Une image a donc 3 caractéristiques : sa taille en nombre de pixel (définition), ses dimensions réelles (en centimètres ou pouces) et sa résolution (en pixel par pouce).- Une image numérique est une image acquise, traitée et stockée en bits. Une image numérique est un tableau de pixel : chaque pixel est codé par un nombre binaire pour un niveau de gris, ou par trois nombres binaires qui correspond à une nuance de rouge, de vert et de bleu (codage RVB).
Florent Lafarge
INRIA (Ariana)
PLAN DU COURS
-image numérique -histogramme -transformée de FourrierPhotographie numérique
TV et vidéo numérique
Surveillance
Imagerie médicale
Télédétection
Reconnaissance des formes
PC multimédia
LA PERCEPTION VISUELLE
La fonction de l'oeilest de recevoir et de transformer les vibrations électromagnétiques de la lumière en influx nerveuxqui sont transmis au cerveau.La cornée
Le cristallin:lentille auxiliaire
L'iris:diaphragme de l'oeil
La pupille:trouau centre de l'iris permettant de faire passer les rayons lumineux vers la rétine La rétine: c'est la couche sensibleà la lumière grâce aux photorécepteurs. -Les bâtonnets(130 millions) très grande sensibilité à la lumière-> vision de nuit -Les cônes(5 à 7 millions)sensibilité aux couleurs, pas à la lumiere -> vision de jourLA PERCEPTION VISUELLE
Système très complexe
Grande capacité à interpréter
Grande capacité à "inventer» (information manquante)Parfois pris en défaut
2LA PERCEPTION VISUELLE
Les limites de la perception visuelle
LA PERCEPTION VISUELLE
Les limites de la perception visuelle
LA PERCEPTION VISUELLE
Les limites de la perception visuelle
LA PERCEPTION VISUELLE
Les limites de la perception visuelle
LE DOMAINE SPECTRAL
Domaine du visible (0.4-
Domaine infrarouge (0.8-103 micrometres) : proche-moyen-thermiqueDomaine micro-ondes (1-102mm) : radar
IMAGE NUMERIQUE
3IMAGE NUMERIQUE
IMAGE NUMERIQUE
IMAGE NUMERIQUE
Notion de pixels
Définition
en une certaine position -les pixels sont généralement carrés -pixel vient de "picture element» -La taille du pixelEn niveau de gris
IMAGE NUMERIQUE
Notion de pixels
Système de voisinage :
V = {V(s) / s ג
-s ב -s גV(t) ֞t גExemples :
4-connexité8-connexité
IMAGE NUMERIQUE
IMAGE NUMERIQUE
4IMAGE NUMERIQUE
IMAGE NUMERIQUE
X(0,0)
YIMAGE NUMERIQUE
Convention
IMAGE NUMERIQUE
Un image couleur est représentée comme la superposition de 3 images N&B RVB++Avec du rouge, du vertet du
bleu, on peut représenter toutes les couleursIMAGE NUMERIQUE
RougeBleuVert
IMAGE NUMERIQUE
2 défauts majeurs : le bruitet le flou
Le bruit
Valeur pixel = mesure
Différents types de bruit :
Additif : mesureobservée= mesureréelle+ B
Multiplicatif : mesureobservée= mesureréelleBFiltrage du bruit : peut être très complexe
Évalué par la rapport signal / bruit (SNR)
5IMAGE NUMERIQUE
2 défauts majeurs : le bruitet le flou
Le flou
Problème de déconvolution :
Passage du monde 3D (ou 4D) vers image 2D
Stéréoscopie = Passage inverse :
deux images => 3DNécessité de modéliser le passage
Film ou CCDLentilles
Rayon lumineuxDiaphragmeObturateur
Objet 3D
Source
Appareil photographique
Aberration sphérique
Image floue
Aberration chromatique (effet prisme)
Franges colorées
Astigmatisme
Images floue sur les bords ou au centre
Distorsion
Altération géométrique
Les défauts
Deux grandes familles :
argentique (pellicules) numériques (CCD)Les capteurs
Déformation géométriques (étirement + mécanique)Les pellicules
Les capteurs CCD
Ensemble de sites photo-sensibles
Transformation photons -> électrons
Les sites sont sensibles sur le visible + proche IR Pour plusieurs couleurs sur un même site, deux possibilités :Mosaïque
Tri-capteur
6Les capteurs CCD : capteurs mosaïque
Sites sensibles à une seule couleur
Valeur pour les sites voisins obtenue par interpolation => problèmes avec des détails très finRRRVVV
VVVBBB
RRRVVV
VVVBBB
RRRVVV
VVVBBB
Les capteurs CCD : tri-capteurs
3 capteurs côte à côte
Séparation de la lumière vers les trois
Nécessité de recaler les différents plans colorésLes capteurs CCD face aux pellicules:
-meilleur rapport signal / bruit (1/200 vs 1/20) -meilleure dynamique -meilleure répétitivité de la réponse -absence de traitements externeItaille plus faible (nombre de pixels)
Iplus chers (particulièrement pour les grands capteurs)ECHANTILLONNAGE
Échantillonnage
-> résolution spatiale (taille du pixel)Quantification
-> résolution spectrale (niveau de gris) Les images numériques sont à précision finie nécessité de passer du continu au discret Problématique identique au traitement du signalImage = signal 2D
Attention au changement de dimension !!!
Le nombre de niveaux disponibles dépend de la taille allouée à chaque pixelEn général :
N&B : 1 octet / pixel = 8 bits = 256 niveaux
Couleur : 1 octet / couleur = 3 octets / pixel = 24 bits = 16 777 216 niveaux Caméra numérique : 12 bits / pixel = 4096 niveaux exemple : occupation physique pour des images de 4096 * 4096 :1 bits : 2 Mo soit 325 par CD
8 bits : 16 Mo soit 40 par CD
16 bits : 32 Mo soit 20 par CD
Problème du choix des niveaux
Niveau de sortie (discret)
7 La quantification est liée au rapport signal / bruitElle devrait dépendre
de la scène du bruitSur-quantification = perte de place
Sous-quantification = perte de données
Exemples
Lena 256 niveaux (8 bits)
Lena 4 niveaux (2 bits)
Lena 2 niveaux (1 bit)
Explication sur le cas 1D :
Explication sur le cas 1D :
Image : cas 2D
Modélisée par le peigne de Dirac
x yThéorème de Nyquist-Shannon
Hypothèse : signal 1D, de support infini, à bande limitée (fréquence maximale finie fm ) Un signal analogique peut être entièrement reconstruit à partir de ses fesoient au moins deux fois plus grandes que les fréquences maximales du signal fe 2.fm 8Illustrations du théorème
Échantillonnage temporel : "roue en arrière»Illustrations du théorème
Reconstruction du signal (cas 1D)
Échantillons de f(x), notés fp, intervalle xConditions de Shannon : fmax < 1 / (2 x)
Fonction reconstruite : f(x)
f p p x xpx x xpx fxf SsinImage : cas 2D
Généralisation valable (!!! non évident !!!)Ici x = 1
Reconstruction du signal (cas 2D)
qy qy px pxfyxf q qp p u f f f S SSsinsin),(,
Cas réel :
image de taille finie fréquence infinies (transitions brusques)échantillonnage peigne de Dirac
Sous-échantillonnage
Diverses méthodes :
Décimation
Moyenne
Gaussienne
Décimation
Sous-échantillonnage
Diverses méthodes :
Décimation
Moyenne
Gaussienne
Moyenne
9Sous-échantillonnage
Diverses méthodes :
Décimation
Moyenne
Gaussienne
Gaussienne
Sur échantillonnage
Diverses méthodes :
réplication de pixel bilinéaire bicubique réplication de pixelRecopie simple du pixel le plus proche
+RapideSur échantillonnage
Diverses méthodes :
réplication de pixel bilinéaire bicubique bilinéaireInterpolation linéaire entre les 4 voisins:
+Relativement rapideImages floues
(x1,y1) (x1,y2) (x,y) (x2,y2) (x2,y1) dx1dx2 dy2 dy1Sur échantillonnage
Diverses méthodes :
réplication de pixel bilinéaire bicubique bicubique Polynôme de degré 3 approchant le sinus cardinal sur 16 voisins. +Peu flouPlus lent que les précédents
(x,y)P0P1P2P3
d1-dPDéfinition
10Densité de probabilité
Histogrammes à n niveaux
Opérations et utilités des histogrammes
Extraire des informations
11Étaler les niveaux de gris
Amélioration de la
Égaliser les niveaux de gris
Amélioration du contraste
12Soient Fa, Fbet FR
b(T(x)) = Fa(x)Or on veut que Fb= FR
T = FR-1o Fa
Exemple :
Distribution initiale
distribution de référence gaussienne +Distribution finale
Exemple :
Exemple :
TRANSFORMEE DE FOURRIER
Produit de convolution: quelques rappels
Deux fonctions f et g
On note le produit de convolution * :
Quelques propriétés :
f * g = g * f (commutativité) f * = * f = f (: distribution de Dirac) f * (g + h) = f * g + f * h (distributivité /+) f * (g) = (f * g)Mathématiquement f et g sont équivalentes
En physique : deux rôles très distincts
f : signal "brut»En imagerie : fn= f * g (n) avec n ENTIER
f dttxgtfxgf)()()(*TRANSFORMEE DE FOURRIER
Exemples de filtres :
Échantillonnage / Dirac ()
Moyenne
Fonction gaussienne
Produit de convolution: quelques rappels
-6-4-20246-1.5 -1 -0.5 0 0.5 1 1.5020406080100120140-1.5
-1 -0.5 0 0.5 1 1.56080100120140160180-1.5
-1 -0.5 0 0.5 1 1.5Signal de départ
Signal moyennéSignal après gaussienne
TRANSFORMEE DE FOURRIER
Transformée de Fourrier
Cas du signal 1D
domaine temporelle (le temps t) à une représentation dans le domaine fréquentiel ( la fréquence f)Soit H(f) la transformée de Fourier de h(t) :
Cas du signal 2D discret (imagerie)
à une représentation dans le domaine fréquentiel (coordonnées u et v) Soit H(u,v) la transformée de Fourier de h(i,j) : f dtethfHfti2)( f dfefHthfti2)()(2).,(,jviuji ijejihvuHf f f f quotesdbs_dbs35.pdfusesText_40[PDF] l'échantillonnage cours
[PDF] l'échantillonnage définition
[PDF] échantillonnage représentatif
[PDF] cours d'échantillonnage et estimation
[PDF] audio 24 bit download
[PDF] fréquence d'échantillonnage audio
[PDF] 16 bits ou 24 bits
[PDF] difference 16 bit 24 bit audio
[PDF] pas de quantification
[PDF] conversion analogique numérique cours
[PDF] échantillonnage d'un signal analogique
[PDF] exercice corrigé échantillonnage seconde
[PDF] échantillonnage d un signal exercices corrigés
[PDF] échantillonnage dun signal sinusoidal