[PDF] Chapitre5 1 IFT6150 - Université de Montréal



Previous PDF Next PDF







Gaussian Filtering - University of Auckland

5/25/2010 7 Gaussian Filtering G i k l ffi i t l d f th 2D G iGaussian kernel coefficients are samp led from the 2D Gaussian function Where σis the standard deviation of the distribution



Filtrage Traitement dImages - GitHub Pages

Filtrage Linéaire: filtre binomia l • Approximation du filtre de Gauss: moyenne pondérée des voisins – filtre 3x3 – filtre 5x5 • avantage – rapide – plus robuste que moyenneur • inconvénient – un plus complexe à calculer 10 Filtrage Linéaire: filtre gaussien • Largeur de la fenêtre



Chapitre5 1 IFT6150 - Université de Montréal

TRAITEMENT D’IMAGES FILTRAGE SPATIAL Max Mignotte Département d’Informatique et de Recherche Opérationnelle FILTRE GAUSSIEN (PASSE-BAS) Gaussienne(x,y



Traitement des images num´eriques TP 3 : Filtrage et d´ebruitage

1 2 Etude sous MATLAB 1 Cr´eer sous MATLAB un script vide nomm´e TP3Partie1 m 2 Ouvrir l’image cameraman tif, la stocker dans une matrice X1et la renormaliser 3 Appliquer sur l’image X1un bruit blanc Gaussien de variance σ2 = 0 01 et stocker le r´esultat dans une matrice X2



Séance 7 - univ-lillefr

Traitement d'images Convolution – filtrage passe-bas, passe-haut Séance 7 Moy5x5 Filtre gaussien σ=2 21 Filtres de lissage non-linéaires : filtre médian



Références utiles - Université Laval

Les objectifs du cours sur le traitement des images (partie 1) sont de: 1 Présenter quelques notions sur les différents types de bruit pouvant influener le ontenu d’une image 2 Présenter des approches de filtrage linéaire 1 filtre moyenneur uniforme 2 filtre gaussien (et oneption d’un filtre gaussien) 3



Signal Processing - Rutgers ECE

C and MATLAB functions for implementing various DSP operations The practical slant of the book makes the concepts more concrete Use The book may be used at the junior or senior level It is based on a junior-level DSP course that I have taught at Rutgers since 1988 The assumed background is only a first course on linear systems



Image Convolution - Portland State University

3 The process of image convolution A convolution is done by multiplying a pixel’s and its neighboring pixels color value by a matrix Kernel: A kernel is a (usually) small

[PDF] moteur de recherche internet

[PDF] moteur de recherche francais

[PDF] francis ponge le parti pris des choses pdf

[PDF] les moteurs de recherche les plus utilisés

[PDF] francis ponge mouvement

[PDF] moteur de recherche définition

[PDF] francis ponge biographie

[PDF] moteurs de recherche gratuits

[PDF] meilleur moteur de recherche

[PDF] moteur de recherche mozilla

[PDF] bourse aux livres scolaires

[PDF] momox

[PDF] fonction de l'arn

[PDF] la fonction de l'adn seconde

[PDF] structure tertiaire de l'adn

Chapitre5 1 IFT6150 - Université de Montréal DIRO

IFT 6150

TRAITEMENT D"IMAGES

FILTRAGE SPATIAL

Max Mignotte

Département d"Informatique et de Recherche Opérationnelle. Http : //www.iro.umontreal.ca/≂mignotte/ift6150

E-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 1

FILTRAGE SPATIALE

INTRODUCTION

Rehaussement d"Images par Filtrage Spatial/Fréquentiel

Image 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)?

2

FILTRAGE 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 3

FILTRAGE SPATIALE

CONVOLUTION DISCRÈTE 2D -RAPPEL-

Convolution Discrète 2D -Rappel-

Transformation basée sur le voisinage d"un point(x,y)

Exemple

16 16 1616

161616

160 1 2 1

1 2 1

2 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 4

FILTRAGE 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) 5

FILTRAGE 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 1

1 1 11/9 *

Filtre 3x3

Exemple

?Filtre Passe-bas: diminue le bruit mais atténue les détails de l"image (flou) 6

FILTRAGE SPATIALE

FILTRE GAUSSIEN (PASSE-BAS)

Gaussienne(x,y)= exp?-π(x2+y2)/σ2?

1 1 1 1 1 2 1 1 1

1 1(1/4) (1/4)*=

(1/4) 1 2 1* (1/4)=42 21 2 1 2 11

42 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) 7

FILTRAGE 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 1 256

1 4 6 14

4 4 4 4

1 14 4616 16161624 246 624

2436

Filtre Pyramidal

1 1

12 3 2

2 4 4 26

96 63 32 4 6 4 21 2 3 281

1

Filtre Conique

10 0 0 0

00 0 0 000 02 2

2221 11

122
5225
8

FILTRAGE SPATIALE

FILTRE MÉDIAN (1)

g(x,y) =médian{f(n,m) (n,m)?S} (Svoisinage de(x,y)) 30 20
10 25

2520 301010

10 20 20 25

25025bruit

médiane

30 30 250

Utile pour contrer l"effet d"un bruit Poivre & Sel (faux "0" et "255" dans l"image) 9

FILTRAGE 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.quotesdbs_dbs2.pdfusesText_2