1 / 17

Décomposer une image sur une base d'ondelettes

Décomposer une image sur une base d'ondelettes. Images et Filtres: APP3. Introduction. Technique inventée par Alfred Haar en 1909. Compression sans pertes (quantification/seuillage perte irréversible)

fritz
Download Presentation

Décomposer une image sur une base d'ondelettes

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Décomposer une image sur une base d'ondelettes DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI Images et Filtres: APP3

  2. Introduction • Technique inventée par Alfred Haar en 1909. • Compression sans pertes (quantification/seuillage perte irréversible) • Consiste à décomposer une image en plusieurs images de résolution inférieure. • Espaces d'approximations de plus en plus grossiers : . • Espaces "capturant" les détails perdus entre chaque niveau d'approximation : . DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  3. Axes d’étude • Ondelettes de Haar • Transformée de Haar 1D • Transformée de Haar 2D • Compression d’image • Détection de contours • Débruitage d’une image DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  4. I. Ondelettes de Haar DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  5. II. Transformée de Haar 1D (méthode 1) Signal numérique unidimensionnel de taille n=8= : ETAPE 1: • On forme les paires : • On calcule les moyennes : • On calcule les détails : • On forme le vecteur ETAPE 2: • On forme les paires : • On calcule les moyennes : • On calcule les détails : • On forme le vecteur ETAPE 3: • On forme les paires : • On calcule les moyennes : • On calcule les détails : • On forme le vecteur TH d’ordre 1 DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI TH d’ordre 2 TH d’ordre 3

  6. II. Transformée de Haar 1D (méthode 2) ETAPE 1: avec ETAPE 2: avec ETAPE 3: avec Donc on a directement: Avec TH d’ordre 1 TH d’ordre 2 DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI TH d’ordre 3

  7. III. Transformée de Haar 2D Image numérique: • Méthode 1: on réitère la transformée de Haar sur chacune des lignes et colonnes de et on obtient • Méthode 2: on trouve directement . Avec cette méthode on a directement la transformée de Haar inverse: Signal unidimensionnel DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  8. Organisation suite à la TH d’ordre 1 DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  9. Organisation suite à la TH d’ordre 2 DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  10. IV. Compression d’image Exemple de transformée de Haar à l’ordre 2 d’une image. Les coefficients d’approximation (moyenne) sont filtrés avec un filtrage passe-bas. Les coefficients de détail sont filtrés avec un filtrage passe-haut. DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  11. IV. Compression d’image Transformée de Haar Suppression des hautes fréquences (pertes irréversibles) Transformée de Haar inverse DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  12. IV. Compression d’image Image d’origine Image compressée DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  13. V. Détection de contours Les informations sur le contour sont contenues dans la moyenne du détail et dans le détail de la moyenne. On ajoute alors ces deux matrices pour former la matrice contours. DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  14. V. Détection des contours On retrouve l’image contenant les informations des contours DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  15. VI. Débruitage d’une image • On bruite notre image en simulant un bruit blanc gaussien de moyenne nulle. • On crée une fonction de seuillage dont le paramètre détermine le minimum de la matrice. • C’est-à-dire que toutes les valeurs seront nulles. DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  16. VI. Débruitage d’une image Image bruitée Image débruitée DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

  17. Conclusion • En comparaison avec la DCT, la compression par ondelettes de Haar offre une plus grande finesse au niveau de l’analyse du signal et permet de mieux s’adapter aux propriétés locales de l’image. DAVID-LAGDIM-PERETTI-PIERSON-UGOLINI

More Related