le filtrage d images n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Le filtrage d’images PowerPoint Presentation
Download Presentation
Le filtrage d’images

Loading in 2 Seconds...

play fullscreen
1 / 101

Le filtrage d’images - PowerPoint PPT Presentation


  • 142 Views
  • Uploaded on

Le filtrage d’images. Objectifs du filtrage. Nomenclature. Nomenclature. Les fréquences spatiales. Catégories. Filtres dans le domaine spatial Filtres dans un autre domaine que le spatial (ex. domaine des fréquences) Filtres morphologiques. Filtres dans le domaine spatial.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

Le filtrage d’images


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
    Presentation Transcript
    1. Le filtrage d’images

    2. Objectifs du filtrage

    3. Nomenclature

    4. Nomenclature

    5. Les fréquences spatiales

    6. Catégories • Filtres dans le domaine spatial • Filtres dans un autre domaine que le spatial (ex. domaine des fréquences) • Filtres morphologiques

    7. Filtres dans le domaine spatial • Filtres de lissage (passe bas) • Filtres de détection d’arêtes (passe haut) • Filtres de détection de lignes/de points Voisinage 8 Voisinage 4

    8. Filtres de lissage (passe bas)Application majeure: nettoyage du bruit aléatoire • Filtres linéaires: moyenneur, gaussien • Filtres non-linéaires: ex. médian, divers filtres dits adaptatifs

    9. Hypothèse de base: une valeur qui diffère beaucoup des valeurs de son voisinage immédiat c’est le plus souvent du bruit • Prendre en compte les valeurs de tendance centrale dans le voisinage, aide à supprimer le bruit.

    10. Filtres linéaires (masques de convolution)

    11. Filtre de convolution spatiale

    12. Filtres linéaires N=arrondi (2*σ2+1) σ2 = 3

    13. Filtres linéaires Uniforme (b) Filtre circulaire (R=2.5) a) Filtre rectangulaire (J=K=5) Triangulaire a) Filtre pyramidal (J=K=5) a) Filtre conique (R=2.5)

    14. Filtres non linéaires - Médian - Adaptatif La valeur du pixel central est remplacée par la moyenne de la sous-région avec la variance minimale

    15. Ok ! mais je rends l’image floue en même temps…. Pourquoi? Parce qu’on réduit l’amplitude des arêtes, les contrastes entre objets…. Alors….

    16. Cherche à ajuster l’action du filtre, dote le avec un peu d’intelligence, de finesse…Faits le comprendre qu’il y a une arête ou une cible importante dans le voisinage du pixel ….

    17. Filtre adaptatif de Nagao Remplace le pixel central par la moyenne de l’opérateur avec la plus faible variance

    18. Exemple: bruit dû au scannage des photos

    19. Les filtres adaptatifs

    20. Filtre de détection d’arêtes/de lignes • Gradient • Autres

    21. Arête: notion fondamentale Les arêtes sont des zones de quelques pixels de large marquant une transition entre deux régions homogènes de brillance ou de texture différente

    22. Lignes : Définition dépend de l’échelle de travail Les lignes sont des zones de peu de pixels de large entre deux arêtes en proximité physique

    23. Points (spots): Définition dépend de l’échelle de travail Variation très localisée de la brillance de l’image

    24. Test: trouvons arêtes, lignes, points

    25. Gradient

    26. Sx= Sy c) Magnitude et angle d’orientation du gradient

    27. Est: Nord-Est: Nord : Nord-Ouest KIRCH Le facteur de normalisation de chacun des masques est 1/15 Ouest: Sud-Ouest: Sud: Sud-Est:

    28. Passages par zéro: algorithme de Marr

    29. Max des 4 filtres

    30. Détection de points

    31. Le rehaussement d’arêtes • Masques de convolution • Rehaussement spéciaux

    32. Le rehaussement d’arêtes • Masques de convolution

    33. Masques de convolution Image originale: sans étirement; étirement linéaire; étirement r.carrée Réh. d’arêtes: sans étirement; étirement linéaire; étirement r.carrée

    34. Le rehaussement d’arêtes 2. Rehaussements spéciaux: rehaussement par soustraction d’une image lissée

    35. Rehaussements spéciaux Image originale Image lissée (9x9 gaussien) Soustraction (c=0.6)

    36. Catégories • Filtres dans le domaine spatial • Filtres dans un autre domaine que le spatial (ex. domaine des fréquences) • Filtres morphologiques

    37. Un tour de magie????

    38. La théorie du signal

    39. Un exemple simple

    40. Un exemple simple

    41. .

    42. .