1 / 11

Traitement d’images : briques de base S. Le Hégarat

Traitement d’images : briques de base S. Le Hégarat. Exemples d’images Amélioration d’images Détection de contours Classification Segmentation Analyse de texture. Bibliographie. H. Maître, Le traitement des images , Hermès éditions.

barb
Download Presentation

Traitement d’images : briques de base S. Le Hégarat

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. Traitement d’images : briques de baseS. Le Hégarat Exemples d’images Amélioration d’images Détection de contours Classification Segmentation Analyse de texture

  2. Bibliographie • H. Maître, Le traitement des images, Hermès éditions. • J.-P. Cocquerez & S. Philipp, Analyse d’images : filtrage et segmentation, Masson éditions. • S. Bres, J.-M. Jolion & F. Lebourgeois, Traitement et analyse des images numériques, Hermès éditions.

  3. # colonnes pixel (i,j) # lignes Exemples d’images

  4. ImageS14.ppt Exemples en télédétection

  5. Exemples ‘d’école’

  6. # pixels # pixels # pixels # pixels Niveau de gris Niveau de gris # pixels Niveau de gris Niveau de gris Niveau de gris # pixels Niveau de gris Amélioration d’images • Exemples de méthodes fondées sur des modifications de l’histogramme de l’image : • Translation d’histogramme • Modification de la dynamique • Seuillage

  7. # pixels # pixels # pixels # pixels # pixels Niveau de gris Niveau de gris Niveau de gris Niveau de gris Niveau de gris Spécification d’histogrammes • Egalisation d’histogrammes • Principe : Maximiser l’entropie • Spécification d’histogramme • Objectif : à partir de l’image X et HX, son histogramme, on calcule Y=g(X) ayant HY donné • Théorème : Soit FX la fct de répartition de X, alors la distribution de Z=FX(X) est uniforme • Mise en œuvre : Y= Fy-1(FX(X))

  8. Avant égalisation Après égalisation Avant égalisation Après égalisation Egalisation des cas ‘d’école’

  9. Avant égalisation   Après égalisation Egalisation : autre exemple  Pas de réelle sensibilité visuelle à l’histogramme

  10. +2B +B +B -A -A 0 0 +A +A Egalisation : exercices • Soit une image ayant pour histogramme Calculer sa fonction d’égalisation • Soit une image ayant pour histogramme Calculer sa fonction d’égalisation

  11. Gaussien s=20 Poivre et sel 10% Gaus. s=10, poivre&sel 10% Exemples de bruits Valeurs ‘aberrantes’ en p% pixels de l’image, ex : - Bruit ‘poivre et sel’ Valeurs ‘altérées’ en tout pixel de l’image, ex : - Bruit ‘gaussien’ - Bruit à distribution uniforme - Bruit à distribution de Rayleigh

More Related