Documente Academic
Documente Profesional
Documente Cultură
Jean-Marc Vezien
Vezien@limsi.fr
TDs:
ImageJ (java)
Traitement GPU (GLSL)
Jean-Marc Vezien
Vezien@limsi.fr
Multimédia Vision
Cinéma Industrielle
Photo Inspection
Indexation web Montage
Réalité Augmentée
Fabrication
Imagerie Vision
Imagerie Satellite Robotique
Imagerie Médicale Télé-opération
Véhicules autonomes
Perception 3d = Reconstruction 3d
L’analyse sémantique:
image description de haut niveau
«image understanding»
Concepts fondamentaux du
traitement d’images
Images 2D (généralisation possible)
Amplitudes =
Réels (voire complexes) ou
Entiers = quantification des valeurs sur un ensemble
discret (ex: 24 bits)
M colonnes
X
N lignes
Valeur L(x,y,z, , t)
Multibust (ref)
720p observé
http://www.hdtvexpert.com
Sources
d'éclairement
Projection perspective:
x
P(x0,y0,z0)
plan focal o
p(x,y)
point focal
f
x0 y0
p ( x, y ) p ( d ,d )
z0 f z0 f
f = distance focale
Astigmatisme (irisations)
Linéarité:
c gain a offset 0 3
Sensibilité:
Bruit photonique :
RSBphoto 10 log10 ( T ) dB
T = temps d’observation
ρ = densité de photons par unité de temps.
Le bruit thermique
courant en l’absence de lumière = courant d’obscurité.
4°C 25°C
Refroidir le capteur.
Le bruit de lecture
dépend de la fréquence de lecture sur le
CCD. Pour des signaux faibles et des
fréquences de lecture importantes.
Le bruit d’amplification
bruit gaussien généré par les différents
étages d’amplification. Presque négligeable
désormais.
Le bruit de quantification
RSBquant 6B 11 dB
c(i, j ) ij a(i, j ) ij
Coefficients et estimés par calibration
Zone sensible
Zone non sensible
X aYa
Facteur de remplissage: Fr 100%
X oYo
• Emettre une image, si 128 kbps -> 16ko/s -> 500/16 s = 30s !
• En 4G: 1/5 sec.
• Flash xenon Flash led (moins gourmand)
• Vidéo HD possible !
IMAGE CONTINUE
fc(x,y) continue
x,y continus
Reconstruction Echantillonnage
spatiale spatial
IMAGE DISCRETE
fd(xi,yi) continue
xi,yi entiers
d
d(0)=1
d(n) = 0 pour n ≠ 0
d (n) 1
n n
2 2
avec u et v
x y
fF 1
F(u) f(x)
2 iux
f ( x) F (u ) e du
F (u ) f ( x) cos(2πux)dx i f ( x) sin(2πux)dx F(u) = F(u)e i (u )
Transformation bidimensionnelle:
F (u, v)
f ( x, y )e 2i ( ux vy ) dxdy
2 i ( ux vy )
f ( x, y ) F (u , v ) e dudv
clair
T 2d
Soit fmax fréquence maximale: fmax
1
2d
sombre d
M 1 N 1 2 i (
ux vy
)
x
1
F (u, v)
M N
f ( x, y)e
0 0
M N
M 1 N 1 2 i (
ux vy
)
f ( x, y ) F (u, v)e
0 0
M N
y
Complexité = M2.N2
u
Si M=2K1 et N=2K2 FFT (Fast Fourier Transform)
M.N.log(M.N)
N 1
1 M 1 2i
F(u,v)
1
vy
f(x, y)e 2i e
ux
M M
N 0 M 0
F(u,y)
Successivement deux algorithmes de FFT monodimensionnels, l'un sur les
lignes, et l'autre sur les colonnes.
1D
horiz.
f(x,y) 1D F(u,y)
vert.
F(u,v)
N N2 Nlog2N Gain
* f(x,y) * g(x,y)
g(x,y)
f(x,y) fF
• fF-1 f(x,y) * g(x,y)
g(x,y) fF
Fc(u,v)
Spectre de la bande
principale
Fc(u,v) umax
u
Spectre de la bande
principale
u
u
u v
u max et vmax
2 2
umax et vmax
x y
l= Tc /2
Période de la
demi-sinusoïde
2
fc x l
Tc fc
Passe-bas idéal:
v
H (u, v ) 1 si u et v
x y
1 u
H (u, v ) 0 sinon
sinc(x)=sin(x) / x
fd(x)
Fonction image
discrète
h(x)
0
x
Fonction image
reconstruite
1
Ordre 0:
constant par palier (défaut)
x x
x
2 2
H0(u) Perte de résolution
Repliement en
fréquence
x
u
-2/x 2/x
1
Fonction
d’interpolation =
x triangle
- x / 2 x / 2
Espace de Fourier =
Sinc 2
u
2π 2π
x
x
Interpolation linéaire
entre les points
x
A
B
Interpolation
x
bidimensionnelle: C
a b
c d
y
Interpolation bilinéaire:
fc(x0,y0) A
B
U x0 x
C
V
y0
D
y (x0,y0)
a b
c d
e f
Sinc (idéal) 0 0
Carré (ordre 0) 26.9 15.7
Triangle (ordre 1) 44.0 3.7
gaussienne 38.6 10.3
3 x
( = , x = y )
8
54.6 2.0
4 x
( = , x = y )
8
5 x 66.7 0.3
( = , x = y)
8
Codes 11
r3
10
r2
01
r1 4 niveaux
00
r0
Entrée
Fc(xi,yi)
continue
d0 d1 d2 d3 d4
di = niveaux de décision
ri = niveaux de reconstruction spatiale
8 bits 7 bits
a b
6 bits 5 bits
c d
4 bits 3 bits
e f
2 bits
Erreur de discrétisation:
M 1 d i 1
e2 ( f R )
i 0
i
2
P( f ) df
di
e 2
P(f) = probabilité qu’un pixel(iait d i f. 2
) une intensité Ri Ri 1
0
d i
d i 1
fP ( f )df
e 2
(ii ) R di
0
R i i d i 1
di P( f )df
Ri et di sont liés !
Solution empirique:
Surfaces égales
P(f)
f
d0 d1 d2 d3 d4 d5 d6 d7
f
T : inversible et produire
Transformation T
un histogramme plat pour T = égalisation
T(f)
appliquer la quantification d’histogramme
Quantification linéaire
linéaire ^
T( f )
T existe = égalisation Transformation inverse T-1
d’histogramme ^
f
Appliquée aussi bien aux
niveaux de décision que
1
de reconstruction. j
T(i)
significatifs:
g h
F(i,j) → G(i,j)
n niveaux de gris → 2 niveaux
Plusieurs techniques possibles:
• seuillage fixe
• seuillage aléatoire
• seuillage ordonné
• seuillage par diffusion d’erreur
• Avantage: ultra-rapide
• Inconvénient: flexibilité réduite, seuil choisi sur toute l’image
• Implémentation:
Choix d’une loi de probabilité
Tirage de la loi sur chaque pixel = image aléatoire
Comparaison pixel à pixel
Ex: Loi gaussienne autour du seuil moyen (127 pour une image 8 bits)
(µ = 127, = 4)
• On définit dans un voisinage N x N une matrice, qui se répète sur toute l’image.
X 7/16
Floyd-Steinberg:
3/16 5/16 1/16
... et on itère.
Il faut calculer:
• Ri = le centre d'inertie du
domaine Di
• Densité de probabilité de Di =
probabilité d'avoir la couleur (RVB)
du domaine Ex: median cut
http://www.micro.magnet.fsu.edu/primer/ja
Problème complexe → solutions sous-optimales va/digitalimaging/processing/colorreduction
/index.html
THE END !