Traitement des images 1 ENSIM 4A SPMI Année 2016/2017 http://perso.univ-lemans.fr/~smontres/ENSIM/TOI2/toi2_1617_RGB.pdf 1 Plan du cours Perception des images, grandeurs photométriques Signaux bidimensionnels Filtrage des images 2 1 Perception des images, grandeurs photométriques • Spectre electromagnétique I La lumière: une source de lumière se décompose comme une somme d’ondes monochromatiques de différentes longueurs λ . On parle alors de spectre de la lumière c f c = 300000 km / s λ= 3 Perception des images, grandeurs photométriques • Spectre électromagnétique II spectre visible spectre complet 4 2 Perception des images, grandeurs photométriques • Système visuel humain I Lorsque notre regard fixe un objet, les rayons lumineux réfléchis par cet objet se focalisent sur une zone particulière de la rétine, la fovea qui est située au centre de la macula, région jaunâtre proche du centre de la rétine, mais légèrement décalée par rapport à l’axe optique de l’œil. La fovea correspond à la zone d’acuité maximale de l’œil. 5 Perception des images, grandeurs photométriques • Système visuel humain II La fonction optique de l’oeil est de focaliser un stimulus de couleur sur sa partie photosensible, la rétine. – La cornée est une membrane transparente et résistante située sur la face avant de l’oeil. – L’iris est une membrane colorée qui fonctionne comme un diaphragme en contrôlant la quantité de lumière qui pénètre dans l’oeil. Son ouverture centrale est la pupille. – Le cristallin est une lentille biconvexe molle qui permet de focaliser le stimulus grâce à sa capacité à modifier sa courbure. – Le corps vitré est un liquide continuellement sécrété et absorbé, dont le rôle est d’assurer la structure autonome de l’œil. La rétine contient deux types de cellules photosensibles : les cônes et les bâtonnets. Les bâtonnets permettent la vision nocturne (vision scotopique) tandis que les cônes permettent la vision diurne (vision photopique). 6 3 Perception des images, grandeurs photométriques • Système visuel humain III La rétine possède 4 à 7 millions de cônes pour 110 à 125 millions de bâtonnets. La fovea se distingue par une concentration maximale de cônes pour une très faible concentration en bâtonnets. Il existe même une zone au centre de la fovea dans laquelle il n’y a que des cônes, la foveola. 7 Perception des images, grandeurs photométriques • Système visuel humain IV Expérience de Mariotte (1620-1684): Mise en évidence de la tache aveugle 8 4 Perception des images, grandeurs photométriques • Système visuel humain V Les cônes et les bâtonnets ont deux fonctions différentes: •Bâtonnets: sensibles aux formes, fonctionne même avec une faible luminosité (vision scotopique) •Cônes: sensibles aux couleurs et aux détails, ils ne fonctionnent qu’a la lumière du jour (vision photopique) L’acuité visuelle est le fait des cônes. Une vision précise des détails n’est possible que si l’œil les fixe-> formation de l’image au centre de la fovéa (densité maximale de cônes) 9 Perception des images, grandeurs photométriques • Système visuel humain VI Pouvoir séparateur de l’œil: environ 1’ α d D tg (α ) = d D Exemple: avec D = 1m, α = 1’ on a d = 0.3 mm 10 5 Perception des images, grandeurs photométriques • Système visuel humain VII Sensibilité relative des différentes λ du spectre visible sur la rétine Vλ maximum d ’efficacité à 555 nm (dans le vert) 1 forme gaussienne : tend vers des valeurs très basses aux 2 extrémités du spectre 0,5 0 400 C’est le spectre d ’action de la lumière sur la rétine ou spectre d ’absorption de la lumière par la rétine 500 600 700 λ 11 Perception des images, grandeurs photométriques F flux lumineux: c’ est l’énergie lumineuse rayonnée par une source de lumière par unité de temps: Débit de lumiè lumière 12 6 Perception des images, grandeurs photométriques ds F= S ∫∫ E ds s 13 Perception des images, grandeurs photométriques • E :Eclairement. Cest le flux lumineux reçu par unité surface • Unité: Le lux lx • F: Puissance totale de la lumière reçue par une surface • Unité: Le lumen lm • 1 lux = l lumen/m² 14 7 Perception des images, grandeurs photométriques • plein soleil jusqu'à 100 000 lux • près d'une fenêtre par temps couvert : 1000 à 3000 lux • pleine lune dans un ciel clair : 0,25 lux • salle de séjour 150 lux • salle de classe 400 lux 15 Perception des images, grandeurs photométriques Intensité lumineuse d’une source: I définie pour une source de lumière ponctuelle dans une direction donnée, C’est le flux lumineux par unité d’angle solide Unité: le candela cd 1 Candela = 1 lumen / stéradian Source ponctuelle I= dΦ dΩ dΩ 16 8 Perception des images, grandeurs photométriques Angle solide α Ω = 2π (1 − cos(α )) A un angle au sommet (2α α) de 360° correspond un angle solide de 4π π stéradian 17 Perception des images, grandeurs photométriques Luminance L d’une source: L définie l’intensité lumineuse d’une source de lumière non ponctuelle. C’est l’intensité lumineuse par unité de surface perpendiculaire à la direction d’émission Unité: le nit L= 1 nit = 1 Candela / m² dI dS . cos(ϑ ) Ordres de grandeurs: θ Ampoule de 100W -> 3x106 nits Ciel couvert dS -> 2x104 nits Tube cathodique -> 1x108 nits 18 9 Perception des images, grandeurs photométriques Efficacité lumineuse K : définie le rapport entre le flux lumineux F et le flux de puissance rayonnée Φ K= F Φ Unité: lumen/Watt K, F et Φ sont des grandeurs globales qui prennent en compte la totalité du spectre visible ∞ ∞ ∫ ∫ F = F (λ )dλ = K λ Φ (λ ) dλ 0 Lien entre la densité d’efficacité lumineuse Kλ et la sensibilité relative de l’œil Vλ 0 K λ = 620 Vλ 19 Perception des images, grandeurs photométriques • Système visuel humain VIII Courbes d’efficacités lumineuses: Vision diurne ou photopique : L > 10 nits Vision nocturne ou scotopique : L < 10-3 nits Vλ 1 0,5 400 510 555 600 700 λ (nm) 20 10 Perception des images, grandeurs photométriques • Photographie quantitative I Energie du flux lumineux à travers une surface: elle se conserve Flux incident Fi Flux réfléchi Fr Flux absorbé Fa Fi = Fa + Ft + Fr Flux transmis Ft 21 Perception des images, grandeurs photométriques • Photographie quantitative II On déduit des indices précédents des quantités normalisées rapporté au flux incident. On obtient de cette façon les facteurs d’absorption, de réflexion et de transmission α,β et ρ: α = Fa Fi ρ = Fr Fi τ = Ft Fi α + ρ + τ = 1 22 11 Perception des images, grandeurs photométriques • Photographie quantitative III Α partir de ρ et τ on définit des grandeurs logarithmique appelées densités optiques permettant l’analyse d’image reproduit par des matériels photographique. dτ = log 10(1 / τ ) d ρ = log 10(1 / ρ ) dρ et dτ sont respectivement les densités optiques par réflexion et par transparence 23 Perception des images, grandeurs photométriques • Photographie quantitative IV Moyennant quelques traitements chimiques, l’exposition d’un film à la lumière provoque une couche de grains microscopique dont la concentration est contrôlée par l’exposition ε L’exposition ε est proportionnelle à l’éclairement et au temps d’exposition du film, ε = E T La densité optique est reliée à l’exposition. C’est la courbe de Hurter-Driffield dmax dτ = γ log 10(ε ) dτ γ est le contraste γ log10(ε) d0 24 12 Perception des images, grandeurs photométriques • Perception des luminances I La luminance apparente d’un détail d’une image (différent de la luminance physique) dépend de l’adaptation locale et globale du système visuel. Adaptation locale rapide: permet de faire apparaître clairement les détails d’une image Adaptation globale: plus lente, elle couvre une gamme très large d’éclairement: 0.00003 lux à 100000 lux. Effet de contraste simultané: la luminance apparente d’une zone dépent de sa luminance effective et de celle de son voisinage Quel carré gris parait le plus clair ? 25 Perception des images, grandeurs photométriques • Perception des luminances II Distinction à effectuer entre luminance effective et luminance apparente Luminance effective L Objectif Luminance apparente B Subjectif Echelon liminaire de luminance: Plus petite différence de luminance perceptible ∆L 26 13 Perception des images, grandeurs photométriques • Perception des luminances III Phénomène de Mach: l’œil accentue les discontinuités au changements brusques de contraste 27 Perception des images, grandeurs photométriques • Perception des luminances IV Loi de Weber-Fechner: ∆L/L = CW Relation B, L: B = k1 log (L) + k2 (relation approximative logarithmique de la perception des luminances) Cw = 0.01 28 14 Perception des images, grandeurs photométriques • Différentes représentation des Images Les images monochromes ou niveaux de gris, quand elle peuvent être représentées par une fonction f(x,y) qui traduit une certaine grandeur (intensité lumineuse par exemple) du point (x,y). Un cas particulier correspond aux images binaires pour lesquelles 2 valeurs seulement sont permises Les images trichromes (ou images couleur) une couleur quelconque peut être synthétisée par l’utilisation de 3 couleurs de base. Une image couleur est en pratique trichrome et est représentée par 3 fonctions Les images multi-spectrales : généralisation du cas précédent, conduisant à n tableaux de nombres. 29 Perception des images, grandeurs photométriques • Représentation d’une image bitmap 12 pixels Pixel 19 pixels La couleur de chaque pixel est codée par x bits : 1 bit : 2 couleurs (noir & blanc) 4 bits : 16 couleurs 8 bits : 256 couleurs ou niveaux de gris 16 bits : 65536 couleurs 24 bits : 16777216 couleurs (« vraies couleurs ») 32 bits : 4 294 967 296 couleurs 30 15 Signaux bidimensionnels Signal numérique bidimensionnel: Fonction réelle où complexe de deux variables entières indépendantes. Etendue: Domaine de variation des variables entières définissant l’image. x ( k1,l1 ) x ( k1,l2)..... x ( k1,lL ) x ( k 2,l1) x ( k ,l ) = M M x ( k K ,l1) 31 Signaux bidimensionnels Le plan des pixels l k 32 16 Signaux bidimensionnels Impulsion unité bidimensionnelle 1 si k = l = 0 δ (k , l ) = 0 ailleurs l k 33 Signaux bidimensionnels Exemple 1 x(k , l ) = δ ( k , l ) + δ (k − 1, l ) + δ ( k − 1, l − 1) + δ (k , l − 1) l k 34 17 Signaux bidimensionnels Echelon bidimensionnel 1 si k ≥ 0 et l ≥ 0 U (k , l ) = 0 ailleurs k l 35 Signaux bidimensionnels Exemple 2: Quadrant inférieur gauche 1 si k ≤ 0 et l ≤ 0 U ( − k ,− l ) = 0 ailleurs l k 36 18 Signaux bidimensionnels Echelon bidimensionnel 1 si k ≥ 0 et l ≥ 0 U (k , l ) = 0 ailleurs l k 37 Signaux bidimensionnels Porte bidimensionnelle 1 si 0 ≥ k ≥ K − 1 rect K , L ( k , l ) = et si 0 ≥ l ≥ L − 1 0 ailleurs l L 0 K k 38 19 Signaux bidimensionnels Exemple 3 rect K ,L ( k − 1, l − 1) l L 0 1 K k 39 Signaux bidimensionnels Porte en fonction de l’échelon: rect K , L (k , l ) = U (k , l ) − U (k , l − 1) − U (k − 1, l ) + U ( k − 1, l − 1) 40 20 Signaux bidimensionnels Demi-plan l positif: dplp(k , l ) = U (k , l ) + U (− k − 1, l ) 41 Signaux bidimensionnels Exemple 3: sinusoide bidimensionnelle x(k , l ) = sin(2π (k + l ) / λ ) 42 21 Signaux bidimensionnels Définition: signal séparable x(k , l ) = x1 (k ) x2 (l ) Exemples: rect K , L (k , l ) = rect K (k )rect L (l ) U (k , l ) = U (k )U (l ) δ (k , l ) = δ (k )δ (l ) 43 Signaux bidimensionnels Transformée de Fourier bidimensionnelle (cas continue): +∞ +∞ F (u , v) = ∫ ∫ f ( x , y )e − 2πj ( xu + yv ) dxdy −∞ −∞ TF 2d usuelles: δ ( x, y ) δ ( x − x0 , y − y 0 ) ⇔ 1 ⇔ exp(−2πj ( x0u + y0 v) exp(−π ( x 2 + y 2 )) ⇔ exp(−π (u 2 + v 2 )) rect ( x, y ) ⇔ sinc(u ) sinc(v) 44 22 Signaux bidimensionnels Quelques propriétés de le TF2D: f ( ± x, ± y ) f1 ( x) f 2 ( y ) ⇔ ⇔ F ( ±u ,± v ) F1 (u ) F2 (v) f * ( x, y ) ⇔ F (−u ,−v) f ( x − x0 , y − y0 ) ⇔ f ( x, y ) ∗ ∗h( x, y ) ⇔ e − 2πj ( x0u + y0v ) F (u , v) F (u, v) H (u , v) 45 Signaux bidimensionnels Transformée de Fourier bidimensionnelle (cas discret): X ( f , g) = ∑∑ x(k , l )e k −2πj ( fk + gl ) l Conditions d’existence: ∑∑ x(k , l ) < +∞ k l 46 23 Signaux bidimensionnels Propriétés: X ( f + 1, g + 1) = X ( f , g ) Périodicité dans les deux dimensions La transformée de Fourier d’un signal bidimensionnel discret est entièrement déterminée par ses valeurs prise sur un plan de surface unité dans le plan f,g: c’est sa période principale − 1 1 1 1 ≤ f ≤ et − ≤ g ≤ 2 2 2 2 47 Signaux bidimensionnels Différents choix pour la période principale: g g f f Transformée de Fourier bidimensionnelle inverse: 1 2 x( f , g ) = 1 2 ∫ ∫ X ( f , g )e 2 π j ( fk + gl ) dfdg 1 1 − − 2 2 48 24 Signaux bidimensionnels X ( f , g) X ( f , g) X ( f , g) 2 f et g représentent des fréquences spatiales arg( X ( f , g )) 49 Signaux bidimensionnels Exemple 1: impulsion unité bidimensionnelle X d ( f , g) = ∑∑ d (k , l )e k −2πj ( fk + gl ) l X d ( f , g ) = 1 f ,g 50 25 Signaux bidimensionnels Exemple 2: porte bidimensionnelle centrée K L ,l + ) 2 2 x(k , l ) = rect K , L (k + X p ( f ,g) = ∑∑e k − 2 π j ( fk + gl ) l 51 Signaux bidimensionnels X p ( f , g) = sin(πfK ) sin(πgL ) . sin(πf ) sin(πg ) X p ( f , g) 52 26 Signaux bidimensionnels 53 Signaux bidimensionnels Exemple 3: sinusoide bidimensionnelle x(k , l ) = sin(2π (k + l ) / λ ) X ( f , g) = ∑∑ sin(2π (k + l ) / λ )e k −2πj ( fk + gl ) l 54 27 Signaux bidimensionnels 55 Signaux bidimensionnels Exemple 4: sinusoide bidimensionnelle x(k , l ) = sin(2π l / λ ) X ( f , g) = ∑∑ sin(2π l / λ )e k −2πj ( fk + gl ) l 56 28 Signaux bidimensionnels x( k , l ) = sin(2π l / λ ) avec λ = 30 57 Signaux bidimensionnels x (k , l ) = sin( 2π (k + l ) / λ ) avec λ = 30 58 29 Signaux bidimensionnels x (k , l ) = sin( 2π l / λ ) avec λ = 15 59 Signaux bidimensionnels x (k , l ) = sin( 2π k / λ ) avec λ = 30 60 30 Signaux bidimensionnels x(k , l ) = sin(2π (−k + l ) / λ ) avec λ = 15 61 Signaux bidimensionnels x (k , l ) = sin( 2π k / λ ) sin( 2π l / λ avec λ = 30 62 31 Filtrage des images Définition: système numérique bidimensionnel: C’est un opérateur mettant en correspondance deux ensembles de signaux y ( k , l ) = S [ x ( k , l )] Transformation d’une image Définition: systèmes linéaires invariants par translation dans le plan: y (k , l ) = ∑∑ x(m, n) g (k − m, l − n) m n Convolution bidimensionnelle y ( k , l ) = x (k , l ) * *g (k , l ) Notation: 63 Filtrage des images Stabilité d’un système numérique bidimensionnel, ∑ ∑ k g ( k , l ) < +∞ l Dans le domaine fréquentiel: Y ( f , g ) = X ( f , g )G ( f , g ) G est la réponse fréquentielle bidimensionnelle 64 32 Filtrage des images Equation aux différences bidimensionnelle, R1 C1 ∑∑ a r ,c y ( k − r , l − c) = r =0 c =0 R2 C2 ∑∑ b r ', c ' x ( k − r ' , l − c' ) r '=0 c '=0 C’est une représentation d’un système linéaire invariant par translation, F F x(k,l) y(k,l) F est un filtre numérique bidimensionnel 65 Filtrage des images Cas d’un filtre à réponse impulsionnelle finie, y (k , l ) = M − 1 n −1 ∑ ∑ x (m , n) g (k − m , l − n) m =0 n=0 La réponse impulsionnelle g(k,l) est alors restreinte à une matrice de dimensions (M,N) Exemple avec: M=N=3 g (−1,−1) g ( −1,0) g (−1,1) g (0,−1) g (0,0) g (0,1) g (1,−1) g (1,0) g (1,1) 66 33 Filtrage des images 67 Filtrage des images Mécanisme de la convolution 2d 0 1 0 1 0 11 01 1 2 0 2 3 -1 1 0 1 0 1 11 0 00 1 0 0 3 0 1 1 0 1 11 00 1 0 0 1 0 -1 0 0 1 1 3 0 2 4 -1 0 1 1 0 2 2 1 4 1 2 -1 0 2 3 -1 1 RECOMMENCER 68 34 Filtrage des images 1 2 0 2 3 -1 1 0 0 0 0 0 0 0 1 0 0 3 0 1 1 0 0 0 0 0 0 0 1 0 0 1 0 -1 0 0 0 0 0 0 0 0 1 3 0 2 4 -1 0 0 0 0 0 0 0 0 1 1 0 2 2 1 4 0 0 0 0 0 0 0 1 2 -1 0 0 0 0 0 0 0 2 3 -1 1 y(k,l) x(k,l) 69 Filtrage des images y (0,0) = 0 × 0 + 1× 0 + 0 × 0 + 1× 0 + 1× 1 + 2 × 0 + 0 × 0 + 1× 1 + 0 × 0 0 1 0 1 1 02 0 2 3 -1 1 2 0 0 0 0 0 0 0 0 11 00 0 3 0 1 1 0 0 0 0 0 0 0 1 0 0 1 0 -1 0 0 0 0 0 0 0 0 1 3 0 2 4 -1 0 0 0 0 0 0 0 0 1 1 0 2 2 1 4 0 0 0 0 0 0 0 1 2 -1 0 0 0 0 0 0 0 2 x(k,l) 3 -1 1 y(k,l) 70 35 Filtrage des images Exemple: Filtre g a**g Image a 0 1 0 1 2 3 5 8 11 0 1 1 4 5 6 12 19 23 0 1 0 7 8 9 11 20 23 71 Filtrage des images Exemple 1: 1 1 1 1 1 1 1 1 1 x 1/9 Filtre moyenneur 72 36 Filtrage des images Exemple 2: 1 1 1 1 -8 1 1 1 Filtre passe haut 1 73 Filtrage des images Exemple 3: 0 -1 0 -1 4 -1 0 -1 0 x 1/9 Filtre laplacien 74 37 Filtrage des images Exemple 4: -1 -1 -1 0 0 0 Filtre différentiateur 1 1 1 horizontal 75 Filtrage des images Exemple 5: -1 0 1 -1 0 1 -1 0 1 Filtre différentiateur vertical 76 38 Filtrage des images Exemple 6: 0 0 0 0 1 0 0 0 0 - 1 1 1 1 1 1 1 1 1 x 1/9 77 Filtrage des images Exemple 4: dans l’espace de Fourier Image D’origine Image filtrée 78 39 Exercice Montrer que le filtre h suivant est séparable, 1 0 −1 1 0 −1 1 0 −1 Vous déterminez pour cela deux filtre 1d h1 et h2 tels que : h = (h 2T ).h1 Soit maintenant la matrice a, signal 2d telle que : 1 2 3 a= 4 5 6 7 8 9 Calculez, a**h, puis (a*h1)*(h2T) , conclusion ? 79 40