Introduction au Traitement dImages

Filtrage linaire spatial

Filtrage linaire spatial

Le bruit Systmes de filtrage linaires spatiaux Restauration par filtrage linaire spatial
Transformations de voisinage Filtres passe-bas Filtres passe-haut

Traitements des effets de bord

Le bruit
Dfinition
Le bruit est une brusque variation des niveaux de gris pour des pixels isols de limage. Le bruit dgrade la qualit de limage. Ncessit dun traitement pour pouvoir lliminer.

Exemple
Pour une image numrique dune surface homogne, les pixels doivent avoir des valeurs de niveaux de gris proches les unes des autres. Cependant, on peut parfois constater que certains pixels prennent des valeurs plus ou moins loignes. Cest le rsultat de la prsence de bruit dans limage. On peut le caractriser par un bruit impulsionnel, c..d. affectant de brusques variations des pixels isols.

Le bruit (2)
Les sources de bruit sont multiples :
1.

Bruit li aux conditions de prises de vue:

Problmes lis lclairage de la scne. Le boug (dplacement du capteur lors de la prise de vue).

1.

Bruit li au capteur:
Capteur mal rgl. Capteur de mauvaise qualit.

1.

Bruit li la numrisation (chantillonnage et quantification):

Rsolution mal adapte la scne ou lapplication. Convertisseur analogique numrique de faible prcision.

1.

Bruit li la nature de la scne:

Nuages dans les images satellitaires. Poussires dans les scnes industrielles. Brouillard dans les scnes routires. Poils dans les images dermatologiques,

Le bruit (3)

Systmes de filtrage linaires spatiaux

Systme linaire invariant par translation : LSI image dentr e image de sortie

LSI System

Linarit: supporte lajout des lments. Invariance: la translation des lments dentre engendre la mme translation des lments de sortie.

Filtrage avec un systme LSI

Domaine spatial Convolution Domaine frquentiel Multiplication (thorme de convolution)

Systmes de filtrage linaires spatiaux (2)

Rponse impulsionnelle
Cest la rponse dun systme LSI une impulsion dentre.

impulsion

LSI System

rponse impulsionnell e

Un systme LSI est compltement caractris par sa rponse impulsionnelle. tant donnes la rponse impulsionnelle dun systme et son entre, la sortie est dtermine dune manire unique.

Systmes de filtrage linaires spatiaux (3)

Voisinage spatial

choix du voisinage Filtre LSI spatial

Cest un systme LSI dont la rponse impulsionnelle est conditionne par le voisinage spatial considr. Dans ce cas, on parle de filtre, masque, fentre ou rponse impulsionnelle.

Restauration par filtrage linaire spatial

Objectif
Rduire les variations dintensit au sein dune rgion. Respecter lintgrit des scnes: les transitions homognes et les lments significatifs de limage doivent tre prservs au mieux.

Mthodes
Diffrentes mthodes de filtrage suivant le type et lintensit du bruit dans limage ou suivant les applications auxquelles sont destines limage filtre. On distingue:
Filtrage linaire. Filtrage non linaire.

Balayage de limage par un masque ou fentre de taille finie: kernel. Ncessit dune transformation de voisinage.

Restauration par filtrage linaire spatial (2)

Transformations de voisinage
Une transformation de voisinage est telle que la nouvelle valeur dun pixel tient compte des pixels appartenant au voisinage du pixel considr Exemple: la moyenne des 8 pixels voisins est une transformation de voisinage. Le voisinage peut avoir une taille plus ou moins grande (3x3, 5x5, 7x7), et il peut avoir une forme rgulire (carr, rectangle, hexagone) ou bien une forme quelconque.

10

Restauration par filtrage linaire spatial (3)

Transformation de voisinage : produit de convolution
Le produit de convolution de deux fonctions relles ou complexes est donne par:

Dans le cas discret:

Illustration graphique

11

Restauration par filtrage linaire spatial (4)

Transformation de voisinage : produit de convolution
Les produits de convolution, en traitement dimages, sont les oprations qui mettent en jeu l'environnement (voisinage) de chaque pixel.

x(m,n y(m,n) h(m,n) ) ) = h(k , l ) x(m k , n l ) = h(m, n) x(m, n) y (m, n

y ( m, n) =
k ,l = k ,l =

h(m k , n l ) x(k , l ) = x(m, n) h(m, n)

L'application du filtre l'image, consiste dplacer la fentre et remplacer la valeur de chaque pixel par le rsultat de l'opration portant sur ses voisins. Une nouvelle image est ainsi gnre.

12

Restauration par filtrage linaire spatial (5)

Cette opration peut tre schmatise comme suit :

13

Restauration par filtrage linaire spatial (6)

1.

Les filtres passe-bas

Un filtre passe-bas est un filtre qui favorise les basses frquences de limage (rgions lisses). Il permet deffectuer un adoucissement des dtails de limage, ainsi quune rduction du bruit granuleux tout en garantissant le lissage des rgions homognes. Exemple:

14

Restauration par filtrage linaire spatial (7)

Le filtre moyenneur
Le filtre moyenneur est un cas particulier des filtres passe-bas qui a pour but de lisser limage en remplaant chaque pixel par la moyenne des valeurs des pixels adjacents et du pixel 1 ... 1 central.

h(m, n) =
Son masque est de la forme : Exemple

1 N: ... . ... 2 taille N 1 ... 1 du filtre

15

Restauration par filtrage linaire spatial (8)

Le filtre moyenneur

Rq: Utiliser un noyau plus grand comme 5x5 ou 7x7 permet dliminer plus de bruit mais les dtails fins seront effacs et les contours tals.

16

Restauration par filtrage linaire spatial (9)

Le filtre Gaussien
Le filtre Gaussien est un filtre passe-bas linaire dont les coefficients sont ceux dune courbe de Gauss deux dimensions. Son masque est de la forme :

m2 + n2 1 h(m, n) = exp Z 2 2 N m, n N

Il est connu par sa facilit de mise en uvre et la bonne qualit de ses rsultats.

17

Restauration par filtrage linaire spatial (10)

Le filtre Gaussien
Le paramtre s'appelle la dviation standard, et dtermine la largeur de la cloche Gaussienne. Plus est grand, plus la cloche Gaussienne est large. Plus augmente, plus le flou l'image sera marqu et plus les dtails et les contours de limage seront dtruits.

18

Restauration par filtrage linaire spatial (11)

Exemple de filtre de lissage
Filtre 1 6 0 1 0 1 2 1 0 1 0 1 6 Image dentre : 4*4, 4bits/pixel 8 Prtraitement : Zero-padding 8 8 6 6 3 11 8 9 10

9 10 10 7

0 1 6 8 8 8 6 6 0 0 0 0 0 3 11 8 9 10

0 1 6 8 0

0 8 8 0

0 6

0 6

0 0 0 0 0

3 11 8

9 10 0 0 0

9 10 10 7

9 10 10 7

19

Restauration par filtrage linaire spatial (12)

Exemple de filtre de lissage
Dplacer le filtre sur 1 6 limage rsultat.

0 1 0

1 2 1

0 1 0

0 0 0 0 0 0

0 1 6 8 0

0 8 8 0

0 6

0 6

0 0 0 0 0

3 11 8

9 10 0 0 0

9 10 10 7

Calculer la somme pondre. Rsultat.

2.6 4.3 6.2 4.3 4.0 6.5 8.0 7.2 6.5 7.7 9.5 7.3 6.0 7.8 7.7 5.7

round

3 4 7 6

4 7 8

6 8 8

4 7 6

8 10 7

20

Restauration par filtrage linaire spatial (13)

1.

Les filtres passe-haut

Un filtre passe-haut est un filtre qui favorise les hautes frquences de limage (dtails). Il permet donc damliorer le contraste de limage. Il est caractris par un masque ou noyau comportant des valeurs ngatives autour de la valeur centrale. Exemple:

21

Restauration par filtrage linaire spatial (14)

Le filtre Laplacien

2 f 2 f Il est donn par la drive seconde partielle:f = 2 + 2 2 x y

Il est nul dans les rgions lisses et sensibles aux dtails de limage. Son approximation discrte est donne par :

0 -1 0 0 -1 0 0 0 1 1 0 0

-1 -1 -1 -1 8 -1 -1 -1 -1 1 1 1 1 1 1

-1 4 -1

1 -4 1

1 -8 1

22

Restauration par filtrage linaire spatial (15)

Le filtre Laplacien

23

Restauration par filtrage linaire spatial (16)

Filtres linaires daiguisage : sharpening
Combiner le Laplacien avec limage elle mme. 1er cas : centre du masque du Laplacien positif.

g ( x, y ) = f ( x, y ) + 2 f ( x, y )

0 -1 0 -1 4 -1 0 -1 0

-1 -1 -1 -1 8 -1 -1 -1 -1

2me cas : centre du masque du Laplacien ngatif.

1 1

0 0

1 1

1 1

1 1

g ( x, y ) = f ( x, y ) 2 f ( x, y )

1 -4 1 0

1 -8 1

24

Restauration par filtrage linaire spatial (17)

Filtres linaires daiguisage : sharpening
0 0 1 0 0 0 0 0 -1 0

g ( x, y ) =

0 0

f ( x, y ) +

-1 4 -1 0 -1 0

f ( x, y )

0 -1 0

-1 5 -1 0 -1 0 0 0 1 0 0 0 0

f ( x, y )

-1 -1 -1

g ( x, y ) =

0 0

f ( x, y ) + f ( x, y )

-1 8 -1 -1 -1 -1

f ( x, y )

-1 -1 -1

-1 9 -1 -1 -1 -1

25

Restauration par filtrage linaire spatial (18)

Filtres linaires daiguisage : sharpening

26

Traitements des effets de bord

Problmatique
Lutilisation des masques ou noyaux de filtrage engendre les problmes des effets de bords. Ces problmes surviennent lorsque le centre du noyau du filtre est pos sur un pixel situ sur le bord de limage traiter. Une partie donc du noyau ne repose plus sur limage. tant donn un masque de taille n x n et si le centre de ce masque est positionn sur un pixel une distance du bord < (n-1)/2 pixels, alors au moins une ligne ou une colonne du masque ne repose plus sur limage. 1 Exemple 6 8 8 8 6 6 1 6 3 11 8 9 10 0 1 0 1 2 1 0 1 0

9 10 10 7

27

Traitements des effets de bord (2)

Solutions proposes
On peut se contenter comme rsultat de filtrage, seulement de la sous-image maximale sur laquelle on a pu effectuer le filtrage. Lavantage de cette mthode est que lensemble des pixels a t trait avec le mme noyau. A noter que cette mthode nest valable que si lapplication nexige pas de conserver la taille de limage originale intacte. Dans le cas, o lapplication ncessite de conserver la taille de limage aprs filtrage, nous pouvons nappliquer un pixel que la partie du noyau centr sur lui et qui couvre limage. Cette mthode implique que tous les pixels de limage ne seront pas traits avec le masque entier.

28

Traitements des effets de bord (3)

Solutions proposes
Nous pouvons galement utiliser la mthode de rajout de pixels virtuels limage. Cette mthode consiste ajouter dans certains cas des colonnes et des lignes de zros (Zero Padding). Dans dautres cas, nous pouvons recopier des lignes et des colonnes de limage. Ces lignes et colonnes ne sont prises en considration que pour les calculs et ne figureront pas dans limage rsultat. A noter que plus la taille du noyau est grande, plus cette mthode peut entraner des erreurs dans les rsultats. Une autre mthode consiste ne pas filtrer les pixels se trouvant sur les bords et les garder dans limage rsultat.

29