Annexe 3

L’exploitation des caractéristiques fréquentielle d’un filtre n’est pas simple dans le cas bidimensionnel comme elle l’est dans le cas
monodimensionnel. L’analyse fréquentielle, ou analyse spectrale, est basée sur le calcul de la transformée de Fourier discrète en deux
dimensions ; généralement c’est la transformée de Fourier rapide (FFT) qui est utilisée pour le calcul. La relation entre l’image fréquentielle
(F(u,v)) et l’image planaire (f(n,m)) est :

Avec N et M les dimensions de l’image.

Une analyse du filtre dans le domaine fréquentiel est enrichissante mais pas trop évidente pour être concrétisé dans un calcul d’une évaluation,
tout de même ça entre dans le cadre de l’analyse. Néanmoins le comportement des filtres en hautes fréquences nous renseigne sur leur
performance pour la préservation des contours et des détails de l’image.

La représentation de Fourier d’une image est elle-même une image avec les axes (abscisse et ordonnée) f x et fy sont ceux des fréquences et
l’amplitude est l’intensité du niveau de gris.

Figure n°1 : image d’origine et sa FFT Figure n°2: image filtrée par la moyenne et sa FFT
De plus, une représentation fréquentielle tridimensionnelle du filtre donne un bon aperçu sur l’effet du filtre, elle est réalisée à l’aide de la
fonction freqz2 de MATLAB.

Figure n°3 : image d’origine et sa FFT2

L’image d’origine est un carré blanc placé sur un fond noir. Sa représentation fréquentielle montre les basses fréquences au milieu avec la plus
grande amplitude au point (0,0). Les hautes fréquences expriment la présence de contour. Plus l’amplitude est grande en hautes fréquences, plus
les contours sont nets.
Comportement des filtres dans les domaines spatial et fréquentiel.

Figure n°4 : image filtrée par la moyenne et sa FFT2

Les filtres de la moyenne, qui sont des filtres passe bas, atténuent fortement les hautes fréquences c’est-à-dire font, presque, disparaître les
détails, adouci les contours dans l’image et introduisent du flou dans la qualité visuelle.
 Figure n°5 : image filtrée par gaussien et sa FFT2

Pour le filtre gaussien, l’amplitude dans les hautes fréquences se trouve atténué ce qui explique que ce type de filtre adouci les contours de
l’image et de ses détails et introduit un peu de flou dans sa qualité visuelle.
 Figure n°6 : image filtrée par Nagao et sa FFT2

Le filtre a éliminé une partie de l’objet et sa représentation fréquentielle est nettement différente par rapport à celle de l’image d’origine surtout
au niveau des hautes fréquences.
 Figure n°7 : image filtrée par médian et sa FFT2

Pour les filtres non linéaires, on remarque que le filtrage du médian a éliminé les coins du carré dans l’image et fait apparaître des harmoniques
dans la représentation fréquentielle.
 Figure n°8 : image filtrée par Wiener et sa FFT2

Le filtre de Wiener conserve bien l’image et son spectre. Aucune différence n’est visible pour l’exemple de cette image.
 Figure n°9 : image filtrée par un homomorphique logarithmique et sa FFT2

Le filtre homomorphique logarithmique plus gaussien rend l’image assez floue. Dans la représentation fréquentielle, une diminution de
l’amplitude du spectre et réduction des hautes fréquences.
 Figure n°10 : image filtrée par une fermeture et sa FFT2

Filtre fermeture ayant un losange (rayon=1) comme élément structurant. Pour cet exemple, ce filtre n’a aucun effet sur l’image mais par contre
un filtre ouverture avec un losange élimine les coins du carré et donne une image filtrée semblable à celle donnée par un filtrage médian.
 Figure n°11 : image filtrée par un passe bas et sa FFT2

Le filtrage passe bas, comme précédemment cité dans le cas du filtre de la moyenne, élimine les hautes fréquences et introduit du flou sur
l’image.
 Figure n°12 : image filtrée par Gabor et sa FFT2

Le filtre de Gabor, qui représente un type particulier de filtrage fréquentiel, a un comportement qui met en valeur les détails et les contours de
l’image. Sa représentation fréquentielle montrent une amplification du spectre en hautes fréquences avec l’apparition d’harmoniques.
 Figure n°13 : image filtrée par un Laplacien et sa FFT2

Le filtre Laplacien qui a un comportement d’un filtrage passe haut et utilisé pour la détection des contours de l’image. La représentation
fréquentielle montre l’accentuation de l’amplitude du spectre en hautes fréquences.
 Figure n°14 : image filtrée par un gaussien laplacien et sa FFT2

Le filtre laplacien of gaussien est un autre modèle des filtres passe haut, il permet la détection des contours de l’image. Le spectre est riche en
harmoniques et les amplitudes en hautes fréquences sont nettement accentuées.
 Figure n°15 : image filtrée par une différence entre une fermeture et une ouverture et sa FFT2

Un exemple particulier de filtrage morphologique est l’association par la différence entre le filtre fermeture et le filtre ouverture. Les deux filtres
ont le même élément structurant qui est un losange de rayon 1. Une caractéristique principale de cette association est la génération d’un filtre
passe haut capable de détecter des contours de type pointe.
Cas d’une image affectée par un bruit impulsionnel

(a) (b)
(c)

(d) (e)
(f)

Figure n°4.3 : représentation fréquentielle de l’image bruitée (d), son filtrage par la moyenne (e) et par gaussien
(f)
(a) image d’origine, (b) filtrage de la moyenne et (c) filtrage gaussien

(a) (b)
(c)

(d) (e)
(f)

Figure n°4.4 : représentation fréquentielle des images filtrées par médian (d), par Wiener (e) et par une fermeture
(f)
(a) image filtrée par médian, (b) filtrage Wiener et (c) filtrage fermeture avec losange
Le bruit impulsionnel se manifeste dans le domaine fréquentiel par un ensemble de pics. Le
filtre de la moyenne a pratiquement réduit à zéro les niveaux des hautes fréquences et a
abaissé ceux des basses fréquences ce qui revient à un lissage de bruit mais aussi des détails
de l’image, alors que les filtres gaussien, de Wiener et fermeture sont visiblement inefficaces
contre ce type de bruit puisque les pics des fréquences ne sont pas ou seulement peu atténués.
Enfin, le filtre médian a une représentation fréquentielle semblable à celle de l’image
d’origine c'est-à-dire élimination totale du bruit mais avec l’inconvénient de la réduction de
certains détails de l’image.
Cas d’une image affectée par un bruit additif

(a) (b)
(c)

(d) (e)
(f)

Figure n°4.5 : représentation fréquentielle de l’image bruitée (d), son filtrage par la moyenne (e) et par gaussien
(f)
(a) image d’origine, (b) filtrage de la moyenne et (c) filtrage gaussien

(a) (b)
(c)

(d) (e)
(f)

Figure n°4.6 : représentation fréquentielle des images filtrées par médian (d), par Wiener (e) et par une fermeture
(f)
(a) image filtrée par médian, (b) filtrage Wiener et (c) filtrage fermeture avec losange
La représentation fréquentielle confirme l’effet du filtrage de la moyenne sur l’image bruitée
en éliminant les hautes fréquences indépendamment du bruit présent. Le filtre gaussien
diminue légèrement la présence du bruit dans l’ensemble de l’image et réduit les variations
dans le spectre. Le filtrage médian diminue le bruit mais avec des pertes dans l’image. Le
filtre de Wiener atténue bien le bruit dans toute l’image mais sans vraiment l’éliminer. Enfin,
le filtre fermeture réduit très peu la présence du bruit.
Cas d’une image affectée par un bruit multiplicatif

(a) (b)
(c)

(d) (e)
(f)

Figure n°4.7 : représentation fréquentielle de l’image bruitée (d), son filtrage par la moyenne (e) et par gaussien
(f)
(a) image d’origine, (b) filtrage de la moyenne et (c) filtrage gaussien

(a) (b)
(c)

(d) (e)
(f)

Figure n°4.8 : représentation fréquentielle des images filtrées par médian (d), par Wiener (e) et par une fermeture
(f)
(a) image filtrée par médian, (b) filtrage Wiener et (c) filtrage fermeture avec losange
Le bruit multiplicatif fait apparaître, dans le domaine fréquentiel, des harmoniques. Le filtre
de la moyenne, comme d’habitude, élimine les hautes fréquences indépendamment du bruit et
ajoute du flou à l’image. Le filtre gaussien diminue l’amplitude des harmoniques dans le
spectre ce qui correspond à la réduction du bruit mais sans l’éliminer complètement. Le
médian atténue le bruit et dégrade les détails de l’image. Le filtre de Wiener parait peu
efficace puisque les images bruitée et filtrée ont le même spectre. Enfin, le filtre fermeture
réduit le bruit mais élimine les détails de l’image.