Traitement d’Images Numériques
Convolution & Transformation de Fourier 3
16 mars 2025
Table des matières
1 Transformations d’images 2
1.1 Transformations ponctuelles . . . . . . . . . . . . . . . . . . . . . 2
1.2 Transformations locales . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Transformations globales . . . . . . . . . . . . . . . . . . . . . . . 2
2 La convolution numérique 2D 2
2.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3 Problème des bords . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3 La transformation de Fourier 3
3.1 Basses fréquences . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.2 Hautes fréquences . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3.3 Transformée de Fourier Discrète (TFD) . . . . . . . . . . . . . . 3
3.4 Spectre fréquentiel . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4 Exercices 4
5 En résumé 4
1
1 Transformations d’images
Les images peuvent subir différents types de transformations pour modifier
ou analyser leur contenu. Il existe trois types principaux de transformations :
1.1 Transformations ponctuelles
Ce sont les transformations les plus simples. Elles modifient la valeur d’un
pixel en fonction de sa valeur actuelle. Par exemple, si un pixel a une intensité
de 100, une transformation ponctuelle pourrait le remplacer par une intensité
de 150. Un exemple courant est l’ajustement de la luminosité ou du contraste
d’une image.
1.2 Transformations locales
Ces transformations prennent en compte non seulement un pixel, mais aussi
ses voisins. Par exemple, pour calculer la nouvelle valeur d’un pixel, on peut
utiliser une moyenne pondérée des valeurs des pixels voisins. Un exemple clas-
sique est la convolution, qui est utilisée pour appliquer des filtres à une image
(comme un flou ou une détection de contours).
1.3 Transformations globales
Ces transformations prennent en compte tous les pixels de l’image pour
calculer la nouvelle valeur d’un pixel. Un exemple important est la transfor-
mation de Fourier, qui permet d’analyser les fréquences spatiales dans une
image.
2 La convolution numérique 2D
La convolution est une opération mathématique qui combine deux images
(ou une image et un filtre) pour produire une nouvelle image. Elle est souvent
utilisée pour appliquer des filtres à une image, comme un flou ou une détection
de contours.
2.1 Définition
Si on a une image f (x, y) et un filtre h(x, y), la convolution produit une
nouvelle image g(x, y) définie par :
X
g(i, j) = f (i − u, j − v) · h(u, v)
u,v
Cela signifie que pour chaque pixel de l’image résultante, on prend une
somme pondérée des pixels voisins dans l’image d’origine, en utilisant les poids
définis par le filtre.
2
2.2 Propriétés
La convolution est commutative (f ∗ h = h ∗ f ) et elle est utilisée pour
appliquer des filtres linéaires. Le filtre h(x, y) est souvent un petit noyau (ou
masque) qui définit comment les pixels voisins sont combinés.
2.3 Problème des bords
Lorsqu’on applique la convolution aux bords de l’image, il y a un problème
car certains pixels voisins manquent. Plusieurs solutions existent, comme remplir
les bords avec des zéros, utiliser une convolution partielle, ou créer un miroir de
l’image.
3 La transformation de Fourier
La transformation de Fourier est un outil puissant pour analyser les fréquences
spatiales dans une image. Elle permet de décomposer une image en ses compo-
santes fréquentielles.
3.1 Basses fréquences
Les basses fréquences correspondent aux zones uniformes de l’image, comme
les grandes surfaces de couleur unie. Elles représentent les variations lentes de
l’intensité lumineuse.
3.2 Hautes fréquences
Les hautes fréquences correspondent aux détails fins de l’image, comme les
contours et les textures. Elles représentent les variations rapides de l’intensité
lumineuse.
3.3 Transformée de Fourier Discrète (TFD)
Pour une image numérique, on utilise la transformée de Fourier discrète, qui
est une version numérique de la transformée de Fourier. Elle est définie par :
N −1 N −1
1 X X ux+vy
F (u, v) = f (x, y)e−j2π N
N x=0 y=0
Cette formule permet de calculer les coefficients de Fourier F (u, v) qui représentent
les différentes fréquences dans l’image.
3.4 Spectre fréquentiel
Le spectre fréquentiel est une représentation visuelle des coefficients de Fou-
rier. Le centre du spectre correspond aux basses fréquences, tandis que les bords
correspondent aux hautes fréquences.
3
4 Exercices
Le document (TI-ConvFourier-ElBoustani - Mars2025) propose plusieurs
exercices pour pratiquer la convolution et la transformation de Fourier. Par
exemple, il demande de calculer la convolution de deux images ou de calculer la
transformée de Fourier de certains masques.
5 En résumé
— Convolution : Utilisée pour appliquer des filtres à une image en combi-
nant les valeurs des pixels voisins.
— Transformation de Fourier : Utilisée pour analyser les fréquences
spatiales dans une image, en décomposant l’image en ses composantes
fréquentielles.
