TABLE DES MATIÈRE

1 INTRODUCTION ......................................................................................... 2

2 FILTRAGE SPATIAL ................................................................................. 3

2.1 FILTRAGE PASSE BAS ....................................................................... 3

2.1.1 Filtre passe bas linéaire .................................................................... 3

2.1.2 Filtre bas non linéaire ...................................................................... 5

2.2 FILTRAGE PASSE-HAUT ................................................................... 6

3 FITRAGE FREQUENTIEL ........................................................................ 7

3.1 FILTRE PASSE-BAS IDEAL ............................................................... 8

3.2 FILTRE PASSE-BAS DE BUTTERWORTH ..................................... 9

3.3 FILTRE PASSE-HAUT IDEAL ......................................................... 10

3.4 FILTRE PASSE-HAUT DE BUTTERWORTH ............................... 11

3.5 FILTRE PASSE-BANDE..................................................................... 13

4 CONCLUSION............................................................................................ 14

1
1 INTRODUCTION
Comme toute œuvre humaine, L'obtention des images, ne saurait se faire avec perfection, elle
se fait très souvent à l'aide d'un dispositif photographique approprié (caméra, téléphone
portable, scanner...) et l'image en elle-même est souvent meublée de plusieurs erreurs liées à la
qualité du dispositif, au signal ou à des erreurs liées à l'environnement (la poussière, la lumière
du soleil, le climat...) d'où la nécessité de traiter ces images afin de les améliorer.
Le filtrage est un élément clé dans le traitement du signal, c’est une opération ayant pour objet
de réduire, d’éliminer ou de rehausser certains éléments présents dans une image. Une autre
finalité du filtrage est de sélectionner et renforcer certaines bandes de fréquences porteuses de
l’information intéressante. Selon le domaine le filtrage peut être divisé en deux types : le filtrage
spatial et le filtrage fréquentiel. Le filtrage spatial traite directement les pixels individuels de
l'image, tandis que le filtrage fréquentiel se concentre sur les fréquences présentes dans l'image
en travaillant avec la transformée de Fourier de l'image.

Le filtrage d'image à pour but d'améliorer la qualité d'une image numérique. Le terme qualité
peut prendre plusieurs sens suivant la raison qui nécessite d'effectuer cette amélioration. Par
exemple, on parle de qualité visuelle lorsqu'on cherche à avoir un meilleur aspect de l'image ou
de qualité du signal lorsqu'on cherche à atténuer les distorsions liées aux techniques de
numérisation. Le filtrage manipule uniquement les données de l'image numérisée. On ne fait
aucune supposition sur ce que représente l'image. Le résultat obtenu suite à un filtrage dépend
donc énormément de la qualité du signal de l'image d'origine. Si le signal est très détérioré, le
filtrage seul sera très peu efficace. Dans ce genre de situation le filtrage est juste une première
étape dans un traitement plus complexe qui fera intervenir des informations sémantiques sur
l'image Chaque filtre cherche à atténuer un type de défaut bien précis. Il n'y a pas de filtre
universel capable de corriger tous les défauts. Il faut choisir les bons filtres suivant les défauts
que vous désirez corriger.

Dans ce travail, nous allons explorer les concepts fondamentaux du filtrage et les
applications pratiques des techniques de filtrage spatial et fréquentiel, ainsi que leurs avantages
et inconvénients. Nous verrons également comment ces techniques peuvent être combinées
pour obtenir des résultats encore plus performants.

Rehaussement d’image par Filtrage Spatial/Fréquentiel

2
2 FILTRAGE SPATIAL
Le filtrage spatial est une technique de traitement d'images qui consiste à modifier la valeur
de chaque pixel d'une image en fonction des valeurs de ses voisins. Cette opération est souvent
utilisée pour améliorer la qualité d'une image, en réduisant le bruit ou en accentuant certaines
caractéristiques.
De manier général, le bruit est tout ce qu’il n’est pas possible de décrire ou modéliser de manier
déterministe. On doit par conséquent utiliser des modelés stochastiques pour le caractériser.
Les images peuvent être entachées de bruits de nature diffèrent, on distingue ici :

 Le bruit gaussien : c'est un bruit aléatoire qui suit une distribution de probabilité
gaussienne. Il est souvent causé par des fluctuations aléatoires dans les capteurs d'image
et les circuits électroniques.
 Le bruit de poisson : c'est un bruit aléatoire qui suit une distribution de probabilité de
Poisson. Il est souvent causé par des fluctuations aléatoires du nombre de photons
arrivant sur le capteur d'image lors de la prise de vue.
 Le bruit de rayures : c'est un bruit périodique qui se produit lorsque des rayures
horizontales ou verticales sont introduites dans l'image. Il peut être causé par des défauts
dans le capteur d'image ou lors de la transmission de l'image.
 Le bruit de blocs : c'est un bruit qui apparaît sous forme de blocs ou de carrés dans
l'image. Il est souvent causé par une compression d'image excessive ou une mauvaise
transmission de l'image.
 Le bruit de scintillement : c'est un bruit qui apparaît comme une variation aléatoire de
la luminosité dans l'image. Il peut être causé par des conditions de faible luminosité ou
des fluctuations dans l'éclairage.
 Le bruit multiplicatif : ce type de bruit, aussi appelé bruit impulsionnel, provoquer
l’apparition de valeurs isolées très différentes des valeurs aux pixel voisin. Ce type de
bruit peut provoquer des saturation d’illuminance à certains pixels de l’image
Il existe plusieurs types de filtres spatiaux couramment utilisés dans le traitement d'images :

2.1 FILTRAGE PASSE BAS

Un filtre passe-bas est un type de filtre qui permet de laisser passer les fréquences basses
d'un signal tout en atténuant les fréquences hautes. En traitement d'image, les filtres passe-bas
sont utilisés pour réduire le bruit et les détails fins dans une image, en atténuant les hautes
fréquences spatiales. Les filtres passe-bas les plus courants sont le filtre moyenneur, le filtre
gaussien et le filtre médian. Le choix du filtre dépend de l'objectif de traitement et du niveau de
lissage souhaité.

2.1.1 Filtre passe bas linéaire

Les filtres moyenneur et gaussien sont des exemples de filtres passe-bas linéaires. Leurs
caractéristiques respectives sont données ci-dessous.

 Filtre moyenneur :

Le filtre moyenneur calcule la moyenne des niveaux de gris des pixels voisins dans une fenêtre
donnée, puis remplace la valeur du pixel central par cette moyenne. Plus la taille de la fenêtre

3
est grande, plus le lissage est important. Cependant, cela peut conduire à une perte de détails
importants dans l'image.
Une propriété de ce filtre est que : la valeur du pixel est relativement similaire à celle de ses
voisins. Dans ce cas ou l’image contient un bruit et que la propriété précédente est préservée,
un moyennage local peut atténuer ce bruit cette opération est appelée lissage
Pour effectuer un moyennage dans un bloc voisinage de taille d x d on obtient :
𝑑−1 𝑑−1
1 2 2
f’(i, j) = 𝑑2 ∑ 𝑑−1 ∑ 𝑑−1 𝑓(𝑖 + 𝑛 , 𝑗 + 𝑚)
𝑛=− 𝑚=−
2 2

De manière générale pour un filtre de taille d tous les coefficients du filtre ont comme valeur
1 1 1 1 1
𝑤𝑖 =𝑑2 la matrice est donnée par : h = 𝑑2 (11 1 1)
1 1

Exemple :
1 1 1 1
Pour d=3 , on a h = 9 (111 1)
1 1
Nous implémentons ce masque moyenneur 3x3 a une image(lena_color.tiff) sur le logiciel
MATLAB :

Figure 1 : Filtrage moyenneur(3x3) appliquer à une image originale de lena.

Le filtre moyenneur est simple et rapide à implémenter, mais il peut être inefficace pour
supprimer certains types de bruit tels que le bruit impulsionnel ou le bruit de grains. Il n’est pas
robuste aux grands écarts de bruit dans l’image (valeur aberrantes) et lorsque le filtre moyen
chevauche un bord de l’image, il provoque un flou.

 Filtre Gausien :

Le filtrage gaussien est un filtre très important à la fois pour des raison théoriques et pratiques.
Le filtre gaussien utilise une fonction de distribution gaussienne pour pondérer les pixels voisins
dans une fenêtre donnée, en accordant une plus grande importance aux pixels proches du pixel
central. La valeur du pixel central est remplacée par la moyenne pondérée de ces pixels voisins.
Le filtre gaussien est efficace pour supprimer les bruits de type Gaussien, tels que le bruit
électronique ou le bruit de fond. La gaussienne est donné par l’équation suivante :

1 𝑖 2 +𝑗 2
−
𝑔𝜎 (𝑖, 𝑗) = 𝑒 2𝜎2
2𝜋𝜎 2

Avec 0 < 𝑖 < 𝐿1 − 1 , 0 < 𝑗 < 𝐿2 − 1 et la largeur du filtre est donnée par 𝜎 (l’écart-type)

4
La largeur du filtre est donnée par son écart-type σ :
 Si σ est plus petit qu’un pixel le lissage n’a presque pas d’effet.
 Plus σ est grand, plus on réduit le bruit, mais plus l’image filtrée est floue.
 Si σ est choisi trop grand, tous les détails de l’image sont perdus.
On doit trouver un compromis entre la quantité de bruit à enlever et la qualité de
l’image en sortie.

Figure 2 : Filtrage gaussien (3x3 avec 𝜎 = 0.2), (a) originale, (b) appliquer au bruit gaussien
et (c) image filtrer.

Le filtre gaussien est plus lent que le filtre moyenneur en raison de la pondération gaussienne.
La taille de la fenêtre et la variance de la distribution gaussienne sont des paramètres importants
qui peuvent être ajustés en fonction de l'objectif de traitement et du niveau de lissage souhaité.

2.1.2 Filtre bas non linéaire

 Filtre médian :

Le filtre médian fonctionne en remplaçant chaque pixel de l'image par la valeur médiane des
pixels situés dans un voisinage carré (ou rectangulaire) autour du pixel considéré. La taille de
ce voisinage est généralement un paramètre du filtre et peut être ajustée en fonction de la taille
de l'image et du niveau de bruit. Contrairement à d'autres filtres, tels que les filtres moyenneurs
ou gaussiens, le filtre médian ne lisse pas l'image en moyennant les pixels voisins, mais plutôt
en remplaçant chaque pixel par une valeur qui se situe dans l'échelle de gris de l'image. Cela
peut entraîner une légère perte de netteté des contours, mais cela est généralement considéré
comme préférable à l'apparition d'artefacts dus au bruit.
L’equation mathematique de ce filtrage est la suivante :

𝐼𝑠 (𝑖, 𝑗) = 𝑚é𝑑𝑖𝑎𝑛{𝐼(𝑚, 𝑛)|(𝑚, 𝑛) ∈ 𝑆(𝑖, 𝑗)}

Ou 𝑆(𝑖, 𝑗) représente le voisinage de (𝑖, 𝑗).

5
Figure 3 : Filtrage médian : à gauche (image originale) et à droite (image filtré par médian).

Cependant les filtres médians imposent de tirer des valeurs dans la zone de l’image considéré
pour trouver la valeur de médiane. Toutefois, ils présentent deux caractéristiques remarquables :
 Leurs tailles sont facilement modifiables. La mise en œuvre d’un masque diffèrent est
une simple question de boucle « for » dans les lignes de codes.
 Ils suppriment le bruit des images, tout en modifiant très peu les zones non bruitées.

 Filtre bilatéral :

Le filtre bilatéral est une technique de filtrage spatial qui permet de lisser une image tout en
préservant les contours et les détails importants de l'image. Il est utilisé pour réduire le bruit
d'une image tout en maintenant une netteté et une qualité d'image élevées. Le filtre bilatéral
fonctionne en appliquant un noyau de filtre à chaque pixel de l'image. Ce noyau est basé sur
deux facteurs : la distance spatiale entre les pixels et la différence de luminosité entre les pixels.
La distance spatiale est mesurée en nombre de pixels entre deux pixels donnés, tandis que la
différence de luminosité est mesurée en termes de la différence de valeurs de luminosité entre
les pixels. Le filtre bilatéral calcule la moyenne pondérée des pixels voisins en utilisant ces
deux facteurs pour déterminer les poids de chaque pixel dans le noyau. En utilisant ces deux
facteurs pour calculer les poids de chaque pixel, le filtre bilatéral permet de lisser l'image tout
en préservant les contours et les détails importants. Les régions de l'image ayant des différences
de luminosité plus importantes par rapport à leur voisinage seront moins lissées que les régions
ayant des différences de luminosité plus faibles. Le filtre bilatéral est particulièrement utile dans
les images avec des bords et des contours nets, tels que les images de portraits ou de paysages,
car il permet de conserver la netteté et la qualité des contours tout en réduisant le bruit de
l'image. Cependant, le filtre bilatéral est plus complexe et plus coûteux en temps de calcul que
les filtres de base tels que les filtres moyenneurs ou gaussiens.

2.2 FILTRAGE PASSE-HAUT

Un filtre passe haut est un filtre qui permet de laisser passer les hautes fréquences d'un signal
tout en atténuant les basses fréquences. En filtrage spatial, un filtre passe haut est utilisé pour
atténuer les composantes de basse fréquence d'une image. Le filtre passe haut est souvent utilisé
pour mettre en évidence les détails fins d'une image en supprimant les variations de basse
fréquence telles que les niveaux de gris uniformes ou les gradients doux. Cela peut aider à
accentuer les contours, les bords et les détails fins de l'image. Le filtre passe haut peut être
appliqué à une image en utilisant des techniques de convolution telles que la convolution

6
linéaire ou la transformée de Fourier. Le résultat est une nouvelle image qui ne contient que les
détails fins et les contours de l'image d'origine. Cependant, l'utilisation d'un filtre passe haut
peut également avoir des effets indésirables tels que l'apparition de bruit ou d'artefacts d'image.
Il est donc important de choisir le bon filtre et les bons paramètres pour obtenir les résultats
souhaités sans introduire de distorsions indésirables dans l'image.

3 FITRAGE FREQUENTIEL
Le filtrage fréquentiel encore appelé filtrage spectral est une opération en traitement d’images
qui consiste essentiellement à filtrer une image en modifiant son spectre qui est la représentation
des amplitudes de l’image en fonction des fréquences ceci permettra de contrôler l’action
réalisée sur chacune des fréquences de l’image ainsi on peut décider d’atténuer les hautes
fréquences ou au contraire amplifier, ceci se fait à l’aide d’un outil mathématique : la
transformée de Fourier.
Principe général :

 Calculer la transformée de Fourier 𝐼(𝑢, 𝑣) du signal 𝐼(𝑥, 𝑦) à filtrer.

 Calculer la transformée de Fourier 𝐻(𝑢, 𝑣) du filtre ℎ(𝑥, 𝑦).
 Multiplier les spectres 𝐼𝑓𝑖𝑙𝑡𝑟é (𝑢, 𝑣) = 𝐼(𝑢, 𝑣) ∙ 𝐻(𝑢, 𝑣) .
 calculer la transformée de Fourier inverse du spectre obtenu pour afin de déduire 𝐼(𝑥, 𝑦).

Figure 4 : Principe du filtrage fréquentiel.

On distingue aussi dans ce domaine, les filtres passe-bas, passe-haut et passe-bande.

7
3.1 FILTRE PASSE-BAS IDEAL

Il est important de souligner qu’ici le signal parasite ou le bruit correspond aux hautes
fréquences.
Un filtre passe-bas laissera donc passer certaines fréquences, pourvu que celles-ci soient en
dessous de sa fréquence caractéristique dite fréquence de coupure 𝐷0 et sa fonction de transfert
est donnée par :

1 𝑠𝑖 𝐷(𝑢, 𝜈) ≤ 𝐷0
𝐻(𝑢, 𝑣)={
0 𝑠𝑖 𝐷(𝑢, 𝜈) > 𝐷0

𝐷(𝑢, 𝜈) = √𝑢2 + 𝑣 2
𝐷0 : Fréquence de coupure

Figure 5 : Filtre passe-bas idéal.

Ce filtre supprime les composantes fréquentielles ayant une fréquence radiale

√𝑢2 + 𝑣 2 >𝐷0

Problème
𝐺(𝑢, 𝑣) = 𝐹(𝑢, 𝑣) ∙ 𝐻(𝑢, 𝑣)

↓ Théorème de convolution

𝑔(𝑥, 𝑦) = 𝑓(𝑥, 𝑦) ∗ ℎ(𝑥, 𝑦)

Figure 6 : Représentation de la transformé de Fourier d’un filtre passe-bas.

8
 Figure 7: Filtrage passe-bas idéal avec 𝐷0 = 0.49.

3.2 FILTRE PASSE-BAS DE BUTTERWORTH

Le filtr passe-bas de butterworth d’ordre n est defini par :

1
𝐻(𝑢, 𝑣) = 2𝑛
√𝑢2 + 𝑣 2
1+( 𝐷 )
0
𝐷0 : Fréquence de coupure

Figure 8 : Filtre passe-bas de Butterworth.

9
Ce fitre passe-bas obeit aux caracteristiques suivantes :

 Les composantes frequentielles sont d’autant plus atténuées que le couple (𝑢, 𝑣) est loin
de l’origine.
 L’atténuation des hautes frequences varie en fonction de l’odre n du filtre , plus l’ordre
est grand plus l’atténuation des hautes fréquences est importante .
 Moins de flou ( contours moins lissés) qu’avec un fitre pas pas ideal.

Figure 9 : Filtrage passe-bas butterworth avec 𝐷0 = 0.25.

3.3 FILTRE PASSE-HAUT IDEAL

Un filtre passe-haut laissera donc passer certaines fréquences, pourvu que celles-ci soient en
dessus de sa fréquence caractéristique dite fréquence de coupure 𝐷0 et sa fonction de transfert
est donnée par :

1 𝑠𝑖 𝐷(𝑢, 𝜈) ≥ 𝐷0
𝐻(𝑢, 𝑣)={
0 𝑠𝑖 𝐷(𝑢, 𝜈) < 𝐷0

𝐷(𝑢, 𝜈) = √𝑢2 + 𝑣 2
𝐷0 : Fréquence de coupure

10
 Figure 10 : Filtre passe-haut idéal.

Figure 11 : Filtrage passe-haut idéal avec 𝐷0 = 0.45.

3.4 FILTRE PASSE-HAUT DE BUTTERWORTH

Le filtr passe-bas de butterworth d’ordre 𝑛 est defini par :

1
𝐻(𝑢, 𝑣) = 𝐷0
2𝑛
1+( )
2
√𝑢 +𝑣2

avec 𝐷0 : Fréquence de coupure

11
 Figure 12: Filtre passe-haut de butterworth.

Figure 13 : Filtrage passe-haut de butterworth avec 𝐷0 = 3 et n = 3

12
3.5 FILTRE PASSE-BANDE
𝒘
𝟎 𝒔𝒊 √𝒖𝟐 + 𝒗𝟐 ≤ 𝑫𝟎 −
𝟐
𝒘
𝑯(𝒖, 𝒗) = 𝟏 𝒔𝒊 𝑫𝟎 − < √𝒖𝟐 + 𝒗𝟐 < 𝑫𝟎
𝟐
𝒘
𝟎 𝒔𝒊 √𝒖𝟐 + 𝒗𝟐 ≥ 𝑫𝟎 +
{ 𝟐

𝐷0 : Fréquence de coupure
𝑤 : largeur de Bande

Figure 14 : Filtre passe-bande.

Figure 15 : Filtrage passe-bande avec 𝐷01 = 0.49, 𝐷02 = 0.4 et n=2.

13
4 CONCLUSION
De ce travail, qui portait sur le filtrage dans le domaine spatial et fréquentiel, nous avons
exploré les notions fondamentales de filtrage spatial et fréquentiel, ceci de manière applicative,
force nous a été donnée de constaté que selon le type de filtres, certains conduisent à une
interprétation visuelle de qualité moyenne alors que d'autres offrent un meilleur lissage
(atténuation du bruit) ou une augmentation des contours, nous pouvons donc dire le filtrage
dépend du type de bruit et de l'intensité du bruit dans l'image, il en ressort donc que le filtrage
spatial et fréquentiel sont des concepts très essentiel dans le traitement de l’images et du signal,
et il est important de bien comprendre son fonctionnement pour pouvoir les utiliser de manière
efficace et pertinente dans des applications variées, allant de la médecine , de la communication,
de l’imagerie jusqu’à la surveillance des planètes.

14
 Bibliographie :

[1] Eyebe Fouda J.S.A‘Cours de traitement numérique de l’image’.

[2] Xavier philippeau, ‘ les filtres usuels en traitement d’image, iminfo_filtre’ ,15octobre 2007.

[3] Patrick Hébert et Denis Iaurendeau ‘Traitement des images (partie1 ; prétraitement’, mai
2017.

[4] Le bruit poissonnien [Link] .fr.

[5] Maillard, Jean-Baptiste ‘une modélisation réaliste du bruit induit par un capteur CCD :
application à la détection des traitements numériques’2006.

[6] Nicolas Thome ‘bases du traitement des images’ ,11 Octobre 2016.

[7] Marie Odile berger, Inria Nancy Est ‘Filtrage d’images’.

[8] Max Mignotte , ‘Traitement d’images Filtrage Fréquentiel’ Département d’informatique et

de la recherche opérationnelle.

15