MI206 Résume

1 Filtrage
• Dégradations liées au bruit: g(x) = f (x) + b(x) ou g(x) = f (x) · b(x).
• Filtre de lissage: Éliminent des éléments perturbateurs/non significatif.

• Filtrage dans le domaine de fourrier: Découpage du spectre de fréquence de l’image (passe-bas, passe-haut,
coupe-bande).
• Filtrage par convolution: Noyaux de convolution symétriques et normalisés.
• Coefficient d’atténuation: Bruit blanc de variance v, la variance du bruit filtré devient vδ .
– Moyenneur δ = λ2 – Gaussien δ = 4πσ 2 – Exponentiel δ = 16 γ

• Convolution spatial ⇐⇒ Multiplication dans le domaine de Fourrier.

– Filtre tronqué (noyau fini de taille K) =⇒ O(K 2 N 2 )
– Filtre separable si h = [hcol ] · [hlig ]t P
h[i, j] · I[x − i, y − j] = hcol [i] hlig [j] · I[x − i, y − j] =⇒ O(KN 2 )
PP P
I ⋆h=
• Bruit multiplicatif: Se ramener au cas linéaire (log).
• Filtres non linéaires:
– Ordre Médian: Prend le valeur médian dans une voisinage.
– NL-Means: Moyene ponderé ou où le poids attibuté est la similarité vis-à-vis del’image traitée fnew (p) =
1
P
π(p) q∈N (p) w(p, q)f (q)

• Apprentissage:
– MLP:
∗ Entrée et sortie: imagette.
∗ 4 couches cachées complètement connectées.
∗ Fonction de coût: L(Y, V ) = ∥Y − V ∥2
– CNN: Réseau convolutionnel (3x3) profond (20 couches).
– NL-Means à l’auto-attention: Les poids proviennent des cartes d’auto-attention.

2 Restauration
• Image dégradée: g = f ⋆ d, ou f c’est l’image originale et d le défaut.
G(u)
• g = f ⋆ d =⇒ G(u) = F (u) · D(u), donc il faut trouver: F̂ (u) = D(u)

0 si D(u) ≤ ε
• Mais, D(u) n’est pas toujours inversible. Bracewell: R(u) = 1
D(u) sinon

• Filtrage de Wienner: minimisation d’une expression quadratique

D′
– F̂ = argmink |KQ|2 + |G − KD|2 =⇒ K = DD ′ +Q2 ·G
2
– Q en fonction du PSNR
• Aprentissage: Similaire au debruitage mais niveau semantique plus élevé.
– Super résolution ≡ Déconvolution
– Limitation a des texture/formes connues
3 Morphologie Mathematique
• Opérateurs de base: ce sont ceux qui préservent la structure et commutent avec les lois de base: ∀λ ∈ K, ∀(x, y) ∈
E 2 : f (λx) = λf (x) et f (x + y) = f (x) + f (y)
• Structure de base:
– Ensemble
 ordonné (E, ≤)
 Reflexive: x≤x
≤ Anti-symetrique: x ≤ y et y ≤ x =⇒ x = y
Transitive: x ≤ y et y ≤ z =⇒ x ≤ z


– Toute partie P de E admet une borne sup ou une borne inf.

∗ Sup: plus petit des majorants (∨P ).
∗ Inf: plus grand des minorants (∧P ).
• Opérateurs de base pour la morhologie mathématique:
– Ceux qui préservent la structure:
x ≤ y =⇒ Φ(x) ≤ Φ(y) (Croissance).
– et commutent avec les lois de base: Φ(∨{xi }) = ∨{Φ(xi )} (Dilatation). Ψ(∧{xi }) = ∧{Ψ(xi )} (Erosion).
• si Φ(x) = Φ∗ (x) =⇒ ils sont duaux.
• Proriétés:
Soit Φ : E → E
– x ≤ y =⇒ Φ(x) ≤ Φ(y) (Croissance).
– x ≤ Φ(x) (Extensivité).
– Φ(x) ≤ x (Anti-extensivité).
– Φ(Φ(x)) = Φ(x) (Idempotênce).
• Opérations de Minkowski dans Rn :
– Xb = {x + b; x ∈ X} (translaté).
– X̌ = {−x; x ∈ X} (transposé).
• L’addition de Minkowski:
L S
X B = b∈B Xb
• La dilatation morphologique:
L S
δB (x) = X B̌ = b∈B̌ = {z/Bz ∩ x ̸= 0} (C’est le lieu géométrique des points z tels que Bz intersecte x).
Croissante, extensive et commute avec le sup.
• L’érosion morphologique:
εB (X) = δB (X) = {z/Bz ⊂ x} (C’est le lieu géométrique des points z tels que Bz est inclus dans x).
Croissante, anti-extensive et commute avec le inf.
• Propriétés algébriques des opérateurs de base:
– Adjonction: X ⊂ εB (Y ) ⇐⇒ δB̌ (X) ⊂ Y
– Cas degeneres: ε∅ (X) = Rn et δ∅ = ∅
– Associativité de la dilatation: δB ′ (δB (X)) = δδB′ (B) (X) et εB ′ (εB (X)) = εεB′ (B) (X) (Décomposition des éléments
structurants convexes en sommes de segments).
• Transformées tout-ou-rien: X ⊛ (H, M ) = εH (X) ∩ εM (X c )
• Cadre fonctionnel:
Kx support de fonction structurante
δg (f )(x) = sup {f (y) + g(y − x)}
y∈Kx

εg (f )(x) = inf {f (y) − g(y − x)}

y∈Kx

• Gradient intérieur: gy− (X) = x − εy (X) (Contournement fin d’objets sombres). Realça as bordas internas de objetos
escuros: ressalta contornos onde a intensidade cai, afinando-os e deixando o interior preto.
 • Gradient extérieur: gy+ (X) = δy (X) − X (Contournement fin d’objets clairs). realça as bordas externas de objetos
claros: destaca a transição “claro → escuro”, produzindo um halo fino mais claro ao redor das formas.
• Gradient morphologique: gym (X) = δg (X)−εy (X) Enfatiza todos os contornos (claros e escuros) e gera uma imagem
de arestas com espessura de até um pixel.
• Laplacien morphologique: λy (X) = gy+ (x) − gy− (x) enfatiza transições centradas no cinza, revelando detalhes de
textura e gerando resposta positiva em bordas claras e negativa em escuras.

δg (f ) si (δg (f ) − f ) < (f − εg (f ))
• Contraste morphologique: χg (f ) =
εg (f ) sinon
• Ouverture morphologique: γB (X) = δB̌ (εB (X)) (Croissante, anti-extensif, idempotent) remove detalhes brilhantes
menores que o elemento estruturante, suaviza pontas e separa objetos finos.
• Fermeture morphologique: φB (X) = εB̌ (δB (X)) (Croissante, extensif, idempotent) preenche pequenos bura-
cos/vales escuros, conecta lacunas e arredonda recortes nas bordas.
• Top-hat: τB (X) = X − γB (X) extrai objetos/partı́culas claras mais finos que o elemento estruturante sobre fundo
variado
• Top-hat conjugué: τf
B (X) = φB (X) − X realça objetos/partı́culas escuras pequenas, destacando-as do fundo

4 Opérations géodésiques
• Sont celles conditionnées par une élément de référence r du treillis. Elles sont définis à partir des opérateurs géodésiques
de base: dilatation géodésique et la reconstruction géodésique.
δgr (X) = δg ∧ r
• la reconstruction: (δB
r 0
1
r n
) (X) = X et (δB1
r
) (X) = δB 1
r n−1
((δB 1
) (x))
r n
donc, EB 1
(X) = sup{(δB 1
)(X)}
n≥0

• Ouverture par reconstruction:

E X (γB (X)) (Elimina as componentes conexas não presentas na ouverture sem bugar a forma).
• Fermeture par reconstruction:
c
(E X ((φ(X))c ))c (Fecha todos os buracos fechados pela fermeture sem bugar a forma).
• Relations d’adjacence:

• Trou: Lié à la validité du théorème de Jordan, selon lequel une courbe siple fermée sépare le plan en 2 composantes
connexes, dont une bornée.

• Distance euclidienne: Difficile algorithmiquement.

• Distance discrète: d4 (A, B) = |xA − xB | + |yA − yB | et d8 = max(|xA − xB |, |yA − yB |)
• Maillages plus complexes:
• Transformée en distance: Associe a chaque pixel d’X sa distance au complémentaire X c
Une balayage direct F (i, j) = min(F (i − 1, j) + 1, F (i, j − 1) + 1) et une rétrograde F (i, j) = min(F (i, j), F (i + 1, j) +
1, F (i, j + 1) + 1)
 • Distance euclidienne Danielon-Leymarie FX E
p
(p) = (Rx (p))2 + (Ry (p))2 Coordonnées Rx (p), Ry (p) tels que le
point de X c le plus proche de p à pour coordonnées (xp + Rx (p), yp + Ry (p)) FX E
(x + a, y + b)2 = FX
E
(x, y)2 + 2|Rx a| +
2 2 (a,b) 2 2
2|Ry b| + a + b and DF (x, y) = 2|aRx (x + a, y + b)| + 2|bRy (x + a, y + b)| + a + b
• Implantation cas binaire
– Dilatation: O(2c) par pixel
– Érosion: O(1) si on calcule l’érodé par seuillage de la transformée en distance.
• Implantation cas niveau de gris: Van Herk (3 min/max qq soit la longuer de l’élément structurant, adapté pour
le parallélisme)
• textbfImplantation reconstruction: Trouver les maximas régionaux E r (f ) = E r (f · 1maxf )
• Granulométrie: Ouvertures de taille croissante.
• Anti-granulométrie: Fermetures de taille croissante.
µ(Xλ )
FX (λ) = 1 − µ(X0 ) la fonction de distribuition sur x de la granulométrie (γλ )λ .

• Spectre granulometrique: fx (λ) = Fx′ (λ)

• Filtre alternées sequentiels: Bonne réduction du bruit (ni extensif, ni anti-extensif) Θλ = φλ γλ ...φ2 γ2 φ1 γ1
• Distance géodesique: dX (x, y) = min{n ≤ 0; x ∈ (δB
X n
1
) ({y})} (Distância entre x e y dentro do objeto).
• Diamètre géodésique:”∆X = max 2 dX (x, y)
(x,y)∈E

5 Couleur
• L’éclairement représente une perturbation (un bruit !) multiplicative et basse fréquence.
• Ombre propre: sombra no objet
• Ombre portée: sombra causada pelo objeto (n’altere que l’intensité et pas la colorimetrie)
• Invariants: Les composantes (r,g,b) normalisées sont des invariants colorimétriques, dans (H,S,V) H est un invariant
colorimétrique (mais pas S ni V)

6 Squelettes
• Squelette morphologique: L’union des résidus d’ouverture des érodés successifs de la forme originale / L’union des
maximum local de la fonction distance dans X / L’union des centres d’une boule maximum dans X.
• Squelettes euclidiens multi-échelles: 1- Associer une étiquette unique à chaque pixel du contour; 2- Propager les
valeurs des étiquettes aux pixels les plus proches; 3- Calculer une fonction de choc locale selon la différence des valeurs
des étiquettes entre pixels adjacents; 4- Le squelette est obtenu par seuillage de la fonction de choc. (Chaque étape a
un coût de calcul constant)
La fonction de choc associe à chaque pixel p une valeur proportionnelle à ”l’éloignement” maximum entre le pixel du
contour correspondant à l’étiquette de p et ceux qui correspondent à l’étiquette des pixels voisins de p.
• Reconstruction multi-échelles:Rσ (X) = z∈Skσ (X) Bz (FX d
S
(z))
• Squelette par zones d’influence (SKIZ): La zone d’influence d’une composante connexe de X est l’ensemble des
points du plan plus proche de cette composante que de toute autre composante de X. Le squelette par zone d’influence
(SKIZ) de X est la frontière de l’ensemble des zones d’influence

7 Ligne de Partage des Eaux

• Calcul: µi = {x; I(x) ≤ i}, αi : SKIZ géodésique de µi dans µi+1 , βi : µi+1 \ E µi+1 (µi ). Ensemble des bassins versants:
αi ∪ βi
• Sursegmentation: LPE avec marqueurs qui impose la présence de certains vassins versans seulement. La seconde
technique pour éviter la sursegmentation est de sélectionner les bassins versants qui apparaı̂tront dans la LPE en
fonction de leur “importance”. La surface et la profondeur des bassins.