Operations Géométriques
Traitement d’image
Transformation Géométriques:
• Quoi?
• Pourquoi? (But, intérêt, problème, application)
• Comment?
• Base Mathématique (Algèbre Linéaire, Espace Euclidien,…)
• Outils (Bibliothèque,Api, fonction,…)
•…
Transformation Géométriques: Quoi?
• Translation, Rotation (Transformation Rigide).
• Homothétie, symétrie.
• Mise à l’échelle (agrandir, rétrécir), squeezing (Transformation Affine)
• (Correction de) Déformation/Distortions
• Correction de perspective: projection scène 3D sur 2D.
• Compensation de mouvement.
• Recalage / Mise en Correspondance.
• Morphing
• Alignement
• …
Transformation Géométriques: Quoi?
• A quoi ça sert ?
• Modification de taille
• Réduction, agrandissement
• Déformation d’une image (correction de distorsions simples)
• Recaler des images que l’on veut comparer
• Mettre en correspondance des images
• Mosaïque d’images
• Morphing
Recalage d’images: mise en correspondance
d’images
• IRM: imagerie par résonance magnétique
• US: imagerie ultrasonore
• Recalage:
• Monomodal/Multimodal
• Intra-sujets/inter-sujets
Mosaïque d’images
Morphing
• Michael Jackson's Black or White Morphing sequence
Comment transformer une image?
• : →
• Ex: A chaque position (x,y) est affecté un niveau de gris I(x,y)= L
• Transformations lumineuse
• : →
• Ex: A chaque position (x,y) est affecté une nouvelle position T(x,y) = (z,w)
• Transformations géométriques (On modifie l’emplacement, pas l’intensité)
• → , , → , , , , , ,
• Possibilité d’effectuer des opérations qui induisent ces deux types de
transformations
• Les opérations géométriques ont pour but de modifier la position des
informations contenues dans l’image sans modifier le niveau de gris
• Opérations qui peuvent s’appliquer sur:
• la totalité des pixels
• un objet particulier
• Certains points spécifiques (recalage de points caractéristiques)
Transformations géométriques
• Diversité des transformations:
• Transformations linéaires (rigide, affine)
• Transformation non-linéaires (polynomiales, splines)
Opération géométrique : symétrie ou miroir
Transformations géométriques 2d
• Translation
• Changement d’échelle (scaling)
• Homothétie
• Rotation
• Cisaillement
• Glissement ou inclinaison
Translation
• Translation par (a,b): , → ,
• (a,b) sont les déplacements en x et y de la translation
Changement d’échelle (Scaling)
• Mise à l’échelle par (a,b): , → ,
• (a,b) facteurs d’agrandissement (>1) ou de réduction (<1) en x et en y
Changement d’échelle (Scaling)
• Réflexion ou miroir
Représentations matricielles des
transformations 2D
• Les matrices homogènes permettent de décrire toutes les opérations
géométriques affine par rapport aux variables x et y
• Le principe est d’introduire une 3ème dimension fictive pour prendre
en compte la translation
• La forme générale d’une transformation géométrique affine en
matrice homogène est :
=
0 0 1
Représentations matricielles des
transformations 2D
Cascade d’opérations géométriques
• Exemple de transformations
• L’ordre des transformations est très important
• Les transformations ne sont pas commutatives
Transformations inverses
Transformations complexes
• Transformations géométriques complexes : utilisation de termes
polynomiaux en x2, y2, x3, y3, voire des termes du genre sin( x) ou
sin( y), …
• r(x,y) et s(x,y) polynômes en x,y de degré N;
• P et Q sont les coefficients
Transformations géométriques: Problème
• Transformation directe n’implique pas que tous les pixels de l’image
destination auront une intensité ou une couleur
• Phénomènes de ‘trous’ dans les images
• Deux solutions :
1. Appliquer une transformation inverse (s’assurer que la matrice doit être
inversible)
2. Boucher les trous
• Dans les deux cas, il faut interpoler
Transformations directe et inverse
• Transformation directe : à partir des pixels d’origine, on cherche leur
nouvelles positions.
• Génération de ‘trous’ ou de ‘superpositions’
• Transformation inverse : à partir des pixels de l’image résultats(!), on
cherche leur positions d’Origine(!)
• Transformation directe
• Difficile de distribuer le niveau de gris sur les pixels voisins
• Des ‘trous’ peuvent apparaître car on n’a pas la certitude que tous les pixels
de l’image transformée recevront une valeur
• Transformation inverse
• Interpolation de la valeur du pixel à partir des voisins
• Aucun ‘trou’ car on parcourt tous les pixels de l’image transformée
Interpolation
• Procédé d’estimation de valeur entre deux informations préexistantes
• L’interpolation ‘invente’ des pixels là où il n’y en avait pas et les
intercale entre deux originaux pour augmenter la taille d’image par
exemple
• Interpolation d’image est nécessaire lorsqu’on change la taille ou on
crée une distorsion dans l’image
Interpolation
Interpolation
• Différents modes d’interpolation :
• Interpolation par le plus proche voisin
• Interpolation bilinéaire
• Interpolation bicubique
• Interpolation polynomiale (B-spline, …)
• …
Interpolation par le plus proche voisin
• Chercher dans l’image le plus proche voisin
• Avantages : le plus facile à implanter et le plus rapide
• Inconvénients : contours moins précis
Interpolation par le plus proche voisin
Interpolation bilinéaire
• Interpolation linéaire dans les 2 dimensions de l’image.
• consiste à effectuer d’abord une interpolation sur les lignes puis sur les
colonnes (ou l’inverse, au choix)
• On s’intéresse aux 4 voisins les plus proches dont on connaît les
positions et les niveaux de gris ou couleurs
• Le niveau de gris varie linéairement dans ce voisinage
• Somme pondérée avec des poids inversement proportionnels à la
distance
Interpolation bilinéaire
• On commencera par calculer les pixels horizontaux situés entre A et B,
ainsi que ceux entre C et D
• Définition de l’équation d’une droite passant entre les points A et B
par exemple
Interpolation bilinéaire
Interpolation
• Exemple d’interpolation pour une rotation
• Seule la rotation de 90° est sans pertes car aucun pixel n’a à être
repositionné.
• On peut noter la dégradation de l’image avec des rotations
successives
Exemple d’interpolation pour une rotation
Exemple de comparaison des techniques
d’interpolation
• L’interpolation fonctionne le mieux lorsqu’elle est appliquée à petite
dose et sur une grande quantité d’informations. Une image
constituée d’une faible quantité de pixels montrera plus de trace de
dégradation qu’une image plus riche au départ
• Dans tous les cas, l’interpolation n’inventera pas des détails qui ne se
trouvait pas dans l’image originale
• Le problème majeur avec l’interpolation est qu’elle peut augmenter
fortement un défaut de l’image en l’agrandissant
Interpolation
Résumé
Compositions de transformations
• Transformation rigide
• Translation + rotation
• Transformation de similarité
• Translation + rotation + scaling uniforme
• Transformation affine
• Translation + rotation + scaling + cisaillement
• Toutes ces transformations sont des groupes où Rigide ⊂ similarité ⊂
affine
Interpolation Linéaire
Références Web et Lecture supplémentaire:
• Université de Lille – Cours Bonnet
