Université de Carthage CI3

FSB - Dép. Info.

Computer Vision
Traitement d’images
et Vision

Hela Mahersia
[Link]@[Link]
Textbooks

2
Objectifs du module
▪ Ce cours est conçu pour présenter aux étudiants, les concepts et les
idées fondamentales de la vision par ordinateur.
▪ Au terme de ce cours, les étudiants seront capables de :
• Identifier les principaux domaines d'application de la vision par ordinateur
• Développer une compréhension approfondie des algorithmes disponibles
pour la compréhension et le traitement des images.

3
Contacts
▪ Classroom :
• Computer Vision
• Code : aybsjqou

▪ Emails :
• [Link]@[Link]

4
Chapitre 2

Filtrage d’images dans le

domaine spectral
Objectifs du chapitre
▪ Ce chapitre est conçu pour présenter aux étudiants, les concepts
fondamentaux du filtrage d’images dans le domaine fréquentiel, par
opposition au domaine spatial (de l’image).
▪ Au terme de ce cours, les étudiants seront capables de :
• Comprendre la signification du filtrage dans le domaine fréquentiel et en quoi
il diffère du filtrage dans le domaine spatial.
• Comprendre la convolution dans le domaine fréquentiel et son lien avec le
filtrage.
• Savoir comment obtenir des fonctions de filtrage dans le domaine fréquentiel
• Construire des fonctions de transfert du filtre directement dans le domaine
fréquentiel.

6
Plan
▪ Les fréquences dans l’image
▪ Filtrage 2D dans le domaine Spectral
▪ Filtre passe-bas
• Filtre idéal, Filtres de Butterworth, Filtre gaussien
▪ Filtre passe-haut
• Filtre idéal, Filtres de Butterworth, Filtre gaussien
▪ Filtre passe-bande
▪ Exercices

7
Les fréquences dans l’image
▪ Fréquence = changement d’intensité
▪ Basses fréquences : régions homogènes, flou
• Les basses fréquences correspondent à des changements d’intensité lents,
▪ Hautes fréquences : contours, changement brusque d’intensité, bruit
• Les hautes fréquences correspondent à des changements d’intensité rapides

8
Introduction

▪ Il s’agissait initialement de résoudre un problème lié à l’équation de la chaleur

▪ Fourier a proposé d’écrire les solutions comme une somme de fonctions sinus avec
des périodes/fréquences différentes.
9
Définition de la transformée de Fourier
Textbook1 : p 210

▪ La transformée de Fourier fournit un outil pour la représentation des

signaux et l’étude de leurs caractéristiques fréquentielles.

▪ Soit un signal certain f(t), sa transformée de Fourier F() est une

fonction complexe de la variable réelle , définie par :
Formule d‘Euler

▪ On appelle transformée de Fourier inverse la relation :

10
Exercices
▪ Q1 : Calculer la transformée de Fourier des fonctions suivantes :
• f1(t) = rect(t)
• f2(t) = exp(-at).u(t), a réel positif

▪ Q2 : Représenter les spectres d’amplitude de ces fonctions

▪ Q3 : Quelles sont les propriétés de la transformée de Fourier?

11
Convolution ou théorème de Parseval
▪ Le produit de convolution entre deux signaux f(t) et h(t) s’écrit :

▪ Calculons la transformée de Fourier du produit de convolution :

12
Transformée de Fourier d’un signal échantillonné
▪ En pratique : signal échantillonné 
f(t) f(t)

▪ Échantillonner un signal spatial revient à le dupliquer à l’infini dans le

domaine spectral 
F() F()

  13
Transformée de Fourier discrète 1D
▪ La transformée de Fourier des échantillons appelée transformée de
Fourier discrète, s'écrit comme suit :

▪ M : nombre d’échantillons
▪ x : indice de l’échantillon temporel
▪ u : indice de l’échantillon fréquenciel

14
 Récapitulatif : Transformée de Fourier Continue + discrète

▪ Cas continu : ▪ Cas discret :

• 1D • 1D

• 2D • 2D

15
Exercice
▪ Q1 : Calculer la transformée discrète du signal f(x) = {2,3,-1,1}
▪ Q2 : Représenter spectre de l’amplitude et le spectre de phase

▪ Solution : la TFD s’obtient par :

X(0) 1 1 1 1 2 5
X(1) 1 -j -1 J 3 3 - 2j
= . =
X(2) 1 -1 1 -1 -1 -3
X(3) 1 j -1 -j 1 3 + 2j

Matrice caractéristique
(kernel) 16
Filtrage spatial et filtrage spectral
▪ Filtres : Systèmes linéaires invariants dans le temps.

▪ Filtrage spatial ▪ Filtrage spectral

f(x,y) h(x,y) g(x,y) F(u,v) H(u,v) G(u,v)

g(x,y) = f(x,y)  h(x,y) G(u,v) = F(u,v) . H(u,v)

→ h(x,y) : réponse impulsionnelle → H(u,v) : Fonction de transfert

17
Filtrage dans le domaine Spectral
▪ On peut résumer le filtrage par le schéma bloc suivant :

▪ L’influence de la phase du filtre est primordiale → on choisit H(u,v) tel

que :

▪ 3 familles de filtres :
• filtres passe-bas ;
• filtres passe-haut ;
• filtres passe-bande (et aussi coupe-bande). 18
Filtre passe-bas (smoothing filters)
▪ filtre passe-bas = filtre de lissage
• Fait passer seulement les petites fréquences
❑→ laisse passer sans atténuation toutes les fréquences à l'intérieur d'un cercle
de rayon D0 à partir de l'origine,
❑ "coupe" toutes les fréquences en dehors de ce cercle.
→ Hautes fréquences éliminées : les changements brusques d’intensité (bruit,
frontières, ...) sont atténués voire éliminés + étalement des frontières

• 3 sortes de filtres :
❑ Filtre passe-bas idéal,
❑ Filtre passe-bas Gaussien,
❑ Filtre passe-bas de Butterworth.
19
Filtre passe-bas idéal
Textbook1 : p 279
 filtre passe-bas idéal : spécifié par la fonction de transfert :

▪ D0 : la fréquence de coupure
▪ D(u,v) : distance euclidienne entre le
point de coordonnées (u,v) et le centre

20
 Exercice
1 0 1 0
▪ Q1 : Transformer l’image suivante dans le domaine
1 0 1 0
spectrale, tel que décrit dans le Textbook, p. 266-267
et appliquer un filtre passe-bas idéal. Choisir D0 = 0.5 1 0 1 0
1 0 1 0
▪ Solution :

21
Filtre passe-bas Gaussien
Textbook1 : p 278

 filtre Gaussien
▪ D0 : la fréquence de coupure
▪ D(u,v) : distance euclidienne entre le
point de coordonnées (u,v) et le centre

22
Résultats du filtre passe-bas Gaussien
Textbook1 : p 283

23
Filtre passe-bas de Butterworth
Textbook1 : p 274
 filtre passe-bas de Butterworth : spécifié par la fonction de transfert :
▪ D0 : la fréquence de coupure
▪ D(u,v) : distance euclidienne entre le
point de coordonnées (u,v) et le centre
▪ N : ordre du filtre

24
Filtre passe-haut (sharpening filters)
▪ Permettent de rendre l'image plus nette
• laisse passer sans atténuation toutes les hautes fréquences
❑ "coupe" toutes les basses fréquences → les petit détails vont disparaître de
l’image résultat.
❑ généralement les contours des objets de l’images sont caractérisés par une
haute fréquence alors que le backround est caractérisé par une basse fréquence
• On peut écrire :
• 3 sortes de filtres :
❑ Filtre
passe-haut idéal, Filtre passe-haut gaussien, Filtre passe-haut de
Butterworth.
• L’image obtenue est généralement obscure. On peut lui appliquer une
égalisation d’histogramme.
25
Filtres passe-haut
Textbook1 : p 287

26
Résultats des filtres passe-haut

27
Rehaussement par filtrage homomorphique
Textbook1 : p 296

28
Filtres rejet de bande et passe-bande
Textbook1 : p 298

29
 CI3

Merci pour votre

attention

Des questions ?

Héros du jour