INTRODUCTION AU TRAITEMENT D’IMAGES
Transformations
ponctuelles
LOUM Georges, DFRGEE,
SSE/LSTEEA, INPHB 1
1. Généralités
Définition : Luminance (brillance) d’une image :
moyenne des intensités de tous les pixels de l’image
Image sombre : faible brillance
Image claire : forte brillance
Image à luminance Image à luminance 2
1. Généralités
Définition : Contraste d’une image :
Ecart-type des variations des niveaux de
gris
Ecart entre niveau de gris min et max
contraste faible contraste élevé
3
1. Généralités
Définition : histogramme d’une image
C’est la distribution h des niveaux de gris (ou de
couleurs) dans une image ;
h=f(Val_NG) : nombre de pixels de l’image ayant la
valeur de niveau de gris NG
Nombr
0 1 1 1 1 e 12
1 2 1 3 1
1 0 1 3 3
6
4
2 0 1 3 3 3
3 0 1 2 1
Niveaux
de gris
0 1 2 3
4
1. Généralités
Histogramme de
l’image outil
Un histogramme :
peut avoir un pic (unimodale), deux pics (bimodale)
ou plusieurs pics (multimodale).
informe sur la concentration de l’image
1. Généralités
HISTOGRAMME DE FAIBLE RADIANCE HISTOGRAMME DE FORTE RADIANCE
% %
niveaux de gris niveaux de gris
HISTOGRAMME DE FAIBLE CONTRASTEHISTOGRAMME DE FORT CONTRASTE
% %
niveaux de gris niveaux de gris
6
1. Généralités
Traitement ponctuels :
Transformation point à point des pixels d’une
image ou de ceux d’un groupe d’images
Les opérations mises en œuvre permettent
de :
▪ Faire varier la brillance d’une image,
▪ Mettre en évidence une partie de l’image
▪ Détecter des défauts ou des mouvements
▪ Diminuer le bruit d’une vue dans une série
d’images
▪ Améliorer le contraste d’une image
7
1. Généralités
Deux types d’opération :
Opérations simples et réversibles
▪ Addition (ou soustraction) d’une constante à une
image
▪ Multiplication d’une image par une constante
Opérations plus ou moins complexes et non
réversibles
▪ Addition (ou soustraction) de deux images
▪ Seuillage d’une image
▪ Opérations logiques (ET, OU) entre deux images
▪ Transformation linéaire ou non
▪ Egalisation d’histogramme
8
2. Opérations simples
▪ Addition (ou soustraction) d’une constante à une
image
R(m,n)= F(m,n)±c; (Matlab : R = F±c;)
20 24 25 30 40
Addition d’une
36 27 24 30 32 57 54 60
constante : C=30
36 32 180 31 27 62 210 61
58 60 62
32 28 30 32 30
28 27 36 30 29
20 24 25 30 40
Soustraction d’une
36 27 24 30 32 5 2 8
constante : C=22
36 32 180 31 27 10 158 9
6 8 10
32 28 30 32 30
28 27 36 30 29
▪ Multiplication d’une image par une constante : R= F*c;
9
2. Opérations simples
image originale image traitée
histogramme de l'image originale histogramme de l'image traitée
10000
10000
5000
5000
0 0
0 0.5 1 0 0.5 1
Augmentation de la brillance d’une image par addition
d’une constante 10
Remarques
Attention : Ces opérations peuvent fournir des
résultats qui sortent de la plage des niveaux de
gris fixée par la quantification
Remèdes :
Pour les valeurs négatives, on peut :
▪ Les considérer comme nulles
▪ Prendre leurs valeurs absolues
▪ Leur ajouter la valeur 2K (opération modulo)
Les valeurs en dehors de la plage sont ramenées aux
valeurs limites (saturation)
▪ R(m,n)= min(f(m,n)+g(m,n),255) % addition des images g et f
▪ S(x,y)= max(f(x,y)-g(x,y),0) % soustraction de g et f
Le recadrage linéaire des niveaux de gris résultats 11
2. Opérations plus
complexes
Addition (ou soustraction) de deux
images
▪ R = F±G; % addition (soustraction) des
images g et f
12
2. Opérations plus
complexes
Soustractio
n de deux
images
▪ Détection de
mouvement
13
2. Opérations plus
complexes
Opérations logiques (ET, OU) entre deux
images
Image Image ET logique OU
F G entre F et logique
G entre F et
G
14
3. Seuillage de l’image
Opération toute simple de binarisation (S :
seuil)
Si I(x,y) > S , alors R(x,y)=1
Sinon R(x,y)=0
Les pixels de R sont classés en deux
catégories => image binaire (noir et blanc)
R(find(I<S))=0; % seuillage de I avec un seuil
S
85 210 128 Seuillage S=108 0 1 1
10 158 49 0 1 0
162 128 99 1 1 0
15
3. Seuillage de l’image
Opération permettant de mettre en évidence des
formes ou des objets dans une image
Seuillage d’une image
codée sur 8 bits avec
16
S= 127
3. Seuillage de l’image
Difficulté :
choix du
seuil S
Seuil trop bas !? Seuil trop
élevé !?
17
4. Transformation linéaire
de l’image
Niveaux de NGmax : Niveau de gris maximale possible
d’un pixel de l’image (=2q-1)
gris de R
max : la plus grande valeur de niveau de gris
(image dans l’image
résultat) min : la plus petite valeur de niveau de gris
NGma dans l’image
x Equation générale
R(x, NG max
y) R( x , y ) (I(x , y) min)
max min
0 min max Niveaux de
I(x,y)
gris de I
(image
originale)
Recadrage de la dynamique de l’image => amélioration
du contraste 18
4. Transformation linéaire
de l’image
Modification linéaire de la
dynamique Image codée sur 8 bits =>
NGmax=255
Or, min = 123 et max =
179
D’où : 255
R ( x, y ) ( I ( x, y ) 123)
179 123
Par conséquent,
R(123)=0; R(179)=255
Et par exemple,
255
R (160) (160 123) 168,48 168
179 123 19
4. Transformation linéaire
de l’image
255
v=f(u)
0 255 u
20
4. Transformation linéaire
de l’image
Transformations par morceaux
R (image R (image
résultat) résultat)
25 25
5 5
saturatio saturatio
n n
0 S ma 0 S ma
x x
Dilatation des zones Dilatation des zones
sombres claires
21
5. Transformation non
linéaire de l’image
Transformations par morceaux
N-1
R (image
résultat)
25
5
saturatio s
n
0 S max 0 a b N-1
I (image r
originale)
Saturation des Extraction d’une fenêtre
niveaux d’intensité 22
5. Transformation non
linéaire de l’image
Compression de l’étendue de la
dynamique
T (r ) c * log(1 r )
c 255 / log(1 R )
N-1
s
T(r)
0 r
R 23
6. Egalisation de
l’istogramme de l’image
Objectif
: aplanir l’histogramme d’une image
donnée pour améliorer son histogramme
h idéal (k)
h(k
)
k k
L’égalisation d’histogramme :
réduit le nombre de niveaux occupés: certains
niveaux seront à 0 en sortie.
maximise l'entropie de l'image et donc fournit en
théorie une image qui présente une information
maximale.
24
6. Egalisation de
l’histogramme de l’image
L’égalisation de l’histogramme peut améliorer une image
là où la correction de dynamique est inefficace
Image
originale
Correction
linéaire de
dynamique
Egalisation
d’histogramm
e
25
