Scribd Logo
Importer

Bienvenue sur Scribd !

  • 64 vues

    Chapitre 3

    Transféré par

    Sanae Mahfoude
    Ce document traite de la restauration d'images numériques. Il présente différentes sources de bruit qui peuvent affecter les images numériques et explique plusieurs approches de restauration comme les filtres de lissage linéaires et non linéaires.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Chapitre 3

    Transféré par

    Sanae Mahfoude
    64 vues14 pages
    Ce document traite de la restauration d'images numériques. Il présente différentes sources de bruit qui peuvent affecter les images numériques et explique plusieurs approches de restauration comme les filtres de lissage linéaires et non linéaires.

    Titre original

    chapitre 3

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Ce document traite de la restauration d'images numériques. Il présente différentes sources de bruit qui peuvent affecter les images numériques et explique plusieurs approches de restauration comme les filtres de lissage linéaires et non linéaires.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    64 vues14 pages

    Chapitre 3

    Transféré par

    Sanae Mahfoude
    Ce document traite de la restauration d'images numériques. Il présente différentes sources de bruit qui peuvent affecter les images numériques et explique plusieurs approches de restauration comme les filtres de lissage linéaires et non linéaires.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    Vous êtes sur la page 1sur 14

    Chapitre 4 : Extraction

    de contours

    Pr. I. EL MOURABIT

    1
    Restauration
    1. Objectifs
    La restauration des images a pour but de palier les défauts et de réduire les
    distorsions(bruits) introduites par les systèmes d’acquisition.
    Elle cherche a retrouver l’image idéale qui aurait pu être obtenue avec un système
    d’acquisition parfait
    Il existe plusieurs approches :
    • Filtre de Wiener
    • Filtres à moyenne géométrique
    • Filtres de lissage :
    • filtrage fréquentiel
    • filtrage linéaire
    • filtrage non-linéaire

    PR. I. EL MOURABIT 2
    Restauration
    2. Le bruit :
    Le bruit est une information parasite qui s’ajoute aléatoirement à
    une image numérique causant la perte de la netteté dans les
    détails.
    Ce bruit peut être d’origines diverses :
    • Bruits d’acquisition : flou, poussière, bougé
    • Bruits lié au système d’acquisition (capteur) : mauvaise mise au
    point, bruit thermique, bruit de grenaille
    • Bruits d’échantillonnage et de quantification : bruit poivre et
    sel
    • Bruits lié à la transmission : Bruit sel et poivre
    PR. I. EL MOURABIT 3
    Restauration
    2. Le bruit :
    Ø Bruit Sel et poivre ou bruit impulsionnel :
    Ce bruit apparait sous la formes de points noirs et blancs réparties arbitrairement
    sur une image. Il peut être causé par un capteur comportant des pixels défectueux,
    ou lors de la transmission de l’images ou la conversion analogique numérique.
    Ø Bruit thermique :
    Ce bruit provient des courants parasites dus à l’agitation brownienne des électrons.
    Ce bruit augmente avec la température du capteur.
    Ø Bruit des photons (ou de grenaille) :
    Le bruit des photons est la principale source de bruit dans les images prises par les
    appareils photo numériques actuels.
    ØBruit gaussien

    PR. I. EL MOURABIT 4
    Restauration
    2. Le bruit :
    Ø Exemples de bruits générés sur Matlab (imnoise)

    PR. I. EL MOURABIT 5
    Restauration
    3. Filtres de lissage :
    Les filtres de lissages sont des opérateurs qui permettent de réduire le bruit et les éléments
    perturbateurs et non significatifs dans une image numérique.
    Il existes plusieurs types de filtres que nous classons comme suit :
    Ø Filtrage linéaire par convolution
    • Filtre moyenneur
    • Filtre gaussien
    • Filtre exponentiel
    Ø Filtrage non linéaire
    • Filtres d’ordre, filtre médian
    • NL-means
    • Filtre de Nagao
    Ø Filtrage fréquentiel

    PR. I. EL MOURABIT 6
    Restauration
    a. Filtrage linéaire par convolution de masque :
    Plusieurs filtres de lissage sont obtenus à partir de noyaux de convolution symétriques
    normalisés (∑ = 1) . Les plus utilisés sont :
    Moyen Gauss Exponentiel
    1 𝑚−1 𝑚−1 1 −(𝑥 ! + 𝑦 ! ) 𝛾²
    ℎ 𝑥, 𝑦 = 𝑒𝑥𝑝 ℎ 𝑥, 𝑦 = 𝑒𝑥𝑝 −𝛾( 𝑥 + 𝑦 )
    ℎ 𝑥, 𝑦 = &𝑚² 𝑠𝑖 𝑥, 𝑦 ∈ − 2 , 2 2𝜋𝜎² 2𝜎² 4
    0 𝑠𝑖𝑛𝑜𝑛

    1 1 1 1 1 11 23 29 23 11 1 1 3 1 1
    1 1 1 1 1 1 1 23 48 62 48 23 1 1 3 7 3 1
    1 1 𝟏 1 1 29 62 𝟖𝟎 62 29 3 7 𝟏𝟔 7 3
    25 864 80
    1 1 1 1 1 23 48 62 48 23 1 3 7 3 1
    1 1 1 1 1 11 23 29 23 11 1 1 3 1 1
    Filtre moyenneur 5×5 Filtre moyenneur 𝜎 = 1.41 Filtre exponentiel γ = 0.8

    PR. I. EL MOURABIT 7
    Restauration
    a. Filtrage linéaire par convolution de masque :
    L’exemple ci-dessous illustre l’exécution du Filtrage moyenneur sur une image atteinte de bruit
    gaussien. L’effet de flou est d’autant plus marqué que la taille Du masque est plus grande.

    PR. I. EL MOURABIT 8
    Restauration
    b. Filtrage non linéaire :
    Les techniques de filtrage non linéaire sont particulièrement utilisés pour
    • réduire le bruit « sel et poivre » (mal éliminé par les filtres linéaires).
    • Conserver l’intégrité des frontières : éliminer le bruit sans les rendre floues.
    Plusieurs types de filtres existent :
    o Le filtre médian
    o Les filtres d’ordre (généralisation du filtre médian)
    o Filtres de Nagao
    o NLMeans
    o Filtres morphologiques

    PR. I. EL MOURABIT 9
    Restauration
    Ø Filtre médian:
    Le principe de ce filtre consiste à :
    1. Choisir une fenêtre de taille impaire (taille du filtre : 3x3 , 5x5 …)
    2. Centrer la fenêtre sur chaque pixel et trier les valeurs des pixels voisins qui se trouvent à
    l’intérieur de la fenêtre :
    3. Remplacer la valeur du pixel au centre par le niveau de gris médian des valeurs ainsi
    ordonnées. La valeur médiane = valeur qui se trouve au milieu.
    Exemple :
    17 5 4 17 5 4
    2 13 8 Tri {2, 4, 5, 6, 7, 8, 9, 13, 17} Résultat 2 7 8
    9 7 6 médiane 9 7 6

    PR. I. EL MOURABIT 10
    Restauration
    Ø Filtre médian:

    PR. I. EL MOURABIT 11
    PR. I. EL MOURABIT 12
    Restauration
    Ø Filtre d’ordre :
    Le filtre d’ordre est une généralisation du filtre médian.
    Après avoir trier les valeurs au voisinage du pixel, le filtre d’ordre procède par remplacer la
    valeur du pixel par celle qui occupe un certain rang.
    𝑓(1) ≤ 𝑓(2) ≤ ⋯ ≤ 𝑓(𝑘) ≤ ⋯ ≤ 𝑓(2𝑚 + 1)
    le filtre d'ordre de rang k est défini par : 𝒈 𝒙, 𝒚 = 𝒇(𝒌)
    Cas particuliers :
    • k=m : Filtre médian
    • k=1 : l’érosion morphologique ( la valeur minimale)
    • K=2m+1 : la dilatation morphologique (la valeur maximale)
    ! " #!(%&#")
    Variante : le filtre du milieu : 𝑔 𝑥, 𝑦 =
    %

    PR. I. EL MOURABIT 13
    1 3 5

    11 13 15

    21 23 25

    14

    Vous aimerez peut-être aussi