Examen traitement d'images -Traitement d'image

Examen traitement d'images -Traitement d'image - Télécharger

Télécharger PDF

Introduction au Traitement d'Images : Filtrage et Réduction du Bruit

Le traitement d'images est une discipline clé dans le domaine numérique, essentielle pour améliorer la qualité visuelle, extraire des informations pertinentes ou préparer des images pour des analyses ultérieures. Parmi les techniques fondamentales, le filtrage et la réduction du bruit jouent un rôle crucial pour obtenir des images claires et utilisables.

Filtrage d'Images par Convolution

Le filtrage est une opération courante en traitement d'images, souvent implémentée via la convolution. La convolution est une opération mathématique qui combine une image avec un petit noyau (ou filtre) pour produire une nouvelle image. Cette technique est largement utilisée pour diverses applications, telles que le lissage, le renforcement des contours ou la détection de caractéristiques spécifiques.

Application d'un Filtre Moyenneur

Un filtre moyenneur, également connu sous le nom de filtre de moyenne ou filtre passe-bas, est un type de filtre linéaire utilisé pour le lissage des images et la réduction du bruit. Il opère en remplaçant la valeur de chaque pixel par la moyenne arithmétique des valeurs de ses pixels voisins, y compris lui-même. Pour un filtre moyenneur de taille 3x3, le noyau est une matrice de 3x3 remplie de "1". La valeur finale du pixel est obtenue en divisant la somme des pixels couverts par le noyau par le nombre total de pixels dans le noyau (soit 9 pour un noyau 3x3).

Lors de l'application de la convolution, il est courant de gérer les bords de l'image en considérant que les pixels situés en dehors de l'image ont une valeur nulle. Cette approche permet de calculer les valeurs des pixels aux frontières sans introduire d'artefacts.

Analyse du Profil des Niveaux de Gris

Le profil des niveaux de gris d'une ligne d'image illustre la variation de l'intensité lumineuse le long de cette ligne. Après l'application d'un filtre moyenneur, on observe un effet de lissage prononcé. Les transitions abruptes entre les différentes intensités de gris sont atténuées, et les variations importantes (qu'elles soient dues au bruit ou à des détails fins) sont adoucies. En conséquence, les valeurs des pixels filtrés tendent à se rapprocher les unes des autres, ce qui rend l'image plus uniforme mais potentiellement moins nette.

Réduction du Bruit dans les Images

Le bruit est une altération indésirable des données de l'image, pouvant provenir de diverses sources comme le capteur, les conditions d'éclairage ou les erreurs de transmission. Identifier la nature du bruit est une étape cruciale pour sélectionner la méthode de réduction la plus appropriée et efficace.

Types de Bruit et Leurs Caractéristiques

Bruit Poivre et Sel : Ce bruit se manifeste par l'apparition de pixels isolés, soit très clairs (blanc, valeur maximale), soit très sombres (noir, valeur minimale), au sein de régions autrement uniformes. Il est souvent le résultat d'erreurs d'acquisition ou de transmission de données.
Bruit Additif ou Multiplicatif :
- Bruit Additif : Il s'ajoute directement à la valeur originale du pixel. La relation peut être modélisée par I_bruitée(x,y) = I_originale(x,y) + N(x,y), où N(x,y) représente le signal de bruit. Le bruit gaussien et le bruit poivre et sel sont souvent traités comme des bruits additifs.
- Bruit Multiplicatif : Ce type de bruit multiplie la valeur originale du pixel. La formule est I_bruitée(x,y) = I_originale(x,y) * N(x,y). Il est moins fréquent et est souvent associé à des effets de granularité.

Utilisation du Filtre Médian pour la Suppression du Bruit

Le filtre médian est un filtre non linéaire particulièrement efficace pour éliminer le bruit "poivre et sel" sans dégrader significativement les contours de l'image. Il fonctionne en remplaçant la valeur de chaque pixel par la médiane des valeurs de ses pixels voisins (définis par la taille du noyau du filtre, par exemple 3x3). La médiane est la valeur centrale d'un ensemble de nombres triés. Contrairement aux filtres moyenneurs qui tendent à flouter l'image, le filtre médian préserve mieux les détails et les arêtes tout en supprimant efficacement les valeurs extrêmes introduites par le bruit.

L'application d'un filtre médian 3x3 sur les pixels affectés par le bruit "poivre et sel" permet de substituer ces valeurs aberrantes par une intensité plus représentative du voisinage, améliorant ainsi considérablement la qualité visuelle de l'image.

Le Filtre Moyenneur pour la Réduction du Bruit

Comme évoqué précédemment, le filtre moyenneur est également utilisé pour la réduction du bruit, en particulier pour le bruit de type gaussien (un bruit aléatoire uniforme). Cependant, son application sur des bruits impulsifs comme le "poivre et sel" peut entraîner un flou indésirable de l'image. Pour chaque pixel bruité, le filtre moyenneur 3x3 calcule la moyenne des neuf pixels (ou moins si le pixel est près d'un bord) de son voisinage. Cette opération lisse le bruit mais risque aussi d'estomper les contours et les détails fins.

En comparaison, pour le bruit "poivre et sel", le filtre médian est généralement préféré au filtre moyenneur car il offre une meilleure capacité à préserver les structures fines de l'image tout en éliminant efficacement les artefacts de bruit.

Foire Aux Questions (FAQ)

Qu'est-ce que la convolution en traitement d'images ?

La convolution est une opération mathématique fondamentale en traitement d'images. Elle consiste à appliquer un petit tableau de valeurs (appelé noyau ou filtre) sur chaque pixel de l'image. Chaque nouveau pixel est calculé comme la somme pondérée des pixels voisins par les valeurs du noyau. Cela permet de réaliser des opérations comme le flou, le renforcement des contours ou la détection de caractéristiques.

Quelle est la différence entre un bruit additif et un bruit multiplicatif ?

Un bruit additif s'ajoute à l'intensité originale du pixel, indépendamment de cette intensité (par exemple, pixel_bruit = pixel_original + bruit). Le bruit gaussien est souvent additif. Un bruit multiplicatif, quant à lui, est proportionnel à l'intensité originale du pixel (par exemple, pixel_bruit = pixel_original * bruit). Il est plus complexe à modéliser et à supprimer.

Quand utiliser un filtre médian plutôt qu'un filtre moyenneur ?

Le filtre médian est généralement préféré pour éliminer le bruit impulsif, comme le bruit "poivre et sel", car il préserve mieux les bords et les détails fins de l'image. Le filtre moyenneur est plus adapté pour réduire le bruit aléatoire de type gaussien et pour le lissage général de l'image, mais il tend à flouter davantage les contours.