chapitre 4: Étude d’histogrammes

Chapitre 4: Étude d’histogrammes

72

73

Histogramme

Définition

• L'histogramme d'une image en 256 niveaux de gris est un

graphique possédant 256 valeurs (niveau de gris) en abscisses,

et le nombre de pixels de l'image en ordonnées

• Par convention les niveau d'intensité allant du plus foncé (à

gauche) au plus clair (à droite).

Image rice NG Histogramme

74

Analyse d’histogramme

• L'histogramme permet d’analyser le contraste et la luminance

• Une image peu contrastée ayant une courbe qui occupe

la partie centrale: la majorité des intensités se trouvent

aux alentours du gris.

© Rafael C. Gonzalezn

75


• Une image contrastée sera représentée par une courbe allant de

l'extrême gauche à l'extrême droite.

• Une image à très fort contraste aura une courbe n'occupant que

les extrémités


76


• Une image sous-exposée courbe orientée vers la gauche

• Une image surexposée courbe orientée vers la droite


77


• L'histogramme donne une information sur les occurrences

(fréquences d'apparition) des niveaux de gris d’une image, mais

sans indiquer la répartition de ces niveaux au sein de l'image.

Exemple : damier

78


Histogramme cumulé

• L'histogramme cumulé représente la distribution cumulée

des intensités

Exemple:

79

Opérations sur l’histogramme

• Les histogrammes peuvent être utilisés pour améliorer ou modifier

les caractéristiques d'une image, en particulier son contraste

• La modification de l’histogramme n'altère pas les informations

contenues dans l'image mais les rend plus ou moins visibles

• Deux principales opérations :

1. Etirement (stretching)

2. Egalisation (Equalization)

80



• Permet d’augmenter le contraste d’une image

• Consiste à répartir au mieux les fréquences d'apparition

des pixels sur l'échelle des valeurs disponibles

© OGE MARQUES . Florida Atlantic University

81



• L’intervalle [Smin, Smax] (image d’entrée IE) sera étiré jusqu’à

l’intervalle [0, 255] pour l’image de sortie IS

Smax Smin 0 255

255(x, y) ( (x, y) min)

max min

(x, y) 0 (x, y) 0

(x, y) 255 (x, y) 255

IS IE SS S

IS IS

IS IS

82



83


2. Egalisation (Equalization) appelée aussi normalisation

• Équilibrer le mieux possible la distribution des pixels, pour

augmenter le contraste

• Même nombre de pixel pour chacun des niveaux

• L’idéal est d’obtenir un histogramme plat

Histogramme image IE Histogramme image IS

84


2. Egalisation (Equalization)

. ( (x, y))(x, y)

Max HC IEIS Round

N

• N: nombre de pixels

• Max: niveau de gris max

• HC: histogramme cumulé

85


Histogramme image couleur

• 3 histogrammes de chacune des composantes R,V,B

Chapitre 5: Opérations arithmétiques et logiques

86

87

Types d’opérations

• Point à point

• Locale

• Globale

88

Opérations arithmétiques

1. Addition constante

• Ajout d'une valeur constante à une image provoque une

augmentation de sa luminosité globale


A A+50

89


2. Addition deux images


• L'addition sert à mélanger le contenu en pixels de deux images.

90


2. Addition deux images


• L'addition sert à mélanger le contenu en pixels de deux images.

91


3. Soustraction constante

• Soustraire une valeur constante à une image provoque une

diminution de sa luminosité globale


A A-80

92



4. Soustraction deux images

• Utilisée souvent pour détecter la différence entre 2 images

(exemple: détection de mouvement pour caméra statique )

93



5. Négatif d’une image (negative)

• C’est l’inverse de l’image

94

Opérations logiques


AND, OR, XOR, NOT

• Généralement entre images binaires

• AND, OR pour masquage (extraire une région d’intérêt)

• NOT pour inverser une image

Chapitre 6: Seuillage

95

96

Seuillage

Définition

• Le seuillage (Thresholding ) est une opération réduisant l’image

à deux ou quelques niveaux d’intensité

• La binarisation (seuillage simple) consiste à mettre à 0 tous les

pixels ayant un niveau de gris inférieur à une valeur donnée

(Seuil) et à 1 les pixels ayant une valeur supérieure.

97

Seuillage

Seuillage simple

98

Seuillage

• L’opération de multi-seuillage permet de définir plusieurs seuils afin

de regrouper les pixels dans différentes classes, où chaque classe

est délimitée par deux seuils.

Multi-seuillage

99

Seuillage

• Segmentation des images

• Isoler facilement les différentes régions

Applications du seuillage

© Brice MICHOUD Université Lyon 1

100

Seuillage

• Valeur obtenue par tests

• Valeur moyenne des niveaux de gris

• A partir de l'histogramme

• Méthode automatique OTSU (Nobuyuki Otsu)

• ……………..

Choix du seuil?

© Zouhir wakaf, Defect detection based on extreme edge of defective region histogram

101

Seuillage

• Assez simple à implémenter

• Identifier facilement les objets biens séparés

• Moins d'informations à traiter (calculs plus rapides)

Avantages

Inconvénients

• Chercher la meilleure valeur du seuil

• Perte énorme d'informations utiles (passage 2562)

• Sensibilité aux bruits

chapitre 4: Étude d’histogrammes

Documents