chapitre 4: Étude d’histogrammes
TRANSCRIPT
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
Analyse d’histogramme
• 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
© Rafael C. Gonzalezn
76
Analyse d’histogramme
• Une image sous-exposée courbe orientée vers la gauche
• Une image surexposée courbe orientée vers la droite
© Rafael C. Gonzalezn
77
Analyse d’histogramme
• 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
Analyse d’histogramme
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
Opérations sur l’histogramme
1. Etirement (stretching)
• 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
Opérations sur l’histogramme
1. Etirement (stretching)
• 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
Opérations sur l’histogramme
© OGE MARQUES . Florida Atlantic University
83
Opérations sur l’histogramme
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
Opérations sur l’histogramme
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
Opérations sur l’histogramme
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
© OGE MARQUES . Florida Atlantic University
A A+50
89
Opérations arithmétiques
2. Addition deux images
© OGE MARQUES . Florida Atlantic University
• L'addition sert à mélanger le contenu en pixels de deux images.
90
Opérations arithmétiques
2. Addition deux images
© OGE MARQUES . Florida Atlantic University
• L'addition sert à mélanger le contenu en pixels de deux images.
91
Opérations arithmétiques
3. Soustraction constante
• Soustraire une valeur constante à une image provoque une
diminution de sa luminosité globale
© OGE MARQUES . Florida Atlantic University
A A-80
92
Opérations arithmétiques
© OGE MARQUES . Florida Atlantic University
4. Soustraction deux images
• Utilisée souvent pour détecter la différence entre 2 images
(exemple: détection de mouvement pour caméra statique )
93
Opérations arithmétiques
© OGE MARQUES . Florida Atlantic University
5. Négatif d’une image (negative)
• C’est l’inverse de l’image
94
Opérations logiques
© OGE MARQUES . Florida Atlantic University
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