look up table lut et his togram

Chapitre II

Les operations ponctuelles

Le mécanisme des opérations ponctuelles est le plus simple en traitement d'images. A partird'une image source, le résultat est établi

Exemples d'opérations ponctuelles

Opérations booléennes

valeur (convertie en binaire) du pixel :

• Non (Not)

• Et (And)

• Non-et (Nand/And not)

• Ou (Or)

• Non-ou (Nor/Not or)

• Ou exclusif (Xor)

• Non-ou exclusif (Xnor)

Opérations arithmétiques

pixel, chaque pixel étant un tableau de trois valeurs correspondant aux trois couleurs Rouge, Vert, Bleu. On peut alors appliquer une à chaque valeur du tableau de tableaux. Par exemple:

• Négation (inverse le signe des valeurs de l'image)• Valeur absolue (la valeur absolue des valeurs de l'image)

-----------------------------------------------------------------------------------------------------------------Année 2011 Ayssar SERHAN

Les operations ponctuelles

Le mécanisme des opérations ponctuelles est le plus simple en traitement d'images. A partird'une image source, le résultat est établi point par point

Mécanisme de l'opération ponctuelle

Exemples d'opérations ponctuelles :

Opérations booléennes: C'est une fonction logique qui est appliquée sur la

valeur (convertie en binaire) du pixel :

et (Nand/And not)

ou (Nor/Not or)

ou exclusif (Xnor)

Opérations arithmétiques :On peut transcrire une image en un tableau de pixel, chaque pixel étant un tableau de trois valeurs correspondant aux trois couleurs Rouge, Vert, Bleu. On peut alors appliquer une fonction à chaque valeur du tableau de tableaux. Par exemple:

Négation (inverse le signe des valeurs de l'image) Valeur absolue (la valeur absolue des valeurs de l'image)


Le mécanisme des opérations ponctuelles est le plus simple en traitement point par point

qui est appliquée sur la

peut transcrire une image en un tableau de pixel, chaque pixel étant un tableau de trois valeurs correspondant aux trois

arithmétique


• Addition (additionne les valeurs d'une image aux valeurs d'une seconde image)

• Soustraction (soustrait les valeurs d'une image aux valeurs d'une seconde image)

• Multiplication: augment le contrast dans l'image. • Division : reduit le contrast dans l'image. • Maximum: determine la valeur maximale d'intensite • Minimum: determine la valeur minimale d'intensite

Look-up Table (LUT): est un simple tableau qui utilisent la valeur actuel du pixel comme indice de tableau. La nouvelle valeur (valeur de sortie) est l'élément de tableau indexé par cet indice. Le meilleur avantage de la LUT est que LUT réduit calculs inutiles et répétés.

Comment faire pour utiliser: 1. Fixer la valeur d'entrée à 0 pour l'une négative, et à 255 pour une débordante. 2.L' Utilisation de la mémoire buffer d'entrée comme un buffer de sortie permet d'économiser l'espace mémoire en supprimant l'allocation de mémoire inutile pour la sortie.


est un terme informatique désignant une appelé tableau de correspondances), qui permet d'associer des valeurs. Elle se comporte un peu comme une ses entrées et du contenu de la table.

Histogramme d

Histogramme est une Les intensités des pixelsd'occurrences pour chaque

Mécanisme de


un terme informatique désignant une table de correspondanceappelé tableau de correspondances), qui permet d'associer des valeurs. Elle se comporte un peu comme une table de vérité, et désigne sa sortie en fonction de ses entrées et du contenu de la table.

d'image:

bâtons simple qui est pour les intensitésdes pixels sont tracées le long de l'axe des x pour chaque intensité sont tracées le long de l'axe des y

Mécanisme de calcule d'histogramme


table de correspondance (aussi appelé tableau de correspondances), qui permet d'associer des valeurs. Elle se

, et désigne sa sortie en fonction de

les intensités de pixels. et le nombre

l'axe des y.


%programme matlab close all clc im=imread( 'test1.tif'imshow(im); %afficher l'imagehisto=zeros(1,256);

for i=1:size(im,1) for j=1:size(im,2) histo(im(i,j))=histo(im(i,j))+1;

end end figure; bar(histo); %afficher l'histogramme

Egalisation d'histogramme:opération ponctuelle basée sur une analyse de l'histogramme des niveaux de gris de l'image source; elle corrige automatiquement la répartionde gris pour utiliser la totalité de la dynamique des niveaux de grL'histogramme des niveaux de gris est obtenu par dénombrement des niveaux de gris contenudans une image et tracé du graphe discret de ces valeurs en fonction du niveau de gris. Le graphe est une suite de raies; lorsque tous les niveaux de gris sont représentés (absence de "trous" dans la représentation), le graphe suit la forme du graphe de l'image avant sa digitalisation.

Image d'entree

Histogramme egalisee image de sortie ---------------------------------------------------------------------------------Année 2011 Ayssar SERHAN

pour calculer l'histogramme

'test1.tif' ); %lire l'image %afficher l'image

histo=zeros(1,256); %vecteur vide i=1:size(im,1)

j=1:size(im,2) histo(im(i,j))=histo(im(i,j))+1; %calcule %d'histograme

%afficher l'histogramme

Egalisation d'histogramme: L'égalisation d'histogramme est une opération ponctuelle basée sur une analyse de l'histogramme des niveaux de gris de l'image source; elle corrige automatiquement la répartionde gris pour utiliser la totalité de la dynamique des niveaux de gris.L'histogramme des niveaux de gris est obtenu par dénombrement des niveaux de gris contenudans une image et tracé du graphe discret de ces valeurs en fonction du niveau de gris. Le graphe est une suite de raies; lorsque tous les

résentés (absence de "trous" dans la représentation), le graphe suit la forme du graphe de densité de probabilité du niveau de gris de l'image avant sa digitalisation.

Image d'entree histogramme d'image

Histogramme egalisee image de sortie


%calcule d'histograme

L'égalisation d'histogramme est une opération ponctuelle basée sur une analyse de l'histogramme des niveaux de gris de l'image source; elle corrige automatiquement la répartion des niveaux

is. L'histogramme des niveaux de gris est obtenu par dénombrement des niveaux de gris contenudans une image et tracé du graphe discret de ces valeurs en fonction du niveau de gris. Le graphe est une suite de raies; lorsque tous les

résentés (absence de "trous" dans la représentation), le du niveau de gris de

histogramme d'image

Histogramme egalisee image de sortie

--------------------------------Année 2011 Ayssar SERHAN

L'objectif de l'égalisation d'histogramme est de ramener l'histogramme des niveaux de gris à un histogramme plat qui traduit une équiprobabilité des différents niveaux de gris. Étapes d'égalisation d'histogramme : 1-Calculer l'histogramme. 2-Calculer la somme normalisée de l'histogramme. 3-Transformer l'image d'entrée à l'image de sortie.

On definir la constant de normalisation par: � =��

��

function [result]=equa_hist(buffer) close all clc hist=zeros(1,256); result=buffer; figure; imshow(buffer); %calcule d'histogramme for i=1:size(buffer,1) for j=1:size(buffer,2) hist(buffer(i,j))=hist(buffer(i,j))+1; end end % calcule de l'histogram cumulatif et de de LUT sum=0; scale=(255/(size(buffer,1)*size(buffer,2)));% constant C lut= zeros(1,size(buffer,1)*size(buffer,2)); cum_hist=hist; for i=1:256 sum=sum+hist(i); cum_hist(i)=sum; lut(i)=(scale*sum)+0.5; end figure; bar(cum_hist); % transformation de l'image d'entree en image de so rtie a l'aide de LUT for i=1:size(buffer,1) for j=1:size(buffer,2) result(i,j)=lut(buffer(i,j)); end end figure; imshow(result); -----------------------------------------------------------------------------------------------------------------Année 2011 Ayssar SERHAN

figure; bar(hist); hist=zeros (1,256);

% calcule d'histograme pour l'image de sortiefor i=1:size(buffer,1) for j=1:size(buffer,2) hist(result(i,j))=hist(result(i,j))+1;

end end figure bar(hist) end

Étirement d’histogramme

Cette transformation surcontraste d’une image. Pour cela, il convient d’augmenter sur l’histogramme (cf. figure du haut) l’intervalle [a,b] de répartition des niveaux de gris de l’image d’entrée « Ie ». On parle alors d’étirement d’hivue de la transformation (cf. figure du bas), un étirement maximal est réalisé dès lors que la répartition des niveaux de gris de l’image de sortie « Is » occupe l’intervalle maximal possible [0, Max]. Typiquement pour une image dontniveaux sont codés sur 8 bits, l’intervalle [a, b] de Ie sera étiré jusqu’à l’intervalle [0, 255] pour Is.

-----------------------------------------------------------------------------------------------------------------Année 2011

(1,256); % calcule d'histograme pour l'image de sortie

i=1:size(buffer,1) j=1:size(buffer,2)

hist(result(i,j))=hist(result(i,j))+1;

tirement d’histogramme(contrast stretching):

Cette transformation sur l’histogramme a pour objet l’augmentation du contraste d’une image. Pour cela, il convient d’augmenter sur l’histogramme (cf. figure du haut) l’intervalle [a,b] de répartition des niveaux de gris de l’image d’entrée « Ie ». On parle alors d’étirement d’histogramme. Du point de vue de la transformation (cf. figure du bas), un étirement maximal est réalisé dès lors que la répartition des niveaux de gris de l’image de sortie « Is » occupe l’intervalle maximal possible [0, Max]. Typiquement pour une image dontniveaux sont codés sur 8 bits, l’intervalle [a, b] de Ie sera étiré jusqu’à l’intervalle [0, 255] pour Is.

----------------------------------------------------------------------------------------------------------------- Ayssar SERHAN

l’histogramme a pour objet l’augmentation du contraste d’une image. Pour cela, il convient d’augmenter sur l’histogramme (cf. figure du haut) l’intervalle [a,b] de répartition des niveaux de gris de

stogramme. Du point de vue de la transformation (cf. figure du bas), un étirement maximal est réalisé dès lors que la répartition des niveaux de gris de l’image de sortie « Is » occupe l’intervalle maximal possible [0, Max]. Typiquement pour une image dont les niveaux sont codés sur 8 bits, l’intervalle [a, b] de Ie sera étiré jusqu’à

-----------------------------------------------------------------------------------------------------------------Ayssar SERHAN

L'etirement d'histogramme Subit la fonction suivant:

�� =�� − intensite!"#"!$%

�&'�&(�'�� − �&'�&(�'��

× 255

255 represente la valeur maximale d'intensite dans un image quantifier sur 8 bits. function [result]=cont_str(buffer) close all ; clc; hist=zeros(1,256); result=buffer; min=1; max=255; figure; imshow(buffer); %calcule d'histogramme for i=1:size(buffer,1) for j=1:size(buffer,2) hist(buffer(i,j))=hist(buffer(i,j))+1; end end % calcule de LUT sum=0; lut=zeros(1,256); for i=1:256 if (hist(i)) min=i; break; end end for i=256:-1:1 if (hist(i)) max=i; break; end end lut(1:min)=1; lut(max:256)=255; scale=255/(max-min); -------------------------------------------------------------------------------------------------------------Année 2011 Ayssar SERHAN

for i=min:max lut(i)=(i-min)*scale; end for i=1:size(buffer,1) for j=1:size(buffer,2) result(i,j)=lut(buffer(i,j))+1; end end figure; imshow(result); figure; bar(hist); hist=zeros(1,256); % calcule d'histograme pour l'image de sortiefor i=1:size(buffer,1) for j=1:size(buffer,2) hist(result(i,j))=hist(result(i,j))+1; end end figure bar(hist) end

Image d'entrée histogramme de l'Image

Image sortie histogramme de de sortie----------------------------------------------------------------------------------------------Année 2011 Ayssar SERHAN

result(i,j)=lut(buffer(i,j))+1;

% calcule d'histograme pour l'image de sortie

hist(result(i,j))=hist(result(i,j))+1;

Image d'entrée histogramme de l'Image

Image sortie histogramme de de sortie

----------------------------------------------------------------------------------------------Année 2011 Ayssar SERHAN

Image d'entrée histogramme de l'Image d'entrée

Image sortie histogramme de de sortie

-------------------------------------------------------------------------------------------------------------Année 2011 Ayssar SERHAN

look up table lut et his togram

Documents