Traitement d'images - PowerPoint PPT Presentation

Loading...

PPT – Traitement d'images PowerPoint presentation | free to download - id: 5390de-OTIwZ



Loading


The Adobe Flash plugin is needed to view this content

Get the plugin now

View by Category
About This Presentation
Title:

Traitement d'images

Description:

Traitement d'images Hugues BENOIT-CATTIN Image originale Q. uni. opt. : RSB 23,8 dB Q. uni. lin. : RSB 22,5 dB Q. Max : RSB 24,2 dB Quantification vectorielle ... – PowerPoint PPT presentation

Number of Views:1871
Avg rating:3.0/5.0
Slides: 129
Provided by: CNRS73
Learn more at: http://www.creatis.insa-lyon.fr
Category:

less

Write a Comment
User Comments (0)
Transcript and Presenter's Notes

Title: Traitement d'images


1
Traitement d'images Hugues BENOIT-CATTIN
2
I. Introduction
3
HBC
4
  • Domaines d'application
  • Vision industrielle
  • Imagerie médicale
  • Imagerie satellite
  • Microscopie
  • Télécommunications
  • Animations, Images de synthèse
  • ....

5
Plan
  • I. Introduction
  • II. Représentations Acquisition
  • III. Pré-traitement Amélioration
  • IV. Compression
  • V. Segmentation
  • VI. Introduction à l'indexation
  • VII. Introduction au tatouage
  • VIII. Conclusion

Remerciements à A. Baskurt, C. Odet pour les
parties II, III, V
6
Eclairage
Scène, objets 2D 3D...
Formation de limage
Image 2D,3D,...
Numérisation
Image numérique
Corrections - radiométriques - géométriques
Restauration Reconstruction
Image numérique
7
BDO
Transmission
Reconnaissance de formes
Décision
8
II. Représentation Acquisition
  • 1. Représentation continue
  • 2. Représentation échantillonnée
  • 3. Voisinage, connexité, distance
  • 4. Acquisition échantillonnage,
    quantification, bruit
  • 5. Représentations fréquentielles
  • 6. Représentations pyramidales
  • 7. Représentation de la couleur

9
II.1 Représentation continue
  • Image fonction dau moins deux variables
    réelles
  • Image f(x,y) image 2D
  • Volume f(x,y,z) image 3D
  • Séquence dimage f(x,y,t)
  • Séquence de volumes f(x,y,z,t) image 4D
  • Les valeurs prises par f(.) peuvent être
  • Scalaires (intensité lumineuse)
  • Vectorielles (couleur (RVB, ..), imagerie
    multispectrale, image de paramètres...)
  • Réelles ou complexes

10
  • Une image 2D f(x,y) scalaire réelle peut être vue
    comme une surface en 3D

Interprétation altimétrique des images, bassin
versant, détection de ligne de crêtes,
dénivellation ...
  • Si f(.) représente une intensité lumineuse

Cette représentation est utilisée quel que soit
le paramètre représenté par f(.) ( Température,
pression,....) Correspondance entre niveau de
gris et grandeur physique.
11
  • Opérations sur les images continues
  • Toutes opérations réalisables sur le papier sur
    les fonctions continues à variables réelles
  • Transformée de Fourier bidimensionnelle (2D)
  • Filtrage, convolution, corrélation,
    intégration, dérivation, traitements non
    linéaire...
  • On utilisera souvent la notation continue pour
  • représenter et manipuler des images numériques
    (discrètes, échantillonnées, quantifiées)
  • Le traitement numérique de limage sera parfois
    une discrétisation dune opération en continu

12
II.2 Représentation échantillonnée
  • Echantillonnage dune fonction f(x,y)
  • fe(x,y) f(x,y).Si Sj d( x - i Dx , y - j
    Dy )
  • Dx pas déchantillonnage dans la direction x
  • Dy pas déchantillonnage dans la direction y

Si Sj d( x - i Dx , y - j Dy ) Peigne de Dirac 2D
13
Caméra CCD
Caméra à tube
14
  • Dans le cas général on aura (cas variant)
  • Si h(.,.) est identique en tout point (x,y), on
    aura (cas invariant)

h représentera la réponse impulsionnelle du
système de prise de vue. Cest une opération de
convolution, donc de filtrage.
  • Limage échantillonnée est donc
  • Dans un ordinateur, limage (numérique) sera
    représentée par une matrice (tableau 2D)

15
  • f i,j est appelé valeur du PIXEL (i,j)
  • (Pixel PICture ELement)
  • Pour visualiser une image, on remplit une région
    rectangulaire (Pixel) avec un niveau de gris (ou
    de couleur) correspondant à la valeur du pixel.
    En général les niveaux de gris (ou de couleur)
    utilisé pour la visualisation sont compris entre
    0 et 255 (code de longueur fixe sur 8 bits).

Affichage
Niveau de gris
f i,j
0.1 0.23 0.15 0.50
50 115 75 250
16
  • La maille (répartition des pixels) est le plus
    souvent carrée (DxDy) ou rectangulaire
  • On utilise parfois une maille hexagonale qui
    possède des propriétés intéressantes pour les
    notions de voisinage et de distance.

17
II.3 Voisinage, connexité, distance
  • Beaucoup de traitements font intervenir la
    notion de voisinage
  • Un pixel possède plusieurs voisins (4 ou 8)
  • On parlera de connexité 4 ou 8

La région grise forme UN seul objet en
connexité 8 DEUX objets en connexité 4
18
  • Distance entre deux pixels f i,j et f k,l

19
II.4 Acquisition échantillonnage /
quantification
  • Effets de l'échantillonnage pixelisation

256 x 256 pixels
64 x 64 pixels
16 x 16 pixels
  • Contours en marche descalier
  • Perte de netteté
  • Détails moins visibles/ moins précis
  • Perte de résolution

20
  • Effets de la quantification à l'acquisition
  • CAN sur les systèmes dacquisition dimages
  • Codage de la valeur de chaque pixel sur N bits
    (En général 8 bits)

8 bits (256 niv.)
2 bits (4 niv.)
4 bits (16 niv.)
  • Apparition de faux contours
  • Bruit de quantification
  • Effet visible à lœil en dessous de 6/7 bits
  • Quantification sur 8 bits pour laffichage

21
  • Bruits liés à l'acquisition

Les images sont souvent entachées de bruit,
parfois non visible à lœil, et qui perturberont
les traitements
Diaphragme F/4
F/8
F/16
  • Optimiser les conditions déclairage
  • Attention à léclairage ambiant
  • Mais... diaphragme ouvert faible profondeur de
    champ
  • Mais... éclairage important dégagement de
    chaleur

22
Eclairage non uniforme !
Correction de l'éclairage
23
  • Flou de bougé/filé dû à un temps de
    pose/intégration trop long

Cet effet est limité par lusage dobturateur
rapide et/ou déclairage flash
  • Effet de lignage dû au balayage entrelacé des
    caméras vidéo

Cet effet disparaît avec les caméras à balayage
progressif non entrelacé
Une bonne acquisition
Des traitements facilités
24
II.5 Représentations fréquentielles
  • Notion de fréquence spatiale
  • Transformée de Fourier
  • Transformée Cosinus

25
  • Notion de fréquence spatiale

26
Variation sinusoïdale ? rapide (fréquence) des
niveaux de gris dans une direction donnée
27
  • Transformée de Fourier 2D
  • Image S images sinusoïdales (A,f,j)
  • F image complexe (module phase)

28
Images sinusoïdales Impulsions de
Dirac
29
  • Transformée de Fourier Discrète 2D (DFT)

Image échantillonnée (M x N) pixels, la DFT est
donnée par
30
  • Propriétés de la DFT 2D
  • Identiques au 1D
  • Périodique en u,v (période M,N)
  • F(0,0) composante continue moyenne des NG
  • Conservation de l énergie ? SS f(m,n)² SS
    F(u,v)²
  • f réelle ? F symétrique conjuguée (mod. pair,
    arg. impair)
  • Séparable
  • Algorithme rapide (FFT) N².log2 (N)
  • Convolution circulaire DFT

31
  • Importance de la phase

DFT - DFT-1
Module
Phase
Module
32
  • Echantillonnage Aliasing
  • Si le théorème de Shannon nest pas respecté
    lors de
  • léchantillonnage dune image continue, il y a
    repliement
  • de spectre
  • Ceci se traduit dans les images par des figures
    de Moiré,
  • cest à dire des formes fausses qui nexistaient
    pas dans
  • limage dorigine
  • Les caméras matricielles types CCD induisent
    systématiquement
  • du repliement de spectre. Limage dentrée ne
    devra donc pas contenir trop de hautes fréquences
    ( Ne passez pas à la télé avec
  • un costume rayé ! )

33
Echantillonnée
Continue !
Sans repliement
Remarque DFT périodique
34
Echantillonnée
Continue !
Avec repliement
35
  • Transformée Cosinus Discrète

36
  • Propriétés de la DCT 2D
  • Linéaire, séparable
  • Coefficients réels
  • C(0,0) composante continue moyenne des NG
  • Concentration d énergie en basse-fréquence
  • Algorithme rapide (via la FFT) N².log2 (N)

? compression d images
37
II.6 Représentations pyramidales
  • Pyramides Gaussiennes Laplaciennes
  • Sous-Bandes / Transformée en ondelettes

? Traitement multirésolution Coarse To Fine
38
  • Pyramides Gaussiennes Laplaciennes

39
  • Burt Adelsson (1983)
  • Filtrage passe-bas 2D de type gaussien

? Compression d images ? Analyse et
segmentation d images
40
  • Décomposition en sous-bandes / ondelettes
  • Esteban/Galland 1977 - Woods/O Neil 1986 - -
    Mallat (1989)
  • Filtres FIR 1D, 2D
  • Filtres IIR 1D, 2D

Une Décomposition
41
Une reconstruction
  • Décomposition / Reconstruction sans pertes ?
    cascades

42
Pyramidale (itérée en octave)
Adaptative
43
  • Réversible
  • Concentration d énergie
  • Spatio - fréquentiel
  • Analyse Compression

44
II.7 Représentation de la couleur
  • RGB
  • CMY
  • YUV / YIQ
  • HSL
  • Palettes

45
  • Rouge Vert Bleu (RGB)
  • Synthèse additive de la couleur (perception
    d une source)
  • Œil, Moniteur, Carte graphique
  • Images 24 bits (38 bits)
  • ?16 M de couleurs gtgt 350 000
  • NG RGB

46
  • Cyan Magenta Jaune (CMY)
  • Synthèse soustractive de la couleur
  • Objet éclairé absorbant un certain nombre de
    fréquences
  • Extension CMYK pour l impression en
    quadrichromie

47
  • YUV (PAL) / YIQ (NTSC)
  • Y intensité lumineuse TV NB
  • UV / IQ information chrominance
  • YUV gtgt RGB pour la décorrélation de
    l information
  • Compression d images couleur
  • DVB ? YUV 420

48
  • Hue Saturation Lightness (HSL)
  • Le cerveau réagit à
  • la longueur d onde dominante (teinte)
  • la contribution à la luminosité de l ensemble
    (saturation)
  • l intensité par unité de surface luminance
  • Y L
  • UV ? coordonnées polaire ? HS

49
  • Palettes de couleur
  • 16 Millions de couleurs ? 256 couleurs
    palettes (GIF, BMP)
  • Image indexée Palette (couleur sur 24 bits)
    matrice d index
  • ? visualisation en fausses couleurs

50
Plan
  • I. Introduction
  • II. Représentations Acquisition
  • III. Pré-traitement Amélioration
  • IV. Compression
  • V. Segmentation
  • VI. Introduction à l'indexation
  • VII. Introduction au tatouage
  • VIII. Conclusion

51
III. Pré-traitements Amélioration
  • 1. Opérations pixel à pixel
  • 2. Opérations sur un voisinage filtrage
  • 3. Transformations géométriques

52
  • Pourquoi pré-traiter une image ?
  • Pour corriger les effets de la chaîne
    d acquisition
  • Correction radiométriques et/ou géométriques
  • Réduire le bruit Restauration, Déconvolution
  • Améliorer la visualisation
  • Améliorer les traitements ultérieurs
    (segmentation, compression )

53
III.1 Opérations pixel à pixel
  • Modification d'un pixel indépendamment de ses
    voisins
  • Histogramme des niveaux de gris
  • Comptage des pixels ayant un niveau de gris (NG)
    donné
  • Histogramme ? densité de probabilité des niveaux
    de gris

Niveau de gris
54
  • Modification d histogramme
  • Transformation des niveaux de gris f
  • vf(u) avec u niv. gris de départ, v niv.gris
    d'arrivée
  • f peut prendre une forme quelconque

55
  • Recadrage linéaire des niveaux de gris

v
255
vf(u)
u
0
255
56
  • Seuillage binaire
  • Négatif

57
  • Egalisation d'histogramme

58
  • Autres transformations
  • Non-linéaire, Logarithme, Extraction de plans
    binaires,
  • Ecrêtage, Compression-dilatation de dynamique,
  • Spécification dhistogramme,
  • Codage en couleur, Pseudo-couleur, ....
  • Segmentation basée sur les niveaux de gris
    (multi-seuillage)

59
III.2 Opérations sur un voisinage filtrage
  • Modification d'un pixel en fonction des ses
    voisins
  • Filtrage linéaire
  • Domaine spatial filtres FIR 2D (masque),
    filtres IIR
  • Domaine fréquentiel dans le plan de Fourier

g(x,y) h(x,y)f(x,y) (convolution
bidimensionnelle) G(u,v) H(u,v) . F(u,v)
  • Filtrage non-linéaire dans le domaine spatial

60
  • Filtrage spatial FIR 2D masque de convolution
  • Convolution par une réponse impulsionnelle finie
    appelée
  • Masque de Convolution

f est limage de départ h est le masque de
convolution W défini un voisinage
  • Un pixel f(i,j) est remplacé par une somme
    pondérée de lui- même et des pixels de son
    voisinage

61
  • Exemple Filtre moyenneur

k
0
1
W voisinage 2x2 ? k0,1 l0,1
1/4
1/4
0
1
h(k,l) 1 /4 pout tout (k,l)
1/4
1/4
l
( En ne conservant que la valeur entière )
0 1 2 2 1 1 2 1 1 2 0 0
3/4 6/4 7/4 x 5/4 5/4 3/4 x x x x x
0 1 1 x 1 1 0 x x x x x
62
Moyenneur 2x2
(zoom)
63
  • Remarques
  • Utilisation de voisinages très divers
  • Rectangulaires 2x2, 3x3, 4x4, 5x5, 7x7, 1x2,
    2x1, 1x3, 3x1...
  • En croix, Circulaires...
  • Valeurs des coefficients
  • Constants(Moyenneur), Gaussiens
  • Effets de filtrage passe-bas image plus
    flou, contours moins précis mais réduction du
    bruit haute fréquence
  • Le principe du masque de convolution sera
    utilisé pour dautres
  • traitements (Détection de contours)
  • Lutilisation dun voisinage entourant un pixel
    est un principe très général en traitement de
    limage

64
  • Exemple réduction du bruit

Filtre moyenneur 3x3 (k-1,0,1 l-1,0,1),
Valeur constante h(k,l)1/9
65
  • Exemple réhaussement de contours

0 -1 0 -1 4 -1 0 -1 0
0 -1 0 -1 5 -1 0 -1 0
Image dorigine Laplacien
66
  • Filtres FIR 2D et plan de Fourier

g(x,y) h(x,y)f(x,y) ? G(u,v) H(u,v) .
F(u,v)
  • Filtrage N².(L-1) N² vs. N².Log2N N²
  • Synthèse de filtres
  • 1D ? 2D
  • Echantillonnage en fréquence
  • Fenêtre

67
  • Filtre Moyenneur

Cest un filtre passe-bas, peu sélectif,
anisotrope
68
  • Filtre Gaussien

- Filtre IIR ? version tronquée à Ks et
échantillonnée ? masque FIR
- Cest un filtre passe-bas isotrope peu
sélectif. - H(u,v) est aussi une gaussienne
69
  • Fenêtrage fréquentiel

DFT
Filtrage
DFT-1
70
  • Illustrations

71
  • Filtrage non linéaire 2D filtre Médian
  • Remplacer le pixel central par la valeur médiane
    du voisinage

72
  • Avantage par rapport au filtrage linéaire
  • ? les bords sont conservés

Filtre linéaire de largeur 3
Filtre médian voisinage 3
73
  • Principe du filtrage IIR 2D
  • Notion de causalité 2D
  • Filtrage récursif
  • Remarques
  • Le choix du balayage est arbitraire
  • Le pixel présent ne dépend que des pixels du
    passé
  • Voisinage pixels du passé entourant le pixel
    présent

74
III.3 Transformations géométriques
  • Objectif
  • Corriger les déformations dues au système de
    prise de vue

f(x,y) f(x,y) avec xh1(x,y) et
yh2(x,y)
  • Exemple transformation affine (translation,
    rotation)

Remarque les paramètres a,b,c,d peuvent ne pas
être les mêmes pour toutes les régions dune image
75
  • Problème
  • x,y,sont des valeurs discrètes (image
    échantillonnée) xkDx , ylDy
  • et xh1(kDx , lDy) et yh2(kDx , lDy) ne
    seront pas
  • nécessairement des multiples entiers de Dx et Dy

k
k1
m
m1
Dx
Dx
l
n
P1
P2
Dy
Dy
l1
n1
P3
P4
76
Solution Interpolation
m
f(Q)f(mDx,nDy) Gf(P1),f(P2),f(P3),f(P4) ave
c f(P1)f (kDx, lDy) f(P2)f
((k1)Dx,lDy) f(P3)f ((k1)Dx,(l1)Dy)
f(P4)f (kDx, (l1)Dy)
P1
P2
Q
n
d4
P3
P4
  • Plus proche voisin f(Q)f(Pk) , k
    dkmind1,d2,d3,d4
  • Interpolation linéaire
  • Interpolation bilinéaire, fonctions spline,
    Moindre ², ....

77
y
y
x x0.5 y y y
x
x
128x128
  • Warping ? Placage de texture ? animation ...

78
Plan
  • I. Introduction
  • II. Représentations Acquisition
  • III. Pré-traitement Amélioration
  • IV. Compression
  • V. Segmentation
  • VI. Introduction à l'indexation
  • VII. Introduction au tatouage
  • VIII. Conclusion

79
IV. Compression
  • 1. Introduction
  • 2. Approches directes
  • 3. Approches par transformation
  • 4. Compression de séquences d'images

80
IV.1 Introduction
  • Objectifs

Réduction du volume occupé par les images
numériques pour faciliter leur transfert et/ou
leur stockage
  • Historique
  • 1952 Codeur entropique (Huffman)
  • 1978 DCT (Pratt)
  • 1980 Vectoriel (Linde-Buzo-Gray)
  • 1986 Sous-bandes (Woods)
  • 1986 Vectoriel sur treillis (Fisher)
  • 1989 JPEG
  • 1989 MPEG-2
  • 1989 Ondelettes (Mallat, Daubechies)
  • 1990 Fractales (Jacquin)
  • 1996 SPIHT
  • 1996 MPEG-4
  • 1997 MPEG-7
  • 1998 JPEG2000

81
  • Applications
  • Imagerie médicale ? Télémédecine
  • Imagerie spatiale
  • Imagerie sous-marine
  • Archivage divers (Musée, BNF, Empreintes ...)
  • Vidéo conférence / visiophone (64 kb/s)
  • Télésurveillance
  • Video On Demand
  • Télévision numérique (150 Mb/s)
  • ...

82
  • Classification des méthodes de compression

83
  • Evaluation d'une méthode compression
  • Dépend de l'application
  • Taux de compression (Tc)

Ex image (512x512x8bpp) avec Tc10 ?
512x512x8/1026215 bits ? 0.8 bpp
  • Qualité
  • Critère mathématique (RSB)

Avec
  • Critères subjectifs
  • - Courbes ROC (médecine)
  • - Notations subjectives (TV)

84
  • Autres critères
  • Vitesse d'exécution codeur /décodeur
  • Complexité
  • - Additions / multiplications
  • - Soft / Hard
  • Résistance au bruit de transmission
  • Intégration de post-traitements
  • - Prise en compte du récepteur (homme / machine)
  • Coût financier
  • Scalability

85
IV.2 Approches directes
  • Codage Huffman
  • Codage arithmétique
  • Codage par longueur de plage
  • Codage type dictionnaire
  • Quantification scalaire
  • Quantification vectorielle
  • Méthodes prédictives
  • Approche quadtree
  • Codage fractale

Codeurs de source (Th. Information)
86
  • Codage Huffman (1952)
  • Algorithme

87
(No Transcript)
88
  • Codage Arithmétique (1976)
  • JBIG ? Codage des Fax type IV

89
  • Exemple

90
(No Transcript)
91
  • Codage par longueur de plage (Run length coding)

92
  • Codage de type dictionnaire (1977)

93
(No Transcript)
94
  • Quantification scalaire
  • Traitement pixel à pixel
  • ? Diminuer le nombre de niveaux de gris utilisés
    Nnq lt Nnp
  • Problèmes
  • - Comment choisir les seuils de quantification
    (si) ?
  • - Comment choisir les niveaux de quantification
    (qi) ?

95
  • Quantification scalaire uniforme linéaire

avec
96
  • Quantification scalaire uniforme optimale
  • Niveaux Barycentre (histogramme)
  • Quantification optimale (Loyd-Max 1960)
  • Minimise l'erreur de quantification
  • Algorithme itératif très long pour des
    distributions inconnues
  • Tables pour des dist. gaussiennes, laplaciennes,
    ...
  • Fait le travail du codeur !

97
  • Exemple de comparaison (peppers 512x512x8bpp)
  • Remarque
  • ?Efficacité variable du codeur entropique !

98
Q. uni. lin. RSB 22,5 dB
99
  • Quantification vectorielle
  • Extension de la quantification scalaire
  • ? Pixel ? Vecteur bloc de pixels contigus
  • Vecteur de taille et forme variable
  • Approche optimale Linde Buzo Gray (1980)
  • Phase d'apprentissage dictionnaire de vecteurs
  • Vecteur représentant d'une région de Voronoï
    de taille variable
  • Dictionnaire connu du codeur /décodeur
  • Phase d'apprentissage délicate
  • Temps de recherche dans le dictionnaire
  • Approche treillis

100
(No Transcript)
101
  • Méthodes prédictives (1974)
  • Exploitent la corrélation entre pixel voisin

Modulation par Impulsions Codées Différentielles
(MICD) DPCM
  • Propagation des erreurs
  • Prédicteurs non optimaux
  • Adaptation aux statistiques locales

102
IV.3 Approches par transformation
103
  • Représentation différente de l'image
  • ? Décorrélation ? Gain en performances
  • Temps de calcul supplémentaire
  • Une Transformation
  • ? Réversible (sans perte)
  • ? Orthogonale (énergie conservée)
  • ? Rapide
  • DCT ? JPEG
  • Ondelettes ? SPIHT, JPEG2000

104
  • Compression DCT bloc JPEG (1989)
  • DCT bloc 8x8
  • ? homogénéité locale de l'image
  • ? l'erreur de quantification est localisée au bloc

105
  • Schéma général

106
  • Matrice de normalisation
  • ? allocation des bits aux coeffs avant
    quantification par arrondi

Matrice chrominance
Matrice luminance
107
  • Lecture zig-zag
  • ? prise en compte de la répartition spatiale de
    l'énergie pour faire apparaître de longues plages
    de coeffs nuls
  • Codage du coeff DC
  • ? DPCM d'ordre 1 Huffman

108
  • Codage des coeffs AC
  • ? Codage hybride runlength ... Huffman
  • - Huffman Code (plage de 0 catégorie)
  • 162 codes 10catx16lp2(EOB16)

109
  • Exemple
  • 0 -2 -1 02 -1 046 ? 111001 0 0 / 00 0 / 11011 0
    / 1010
  • Extrait de la table d'Huffman des AC

110
  • Remarques
  • ? JPEG méthode générale ? à adapter ...
  • ? Très performant à taux faibles (10)
  • ? Effets de blocs à taux élevés

Tc 10 / RSB 30.1 dB
Tc 20 / RSB 28.7 dB
111
IV.4 Compression de séquences d'images
  • Supprimer la redondance spatiale ou intra-image
  • ? approches 2D
  • Supprimer la redondance temporelle ou inter-image
  • ? utiliser le déjà vu et le mouvement

112
  • Les normes MPEG

113
  • Les bases de H261 à MPEG2
  • 3 types d'images 3 codages

114
  • Images I (intra)
  • - Codées JPEG'
  • - Point d'accès séquence (0.5s)
  • - Tc faible
  • Images P (Prédites)
  • - Prédites à partir de I ou P
  • - Codage DPCM des vecteurs mvt
  • - Codage JPEG de l'erreur de prédiction
  • - Tc élevé
  • - Propagation de l'erreur
  • Images B (Bidirectionnelles)
  • - Interpolées à partir des I P
  • - Tc le plus élevé

115
  • 2 paramètres de réglage
  • - N distance inter-I (12)
  • - M distance inter-P (3)

GOP
116
  • Estimation du mouvement par block matching
  • - Blocs 16x16
  • - Compromis simplicité / efficacité
  • - Rapide algorithme logarithmique

117
  • Le codage des images P
  • 1- Calcul des Vj entre
  • 2- Synthèse de Ip(n)
  • 3- Calcul de l'erreur E(n) Ip(n) - I(n)
  • 4- Codage JPEG de E(n)
  • 4bis- Mémorisation de
  • 5- Codage DPCM des Vj

118
  • Codeur MPEG2

119
  • Décodeur MPEG2

120
  • Codage et TVnum
  • Numérisation brute 200 Mb/s
  • DVB DVD MPEG2 MP_at_ML
  • - 720 x 480/576 (30/25 Hz) avec IPB
  • - 4 Mb/s (PAL/SECAM) à 9 Mb/s (studio)
  • - Tc de 40 à 18

121
V. Introduction à la segmentation
122
Pas de norme ! Pas de méthode unique ! Pas de
recette !
123
VI. Introduction à l indexation
  • Texte écrit ? recherche d'info. sur le contenu
    (symbolique du mot)
  • Images
  • Contenu d'une image ? texte !
  • Indexation manuelle dans des bases de données
  • Augmentation exponentielle du nombre d'images

Rque ? Analyse d'une image quelques sec.
124
  • Problème posé
  • Retrouver des images semblables à celles que
    cherche l'utilisateur
  • Que cherche l'utilisateur ? ? exemples, mots
    clés
  • Quelles mesures considérer sur les images ?
  • Quelles fonctions de ressemblance ?
  • Contraintes de robustesse
  • rotation
  • échelle
  • éclairage

125
VII. Introduction au tatouage
  • Objectif
  • Protéger la propriété des images numériques
  • Watermark signal inséré dans l'image
  • Unique ? identifie l'image
  • Multiple ? identifie la source
  • 2 types
  • visible ? facile à enlever, propriétaire visible
  • invisible ? difficile à enlever, piéger les
    truands

126
  • Remarques
  • Original watermark original
  • watermark ? signature électronique
  • Contraintes !
  • Impossible à enlever sans dégrader l'image
  • Résiste au scaling, cropping, coding, modif
    histogramme
  • Invisible mais extractible
  • En nombre suffisants

127
  • Quelles approches
  • Domaine spatial (peu résistant)
  • flip des bits de poids faible de quelques pixels
  • Modifications d'amplitude (YUV)
  • Domaine fréquentiel
  • Modifications de coefs TFD / TCD / Sous-bandes
  • Compromis entre (invisibilité / indélébilité)

128
VIII. Conclusion
BDO
Tatouage
Indexation
Compression
Segmentation
  • Image ? Multimédia
  • Des techniques complexes et prometteuses
  • Dimension affective forte
  • Au cœur de nouveaux services usages

Transmission
Rec. formes
Décision
About PowerShow.com