Fonction Convolution
La fonction Convolution exécute un filtrage sur les valeurs de pixel d'une image, permettant d'affiner une image, de brouiller une image, de détecter des contours dans une image ou d'effectuer d'autres améliorations basées sur le noyau.
Les entrées pour cette fonction sont les suivantes :
- Raster en entrée
- Type
- Noyau
Types de filtre de convolution
Les filtres permettent de renforcer la qualité de l'image raster en éliminant des données fictives ou en améliorant la représentation des entités présentes dans les données. Ces filtres de convolution s'appliquent à un noyau superposé en mouvement (fenêtre ou voisinage), par exemple 3 par 3. Les filtres de convolution fonctionnent en calculant la valeur de pixel en fonction de la pondération des voisins.
Vous pouvez choisir plusieurs types de filtre de convolution au sein de cette fonction. Vous pouvez également spécifier un type définit par l'utilisateur et entrer vos propres valeurs de noyau.
Vous pouvez appliquer un filtre médian à l'image en spécifiant une pondération de 1/9 pour un noyau de 3 par 3, ce qui confère à chaque pixel du noyau une pondération égale. Ce filtre permet de lisser une image. D'autres noyaux peuvent être utilisés pour affiner ou améliorer les contours. Vous pouvez associer les filtres pour parvenir aux résultats voulus. Vous pouvez par exemple appliquer un filtre qui supprime la granularité ou lisse une image, puis appliquer un filtre qui détecte les contours.
Pour un affichage d'une qualité optimale, vous pouvez appliquer étirement d'histogramme afin d'ajuster le contraste et la luminosité de l'image et mieux distinguer les entités.
Les exemples ci-après sont appliqués à l'une de ces deux images :
|
|
Filtres de détection des contours
Types de dégradé
Les filtres de dégradé peuvent être utilisés pour détecter les contours par incréments de 45 degrés.
|
Type |
Description |
Exemple | |
|---|---|---|---|
|
Dégradé est |
Filtre 3 par 3 1 0 -1 2 0 -2 1 0 -1 |
|
|
|
Dégradé nord |
Filtre 3 par 3 -1 -2 -1 0 0 0 1 2 1 |
|
|
|
Dégradé nord-est |
Filtre 3 par 3 0 -1 -2 1 0 -1 2 1 0 |
|
|
|
Dégradé nord-ouest |
Filtre 3 par 3 -2 -1 0 -1 0 1 0 1 2 |
|
|
|
Dégradé sud |
Filtre 3 par 3 1 2 1 0 0 0 -1 -2 -1 |
|
|
|
Dégradé ouest |
Filtre 3 par 3 -1 0 1 -2 0 2 -1 0 1 |
|
Types de filtre laplacien
Les filtres laplaciens sont souvent utilisés pour détecter les contours. Ils s'appliquent souvent à une image préalablement lissée afin de réduire sa sensibilité au bruit.
|
Type |
Description |
Exemple | |
|---|---|---|---|
|
Laplacien 3x3 |
Filtre 3 par 3 0 -1 0 -1 4 -1 0 -1 0 |
|
|
|
Laplacien 5x5 |
Filtre 5 par 5 0 0 -1 0 0 0 -1 -2 -1 0 -1 -2 17 -2 -1 0 -1 -2 -1 0 0 0 -1 0 0 |
|
Types de détection des lignes
Les filtres de détection des lignes, tels que les filtres de dégradé, peuvent être utilisés pour détecter les contours.
Vous pouvez obtenir de meilleurs résultats si vous appliquez un algorithme de lissage avant un algorithme de détection des contours.
|
Type |
Description |
Exemple | |
|---|---|---|---|
|
Détection de ligne horizontale |
Filtre 3 par 3 -1 -1 -1 2 2 2 -1 -1 -1 |
|
|
|
Détection de ligne diagonale gauche |
Filtre 3 par 3 2 -1 -1 -1 2 -1 -1 -1 2 |
|
|
|
Détection de ligne diagonale droite |
Filtre 3 par 3 -1 -1 2 -1 2 -1 2 -1 -1 |
|
|
|
Détection de ligne verticale |
Filtre 3 par 3 -1 0 -1 -1 2 -1 -1 2 -1 |
|
Types de filtre Sobel
Le filtre Sobel permet de détecter les contours.
|
Type |
Description |
Exemple | |
|---|---|---|---|
|
Sobel horizontal |
Filtre 3 par 3 -1 -2 -1 0 0 0 1 2 1 |
|
|
|
Sobel vertical |
Filtre 3 par 3 -1 0 1 -2 0 2 -1 0 1 |
|
Filtres d'affinage et de lissage
Types d'affinage
Le filtre d'affinage (passe haut) accentue la différence comparative dans les valeurs avec ses voisins. Un filtre passe haut calcule les statistiques de somme focales pour chacune des cellules de la sortie, à l'aide du voisinage de noyau pondéré. Il met en valeur les limites existant entre les entités (par exemple, l'endroit où une masse d'eau rencontre une forêt), améliorant ainsi la netteté des bords entre les objets. Le filtre passe haut est appelé "filtre d'optimisation des bords". Le noyau du filtre passe haut identifie les cellules à utiliser dans le voisinage et la pondération à leur attribuer (par laquelle les multiplier).
|
Type |
Description |
Exemple | |
|---|---|---|---|
|
Affinage |
Filtre 3 par 3 0 -0.25 0 -0.25 2 -0.25 0 -0.25 0 |
|
|
|
Affinage II |
Filtre 3 par 3 -0.25 -0.25 -0.25 -0.25 3 -0.25 -0.25 -0.25 -0.25 |
|
|
|
Affinage 3x3 |
Filtre 3 par 3 passe haut -1 -1 -1 -1 9 -1 -1 -1 -1 |
|
|
|
Affinage 5x5 |
Filtre 5 par 5 passe haut -1 -3 -4 -3 -1 -3 0 6 0 -3 -4 6 21 6 -4 -3 0 6 0 -3 -1 -3 -4 -3 -1 |
|
Types de lissage
Les filtres de lissage (passe bas) lissent les données en réduisant la variation locale et en éliminant le bruit. Le filtre passe bas calcule la valeur moyenne pour chaque voisinage. Le résultat est le suivant : les valeurs maximales et minimales de chaque voisinage sont moyennées, ce qui permet de réduire les valeurs extrêmes contenues dans les données.
|
Type |
Description |
Exemple | |
|---|---|---|---|
|
Moyenne arithmétique lissée |
Filtre 3 par 3 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111 |
|
|
|
Lissage 3x3 |
Filtre 3 par 3 passe bas 1 2 1 2 4 2 1 2 1 |
|
|
|
Lissage 5x5 |
Filtre 5 par 5 passe bas 1 1 1 1 1 1 4 4 4 1 1 4 12 4 1 1 4 4 4 1 1 1 1 1 1 |
|
Autres filtres
Type de dispersion des points
La fonction de dispersion des points représente la distribution de la lumière à partir d'un point source à travers un objectif. Ceci introduit un effet légèrement flou.
|
Type |
Description |
Exemple | |
|---|---|---|---|
|
Dispersion des points |
Filtre 3 par 3 -0.627 0.352 -0.627 0.352 2.923 0.352 -0.627 0.352 -0.627 |
|
