Loading

Module 1: Filtrage et classification des images

Notes d'étude
Study Reminders
Support
Text Version

Simulateur de traitement d'image numérique-Fonctions

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Vidéo 1

Alors maintenant, allons pour un filtrage spécial que nous avons déjà discuté en théorie et dans celui-ci je vais continuer comme ça. Donc maintenant vous avez des entrées ici ce que vous voyez un filtre qui est un filtre de passage inférieur plus tard sur nous allons aussi choisir le filtre de passage élevé. Ainsi, dans un filtre de passage inférieur intégré, cela signifie mettre en évidence les filtres régionaux et dévaloriser la suppression des fonctionnalités locales. Et quand nous appliquons ce filtre sur cette image d'entrée et ensuite pour comme vous pouvez voir sur le côté droit que tout le genre de calcul est en cours. Donc pour pixel après pixel en tant que curseur se déplace également et ce que nous voyons que le calcul est fait si stop par exemple à ce pixel j'ai marqué ici comme bleu et ce calcul est fait parce qu'il s'agit d'un filtre 3 par 3. Donc autour de 66 pixels numéro 66 ou le pixel qui a la valeur 66 vous savez toutes les valeurs autour de ce pixel sont prises en compte dans ce filtrage et ce que nous voyons que tout est multiplié d'abord par une valeur d'un comme dans la matrice de 2 dimensions ou dans le filtre de convolution. Et puis par exemple le pixel est 95 multiplier par va rester 95 et de même tout ce filtre toutes ces valeurs de pixels sont d'abord multipliées leur somme ensuite est prise que la somme du noyau somme est 9 de ceci parce que toutes les valeurs ici sont ajoutées pour que ceci soit appelé somme du noyau et ensuite il est divisé 708 / 9 et nous obtenons la valeur 78. Et c'est ce que nous obtenons de la valeur 78 ici pour ce pixel qui est maintenant que c'est 78 où mon curseur est. De même quand je fais pour tous les pixels à l'exception des pixels à la limite ou au bord. En même temps, vous voyez aussi les changements de l'image ont lieu en bas. Donc si je veux que vous le sachiez, ce sont les numéros numériques qui sont affichés ici et ce même nombre sont affichés ici comme les valeurs grises à et ici c'est l'image filtrée de ceci sur le côté gauche et à l'exception du bord lorsque nous avons discuté de la partie théorique dans un filtrage spatial j'ai dit que si votre filtre est de 3 / 3 puis 1 ligne sur toutes les faces d'une ligne d'une épaisseur de 1 pixel sur toutes les faces ne sera pas pris en compte pour n'importe quel type de filtrage. Elle a 95 ans elle a 69 ans. Maintenant parce que laissez-nous dire un filtre de faible passe et donc la différence est parmi les pixels où dans ce domaine le premier était gros ce qui signifie qu'ils étaient ils avaient connu une variation locale élevée. Donc ceux qui ont été supprimés à l'aide de ce filtre spécial qui est un filtre de faible passe et maintenant dans l'image résultante ce que vous voyez la variation dans les valeurs des pixels ont diminué et cela signifie que les variations locales ont été supprimées et que les variations régionales seront mises en évidence ou mises en évidence ici dans cet exemple. Alors ce que je vais faire, je vais appuyer encore une fois je vais redémarrer et lentement nous allons nous rendre à nouveau pour voir que lorsque j'ai exécuté le filtre, c'est ce que je vois que maintenant ce que vous savez, c'est le pixel qui a la valeur 80 qui est calculé. Mais tous ces pixels dans les environs ont été pris en compte et leur facteur de multiplication dans ce cas est tout est 1 qui est pris alors leur partie erronée divisée par 9 qui est la somme du noyau et puis vous obtenez une valeur de 63. Donc une fois que j'accepte celui-ci, alors vous voyez que la valeur est 63 et de même tous les pixels sauf à la frontière ou sur le bord de 1 pixel d'épaisseur ne seront pas pris en compte et vous obtenez. Et si vous voulez vous montrer la frontière des pixels qui est aussi là. C'est ainsi que le filtre à faible passe fonctionne dans le scénario de l'image réelle, mais quel est le meilleur avantage de ce logiciel par le Docteur Rathore Chinmaya Rathore c'est qu'il simule les choses qu'il montre que le type de calcul se passe si on parle de filtrage de faible passe. À l'intérieur d'un logiciel de traitement d'image numérique classique ou commercial comme LiDAR ou tout autre logiciel, nous sommes peut-être d'autres logiciels puissants de l'associateur ER ou d'autres logiciels. Quel genre de calculs se passe dans le derrière et que trop pour l'image de grande taille est représentée ici d'une façon très simple. C'est pourquoi j'ai insisté sur le fait que ce logiciel devrait être téléchargé par ceux qui s'intéressent au traitement d'images numériques dans ce cours. Et devrait apprendre les bases fondamentales et les mathématiques qui vont dans le dos. Maintenant ce que je vais faire, je vais commencer de nouveau mais maintenant je vais prendre à la place du filtre de faible passe maintenant je vais prendre un filtre de passe élevé et voir comment les choses changent dans le filtre de passage élevé. D'abord nous allons discuter de cette matrice de convolution et c'est un noyau et c'est encore 3 / 3 dans cet exemple que nous avons pris si nous prenons 5/5 puis 2 pixels d'épaisseur sur les bords ne seront pas pris en compte dans le filtrage si nous prenons plus d'un nombre impair comme 7/7 puis 3 lignes et ainsi de suite. Donc, dans ce cas, l'exemple le plus simple ne peut pas être inférieur à 3/3. Donc nous avons pris toutes les valeurs sur les bords de cette matrice de convolution sont -1. Alors que le centre pixel est 16 si vous vous souvenez de la partie théorique lorsque nous avons discuté lors d'une conférence précédente sur un filtrage spécial dans un filtre de passage spécialement élevé, le but du filtre de passage élevé est de mettre en évidence les variations locales présentes dans l'image et de mettre en évidence la variation régionale juste en marche arrière du filtre de faible passe. C'est pourquoi il y a plus de poids pour la valeur de pixel du centre ou le noyau central et le repos est démis en évidence, c'est pourquoi il y a des valeurs moins. Encore une fois, la même chose que nous allons apprendre nous allons exécuter cette chose étape par étape et voir les changements qu'elle prend. Donc pour le premier pixel et c'est 80 la valeur de pixel qui a 80 est maintenant le calcul est fait tout ce 55 multipliez par -1 devient -55 et de même toutes ces valeurs sont et faites et ensuite ce que vous obtenez une valeur 98. Cette valeur est donc en augmentation par rapport à la valeur d'entrée 80 et toutes ces valeurs sont également valorisant. Donc quand on prend cette somme d'après cette multiplication par contre pour tous les pixels dans cet exemple pour le pixel de 95 pixels qui est 95 valeur et ensuite divisé par 8, alors on obtient 1, 2, 3 et de même on commence à arriver ici. Parce que 1 valeur est positive le repos est négatif et donc c'est la division est 809 dans le filtre de faible passe car toutes les valeurs étaient identiques donc la division était 9 qui est une somme de noyau. Et maintenant c'est ce que nous voyons dans le filtre de passage élevé, de sorte que vous pouvez voir que si vous comparez cela à l'échelle grise également que vous ne voyez pas tant de détails en pixels ou de différenciation dans les pixels adjacents. Mais quand il a été soumis à un filtrage de passage élevé, vous voyez maintenant beaucoup de différenciation dans les pixels de la locale qui signifie les pixels adjacents qui était l'objectif du filtre de passage élevé pour mettre en lumière les variations locales et supprimer les variations régionales. Dans le cas d'un filtre de faible passe, l'objectif était tout simplement inverse de mettre en évidence les variations régionales et de supprimer les variations locales. Donc c'est la démonstration du filtre de passage élevé je le ferai à nouveau juste pour être complet et lentement je vais courir pour le premier pixel et puis ensuite ensuite, et ensuite la condition est la même que l'une parce que c'est un filtre 3/3, donc donc une bordure épaisse de 1 pixel sera là tout le temps dans le 3 par parce que si je veux calculer pour ce pixel qui se trouve dans le coin supérieur gauche, alors je ne fais pas les pixels qui sont autour de celui-ci. Par conséquent, dans ce filtrage spécial et 1 pixel d'épaisseur ou de bordure ne seront pas pris en compte dans le calcul du filtrage. C'est ainsi que nous pouvons comprendre très simplement que le faible passage et le filtrage des passes sont effectués sur une image pleine grandeur.

Vidéo 2

Maintenant, nous en prenons un autre qui est le générateur de ratio. Comme nous en avons discuté au cours de discussions antérieures, lorsque nous sommes allés à une analyse multispectrale, puis à un rapport de bande et aussi nous avons un pas en avant dans le rationnement de la bande, c'est le calcul dans NDVI qui normalise l'indice de la végétation de différence pour voir et la végétation couvre la santé de la végétation et d'autres choses. Donc d'abord nous allons dans cette démonstration sur le rapport simple et comme vous le savez, le rapport simple est juste A divisé B donc la bande A est ici et la bande B est en bas. Dans les exercices de filtrage spatial nous avons vu la bande unique maintenant ici nous allons dans plusieurs spectres donc nous étudions la bande et 2 bandes ici une main peut être une bande infrarouge La bande A peut être une bande de la partie visible du spectre M. Donc quand on fait ça, alors c'est calculé et un par un, et l'ensemble des choses a été fait ici et ce que nous voyons ici et divisé A divisé par l'image B comme nous avons créé ici. Donc si je veux voir la valeur comme ici, je prends cet exemple ici ce que je vois le 91 / 63 qui va arriver 1.44 mais bien sûr il faut le calmer. Donc le rapport de mise à l'échelle pour afficher les valeurs 0 à 55 c'est-à-dire les 2 multipliez par et puis nous obtenons une forme de valeurs de pixels. Nous pouvons aussi voir les mathématiques extenso ici ou aussi les bordures de pixels qui sont de nouveau sur le tableau ici le problème d'arête ou le problème de la chose de 1 pixel ne viendra certainement pas. Donc, encore une fois, je vais le faire de nouveau diviser maintenant l'image a été créé et donc étirer les maths et c'est ainsi que le calcul est fait nous voyons une fois de plus très soigneusement et ce ratio de pixel pour le premier pixel sur les deux bandes bande 1, bande A et B et 91 et 63 qui vont se transformer en 1.444. Le rapport Sominimum est ce qu'un maximum est celui qui est le calcul étiré pour ce pixel coincé pixel et dans le cas de cette normalisation car après il doit être affiché et nous pouvons une image si vous vous souvenez de l'image une image le pixel qui est l'unité la valeur ou l'attribut comme une valeur entière. Cela signifie que la valeur de pixel dans une image doit être une valeur entière positive et après avoir réémis la valeur que nous obtenons, c'est 1,44 qui n'est pas la valeur entière, c'est la valeur réelle ou flottante. Et c'est donc dans les décimales que nous devons savoir multiplier par 255 comme indiqué ici et ensuite nous obtenons une valeur d'affichage qui est 180 qui est utilisé ici. De même pour chaque pixel ce calcul est fait et vous obtenez un rapport de sortie de l'image. Donc, je peux le faire de nouveau ici et donc quand je sélectionne celui-ci, c'est comme si si je veux faire l'analyse pour une analyse similaire pour ce pixel la même chose est ici la valeur du rapport est de 1,857 alors le rapport minimum est terminé pour dans l'image globale est de 1,44 maximum dans l'image globale est 185 ces 2 minimum et maximum sont utilisés comme par cette équation une équation très simple que le rapport de pixel moins le minimum divisé par ici pixel maximum moins minimum, puis multiplié par 255 / 255 parce que nous étudions le scénario 8bit.
J'espère donc que cette partie devrait être très claire que lorsque nous mettons a ou quand nous créons un rapport d'image à l'aide de 2 bandes dans le contexte, quel type de calcul va à l'encontre de ce pixel dans l'image est clairement montré par ce simulateur de traitement d'image simulateurs. C'est donc mieux pour comprendre d'abord voir l'étape que l'apprentissage est étape par étape dans ce domaine tout d'abord est la partie théorique que nous avons étudiée ou discutée à ce moment-là par ce simulateur. Maintenant nous voyons quel genre de calcul les mathématiques peuvent être simples se passe et tout en calculant soit le filtrage soit dans ce cas le rationnement de la bande, et une fois que vous avez compris la partie théorique, la partie simulation maintenant que vous pouvez aller pour la bande d'image réelle le rationnement et l'utilisation peuvent être des logiciels commerciaux. Maintenant je suis désolé de prendre maintenant un NDVI ici au lieu de simple ratio de bande NDVI est aussi un type de rapport de bande, mais comme dans le calcul c'est qu'il bande parce que nous utilisons un canal visible ou proche infrarouge où le canal infrarouge est donc dédié à ce genre de calcul le rationnement de la bande de calcul est dédié à la végétation. C'est pourquoi il est et il est normalisé de sorte qu'il est normalisé l'indice de la végétation différence parce que la différence est que nous utilisons aussi le canal visible. Donc si je mets ces 2 bandes A et B au NDVI, c'est ce que j'obtiens et je peux aussi voir comment le calcul est. De la même façon si je mets un curseur ici, c'est le calcul que le ratio de pixel qui est basé sur cette formule simple est 87 ici dans le groupe A-52 dans le groupe B divisé par 87 + 51 et de cette façon j'ai la valeur 0.5 251799 et quand je multiplie par cette valeur pour la normaliser, alors j'ai une valeur 236 qui est la valeur de ce pixel dans l'image NDVI. Donc, de cette façon, quand je le fais pour toute l'image, comme cela a déjà été fait ici, j'ai la santé de l'information sur la végétation. Donc, à bien des égards, c'est juste comme un rapport, mais c'est un rapport de bande simple, mais NDVI est peu complexe en ce sens qu'à un il doit être un visible et une bande et il faut être la bande infrarouge, et ensuite vous le faites comme ça. Donc l'infrarouge moins infrarouge visible plus visible tout ce que vous obtenez en redimensiale et puis vous finez. Bien sûr, le même ratio de pixel ici est de 0,251 valeur minimale est de -0,381 la valeur maximale est de 0,3, de sorte que ces valeurs ont aussi été utilisées pendant la normalisation. Pour que nous obtenons une valeur entière dans notre image de sortie la valeur de pixel et une image comme un entier et c'est la seule condition inGIS une grille peut avoir des valeurs entières aussi bien que des valeurs réelles et peut aussi avoir des valeurs positives ou négatives. Mais la valeur du pixel de l'image a aussi sera toujours une valeur entière positive, c'est pourquoi toutes ces valeurs négatives, tout a été supprimé par cette normalisation et vous obtenez une sortie comme celle-ci. Maintenant nous allons voir une autre simulation qui est la différence d'image signifie l'arithmétique d'image vous pouvez ajouter 2 images que vous pouvez diviser 2 images qui est le rationnement de bande vous pouvez soustraire l'image une bande d'une autre bande. Donc c'est une démonstration simple ici que nous allons soustraire de l'image une et nous allons utiliser cette image 2 et quand nous faisons ça c'est ce que nous obtenons. Et puis nous pouvons voir sous forme d'image ou nous pouvons voir sous forme de données nous pouvons aussi échanger ces images que l'image 2 deviendra l'image 1 et l'image 1 est 2 maintenant quand nous subissons comme ici, alors nous obtenons cette chose et nous en termes de pixel ou d'échelle grise c'est ce que le résultat est. Donc si nous linéons de façon linéaire sur l'image, c'est ce que le résultat si nous allons pour pseudo-étirement et puis il y aura de nouveau des résultats et je choisis ne dis pas étirer de même. Parfois, dans une analyse simple, l'arithmétique d'image est aussi à appliquer et, par conséquent, ces outils sont également pris en charge dans votre logiciel de traitement d'image numérique. En filtrant ce que nous avons vu filtrer un filtre de passage élevé, nous allons également voir un enrichisseur de bord qui améliore les bords dans les fonctionnalités et ceci est bien sûr un filtre de passage élevé comme cette matrice de convolution que vous pouvez voir ici. Donc si je charge ce que vous connaissez et exécutez celui-ci et voyez que les valeurs sont les mêmes que les valeurs sont calculées, alors c'est la valeur de ce CP est maintenant 9 vous savez ce 99 et ensuite plus filtre certains dans ce cas certains filtres sont 0 car ici c'est la et ces valeurs sont utilisées et donc je reçois de la valeur 99.
De même, toutes ces valeurs sont là et le résultat final est que les bords des choses signifient que différentes valeurs de pixels supposent qu'elles étaient la différence de 2 pixels de valeur 1 valeur était 75 une autre était la valeur adjacente était 77 de 2 pixels adjacents après cette amélioration de bord filtrant le filtre haut de passe parce que dire filtre d'enhancer local. Il va donc créer plus de différences entre les pixels adjacents. Par exemple 75, 77 cette différence peut être maintenant 72 et 79 ou peut-être 80 et c'est ce que vous voyez et que dans cette image d'entrée les valeurs sont là le bord qui a été identifié ici ou marqué ici. Et si je veux améliorer ce bord comme c'est fait dans ce cas, alors la différence ici voit la différence maintenant que plus tôt si je prends ce pixel ça a été 99 et 69. Maintenant, cette valeur est passée à 129 et les 69 sont passées à 39 et cela signifie qu'il y a plus de différence entre 2 valeurs de pixels adjacentes et que cela signifie que les bords ont augmenté ou augmenté, c'est pourquoi il est appelé filtre d'amélioration de bord. Et donc on peut faire ce genre d'analyse et de vrai logiciel pas dans le simulateur et les discussions précédentes je vous ai montré à travers des images quand elles ont été soumises à des enrichisseurs de bord nous obtenons une très bonne sortie vraie pour l'extraction de caractéristiques linéaires ou l'identification de caractéristiques linéaires. Cependant une chose importante que j'aimerais apporter ici, c'est que chaque fois que l'on se passe bien sûr, c'est un simulateur, donc il est bien que nous avons un filtre de convolution qui est un filtre de passage élevé qui est 3 / 3. Mais dans les opérations réelles quand vous allez avec le pour l'image réelle dans vous connaissez puissant logiciel vous prenez plutôt le filtre de convolution 3/3 vous allez pour 5/5 ou 7 /7 dans notre discussion en théorie part ce que j'ai montré l'exemple de 11/11 bien qu'il faudra beaucoup de temps, mais il mettra vraiment en évidence toutes les arêtes très avec succès. Ainsi, dans les filtres d'amélioration de bord, une grande matrice de convolution doit être choisie, puis une autre chose est que si vous vous souvenez du passage inférieur et laissez-moi vous montrer les filtres de faible passe et de passage élevé. Un filtre de faible passe ici tous sont des exemples de la matrice de convolution 3 / 3 si faible filtre de passe ce que vous voyez ici ont toutes une valeur positive qui est un filtre de passage élevé sur les bords du filtre de convolution 3/3 vous avez des valeurs négatives et dans le poids central car après tout cela est une moyenne pondérée. Donc le poids du centre a une valeur positive qui est 16 parce que dans ce sens on peut concevoir 8 ou mettre tout ce qui est là. Mais plus le poids qu'il aura sera supérieur à l'amélioration qu'il fera pour le passage supérieur dans cet exemple. Mais même nous, si vous voyez avec soin les filtres de mise en valeur, encore une fois, c'est une matrice de convolution 3/3 une valeur de coin a été maintenue 0 ce qui signifie qu'aucun changement n'est nécessaire cependant au nord vers le sud et vers l'est à l'ouest ici les filtres que nous inverons en ce sens que lorsque je dis du nord au sud ce qui veut dire que je parle de ces valeurs quand je dis d'est à l'ouest, alors je parle de ces poids dans le filtre. Dans l'image est quand il est à l'est à l'ouest dans l'image est ouest est à l'ouest nord sud donc maintenant vous voyez ici un dans la première rangée de cette matrice de convolution que vous voyez la cellule centrale du pixel intermédiaire est en train d'avoir -1 identique ici dans la première colonne de la cellule moyenne est en avoir -1 à nouveau dans les bas -1 et -1 et si le centre un a une valeur positive. Donc vous pouvez aussi remarquer une différence de coupe claire entre la matrice de convolution des filtres de faible passe et la bordure améliorée, bien qu'il s'agit d'un filtre de passe élevé mais d'un autre modèle. Maintenant que vous utilisez la matrice de convolution 3/3, l'option pour la conception de filtres de passe faible ou de filtre de passe particulièrement élevé est très limitée que vous pouvez réaliser maintenant que dans la matrice de convolution 3/3 pas beaucoup (()) (30:32) est disponible. Alors qu'à mesure que vous développez cette option au lieu de 3/3, elle est utilisée pour 5/5, alors plus d'options seront disponibles et vous allez plus haut et plus haut dans la taille de la matrice de convolution plus d'options seraient également disponibles. Donc, de cette façon, nous pouvons voir beaucoup de changements qu'ils sont dans notre image et le but ici de montrer à nouveau que je répète cela aussi pour démontrer et comment quel genre de calcul continue quand on met des images soit à filtrer des techniques une technique de filtrage spatial, soit à la bande de rationnement ou NDVI ou à l'amélioration de bord toutes ces choses sont là.

Vidéo 3

Maintenant, je vais très brièvement parler de cette discussion ou de cette démonstration sur un logiciel qui est un logiciel commercial. Mais laissez-moi le dire très clairement ici et le but de l'utilisation de ce logiciel commercial est juste de démontrer ce que nous avons discuté dans les conférences normales ou les conférences théoriques permettez-moi de dire comme ça. Le but ici n'est pas de promouvoir n'importe quel logiciel en particulier le commercial il n'y a pas de tension du tout pour vous savez promouvoir n'importe quel logiciel. Mais afin de démontrer ce que nous ou afin de mieux comprendre ce que nous avons discuté en cours de théorie, alors nous devons utiliser au lieu d'un simulateur nous avons besoin d'utiliser vraiment un logiciel puissant pour montrer toutes ces choses. Maintenant ce que je vais faire ici d'abord je vais prendre une image qui plus tôt nous avons aussi pris cette image et ensuite voir que ce qui arrive à cette image, j'ai aussi montré cette image à travers un logiciel commercial différent qui était Arc GIS. Maintenant, lorsque vous affichez cette image pour la première fois, il s'est également produit dans le cas d'Arc GIS qu'il se trouve dans un schéma différent. Donc va changer ce schéma et maintenant je suis en train de recevoir un vrai RGB signifie est un faux composite couleur composite 3 canaux il ya un satellite spot qui était le satellite français de la plupart des villes de Moscou était vous voir et 3 bandes et ceci n'est pas amélioré du tout pas de traitement d'image que nous réalisons, à l'exception d'un faux composite de couleur a été créé sur cette image. C'est un exemple d'image de logiciel de la vue Arc pour que c'est une sorte d'image standard si vous voulez le faire un réel que vous voulez avoir une vraie expérience, alors vous devez télécharger une image qui est disponible via différentes ressources. Et puis vous commencez à faire ce genre de traitement aussi bien maintenant qu'il y a beaucoup d'améliorations que je peux effectuer ici et d'autres, vous savez certains sont qu'ils sont comme si je vais pour cette radiométrie juste. Déjà le système a fait sur l'image à l'aide de différent si je vois ceci est fondamentalement une image d'entrée dans un très bref qu'il montre et aussi quand j'ai mis mon curseur et ceci montre que c'est le pourcentage d'égal qui veut dire qu'il étirer l'image pour exclure les 2,5% inférieur et supérieur. Donc si vous vous souvenez de l'histogramme d'un ou d'un histogramme de n'importe quelle image. Donc cette partie de la queue ou les deux queues 2,5% des queues ont été exclues de cette amélioration et c'est ce que le résultat est que vous voyez. Et c'est tout cela qui sont tous préparés (()) (()) (34:52) sur la base de notre entrée si j'accepte celle-ci alors j'obtiens l'affichage sinon je m'obtiens et un suivant est le pourcentage de gauche à nouveau le ce qu'il dit que c'est étire les images pour exclure le bas 2.5 et la partie supérieure 1.0 dans celle-ci, tout le long sur les deux contes 2.5 ils sont exclus. Ici 2,5 et 1% et s'il s'agit ici d'une déviation standard qui est une amélioration de l'image d'étirement basée sur l'écart-type de la technique statistique. Donc 2 + et -2 écart-type de sorte que ceux qui ont été même que vous savez ceux qui ont été utilisés ici comme ici les étirements que j'ai fait uniformément entre plus et-1 écart-type autour de la moyenne et de la sortie que vous voyez ici. Si je vais au maximum au maximum, nous allons au maximum au maximum qui signifie que tout est conservé et dans cet exemple, nous atteignons fondamentalement l'image d'origine. Il y a donc un peu de différence entre lui pas d'étirement et minimum maximum, mais si aller pour ce simple linéaire je peux faire beaucoup de changements ceci est Guassian étirer le rappel de l'égalisation de notre discussion quand nous discutons d'une égalisation d'histogramme qui crée le plus de contraste dans l'image et il est également démontré ici que cela crée un contraste maximum parce que partout où les pixels de haute fréquence là où ils ont été redistribués et où les basses fréquences étaient là, ils ont été mis une autre pièce que vous savez si vous vous souvenez de l'histogramme et que l'affichage que vous connaissez l'ensemble La gamme dynamique est tout ce qui est disponible a été occupé. Il s'agit de 3 scénarios de bande, il y aura 3 histogrammes pour chaque bande et ensuite il aura été fait si j'excepte celui-ci c'est ce que j'ai. Encore une fois, si je retourne ici c'est le filtrage gamma ou l'étirement gamma est qui s'applique à l'image avec la valeur de 2.2 et bien que manuellement aussi vous ajustez-vous mais le logiciel chaque fois que vous choisissez et affichez ou affichez une image dans cette fenêtre. Tout de suite, il calculera beaucoup d'options pour vous et sans y aller, et il s'agit d'un découpage en tranches de densité que nous n'avons pas discuté pour que je ne ferme pas et que celui-ci soit replié sur lui-même.
Cela récompense la valeur de cette image et peut être utilisée pour corriger une image négative et comme elle est là. De même, vous pouvez très rapidement parce qu'il s'agit bien sûr d'un logiciel commercial et qu'il y a eu des possibilités très conviviaux pour toutes sortes d'options très rapidement vous pouvez effectuer ce genre d'ajustements. De même pour le filtrage aussi comme vous pouvez voir un filtre spécial que nous avons discuté et pas de filtrage pour l'image d'entrée donc laissez-moi apporter l'image originale ici et ou peu d'image améliorée comme celle-ci et ensuite je choisis ceci est mon image d'entrée et ce sont les filtres. Les filtres standard sont là pour appliquer les filtres d'âge standard à l'image et que vous voyez ici vous pouvez avoir une connaissance des autres arêtes fines. Donc il n'a pas appliqué est très lourd filtre seulement les bords ont été mis en évidence alors est lisser qui est le filtre de faible passe, donc il met en évidence les choses régionales comme vous pouvez réaliser. Donc quand vous voyez celui-ci et celui-ci est complètement changé bien que l'image d'entrée soit la même. Et bien sûr, vous avez aussi le filtrage directionnel que seul l'horizontal détecte les arêtes horizontales et ici, bien sûr, les bords verticaux. Donc vous avez des filtres de passe bas que celui-ci, vous avez des filtres de passage élevés, que vous avez des enrichisseurs haut de passe, et que vous avez des filtres directionnels qui sont aussi des filtres de passage élevés pour les choses horizontales et que vous avez une chose verticale. Donc toutes ces choses sont faites très rapidement sans savoir que le genre de mathématiques est en cours de calcul et c'est pourquoi j'ai insisté sur le fait que pour améliorer l'apprentissage et la compréhension de n'importe quelle image, il faut absolument aller à l'étape par étape, comprendre d'abord la partie théorique puis à travers cette simulation et enfin à travers de tels logiciels très conviviaux, et ceux-ci sont très bien conçus et très codés et c'est pourquoi les choses sont très rapidement peuvent être faites ici. Et quand nous pour celui-ci il ya toutes ces options sont aussi disponibles pour chaque option qui sont là encore je vais répéter et ensuite je fermerai cette discussion que l'objectif de montrer à travers ce logiciel commercial n'est pas de montrer les capacités de ce logiciel. Mais pour montrer comment le traitement de l'image peut être fait très facilement une fois que vous avez compris dans le contexte et la partie théorique. Ce qui amène à la fin de cette discussion, merci beaucoup.