FR2647918A1 - Method of image processing by analysis of scale contrast - Google Patents
Method of image processing by analysis of scale contrast Download PDFInfo
- Publication number
- FR2647918A1 FR2647918A1 FR8907237A FR8907237A FR2647918A1 FR 2647918 A1 FR2647918 A1 FR 2647918A1 FR 8907237 A FR8907237 A FR 8907237A FR 8907237 A FR8907237 A FR 8907237A FR 2647918 A1 FR2647918 A1 FR 2647918A1
- Authority
- FR
- France
- Prior art keywords
- image
- contrast
- original image
- scale
- wavelet
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004458 analytical method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 title claims abstract description 12
- 230000006870 function Effects 0.000 claims abstract description 37
- 230000008447 perception Effects 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000003672 processing method Methods 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000036403 neuro physiology Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
Procédé de traitement d'image par analyse du contraste d'échelle.Image processing method by analysis of scale contrast.
La présente invention a pour objet un procédé de traitement d'image par analyse du contraste d'échelle. The present invention relates to an image processing method by analysis of the scale contrast.
Pour de nombreuses applications, il est nécessaire d'améliorer la lisibilité d'une image de manière à pouvoir repérer certains détails prédéterminés. Par ailleurs, il est souvent nécessaire, sur une image originale donnée, de pouvoir évaluer la qualité de cette image en terme de contraste. For many applications, it is necessary to improve the readability of an image so as to be able to locate certain predetermined details. Furthermore, it is often necessary, on a given original image, to be able to assess the quality of this image in terms of contrast.
Les procédés de traitement d'image connus ne permettent pas de réaliser de façon simple une évaluation du contraste local d'une image et n'apportent généralement pas d'amélioration radicale dans la mise en évidence de détails fins ou de structures de taille prédéterminée devant être repérées au sein d'une image composée d'un ensemble de structures élémentaires de tailles diverses. The known image processing methods do not make it possible to carry out a simple evaluation of the local contrast of an image and generally do not bring a radical improvement in the highlighting of fine details or structures of predetermined size in front be identified within an image composed of a set of elementary structures of various sizes.
La présente invention vise à remédier aux inconvénients précités et à permettre à la fois d'améliorer la lisibilité d'images en ce qui concerne des détails de dimensions prédéterminées et de disposer d'informations permettant d'évaluer localement le contraste dans une image et par suite pouvant servir à établir une carte représentant le contraste, à l'aide de laquelle il peut être procédé à des reconnaissances de forme ou de structures de tailles déterminées. The present invention aims to remedy the aforementioned drawbacks and to make it possible both to improve the readability of images with regard to details of predetermined dimensions and to have information making it possible to locally assess the contrast in an image and by continuation which can be used to establish a map representing the contrast, with the help of which it is possible to recognize shape or structures of determined sizes.
Ces buts sont atteints grâce à un procédé de traitement d'image par analyse du contraste d'échelle, caractérisé en ce qu'il comprend les étapes suivantes a) choisir une valeur a de paramètre d'échelle caractérisant la taille de structures particulières de l'image originale à prendre en compte, b) extraire en chaque point élémentaire de l'image originale défini par un vecteur b, par une transformée en ondelettes S (a,b), l'am g plitude desdites structures spatiales particulières choisies dont la taille est caractérisée par la valeur a du paramètre d'échelle, c) choisir une fonction de pondération h de norme égale à l'unité pour évaluer en chaque point élémentaire de l'image originale défini par un vecteur b le niveau lumineux moyen Lh (a,b) qui affecte localement la perception des variations de luminance, la valeur moyenne du niveau lumineux moyen Lh (a,b) évalué en chaque point élémentaire de l'image étant égale à la luminance moyenne, d) établir en chaque point élémentaire de l'image originale défini par un vecteur b le rapport de la transformée en ondelettes S (a,b) et du niveau lumineux moyen Lh (a,b) pour
g déterminer un contraste d'échelle C (a,b) qui dépend de la localisation b dans l'image et de l'échelle a choisie pour l'analyse, et e) forner une carte représentant le contraste dans laquelle on affecte à chaque point élémentaire de l'image originale la valeur calculée du contraste d'échelle C (a,b).These aims are achieved by means of an image processing method by analysis of the scale contrast, characterized in that it comprises the following steps a) choosing a value a of scale parameter characterizing the size of particular structures of l original image to be taken into account, b) extract at each elementary point of the original image defined by a vector b, by a wavelet transform S (a, b), the amplitude of said particular spatial structures chosen, the size is characterized by the value a of the scale parameter, c) choose a weighting function h of norm equal to unity to evaluate at each elementary point of the original image defined by a vector b the average light level Lh ( a, b) which locally affects the perception of variations in luminance, the average value of the average light level Lh (a, b) evaluated at each elementary point of the image being equal to the average luminance, d) establish e n each elementary point of the original image defined by a vector b the ratio of the wavelet transform S (a, b) and the average light level Lh (a, b) for
g determine a scale contrast C (a, b) which depends on the location b in the image and the scale a chosen for the analysis, and e) form a map representing the contrast in which we assign to each elementary point of the original image the calculated value of the scale contrast C (a, b).
Selon une application particulière, le procédé comprend en outre une étape (f) consistant à multiplier pour chaque point éIémentai-e de l'image originale la valeur calculée du signal bidimensicnnel C (a,b) représentant le contraste d'échelle par un facteur de gain G et une étape (g) consistant à ajouter, pour chaque point élémentaire de l'image originale, à la valeur du signal I (b) de l'image originale le produit de la valeur calculée dudit contraste d'échelle C (a,b) par le facteur de gain G de manière à créer une image reconstruite à visibilité améliorée pour les structures particulières dont la taille est caractérisée par la valeur a du paramètre d'échelle. According to a particular application, the method further comprises a step (f) consisting in multiplying for each elementary point of the original image the calculated value of the two-dimensional signal C (a, b) representing the scale contrast by a factor gain G and a step (g) consisting in adding, for each elementary point of the original image, to the value of the signal I (b) of the original image the product of the calculated value of said scale contrast C ( a, b) by the gain factor G so as to create a reconstructed image with improved visibility for the particular structures whose size is characterized by the value a of the scale parameter.
Selon un mode de réalisation particulier, la transformée en ondelettes est effectuée à l'aide d'une fonction g (x) telle que g (x) = (1/\tu ) ) (2 - x2) exp (- x 2/2). According to a particular embodiment, the wavelet transform is performed using a function g (x) such that g (x) = (1 / \ tu)) (2 - x2) exp (- x 2 / 2).
Dans ce cas, la fonction de pondération peut être constituée par la fonction constituant l'enveloppe gaussienne de la fonction de base g (x) de la transformée en ondelettes. In this case, the weighting function can be constituted by the function constituting the Gaussian envelope of the basic function g (x) of the wavelet transform.
De façon plus particulière, les étapes a) à e) de traitement d'image peuvent être effectuées automatiquement à l'aide de la succession d'étapes suivantes : 1) ouverture d'un fichier d'entrée pour recevoir les informations d'entrée représentatives des divers points élémentaires d'une image originale à traiter, 2) ouverture d'un fichier de sortie pour recevoir les informations de sortie représentatives du contraste pour les divers points élémentaires de l'image originale, 3) lecture de la valeur choisie pour le paramètre d'échelle a, 4) lecture de la fonction choisie g pour une transformée par ondelettes, 5) lecture de la fonction de pondération choisie h, 6) lecture de l'image originale dans le fichier d'entrée, 7) calcul de la transformée de Fourier de l'image par algorithme rapide sur les lignes, puis sur les colonnes de'l'image enregistrée dans le fichier d'entrée, 8) calcul de la transformée de Fourier de l'ondelette, 9) calcul de la transformée de Fourier du pondérateur, 10) calcul du produit de la transformée de Fourier de l'ondelette avec la transformée de Fourier de l'image, 11) calcul de la transformée de Fourier inverse du résultat précédent, 12) calcul du produit de la transformée de Fourier de la fonction de pondération avec la transformée de Fourier de l'image, 13) calcul de la transformée de Fourier inverse du résultat précédent, 14) écriture point par point des valeurs de contraste, de la transformée en ondelette et du niveau lumineux dans le fichier de sortie. More particularly, steps a) to e) of image processing can be carried out automatically using the following succession of steps: 1) opening an input file to receive the input information representative of the various elementary points of an original image to be processed, 2) opening an output file to receive the output information representative of the contrast for the various elementary points of the original image, 3) reading of the value chosen for the scale parameter a, 4) reading of the chosen function g for a wavelet transform, 5) reading of the chosen weighting function h, 6) reading of the original image in the input file, 7) calculation of the Fourier transform of the image by fast algorithm on the lines, then on the columns of the image recorded in the input file, 8) calculation of the Fourier transform of the wavelet, 9) calculation of the Fourie transform r of the weighter, 10) calculation of the product of the Fourier transform of the wavelet with the Fourier transform of the image, 11) calculation of the inverse Fourier transform of the previous result, 12) calculation of the product of the transform of Fourier of the weighting function with the Fourier transform of the image, 13) calculation of the inverse Fourier transform of the previous result, 14) writing point by point of the contrast values, of the wavelet transform and of the light level in the output file.
Pour le calcul de la transformée de Fourier de la fonction de base représentant une ondelette ou une fonction de pondération, on procède aux opérations suivantes i) calcul de l'ondelette le long d'un rayon, dans un tableau monodimensionnel, ii) calcul du rayon en chaque point d'un quadrant du tableau bidimensionnel de l'ondelette et écriture de la valeur correspondante de l'ondelette, et iii) duplication par symétrie C4 du quadrant renseigné. For the calculation of the Fourier transform of the basic function representing a wavelet or a weighting function, the following operations are carried out: i) calculation of the wavelet along a radius, in a one-dimensional table, ii) calculation of the radius at each point of a quadrant of the two-dimensional table of the wavelet and writing of the corresponding value of the wavelet, and iii) duplication by symmetry C4 of the informed quadrant.
D'autres caractéristiques et avantages de l'invention ressortiront de la description suivante de modes particuliers de réalisation, donnée en référence aux dessins annexés, sur lesquels
- la figure 1 est un schéma-bloc montrant les étapes essentielles du procédé selon l'invention consistant à établir une carte de contrastes à partir d'une image originale,
- la figure 2 est un schéma-bloc montrant les étapes supplémentaires nécessaires pour l'obtention d'une image améliorée à partir d'une image originale et d'une carte de contrastes établie selon l'invention,
- les figures 3 et 4 montrent des exemples de forme de fonction de base intervenant pour effectuer une transformée en ondelette et une pondération, avec des choix de facteurs d'échelle différant d'un facteur 2, pour réaliser des traitements d'images avec des contrastes d'échelle différents,
- la figure 5 représente un organigramme montrant une succession d'étapes d'un procédé de traitement d'image selon l'invention,
- les figures 6A et 6B représentent un organigramme semblable à celui de la figure 5 avec une définition plus précise de chacune des étapes du traitement, et
- la figure 7 définit un exemple d'étape de calcul de fonctions d'analyse mise en oeuvre dans le cadre des procédés illustrés par les figures 5 et 6A, 6B.Other characteristics and advantages of the invention will emerge from the following description of particular embodiments, given with reference to the appended drawings, in which
FIG. 1 is a block diagram showing the essential steps of the method according to the invention consisting in establishing a contrast map from an original image,
FIG. 2 is a block diagram showing the additional steps necessary for obtaining an improved image from an original image and from a contrast map established according to the invention,
FIGS. 3 and 4 show examples of the basic function form used to perform a wavelet transform and a weighting, with choices of scale factors differing by a factor of 2, to perform image processing with different scale contrasts,
FIG. 5 represents a flowchart showing a succession of steps of an image processing method according to the invention,
FIGS. 6A and 6B represent a flow diagram similar to that of FIG. 5 with a more precise definition of each of the processing steps, and
- Figure 7 defines an example of a step of calculating analysis functions implemented in the context of the methods illustrated in Figures 5 and 6A, 6B.
Le procédé de traitement d'image selon l'invention a pour but de calculer sur une image quelconque une carte représentant le contraste. Le contraste est calculé en fonction d'un paramètre d'échelle a qui caractérise la taille des structures de l'image prises en compte. Ce type d'analyse permet de définir un procédé d'évaluation et de quantification d'image, en termes de contraste. The aim of the image processing method according to the invention is to calculate on any image a map representing the contrast. The contrast is calculated according to a scale parameter a which characterizes the size of the image structures taken into account. This type of analysis makes it possible to define an image evaluation and quantification process, in terms of contrast.
Par ailleurs, la carte de contraste permet de modifier l'image initiale afin de rendre plus visibles certaines structures choisies. Le caractère audio-adaptatif de l'extract on de contraste donne au procédé des propriétés particulières. In addition, the contrast card makes it possible to modify the initial image in order to make certain selected structures more visible. The audio-adaptive nature of the contrast extract on gives the process special properties.
Le procédé de traitement d'image effectue une analyse en contraste d'échelle et s'appuie sur la transformée en ondelettes. The image processing method performs a contrast in scale analysis and is based on the wavelet transform.
Cette transformée mathématique permet d'extraire en chaque point l'amplitude de structures spatiales dont la taille a été choisie.This mathematical transform makes it possible to extract at each point the amplitude of spatial structures whose size has been chosen.
Le procédé selon l'inventIon consiste à associer à cette transformée, une série d'étapes supplémentaires permettant d'évaluer le niveau lumineux qui affecte la perception de ces structures. L'ensemble fournit un procédé d'évaluation du contraste local.The method according to the invention consists in associating with this transform, a series of additional steps making it possible to evaluate the light level which affects the perception of these structures. The set provides a method for assessing local contrast.
Si l'on considère la figure 1, on voit une image originale 1 comprenant un ensemble de structures particulières 101 dont la taille est prédéterminée. If we consider Figure 1, we see an original image 1 comprising a set of particular structures 101 whose size is predetermined.
A partir de l'image originale 1, on procède dans une étape 2 à une transformation en ondelettes des signaux représentant l'image originale 1, en effectuant notamment une convolution de l'ondelette en chaque point de l'image (étape 3) pour fournir une transformée en ondelettes 4 pour l'ensemble des points de l'image 1. Starting from the original image 1, in signals 2, the signals representing the original image 1 are transformed into wavelets, in particular by convolving the wavelet at each point of the image (step 3) to provide a wavelet transform 4 for all the points of image 1.
A partir de la même image originale 1, on procède dans une étape 5 à une estimation du niveau lumineux en effectuant notamment une convolution de la fonction de pondération en chaque point de l'image (étape 6) pour fournir une série de valeurs de niveau lumineux 7 pour l'ensemble des points de l'image 1. Une carte 8 de contrastes en chaque point de l'image 1 est alors établie à partir des tableaux de valeurs 4 et 7. From the same original image 1, in a step 5 an estimation of the light level is carried out, in particular by carrying out a convolution of the weighting function at each point of the image (step 6) to provide a series of level values. luminous 7 for all the points of image 1. A map 8 of contrasts at each point of image 1 is then established from the tables of values 4 and 7.
L'analyse par ondelettes effectuée dans les étapes 2 et 3 utilise la transformée en ondelettes continue dont la théorie en a été développée par A. Grossmann, notamment dans l'article de A. The wavelet analysis performed in steps 2 and 3 uses the continuous wavelet transform whose theory was developed by A. Grossmann, in particular in the article by A.
Grosmann et J. Morlet intitulé "Decomposition of constant shape and related transforms" paru en 1985 dans la revue World Scientific (Singapour).Grosmann and J. Morlet entitled "Decomposition of constant shape and related transforms" published in 1985 in the journal World Scientific (Singapore).
Considérons des fonctions de carré intégrable, i. e. Let us consider functions of an integrable square, i. e.
||o||2 = ##d2x|c(x)|2 < # ... || o || 2 = ## d2x | c (x) | 2 <# ...
(1)
Le signal traité s, est aussi de carré intégrable, donc l'énerge finie. Sa transformée de Fourier existe donc, elle est définie par
s(k) = 1/2###d2xe-1kx s(x) (2)
Les transformations élémentaires du plan suivantes seront appliquées sur les signaux et les fonctions employées
(i) la translation
(Tbs)(x) = s(x-b) x,b # R2 (3)
(ii) la dilatation unitaire (Das)(x) = a-1S(a-1x) x#R2. a#R+ où : . b est le paramètre de translation,
a a est le paramètre de dilatation,
La transformation élémentaire, utilisée par la suite, est obtenue en composant les opérations définies par les équations 3 et 4 :
#(a,b)= Tb Da (5)
Son action se définit de la manière suivante
( #(a,b)s)(x)=a-1s(a-1(x-b)) (6) ( #(a,b)s)(k)=a e-1k@s(a k) (7)
Une ondelette est une fonction intégrable qui vérifie la condition d'admissibilité suivante
##d2k|k|-2|@(k)|2 < # (8) (où g est la Transformée de Fourier de g et c est la constante positive définie comme suit cg=(2#)2##c2k|k|-2|g
L'ondelette choisie est le sombrero circulaire
g(x)= 1/#2#(2-|x|2)exp(-|x|2/2 (10) g(k)= 1/#2#|k|2exp(-|k|2) (11)
La famille des ondelettes est générée à partir du "sombrero" à l'aide de la transformation f déjà décrite
9 a,b (#(a,b)g)(x) (12)
Par définition la transformée en ondelette du signal s, est la décomposition de ce signal sur la famille d'ondelettes
Sg( a,b )=(cg)-1/2 < g a,b1S > (13)
=a-1(cg)-1/2##d2xg(a-1(x-b))s(x) (14)
=a(cg)-1/2 ## d2k e1kb g( a(k))s(k) (15)
La transformée en ondelettes est une opération linéaire qui permet une décomposition du signal s en tout point b, pour un facteur d'échelle a. Le calcul peut être réalisé à partir des deux formules 14 et 15. Dans le premier cas par une convolution apériodique effectuée sur l'image, dans l'autre cas par une convolution périodique à l'aide de la transformée de Fourier.(1)
The processed signal s, is also of integrable square, therefore the finished energy. Its Fourier transform therefore exists, it is defined by
s (k) = 1/2 ### d2xe-1kx s (x) (2)
The following elementary transformations of the plane will be applied to the signals and the functions used
(i) the translation
(Tbs) (x) = s (xb) x, b # R2 (3)
(ii) the unit dilation (Das) (x) = a-1S (a-1x) x # R2. a # R + where:. b is the translation parameter,
aa is the dilation parameter,
The elementary transformation, used later, is obtained by composing the operations defined by equations 3 and 4:
# (a, b) = Tb Da (5)
Its action is defined as follows
(# (a, b) s) (x) = a-1s (a-1 (xb)) (6) (# (a, b) s) (k) = a e-1k @ s (ak) ( 7)
A wavelet is an integrable function which verifies the following eligibility condition
## d2k | k | -2 | @ (k) | 2 <# (8) (where g is the Fourier Transform of g and c is the positive constant defined as follows cg = (2 #) 2 ## c2k | k | -2 | g
The wavelet chosen is the circular sombrero
g (x) = 1 / # 2 # (2- | x | 2) exp (- | x | 2/2 (10) g (k) = 1 / # 2 # | k | 2exp (- | k | 2 ) (11)
The wavelet family is generated from the "sombrero" using the transformation f already described
9 a, b (# (a, b) g) (x) (12)
By definition the wavelet transform of signal s, is the decomposition of this signal on the wavelet family
Sg (a, b) = (cg) -1/2 <ga, b1S> (13)
= a-1 (cg) -1 / 2 ## d2xg (a-1 (xb)) s (x) (14)
= a (cg) -1/2 ## d2k e1kb g (a (k)) s (k) (15)
The wavelet transform is a linear operation which allows a decomposition of the signal s at any point b, for a scale factor a. The calculation can be carried out from the two formulas 14 and 15. In the first case by an aperiodic convolution performed on the image, in the other case by a periodic convolution using the Fourier transform.
Pour avoir un estimateur de contraste, la transformée en ondelette est associée à un estimateur de niveau lumineux 5. Le niveau lumineux moyen qui affecte localement la perception des variations de luminance est évalué dans la zone où ces variations ont été estimées. Pour cela une fonction de pondération h est choisie, de norme L1 égale à l'unité. A l'emplacement adressé par le vecteur b, et pour le facteur d'échelle a, ce niveau lumIneux moyen s'exprime par
Ln(a,b)= if d2x /a2*((x-b)/2) f(x) (16)
La carte de niveau lumineux 7 ainsi définie par Lf est telle que sa moyenne sur toute la stimulation reste indépendante du facteur d'échelle a. La valeur moyenne du niveau lumineux moyen est égale à la luminance moyenne
La transformée en ondelettes et l'estimateur définissent, pour un facteur d'échelle a des notions d'amplitude des structures spatiales et de niveau lumineux moyen. Ces deux conditions de perception peuvent aussi s'exprimer sous la forme d'un "contraste" et d'un niveau lumineux moyen. il dépend de la localisation dans l'image et de l'échelle choisie pour l'analyse, c'est un contraste d'échelle
C(a,b) = 1/N (Sg(a,b) / Ln(a,b)] (17) où N est une constante de normalisation.To have a contrast estimator, the wavelet transform is associated with a light level estimator 5. The average light level which locally affects the perception of variations in luminance is evaluated in the zone where these variations have been estimated. For this, a weighting function h is chosen, of standard L1 equal to unity. At the location addressed by the vector b, and for the scale factor a, this mean light level is expressed by
Ln (a, b) = if d2x / a2 * ((xb) / 2) f (x) (16)
The light level map 7 thus defined by Lf is such that its average over all the stimulation remains independent of the scale factor a. The average value of the average light level is equal to the average luminance
The wavelet transform and the estimator define, for a scale factor, notions of amplitude of the spatial structures and of average light level. These two perception conditions can also be expressed in the form of a "contrast" and an average light level. it depends on the location in the image and the scale chosen for the analysis, it is a contrast of scale
C (a, b) = 1 / N (Sg (a, b) / Ln (a, b)] (17) where N is a normalization constant.
Sur la figure 1, le module 8 représente le tableau de l'ensemble des valeurs de contraste d'échelle pour les divers points de l'image originale 1. In FIG. 1, the module 8 represents the table of the set of scale contrast values for the various points of the original image 1.
Comme le niveau lumineux moyen, le contraste dépend du facteur d'échelle a, et du point b où l'analyse est effectuée. Like the average light level, the contrast depends on the scale factor a, and on the point b where the analysis is carried out.
Chaque point de l'image est analysé par les deux fonctIons l'ondelette et le pondérateur. Ces deux fonctions subissent la même dilatation (ou contraction) induite par le choix du facteur d'échelle. Pour deux facteurs d'échelle différant du facteur 2, les fonctions appliquées en chaque point ont les aspects des courbes 22 et 24 des figures 3 et 4 pour l'ondelette et des courbes 21 et 23 des figures 3 et 4 pour le pondérateur.Each point of the image is analyzed by the two functions of the wavelet and the weighter. These two functions undergo the same dilation (or contraction) induced by the choice of the scale factor. For two scale factors different from factor 2, the functions applied at each point have the aspects of curves 22 and 24 in Figures 3 and 4 for the wavelet and curves 21 and 23 in Figures 3 and 4 for the weighter.
La mise en place des notions de niveau moyen de luminance et de contraste ne préjuge pas de la forme exacte des fonctions g (l'ondelette) et h (le pondérateur). Ces deux fonctions peuvent être choisies en fonction de critères variables. Dans le cadre de l'application à la perception humaine, le choix de l'ondelette srest porté sur le laplacien de gaussienne. g(x) = (1/#2#) (2-x2) exp (-x2/2) (18)
Le choix de la fonction qui va définir le niveau lumineux moyen est lié à celui de la fonction g. I1 existe un certain nombre de données en neurophysiologie qui permettent de faire l'hypothèse que les récepteurs rétiniens s'adaptent au niveau lumineux par des interactions locales, dont l'intensité décroît avec la distance. Le pondérateur h, en décrit en quelque sorte ces interactions. Le choix s'est porté sur "l'enveloppe" gaussienne (la gaussienne de base du calcul de g) de l'ondelette, en tant que mode de réalisation préférentiel :
h(x) = (1/ 2# α2 ) exp (-x2/2α2) (19) (α > @)
La figure 2 montre les étapes supplémentaires à mettre en oeuvre pour effectuer un traitement d'image par renforcement du contraste d'échelle destiné à fournir une image améliorée il à partir d'une image originale 1.The introduction of the notions of average level of luminance and contrast does not prejudge the exact form of the functions g (the wavelet) and h (the weighter). These two functions can be chosen according to variable criteria. In the context of application to human perception, the choice of wavelet rests on the Laplacian of Gaussian. g (x) = (1 / # 2 #) (2-x2) exp (-x2 / 2) (18)
The choice of the function which will define the average light level is linked to that of the function g. There is a certain amount of data in neurophysiology which makes it possible to make the hypothesis that the retinal receptors adapt to the light level by local interactions, the intensity of which decreases with distance. The weighter h, somehow describes these interactions. The choice fell on the Gaussian "envelope" (the basic Gaussian of the calculation of g) of the wavelet, as a preferred embodiment:
h (x) = (1/2 # α 2) exp (-x2 / 2 α 2) (19) (α> @)
FIG. 2 shows the additional steps to be implemented in order to perform an image processing by strengthening the scale contrast intended to provide an improved image il from an original image 1.
Le traitement utilise directement le contraste d'échelle défini et ayant conduit à la formation d'un tableau 8 de valeurs de contraste par l'équation 17. Ce signal bidimensionnel est multiplié par un facteur de gain G (étape 9) et ajouté à l'image d'origine 11 ( étape 10). Ce traitement renforce la visibilité des structures qui correspondent à l'échelle choisie. L'image construite peut être décrite par la formule suivante
1ame@@oree(b) = 1orig@nale (b) # G/N [Sg(a,b) / Ln(a,b)] (2c) où G est le facteur de gain.The processing directly uses the defined scale contrast which led to the formation of a table 8 of contrast values by equation 17. This two-dimensional signal is multiplied by a gain factor G (step 9) and added to the 'original image 11 (step 10). This treatment enhances the visibility of the structures which correspond to the chosen scale. The constructed image can be described by the following formula
1 ame@@oree (b) = 1orig @ nale (b) # G / N [Sg (a, b) / Ln (a, b)] (2c) where G is the gain factor.
La mise en oeuvre du procédé de traitement d'image selon l'invention avec détermination d'un contraste d'échelle permet diverses applications. The implementation of the image processing method according to the invention with determination of a scale contrast allows various applications.
Le système visuel humain est sensible au contraste. Dans le domaine des éclairements photopiques, et pour un niveau lumineux suffisant, la sensibilité spatiale du système visuel à une stimulation statique noir et blanc dépend uniquement de l'échelle et du contraste de celle-ci. Le contraste d'échelle permet de caractériser une image quelconque. Cette caractérisation peut être à la base de critère de comparaison, portant sur la visibilité ou la lisibilité d'images. Il est ainsi possible de procéder à partir des images traitées 8 ou 11, à une comparaison d'image, notamment dans le cadre de présentations sur écrans, avec des images, caractères ou symboles prédéterminés. The human visual system is sensitive to contrast. In the field of photopic illuminations, and for a sufficient light level, the spatial sensitivity of the visual system to black and white static stimulation depends only on the scale and the contrast thereof. The contrast of scale makes it possible to characterize any image. This characterization can be the basis of comparison criteria, relating to the visibility or legibility of images. It is thus possible to proceed from the processed images 8 or 11, to an image comparison, in particular in the context of presentations on screens, with predetermined images, characters or symbols.
Le procédé de renforcement de contraste d'échelle, permet en outre d'augmenter fortement la visibilité de détails sélectionnés. Ce type de traitement peut trouver de multiples champs d'applications. On donnera ci-dessous deux exemples qui diffèrent par le critère de choix portant sur l'échelle de renforcement. The scale contrast enhancement process also greatly increases the visibility of selected details. This type of processing can find multiple fields of applications. Two examples will be given below which differ in the selection criterion relating to the reinforcement scale.
On sait que les images de sol planétaire fournies par les satellites artificiels sont sujettes à interprétation. La grande quantité d'informations qui doivent être triées par les opérateurs humains rend utile tout outil susceptible de trier et de mettre en évidence un type particulier de structures. Dans ce cas, il est parfois possible de caractériser une structure recherchée par sa taille, c'est le cas des routes par exemple. Le facteur d'échelle a peut alors être choisi dans le cadre d'un procédé de traitement conforme à l'invention pour extraire ces structures particulières. We know that the images of planetary soil provided by artificial satellites are subject to interpretation. The large amount of information that has to be sorted by human operators makes any tool that can sort and highlight a particular type of structure useful. In this case, it is sometimes possible to characterize a structure sought by its size, this is the case for roads for example. The scale factor a can then be chosen within the framework of a processing method in accordance with the invention to extract these particular structures.
L'algorithme réalise une extraction auto-adaptative. Lorsque le niveau du signal de luminance décroît la sensibilité de l'extraction augmente.The algorithm performs a self-adaptive extraction. When the level of the luminance signal decreases the sensitivity of the extraction increases.
Dans l'exemple précédent, le choix de l'échelle intensifiée est conditionné par le type d'objet recherché. Ce choix peut être induit par les caractéristiques du système visuel de l'observateur. Si celui-ci soufre d'une déficience importante dans la perception des détails fins, les détails les plus petits qui lui soient accessibles ne seront visibles qu'à un contraste très fort. In the previous example, the choice of the intensified scale is conditioned by the type of object sought. This choice can be induced by the characteristics of the visual system of the observer. If it suffers from a significant deficiency in the perception of fine details, the smallest details accessible to it will only be visible with very strong contrast.
Le procédé permet une adaptation considérable de la stimulation à l'observateur, et fournit par là une aide à l'acquisition visuelle ou à la rééducation.The method allows considerable adaptation of the stimulation to the observer, and thereby provides aid for visual acquisition or rehabilitation.
Les figures 5, 6A, 68 montrent un exemple de traitement automatisé permettant d'établir de façon automatique, à partir d'une image originale 1, une carte 8 donnant pour l'ensemble des points élémentaires de l'image originale, répartis en lignes et colonnes, une valeur de contraste local tenant compte d'un facteur d'échelle donné a. FIGS. 5, 6A, 68 show an example of automated processing making it possible to automatically establish, from an original image 1, a map 8 giving for all the elementary points of the original image, distributed in lines and columns, a local contrast value taking into account a given scale factor a.
La figure 5 montre les étapes principales 31 à 39 d'un tel traitement tandis que les figures 6A, ES présentent de façon plus détaillée dans les blocs 31a à 39a les différentes opérations effectuées dans les étapes 31 à 39 respectivement. Figure 5 shows the main steps 31 to 39 of such processing while Figures 6A, ES show in more detail in blocks 31a to 39a the various operations performed in steps 31 to 39 respectively.
La figure 7 donne pour l'étape 34 de calcul des fonctions d'analyse, dans le bloc 34b, un exemple de détail de calcul de transformée de Fourier des fonctions de base (ondelette et pondérateur). FIG. 7 gives for step 34 of calculation of the analysis functions, in block 34b, an example of detail of calculation of Fourier transform of the basic functions (wavelet and weighter).
Le contenu des différentes étapes des organigrammes des figures 5, 6A, 68 et 7 est suffisamment explicite sur ces figures et ne sera donc pas répété dans la présente description. The content of the various stages of the flowcharts in FIGS. 5, 6A, 68 and 7 is sufficiently explicit in these figures and will therefore not be repeated in the present description.
Grâce au choix d'une valeur de paramètre d'échelle et la possibilité d'établir pour chaque point d'une image originale une valeur de contraste dépendant à la fois de la localisation de ce point et du facteur d'échelle, il est possible, comme indiqué plus haut, à la fois d'améliorer la qualité des images en renforçant la lisibilité de détails de taille déterminée (en choisissant une valeur de facteur d'échelle adaptée à cette taille) et de procéder sur des images à des tris, reconnaissance de forme ou comparaisons sur des structures prédéterminées caractérisées par leur taille. Thanks to the choice of a scale parameter value and the possibility of establishing for each point of an original image a contrast value depending both on the location of this point and on the scale factor, it is possible , as indicated above, both to improve the quality of the images by enhancing the legibility of details of determined size (by choosing a scale factor value adapted to this size) and to proceed to sort images, shape recognition or comparisons on predetermined structures characterized by their size.
A titre d'exemple, on a déjà indiqué la reconnaissance sur une image de la terre fournie par un satellite de structures de taille définie telles que des routes. Selon un autre exemple, il est de la meme façon possible de procéder à une reconnaissance de pistes conductrices de largeur prédéterminée sur un circuit imprimé ou similaire. As an example, we have already indicated the recognition on an image of the earth provided by a satellite of defined size structures such as roads. According to another example, it is in the same way possible to carry out a recognition of conductive tracks of predetermined width on a printed circuit or the like.
Claims (7)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR8907237A FR2647918B1 (en) | 1989-06-01 | 1989-06-01 | IMAGE PROCESSING PROCESS BY SCALE CONTRAST ANALYSIS |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR8907237A FR2647918B1 (en) | 1989-06-01 | 1989-06-01 | IMAGE PROCESSING PROCESS BY SCALE CONTRAST ANALYSIS |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR2647918A1 true FR2647918A1 (en) | 1990-12-07 |
| FR2647918B1 FR2647918B1 (en) | 1991-09-06 |
Family
ID=9382253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR8907237A Expired - Fee Related FR2647918B1 (en) | 1989-06-01 | 1989-06-01 | IMAGE PROCESSING PROCESS BY SCALE CONTRAST ANALYSIS |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR2647918B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0712092A1 (en) * | 1994-11-10 | 1996-05-15 | Agfa-Gevaert N.V. | Image contrast enhancing method |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2293011A1 (en) * | 1974-09-16 | 1976-06-25 | France Etat | Image processor normalising and enhancing image contrast - uses programme statistical pipe-line processor to calculate new brightness for each point in image |
-
1989
- 1989-06-01 FR FR8907237A patent/FR2647918B1/en not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2293011A1 (en) * | 1974-09-16 | 1976-06-25 | France Etat | Image processor normalising and enhancing image contrast - uses programme statistical pipe-line processor to calculate new brightness for each point in image |
Non-Patent Citations (4)
| Title |
|---|
| COMPUTER VISION, GRAPHICS AND IMAGE PROCESSING, vol. 22, no. 1, avril 1983, pages 1 - 27, New York, USA, E.C. HILDRETH: 'The detection of intensity changes by computer and biological vision systems' * |
| L'ONDE ELECTRIQUE, vol. 68, no. 2, mars 1988, pages 53 - 57, Paris, France, G. HERBY: 'Traitement d'images infrarouge' * |
| OPTICAL ENGINEERING, vol. 22, no. 1, juillet 1984, pages 32 - 45, New York, USA, J.D. FAHNESTOCK et al.: 'The maintenance of sharpness in magnified digital images' * |
| OPTICAL ENGINEERING, vol. 22, no. 3, mai/juin 1983, pages 378 - 381, Bellingham, Washington, USA, J.D. FAHNSTOCK et al.: 'Spatially variant contrast enhancement using local range modification' * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0712092A1 (en) * | 1994-11-10 | 1996-05-15 | Agfa-Gevaert N.V. | Image contrast enhancing method |
Also Published As
| Publication number | Publication date |
|---|---|
| FR2647918B1 (en) | 1991-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Schettini et al. | Underwater image processing: state of the art of restoration and image enhancement methods | |
| US8340461B2 (en) | Single image haze removal using dark channel priors | |
| Wang et al. | Naturalness preserved enhancement algorithm for non-uniform illumination images | |
| Meng et al. | Efficient image dehazing with boundary constraint and contextual regularization | |
| US8285076B2 (en) | Methods and apparatus for visual sub-band decomposition of signals | |
| Khan et al. | Localization of radiance transformation for image dehazing in wavelet domain | |
| Jackson et al. | A fast single-image dehazing algorithm based on dark channel prior and Rayleigh scattering | |
| Kovesi | Phase preserving tone mapping of non-photographic high dynamic range images | |
| Pandey et al. | Enhancing the quality of satellite images using fuzzy inference system | |
| Al-Samaraie | A new enhancement approach for enhancing image of digital cameras by changing the contrast | |
| Fayaz et al. | Efficient underwater image restoration utilizing modified dark channel prior | |
| Wang et al. | Two-stage underwater image restoration based on a physical model | |
| FR2647918A1 (en) | Method of image processing by analysis of scale contrast | |
| Chen et al. | The Use of Complex Contourlet Transform on Fusion Scheme. | |
| Harrison et al. | Earth Observation: Data, Processing and Applications. Volume 2C: Processing—Image Transformations | |
| Hsu et al. | A hybrid algorithm with artifact detection mechanism for region filling after object removal from a digital photograph | |
| Sharma et al. | Robust prediction of copy-move forgeries using dual-tree complex wavelet transform and principal component analysis | |
| Radak et al. | Image processing on images of ancient artifacts with the help of methods based on artificial intelligence | |
| Pardhi et al. | Enhancement of nighttime image visibility using wavelet fusion of equalized color channels and luminance with Kekre’s LUV color space | |
| Saxena et al. | Survey Paper on Visibility Restoration of Underwater Optical Images and Enhancement Techniques | |
| Lecca | Backlight and Spotlight Image Enhancement Based on Von Kries Model | |
| Parlewar et al. | An Efficient Saliency Detection Using Wavelet Fusion | |
| Waghamare | Enhanced Analysis on Image Enrichment Methods | |
| Goswami et al. | Statistical learning for texture characterization | |
| Athiya et al. | CONTRAST IMPROVEMENT TECHNIQUE SATELLITE IMAGES APPLYING FILTRATION METHOD. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| DL | Decision of the director general to leave to make available licences of right | ||
| ST | Notification of lapse |