Université de Bretagne Occidentale.
Département d’électronique
Master1 STR / module DETR7ITI / G. Burel / 2019-2020 / TD
TD1 - Image couleur et compression par prédiction
1. Image couleur
Déterminer la matrice d’index (X) et la table de couleurs (map) permettant d'obtenir l'image suivante:
jaune bleu rouge
vert violet jaune
blanc vert sombre orange
Déterminer les matrices R,G,B permettant d’obtenir la même image
2. Synthèse d’image couleur
Considérons un dispositif de synthèse d’image couleur basé sur trois substances dont les densités
spectrales de puissance à l’émission sont données sur la figure.
Réponse des capteurs de l'oeil
Fréq. (THz)
300 500 700 900
Densité spectrale de puissance émise (mW/THz)
Fréq. (THz)
300 600 800 850
640 650
On supposera que les réponses des trois capteurs de couleur de l’oeil sont celles qui sont données sur
la figure (il s’agit bien entendu d’une simplification de la réalité).
Ce système de synthèse est-il capable de synthétiser toutes les couleurs perceptibles par l’oeil ?
Si la réponse est positive, expliquez pourquoi.
Si la réponse est négative, expliquez pourquoi. Est-il possible de faire en sorte que la réponse à
cette question devienne positive en changeant l’une des trois substances de base (laquelle ? Quelle
devrait être sa densité spectrale de puissance en émission ?).
𝑎 0 0 1⁄𝑎 0 0
Note : l’inverse de la matrice A= (𝑑 𝑏 0) est 𝐴−1 = (−𝑑 ⁄( ab) 1⁄𝑏 0 )
0 0 𝑐 0 0 1⁄𝑐
TD2 - Compression par quantification vectorielle
et combinaison de méthodes
Double compression par quantification vectorielle
Pour une application de transmission d’images en acoustique sous-marine, on a besoin d’une très forte
compression. Pour cela, on réalise une compression par quantification vectorielle en utilisant deux
étapes. L’image initiale est une image en niveaux de gris, de très grande taille. Initialement, chaque
pixel est représenté par deux octets (le niveau de gris est donc compris entre 0 et 65535).
1. On réalise une première compression en travaillant sur des blocs de taille 8x8. Chaque bloc est
remplacé par un index qui se rapporte à un dictionnaire de 256 blocs.
2. L’image des index est à son tour comprimée. On travaille sur des blocs de taille 4x4. Chaque bloc
est remplacé par un index se rapportant à un dictionnaire de 16 blocs.
Quel est le taux de compression global de cette méthode ?
Compression par quantification vectorielle : évolution du dictionnaire
On utilise l’algorithme vu en cours pour créer un dictionnaire de 3 blocs à partir d’un ensemble B de 5
blocs. Il s’agit de blocs de 2 pixels.
L’ensemble B contient les blocs suivants :
(20 150), (110 200), (230 40), (140 20), (210 90)
Le dictionnaire initial contient les blocs suivants :
(100 30), (200 120), (210 40)
Montrer graphiquement comment évolue le dictionnaire lors de l’exécution de l’algorithme, en
expliquant clairement ce qui se passe. Faire des commentaires sur le résultat final obtenu.
L’image suivante est comprimée avec le dictionnaire calculé par l’algorithme. Indiquez ce que
contiendra le fichier comprimé. Quelle sera l’image reconstruite ? Commentaires ?
210 90
140 20
Qu’en est-il si l’on utilise le dictionnaire initial ? Commentaires ?
Compression d’images : combinaison de méthodes
Une grande image en niveaux de gris contient 1024x1024 pixels et occupe un volume d'un demi
mega_octets. On souhaite la comprimer de manière à ce qu'elle n'occupe plus que le seizième de ce
volume.
1. Pour les trois méthodes de compression vues en cours (transformée linéaire optimale, transformée
cosinus, et quantification vectorielle), indiquez comment vous paramétreriez la méthode (taille des
blocs, taille du dictionnaire, etc.).
2. Quelle sera, à votre avis, la méthode qui donnera les meilleurs résultats? Et celle qui donnera les
moins bons résultats?
3. Proposez une méthode de compression qui réalise deux compressions successives avec deux
méthodes différentes choisies parmi les 3 méthodes ci-dessus. Comment paramétrez vous les
méthodes? Le taux global de compression doit rester le même que précédemment. Quel est
l'intérêt de votre méthode?
2
TD3 - Filtrage
1. Réponses fréquentielles de filtre
Soit les trois filtres suivants :
Filtre ℎ1 :
1 1 1
h1 1 8 1 , réponse fréquentielle : H 1 (1 , 2 ) 9 (2 cos 1 1)(2 cos 2 1)
1 1 1
Filtre passe-haut.
Filtre ℎ2 :
1 1 1
h2 1 9 1 , réponse fréquentielle : H 2 (1 , 2 ) 10 (2 cos 1 1)(2 cos 2 1)
1 1 1
Filtre passe-haut.
Filtre ℎ3 :
1 1 1
1 1
h3 9 1 1 1 , réponse fréquentielle : H 3 (1 , 2 ) (2 cos 1 1)(2 cos 2 1)
9
1 1 1
Filtre passe-bas.
A quoi servent un filtre passe-haut et un filtre passe-bas en traitement des images.
2- Filtrage d’une image simple
Filtrer l’image suivante avec les trois filtres donnés dans l’exercice précédent.
1 1 1 0 0 0
1 1 1 0 0 0
1 1 1 0 0 0
I
1 1 1 0 0 0
1 1 1 0 0 0
1 1 1 0 0 0
On ne donnera pas les valeurs obtenues sur les bords de l'image, car dans ce cas le filtre sort de
l'image, et le résultat dépend de l'hypothèse qui est faite sur l'environnement de l'image
3
TD4 - Contours, Interprétation, JPEG
1. Détection de contours
Détecter les contours sur l’image suivante, à l’aide des filtres de Roberts
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 15 15 13 0 7 0
0 0 14 15 15 0 0 0
0 0 15 15 15 0 0 0
0 0 0 0 0 0 0 0
2. Interprétation d’images
Voici plusieurs images. Faites des commentaires sur chacune de ces images. La pertinence de ces
commentaires doit montrer que vous maîtrisez bien le cours. Ne commentez pas l’image 3.
Image 1
4
Image 2
Image 3
Image 4
5
Image 5
Image 6
Image 7
6
Image 8
Image 9
7
3. Compression par transformée cosinus (JPEG)
Une transformation DCT effectuée sur un bloc d'image 8x8 composé de pixels codés sur 8 bits a conduit bloc
transformé suivant :
-393 48 1 1 -1 6 -2 8
-62 15 6 -13 -2 3 -4 1
-5 -15 20 -9 1 3 -3 0
11 -12 13 -5 -3 2 0 0
-3 -5 0 0 -5 -3 0 2
-5 5 -5 4 -1 1 1 -3
-8 2 -1 -1 1 -3 1 -1
3 -2 0 0 1 0 0 -2
1) Calculer les coefficients quantifiés obtenus par application à ce bloc d'une matrice de quantification dont
l'expression des coefficients est :
Qij = 1 + 4(1+i+j)
où les indices i et j varient de 0 à 7.
2) Déterminer la suite d'événements de type (run, level) obtenue par balayage zig-zag des coefficients quantifiés.