M1 info : Bases du Traitement du Signal et des images
Examen de 2e session - Durée : 2h
13 juin 2012
Documents, calculatrices et téléphones interdits.
Les quatre parties peuvent être traités dans l’ordre qui vous conviendra, mais ne dispersez pas
les réponses d’une même partie dans la copie.
1 QCM signal (4 points)
Cochez toutes les affirmations exactes. N’oubliez pas de rendre ce QCM avec votre copie, sans
aucun signe distinctif.
a) L’énergie d’un signal représenté dans le domaine temporel est
supérieure à celle calculée à partir de la représentation spectrale.
inférieure à celle calculée à partir de la représentation spectrale.
égale à celle calculée à partir de la représentation spectrale.
b) Le spectre d’un signal périodique est
périodique.
uniquement constitué de raies.
constant.
c) La formule de reconstruction d’un signal analogique x(t) à partir de sa version échantillonnée
est une approximation, car il n’est pas possible de retrouver exactement le signal
analogique original.
nécessite de disposer de tous les échantillons passés et futurs pour calculer une
valeur x(t) à un instant t donné.
permet de reconstruire x(t) au fur et à mesure qu’on reçoit les échantillons.
d) Le module de la transformée de Fourier d’une fonction porte (fenêtre rectangulaire) de largeur
T est
une fonction porte de largeur 1/T .
une fonction |sinc| de largeur de lobe principal 2/T .
une fonction périodique de période 1/T .
1
2 Image (7 points)
Rappel : Toutes les réponses doivent être clairement rédigées et justifiées.
Sur la figure suivante, expliquez le type d’opérateurs de traitement d’images qui ont été appliqués
sur l’image originale (A) pour obtenir les images B,C,D et E. Proposez une légende détaillée pour
les images B, C, D, E.
– Pouvez-vous expliquer quel type d’information vous pouvez déduire de ces images ?
– Quel(s) type(s) de traitement proposeriez-vous pour extraire les contours ? pour éliminer le
bruit ? pour sélectionner l’os fémoral ?
3 Analyse spectrale numérique (6 points)
La figure 2 représente sur l’intervalle de fréquences normalisées [0; 1/2] le spectre d’amplitude
d’un signal x échantillonné, constitué de 2 sinuoïdes d’amplitudes respectives 10 et 1, de fréquences
normalisées respectives f1 = 1/8 et f2 = 1/8 + 1/32. On prélève N échantillons de ce signal pour
en faire une analyse spectrale numérique. La figure 3 représente le spectre du signal tronqué x̃, noté
X̃(f ), et sa transformée de Fourier discrète (TFD), notée X̃[k].
a) Pour faire apparaître nettement les 2 raies spectrales, on envisage 3 possibilités :
– compléter x̃ par des zéros (zéro-padding) avant le calcul de la TFD ;
– augmenter N ;
– remplacer le fenêtrage rectangulaire par un fenêtrage de Hamming.
Indiquez quelle(s) solution(s) est(sont) appropriée(s) et sous quelles conditions, en justifiant préci-
sément pourquoi.
b) On sous-échantillonne le signal x d’un facteur 2, c’est-à-dire qu’on prélève un échantillon sur
2 pour faire un signal y tel que y(n) = x(2n). Montrer que :
1 f f 1
Y (f ) = X +X −
2 2 2 2
Conseil : partir du membre de droite de l’égalité.
c) Le spectre de y est représenté sur la figure 4. En partant de la solution que vous avez retenue
à la question a, pourquoi peut-on diviser par 2 le nombre d’échantillons prélevés pour l’analyse
spectrale ?
2
F IG . 1 – Figure de l’exercice image.
3
|X̃(f )|
|X(f )|dB |X̃[k]|
30 dB
f
f1 f2 1/2
F IG . 2 – Spectre d’amplitude de x.
F IG . 3 – TFTD et TFD de x̃.
|Y (f )|dB
f
1 1 1 1
4 4
+ 16 2
F IG . 4 – Spectre d’amplitude de y.
4 Filtrage numérique (4 points)
Soit un filtre numérique de réponse fréquentielle H(f ) représentée en module sur la figure 5,
défini par l’équation aux différences :
y(n) = x(n) + x(n − 8)
où x et y désignent respectivement l’entrée et la sortie du filtre.
a) Calculez la fonction de transfert H(z). Quel est le nombre maximal de pôles ? de zéros ? En
vous aidant de la figure 5, dessinez le diagramme pôles-zéros. Ce filtre est-il stable ?
b) Soit un signal discret x défini par :
x(n) = cos(2πf0 n) + cos(2π × 3f0 n) + cos(2π × 5f0 n) + cos(2π × 7f0 n)
avec f0 = 1/16.
Dessinez son spectre d’amplitude. Sans faire de calcul, quelle sera la réponse du filtre au signal
x?
4
|H(f )|
f
−1/2 −1/4 −1/8 1/8 1/4 1/2
F IG . 5 – Réponse fréquentielle du filtre (en module).
5 Formulaire
Trigonométrie :
ejα + e−jα ejα − e−jα
cos α = , sin α = , ejα = cos α + j sin α
2 2j
Transformée de Fourier :
Z +∞
TF[x(t)] = X(ν) = x(t)e−j2πνt dt
−∞
Z +∞
TF−1 [X(ν)] = x(t) = X(ν)ej2πνt dν
−∞
TF[x(t) ∗ y(t)] = T F [x(t)].T F [y(t)]
TF[s(t − a)] = e−j2πνa S(ν)
TF[s(t)ej2πν0 t ] = S(ν − ν0 )
TF[s(n) (t)] = (j2πν)n S(ν)
δ(t) = TF−1 [1]
δ(ν) = TF[1]
j2πν0 t
TF[e ] = δ(ν − ν0 )
Durée utile T d’un signal réel s(t) :
2 Z +∞
T
= t2 s(t)2 dt
2 −∞
Largeur utile B du spectre du signal :
2 Z +∞
B
= ν 2 |S(ν)|2dν
2 −∞
Relation d’incertitude :
1
T.B ≥
π
5
Soit x(t) un signal apériodique d’énergie finie. Autocorrélation de x(t) :
Z +∞
Γx (τ ) = x(t)x∗ (t − τ )dt
−∞
Sa transformée de Fourier : TF[Γx (τ )] = |X(ν)|2
Théorème de Parseval :
Z +∞ Z +∞
2
E = Γx (0) = |x(t)| dt = |X(ν)|2 dν
−∞ −∞
Pour s(t) T0 -périodique, avec T0 = 1/ν0 :
T0 /2
1
X Z
j2πnν0 t
s(t) = cn e , avec : cn = s(t)e−j2πnν0 t dt
n∈Z
T0 −T0 /2
Convolution :
x∗y =y∗x
x∗δ =x
x(t) ∗ δ(t − t0 ) = x(t − t0 )
Pour un filtre de réponse impulsionnelle h(t), réponse y(t) à une entrée x(t) :
Z +∞
y(t) = h(t) ∗ x(t) = h(θ)x(t − θ)dθ
−∞
Pour x(t) signal déterministe :
Y (ν) = H(ν)X(ν)
Transformée de Fourier à temps discret :
X
Se (ν) = TFTD(s[n]) = s[n]e−j2πnTe ν
n∈Z
Reconstruction parfaite d’un signal :
X
s(t) = Te s[n]sinc(πνe t − πn)
n∈Z
Formule de Poisson : X
Se (ν) = νe S(ν − kνe )
k∈Z
Réponse fréquentielle :
– Pour un filtre de réponse impulsionnelle h(n), réponse fréquentielle :
H(f ) = TFTD[h(n)]
6
– Relation entrée-sortie :
y(n) = h(n) ∗ x(n) ⇔ Y (f ) = H(f )X(f )
Transformée en Z d’un signal discret x(n) :
X
X(z) = TZ[x(n)] = x(n)z −n
n∈Z
Théorème du retard :
TZ[x(n − k)] = z −k TZ[x(n)]
La TZ transforme le produit de convolution en produit simple :
TZ[x(n) ∗ y(n)] = X(z)Y (z)
TFTD[x(n)] = TZ[x(n)] calculée en z = ej2πf
Soit un signal discret x(n) de durée finie N :
x(n) = 0 ∀ n < 0 ou n ≥ N
– Transformée de Fourier à temps discret (TFTD) de x :
N
X −1
X(f ) = x(n)e−j2πnf
n=0
– Transformée de Fourier discrète (TFD) :
N −1
k X 2πkn
TFD[x(n)] = X[k] = X(f = ) = x(n)e−j N ∀0 ≤ k ≤ N − 1
N n=0
TFD inverse :
N −1
1 X 2πkn
x(n) = X[k]ej N = TFD−1 [X[k]] ∀0 ≤ n ≤ N − 1
N k=0
Types de fenêtres et largeur du lobe principal en fréquence normalisée :
Fenêtre Largeur du lobe Ecart d’amplitude
principal lobes principal/secondaire
(fréq. normalisée) (dB)
Rectangle 2/N 13
Triangle 4/N 25
Hanning 4/N 31
Hamming 4/N 41
Blackman 6/N 57