TIFO - Codage, partie 1: couleurs et representations

Codage des couleurs

Le modele RGB/RVB

Espace RGB/RVB (Red-Green-Blue)

• One code une couleur par un triplet representant la quantite de rouge, de vert et bleu de la couleur
• Une couleur est un point du cube:
  • L'origine du repere
    $(0,0,0)$: le noir
  • L'opposee:
    $(1,1,1)$ le blanc
  • Chaque axe code une couleur primaire (R,G,B)

Decomposition d'une image suivant les 3 axes:

Sur une image reelle:

Le modele RGB

• Modele base sur la perception humaine (couleurs primaires en synthese additive)
• Pas toujours intuitif pour selectionner une couleur
• Tres repandu

Le model HLS

L'espace HLS (Hue, Lightness, Saturation)

On code une couleur par 3 composantes: teinte, luminance et saturation. L'espace ressemble a 2 cones que l'on a joint par leurs bases. Une couleur est un point de cet espace

• Teinte
  • C'est l'angle sur le disque
    • $0^o$ rouge
    • ${60}^o$ jaune
    • ${120}^o$ vert
    • ${180}^o$ cyan
    • ${240}^o$ bleu
    • ${300}^o$ magenta
• Luminance
  • La luminance est la hauteur dans le cone
• Saturation
  • La saturation ("purete de la couleur") est la distance au centre du disque

Decomposition suivant les 3 axes:

Sur une image reelle:

La saturation

J'ai un p'tit singe ici:

• Modele intuitif pour "choisir une couleur".

L'utilisation de la teinte est interessante toutefois, sur des saturations faibles, la teinte n'a plus vraiment de signification

• Beaucoup de variantes (HSV…)

Le modele YMCA CMY

L'espace CMY (couleurs primaires en syntese soustractive)

• Mieux adpate pour les peripheriques d'impression
• Beaucoup de variantes

En image on l'utilise quasiment jamais.

Codage d'un niveau de gris

Comment coder un niveau de gris ?

• Une seule composante qui code la luminance
• Une convention possible:
  • Composante nulle
    $\to$ pas de lumiere (noir)
  • Composante au maximum
    $\to$ maximum de lumiere (blanc)
  • Un niveau de gris quelconque = un point de l'axe:

Autres espaces

Il existe d'autres espaces de representation

• YIQ
  • NTSC 1953
  • Facilite la transmission et la compatibilite de l'image tant pour un ecran couleur que un ecran noir et blanc
  • Y donne la luminance
• Lab
  • La distance entre 2 couleurs dans cet espace est representative de la difference percue visuellement entre les 2 couleurs
• XYZ
• YCbCr
• …

Conversions entre espaces de couleurs

RGB

$\leftrightarrow$ HLS

• H
  $[0^o,{360}^o]$ L
  $[0,1]$ S
  $[0,1]$
  • Teinte
    • Estime en fonction de 2 bornes min et max
• Pour L
  $\le 0,5$
  • Saturation
    • Joue sur l'ecartement min
      $\leftrightarrow$ max sur la teinte
    • Si S
      $=0$, min
      $=$ max
      $=$ L
    • Donc max
      $=$ (
      $1$ + S)L et min
      $=$ (
      $1$ - S)L
      
• Pour L
  $\ge 0,5$
  • Meme raisonnment

RGB

$\leftrightarrow$ YIQ

Le passage de l'un a l'autre est simple:

$$\left(\begin{array}{c}Y\\ I\\ Q\end{array}\right)=\left(\begin{array}{ccc}0.30& 0.59& 0.11\\ 0.60& -0.28& -0.32\\ 0.21& -0.52& 0.31\end{array}\right)\left(\begin{array}{c}R\\ G\\ B\end{array}\right)$$

RGB

$\leftrightarrow$ CMY

• Les couleurs primaires de l'espaces CMY sont les couleurs complementaires des couleurs primaires de l'espace RGB
• La conversion est donc simple:
  • $R=1-C$
  • $G=1-M$
  • $B=1-Y$

RGB

$\leftrightarrow$ niveaux de gris

• Idee simple et intuitive:
  • $L=(r+v+b)/3$
• Amelioration
  • $L=0.299r+0,587v+0,114b$
• Pourquoi la premiere idee est-elle fausse ?
  • Car nos yeux percoivent certaines couleurs mieux que d'autres (cf. la seconde formule)
• Peut-on faire l'inverse (passer du niveau de gris a la couleur ?)
  • Non bien-sur: projection, on passe d'un image 3D a 2D, on a perdu de l'info
  • Avec des regles on peut se donner une colorisation de l'espace (teinte sepia, vert comme une camera de surveillance, etc.) mais on ne retrouvera pas la couleur d'origine

RGB

$\leftrightarrow$ noir et blanc

• Est-il possible de passer a une image noir et blanc ?
  • Utile pour traiter les images "trop" riches
  • On binarise l'image
  • Qu'est-ce qu'on veut extraire de l'image ?
• Y a t il un interet a passer a une image en noir et blanc ?

Codage des couleurs

Il existe differents espaces pour la representation des couleurs

• Il faut etre capable de choisir le bon, en fonction de l'objectif recherche
• Etre capable, dans la mesure du possible de passer de l'un a l'autre

Codage de l'image

Representation d'une image couleur

Codage d'une image par une matrice:

• L'image est une fonction discrete 2D, elle est souvent codee par une matric
• Pour une image codee en RGB, un point de l'image = un triplet (r,g,b) de valeurs dans la matrics
• Un point de l'image = un pixel. Que signifie pixel ?
  • Picture element

Representation d'une image en niveaux de gris

Codage d'une image par une matrice:

• L'image est une fonction discrete 2D, elle est souvent codee par une matrice
• Pour une image codee en niveaux de gris, un point de l'image = une valeur dans la matrice codant la luminance

Acces aux pixels

• Comment coder cette image en memoire ?
  • Matrice ? Vecteur ?
• Comment acceder a un point de cette image ?
• Comment acceder a ses voisins ?
• Comment parcourir l'image ?

for (i = 0; i < sx; i++)
    for (j = 0; j < sy; j++)
        offset = i + j * sx

for (j = 0; i < sy; j++)
    for (i = 0; j < sx; i++)
        offset = i + j * sx

for (offset = 0; offset < sx * sy; ++offset)

• Utiliser un iterateur ?

Resolution/Echantillonage

• Discretisation spatiale (resolution)

• Echantillonage (amplitude)

Nombre de couleurs - Echantillonnage

Codage par palette (couleurs indexees)

Bit(s) par pixel	Couleurs
1 bpp	???
2 bpp	???
4 bpp	???
6 bpp	???
8 bpp	???

Codage sans palette

Bits par pixel	Couleurs	Bits par canaux
16 bpp	?	?
24 bpp	?	?
32 bpp	?	?

Representation de l'image

Un moyen classique de representer une image est d'utiliser une matrice. Y a t il d'autres approches ?

• Arbres (max tree, min tree, tree of shape)
• Graphes
• …

Maillage

• On choisit intuitivement un maillage carre mais cela peut-il presenter des inconvenients ?
• Y a t il d'autres maillages possibles ?

Topologie

Choix de la connexite des pixels

4-connexe:

• Voisins en haut, en bas, a gauche, a droite
• Pas lies aux voisins en diagonale
• Plusieurs regions

8-connexe:

• Une seule region
  

  

• Cela pose un probleme de topologie:

• Si le fond est 8-connexe (en noir), la forme (en blanc) est 4-connexe
• Si le fond est 4-connexe (en noir), la forme (en blanc) est 8-connexe
• Contradiciton avec le theoreme de Jordan
• Que faire ?
  • Vivre avec
  • Changer la forme de pixels
  • Intercaler des frontieres entre les pixels
  • …

Changer la forme de pixels:

Codage en memoire:

Pour:

• Plus de probleme de connexite
• Plus de probleme de distance
  • Tout le monde est a la meme distance

Contre:

• Gestion de la memoire
  • Inteprete chaque ligne de la matrice comme ayant un decalage offset

Intercaler des frontieres entre les pixels

Les frontieres sont determinees par les inter-pixels

Exemple d'arbre: Max tree

A chaque fois qu'on a 2 regions qui se separent, on cree des branches

Stockage/Transfer

• Differents formats:
  • JPEG, TIFF, PNM, PNG, BMP, GIF, TGA
• Choix en fonction de criteres
  • Avec ou sans compression (avec ou sans perte)
  • Avec ou sans couleur
  • Avec ou sans palette
  • Une seule image ou plusieurs
  • Optimise pour une architecture ? (Ex. BMP sauvegarde a l'envers)
  • Libre ou pas (Ex. GIF et Compuserve)

Exemple

• Format PNM
  • PBM: noir et blanc
  • PGM: niveaux de gris
  • PPM: couleurs
• 2 variantes
  • PNM
  • TGA
• Format tres simple (extrait de spec)

Application

• On a vu pas mal de choses sur la formation d'une image
• On va l'appliquer
  • en changeant les couleurs ou l'illumination d'une image
  • en changeant l'organisation spatiale des pixels de l'image
  • en combinant des changements dans le couleurs et dans l'organisation spatiale des pixels

Changement d'illumination

En tous points de la scene, la reponse du capteur est donne par:

$L(x,y)=\int E(x,y,\lambda )S(x,y,\lambda )R(\lambda )d\lambda$

• Avec
  • $E(x,y)$ l'eclairage
  • $S(x,y,\lambda )$ la reflectance de la surface (fonction de la longueur d'onde
    $\lambda$)
  • $R(\lambda )$ la sensitivite du capteur qui (pour simplifier est supposse repondre a une seule longueur d'onde:
    $R(\lambda )=\sigma (\lambda -{\lambda }_k)$)
    On a donc:
    $L(x,y)=E(x,y)S(x,y,{\lambda }_k)$

La meme image prise avec 2 niveaux d'illuminations differents:

• $L1(x,y)=E_1(x,y)S(x,y,{\lambda }_k)$
• $L2(x,y)=E_2(x,y)S(x,y,{\lambda }_k)$

Donc:

• $L2(x,y)=(E_2(x,y)/E_1(x,y))\ast L1(x,y)$

Et donc:

• $L2(x,y)=C\ast L1(x,y)$

Pour changer l'illumination il faut donc multiplier les valeurs des pixels par une constante (et non additionner/soustraire par une constante comme c'est usuellement fait)

Correction d'illumination non uniforme

• Soit une image acquise
  $I_1$ avec un eclairage non uniforme
• $I_1(x,y)=S(x,y,{\lambda }_k)E(x,y)$

• Soit l'image du fond
  $I_f$
• $I_f(x,y)=F(x,y,{\lambda }_k)E(x,y)$

La soustraction des deux donne:

$$I_1(x,y)-I_f(x,y)=[S(x,y,{\lambda }_k)-F(x,y,{\lambda }_k)]E(x,y)$$

Le ratio des 2 donne:

$$\frac{I_1(x,y)}{I_f(x,y)}=\frac{S(x,y,{\lambda }_k)}{F(x,y,{\lambda }_k)}$$

Difference vs Ratio

Modification des couleurs de l'image

• Application : effet artistique
  $\to$ effet sepia
  • On associe a un niveau de luminance une couleur

$$\left(\begin{array}{c}r\\ g\\ b\end{array}\right)=\left(\begin{array}{ccc}0,784& 0& 0\\ 0& 0,588& 0\\ 0& 0& 0,391\end{array}\right)\left(\begin{array}{c}l\\ l\\ l\end{array}\right)$$

Resultat:

Modification de l'organisation spatiale des pixels

Application: effets artistiques

• $image\mathrm{\_}resultat(x,y)=image\mathrm{\_}origin(g(x,y),h(x,y))$
  • Les fonctions
    $g$ et
    $h$ ne tiennent pas forcement compte de la valeur du pixel
• Rotation - cisaillement
  
  
• Etirement - retrecissement
  
  
• Ondulations
• Spirale
• Tranlations aleatoires
• …

La 2e image c'est quand on me chatouille le cou

$image\mathrm{\_}resultat(x,y)=image\mathrm{\_}origin(g(x,y),h(x,y))$
La transformation doit etre appliquee dans ce sens !

Application: le morphing d'images

Modification des couleurs et de l'organisation spatiale des pixels

• Application: le morhping
  • Vu la structure d'une image, il est possible d'appliquer des operateurs sur ces images
  • Exemple: la moyenne
    
  • En combinant
    • Une moyenne ponderee des images (dont les poids evoluent au cours du temps)
    • Un champ de vecteur de translation

Problemes de precision

• Sur les fonctions colorimetriques
• Sur les transformations spatiales

La correction gamma

Retour sur la perception

• La perception de l'oeil est logarithmique
  
• La repartition des niveaux d'energie n'est donc pas lineaire mais exponentielle

Tous les calculs fait jusqu'a present sont completement faux car 50% du signal n'est pas a la moitie du niveau de gris (128) mais a 186.

$$\begin{gathered} r={\frac{number}{255}}^{gamma} \\ gamma=2.2 \end{gathered}$$

• Les niveaux de gris ne sont que des numeros, faire des operations (moyenne, addition, application de filtres, interpolation…) n'a pas vraiment de sens
• Dans la pratique, on omet souvent la correction gamma lors des etapes de filtrages
  • C'est faux
• Il y a un compromis entre precision du resultat et vitesse

Retour sur le passage de la couleur en niveuax de gris

• Espace CIE XYZ 1931
  • $R^{\prime }=r/255V^{\prime }=v/255B^{\prime }=b/255$
  • $Rsrvb=[(R^{\prime }+0.055)/1.055{]}^{2.4}$
  • $Vsrvb=[(V^{\prime }+0.055)/1.055{]}^{2.4}$
  • $Bsrvb=[(B^{\prime }+0.055)/1.055{]}^{2.4}$

$$\left(\begin{array}{c}X\\ Y\\ Z\end{array}\right)=\left(\begin{array}{ccc}0,4124& 0,3576& 0,1805\\ 0,2126& 0,7152& 0,0722\\ 0,0193& 0,1192& 0,9505\end{array}\right)\left(\begin{array}{c}Rsrvb\\ Vsrvb\\ Bsrvb\end{array}\right)$$

• $Y$ donne la luminance

L'interpolation

• Que faire lorsque l'on doit "chercher" la valeur d'un pixel mais que l'on ne tombe pas precisement sur un pixel ?
  • 1er solution (rapide): prendre la du pixel le plus proche
    
  • 2nd solution: Faire une interpolation bi-lineaire
    

Peut-on faire mieux ?

• Interpolation bicubique
  • Utilise 4 points (calcul de la derivee)
    

Interpolation bicubique

$$\begin{gathered} f(x)=a{x}^3+b{x}^2+cx+d \\ {f}^{\prime }(x)=3a{x}^2+2bx+c \end{gathered}$$

On connait les valeurs pour

$x=-1$,

$x=0$,

$x=1$ et

$x=2$

$$\begin{gathered} f(-1)=p0,f(0)=p1\text{ et }f(2)=p3 \\ {f}^{\prime }(0)=(p2-p0)/2\text{ et }{f}^{\prime }(1)=(p3=p1)/2 \end{gathered}$$

Mais aussi

$$\begin{gathered} f(0)=d \\ f(1)=a+b+c+d \end{gathered}$$

$$\begin{gathered} f^{\prime }(0)=c \\ {f}^{\prime }(1)=3a+2b+c \end{gathered}$$

On peut donc en conclure que les coefficients a,b,c,d du ploynome et donc interpoler les valeurs intermediaires du signal entre 0 et 1.

Artefact:

Autres interpolation

• Il existe d'autres methodes d'interpolation
• Pour faire le choix de l'interpolation, il faut faire un compromis entre vitess et qualite

Conclusion

• Codage de l'image et de la couleur
  • Espaces de couleurs, passage d'un espace a l'autre
• Applications
  • Effet sepia
  • Transformation artistiques
  • Morphing
• Correction gamma
• Interpolation