Images numériques couleur

55
Images numériques couleur Julie Delon et Yann Gousseau IMA201

Transcript of Images numériques couleur

Page 1: Images numériques couleur

Images numériques couleur

Julie Delon et Yann Gousseau

IMA201

Page 2: Images numériques couleur

Première partie I

Couleur et perception

Page 3: Images numériques couleur

Introduction

Pour exister, la couleur nécessite la présence :

1 d’un illuminant : source de lumière qui éclaire la scène ; caractérisé par sadistribution spectrale I(λ) ;

2 d’un objet, qui absorbe, diffuse, réfléchit ou réfracte la lumière ; caractérisé parson spectre de réflectance R(λ) ;

3 d’un observateur (oeil, capteur CCD), qui reçoit le spectre de lumière transmispar l’objet S(λ) = I(λ)R(λ). Cet observateur est caractérisé par les sensibilitésspectrales de ses "photorécepteurs"

Sans lumière, il n’y a pas de couleur, et sans capteur la couleur ne peut pas êtreperçue. La couleur d’un objet (son spectre de réflectance) peut donner lieu àdifférentes observations visuelles, dépendant de l’environnement de l’objet et del’observateur.

Page 4: Images numériques couleur

Changement d’illuminant et balance des blancs

A gauche, réglage automatique de la balance des blancs sur l’appareil photo, à droiteaprès correction de la balance des blancs.Humains : phénomène d’adaptation chromatique permettant une balance des blancsautomatique. Faux si le changement n’a lieu que sur une zone limitée de la scène.

Page 5: Images numériques couleur

Système visuel humain

Fovea : zone de la rétine où la vision est la plus précise. Haute densité dephotorécepteurs.

Zone aveugle au niveau du nerf optique.

Page 6: Images numériques couleur

Système visuel humain

Photorécepteurs sur la rétine :

les bâtonnets, très sensibles mais peu précis, liés à la vision nocturne ;

les cônes, plus précis mais beaucoup moins sensibles que les bâtonnets,associés à la perception de la couleur.

Page 7: Images numériques couleur

Système visuel humain

Les cônes sont de trois types, selon leur sensibilité spectrale :1 Pour les cônes de type S (pour "short", 4% des

cônes), le maximum de cette sensibilité sesitue dans les teintes bleues (440 nm).

2 Pour les cônes de type M (pour "medium", 32%des cônes), dans les teintes vertes (545 nm).

3 Pour les cônes de type L (pour "long", 64% descônes), dans les teintes rouges-jaunes (580nm).

Spectre visible : longueurs d’ondes entre λmin = 380nm et λmax = 700nm.

Sensibilités des cônes M et L supérieure à celle des cônes S : l’oeil répond plusfortement à certaines longueurs d’onde qu’à d’autres, à intensité lumineuse égale. Deplus, les cônes S sont distribués sur la périphérie de la fovea.Sensibilité spectrale de l’oeil normalisée V (λ) maximale en λ ' 555nm en visiondiurne et 500nm en vision nocturne.

Page 8: Images numériques couleur

Métamérisme

L’espace des stimuli (des spectres lumineux) est infini, mais l’espace descouleurs perÃgues est tridimensionnel.En effet, si l’on note s, m et l les sensibilités spectrales respectives des cônes S, M etL, un spectre S(λ) est perôu comme trois valeurs :

< S, s >:=

∫ λmax

λmin

s(λ)S(λ)dλ,

< S,m >:=

∫ λmax

λmin

m(λ)S(λ)dλ,

< S, l >:=

∫ λmax

λmin

l(λ)S(λ)dλ.

Remarque : un stimulus du spectre visuel, môme monochromatique (constitué d’uneseule longueur d’onde) produira toujours au moins deux réponses non nulles descônes. On ne peut donc pas stimuler les cônes séparément (et donc atteindre lestriplets élémentaires (1, 0, 0), (0, 1, 0), (0, 0, 1)).

Page 9: Images numériques couleur

Métamérisme

En conséquence, deux objets de spectres R1 et R2 différents apparaîssentcomme identiques sous un illuminant de distribution J(λ) donnée s’ilsprésentent les mômes réponses spectrales, c-a-d si :

< J.R1, s >=< J.R2, s >, < J.R1,m >=< J.R2,m >, < J.R1, l >=< J.R2, l > .

Attention, deux objets peuvent ôtre métamères sous un illuminant donné et pas sousun autre !Capteurs numériques : deux capteurs différents peuvent avoir des sensibilitésspectrales différentes...

Page 10: Images numériques couleur

Daltonisme

Il existe différents types d’anomalies visuelles liées à la vision des couleurs. Selon lespigments atteints, on parlera d’achromatisme, de dichromatisme, ou de trichromatismeanormal.

Source des images : site de David Madore sur la couleur,http://www.madore.org/~david/misc/color/.

Page 11: Images numériques couleur

Daltonisme

Il existe différents types d’anomalies visuelles liées à la vision des couleurs. Selon lespigments atteints, on parlera d’achromatisme, de dichromatisme, ou de trichromatismeanormal.

Source des images : site de David Madore sur la couleur,http://www.madore.org/~david/misc/color/.

Page 12: Images numériques couleur

Daltonisme

Il existe différents types d’anomalies visuelles liées à la vision des couleurs. Selon lespigments atteints, on parlera d’achromatisme, de dichromatisme, ou de trichromatismeanormal.

Source des images : site de David Madore sur la couleur,http://www.madore.org/~david/misc/color/.

Page 13: Images numériques couleur

Daltonisme

Il existe différents types d’anomalies visuelles liées à la vision des couleurs. Selon lespigments atteints, on parlera d’achromatisme, de dichromatisme, ou de trichromatismeanormal.

Source des images : site de David Madore sur la couleur,http://www.madore.org/~david/misc/color/.

Page 14: Images numériques couleur

Autres particularités de la perception visuelle

Sensibilité au contraste local.

Page 15: Images numériques couleur

Autres particularités de la perception visuelle

Sensibilité au contraste local.

Page 16: Images numériques couleur

Blanc

Pas de bonne définition de la lumière blanche : selon la représentation qu’on en donne(en fonction de la longueur d’onde ou de la fréquence), un spectre uniforme necorrespond pas au même stimulus...

On a vu que notre perception du blanc était très relative, notre cerveau applique unebalance des blancs "automatique" pour s’adapter à l’environnement lumineux.

Différentes définitions de la lumière blanche standardisée : D65 (CIE StandardIlluminant), censé correspondre à la lumière naturelle (du ciel) en plein jour en Europe(en moyenne sur les différents jours de l’année) ; D50, lumière du soleil mesurées danscertaines conditions, etc.

Page 17: Images numériques couleur

Espace des couleurs perçues

Simulation matlab : les réponses des cônes sont simulées comme 3 gaussiennes.

Page 18: Images numériques couleur

Espace des couleurs perçues

Simulation matlab : courbe de l’ensemble des couleurs monochromatiques (triplets< S, s >, < S,m >, < S, l > lorsque S parcourt les signaux monochromatiques). Lescouleurs visibles sont représentées par l’intérieur du cône de sommet (0 ;0 ;0) etengendré par cette courbe.

Page 19: Images numériques couleur

Espace des couleurs perçues

Simulation matlab : intersection du cône des couleurs visibles avec le planx + y + z = 1.

Page 20: Images numériques couleur

Système XYZ CIE 1931 puis 1964

Couleurs du visibles dans l’espace de représentation XYZ, projetées sur le planx + y + z = 1. L’espace tridimensionnel des couleurs peut-être considéré commebidimensionnel (représentation projective) en normalisant par l’intensité lumineuse.

Définition de la teinte = segment partant du point blanc et rejoignant une couleurmonochromatique, ou une couleur "pourpre" (mélange de violet et de rouge).

Page 21: Images numériques couleur

Teinte et saturation des couleurs

Page 22: Images numériques couleur

Teinte et saturation des couleurs

Page 23: Images numériques couleur

Synthese additive / Synthèse soustractive

Page 24: Images numériques couleur

Restitution des couleurs : synthèse additive

Ecrans CRT, LCD, Plasmas.

Page 25: Images numériques couleur

Synthèse additive et gamut

Principe de la synthèse additive : reproduire à l’aide de 3 sources primaires la mêmesensation de couleur qu’un stimulus S(λ) donné.Aucun écran ne peut reproduire toutes les couleurs du spectre visible (limite ensaturation et en luminosité).

Page 26: Images numériques couleur

Restitution des couleurs : synthèse soustractive

Quadrichromie : procédé d’imprimerie consistant à reproduire des couleurs à partir detrois teintes de base (cyan, magenta, jaune) et de noir.

Source des images : wikipedia.

Page 27: Images numériques couleur

Restitution des couleurs : synthèse soustractive

Quadrichromie : procédé d’imprimerie consistant à reproduire des couleurs à partir detrois teintes de base (cyan, magenta, jaune) et de noir.

Source des images : wikipedia.

Page 28: Images numériques couleur

Deuxième partie II

Espaces couleur

Page 29: Images numériques couleur

Cube R,G,B

Page 30: Images numériques couleur

Décomposition RGB

Image couleur.

Page 31: Images numériques couleur

Décomposition RGB

Composante R.

Observation : les trois composantes R, G, B sont très corrélées.

Page 32: Images numériques couleur

Décomposition RGB

Composante G.

Observation : les trois composantes R, G, B sont très corrélées.

Page 33: Images numériques couleur

Décomposition RGB

Composante B.

Observation : les trois composantes R, G, B sont très corrélées.

Page 34: Images numériques couleur

Différents espaces RGB

Illustration : www.blog-couleur.com

Page 35: Images numériques couleur

Espace de représentation géométrique : espace HSV

Espace de représentation classique en traitement des images, computer graphics etc.Le but de cet espace est de décrire les couleurs à l’aide de trois attributs du typeluminance V , teinte (ou hue H) et saturation S. Représentation cylindrique définie àpartir d’une transformation des coordonnées R, G, B.

Luminance V : attribut de la sensation visuelle selon lequel une surface éclairéepar une source lumineuse déterminée paraît émettre plus ou moins de lumière.Correspond à l’aspect clair, foncé ou terne d’une couleur.

Teinte H : attribut de la sensation visuelle qui a suscité les dénominations decouleur.

Saturation S : attribut permettant d’estimer la proportion de couleurchromatiquement pure contenue dans la sensation totale. Caractérise le côté plusou moins "délavé", degré de mélange de la longueur d’onde prédominante avec leblanc.

Page 36: Images numériques couleur

Espace HSV

Page 37: Images numériques couleur

Décomposition HSV

Image couleur.

Page 38: Images numériques couleur

Décomposition HSV

Composante V.

Page 39: Images numériques couleur

Décomposition HSV

Composante S.

Page 40: Images numériques couleur

Décomposition HSV

Composante H.

Page 41: Images numériques couleur

Décomposition HSV

Môme image avec forte compression JPEG.

Page 42: Images numériques couleur

Décomposition HSV

Composante V.

Page 43: Images numériques couleur

Décomposition HSV

Composante S.

Page 44: Images numériques couleur

Décomposition HSV

Composante H.

Page 45: Images numériques couleur

Non uniformité de la perception aux écarts de couleur dans l’espaceXYZ

Expériences dans les années 40 : ellipses de Macadam.

Page 46: Images numériques couleur

Espace CIELab (1976)

Nombreux travaux de recherche pour établir un espace de couleur perceptuellementuniforme, dans lequel les distances entre couleurs proches correspondraient bien à laperception de l’écart entre ces couleurs.

La coordonnée L représente la luminance, elle correspond à l’axe des niveaux degris.

Les coordonnées a, b représentent la chrominance, i.e. les plans définis par lesaxes a, b sont à luminance constante, ils sont construits sur deux oppositions decouleurs : le rouge et le vert, le bleu et le jaune.

Ces deux espaces peuvent être décrits indifféremment, soit sous leur formecartésienne soit sous leur forme cylindrique.

Mesure de différence de couleur :

∆E =√

∆L2 + ∆a2 + ∆b2.

Page 47: Images numériques couleur

Exemples

Page 48: Images numériques couleur

Exemples

Page 49: Images numériques couleur

Troisième partie III

Capteurs couleur et Détramage

Page 50: Images numériques couleur

Capteurs couleur

Capteur Tri-CCD

Page 51: Images numériques couleur

Capteurs couleur

Capteur X3 (Foveon) (appareils Sigma)

Source : www710.univ-lyon1.fr/∼fdenis/club_EEA/cours/

Page 52: Images numériques couleur

Capteurs couleur

Capteur CCD : trame de Bayer ou Bayer color filter array (CFA), 1976.Le plus courant dans les APN

Source : www710.univ-lyon1.fr/∼fdenis/club_EEA/cours/

Page 53: Images numériques couleur

Capteurs couleur

Capteur Super-CCD (Fuji)

Source : www710.univ-lyon1.fr/∼fdenis/club_EEA/cours/

Page 54: Images numériques couleur

Trame de Bayer

Exemple d’image obtenue par la trame de Bayer (par ex. fichier RAW d’un reflexnumérique).

Fichier RAW (12 bits) compressé sans perte −→︸︷︷︸interpolation

Fichier TIFF ou JPEG 24 bits.

Page 55: Images numériques couleur

Trame de Bayer

L’image finale est obtenue par interpolation

Fichier RAW (12 bits) compressé sans perte −→︸︷︷︸interpolation

Fichier TIFF ou JPEG 24 bits.