TP1: Colorisation de l'Empire Russe

Le but de ce projet est de recréer automatiquement des photos couleurs à partir des négatifs de la collection Prokudin-Gorskii. Pour ce faire, il faut extraire les trois canaux des négatifs et les superposés correctement aux autres.

1. Approche à une seule échelle

Méthode

L'approche à une seule échelle consiste en une recherche exhaustive sur une fenêtre de déplacement. Il s'agit donc de minimiser une fonction de coût qui dépend de la différence entre les deux images.

Dans le cas présent, la fonction de coût qui a été minimisé correspond à la "somme des différences au carré". Cette mesure pose cependant l'hypothèse que l'image est similaires dans tous les domaines.

Pour renforcer les résultats, l'image est filtré à l'aide d'un filtre correspondant au Laplacien d'une gaussienne. La fonction de similitude tente donc de trouver l'image où les arrêtes sont similaires.

Résultats

00231v

Rouge: 13, -2
Vert: 4, -1

01657v

Rouge: 12, 0
Vert: 6, 0

00888v

Rouge: 13, 0
Vert: 6, 0

00911v

Rouge: 13, -2
Vert: 1, -1

00907v

Rouge: 7, -2
Vert: 2, -1

00106v

Rouge: 11, -1
Vert: 3, 0

00757v

Rouge: 6, 4
Vert: 2, 3

01031v

Rouge: 5, 1
Vert: 2, 1

00380v

Rouge: 10, -3
Vert: 3, -1

01880v

Rouge: 14, 3
Vert: 5, 2

00309v

Rouge: 11, -1
Vert: 2, -1

00349v

Rouge: 11, -1
Vert: 3, 0

00889v

Rouge: 5, 2
Vert: 1, 1

01477v

Rouge: 10, 0
Vert: 1, 0

2. Approche à échelles multiples

Méthode

Dans le cas où les images sont en haute résolution, la méthode précédente n'est pas une méthode réaliste. En effet, la recherche exhaustive peut être effectuée dans un temps raisonnable pour une fenêtre de 15 pixels, mais pas pour une fenêtre de 100 pixels.

Pour pouvoir effectuer la recherche dans un temps raisonnable, la solution consiste à faire une recherche à échelle multiple. Lorsque l'on détecte que la résolution de l'image est trop grosse, on redimentionne l'image par un facteur 0.5. On rappelle ensuite la fonction récursivement. On recentre ensuite l'image à l'aide de la translation trouvé précédement puis on effectue une recherche sur une fenêtre plus petite pour trouver les ajustements supplémentaires.

Résultats

00029u

Rouge: 91, 33
Vert: 40, 16

00822u

Rouge: 126, 33
Vert: 57, 25

00953u

Rouge: -55, 4
Vert: -26, 1

00087u

Rouge: 109, 59
Vert: 48, 39

00128u

Rouge: 52, 39
Vert: 35, 25

01047u

Rouge: 74, 34
Vert: 24, 21

01104u

Rouge: 120, 15
Vert: 40, 10

00527u

Rouge: 96, 0
Vert: 12, -4

00737u

Rouge: 50, 15
Vert: 15, 6

00892u

Rouge: 44, 4
Vert: 16, -2

00458u

Rouge: 87, 32
Vert: 41, 3

00551u

Rouge: 105, 62
Vert: 47, 37

01043u

Rouge: 12, 17
Vert: -16, 9

01582u

Rouge: 124, -5
Vert: 53, -5

3. Dans la peau de Prokudin-Gorskii!

Cette section présente le même algorithme que dans les sections précédentes mais sur des photos personelles. Pour produire des clichés semblablent à ceux des sections précédentes, trois photos ont été prise rapidement avec le même appareil. Il est à noté que bien que les couleurs soient meilleures que celles des sections précédente, l'alignement n'est pas parfait. Celà est probablement dû à de petite rotation. En effet, celles-ci ne sont pas corrigées lorsque l'on utilise cette technique.

Images originales

Rouge: 11, 12
Vert: 0, 16

Rouge: -4, -18
Vert: -15, 14

Images originales

4. Crédits supplémentaires

Égalisation des couleurs

Image originale

Égalisation d'histogramme par couleur

Égalisation d'histogramme sur toutes les couleurs

L'algorithme utilisé pour l'égalisation des couleurs est l'égalisation d'histogramme. Cependant, comme celui-ci n'est pas défini pour les images couleurs, celui-ci a été appliqué de deux façon différentes.

La première façon consiste à effectuer l'algorithme sur chaque canal de couleur indépendament. La deuxième méthode consiste à appliquer cet algorithme sur les trois canaux simultanément.

On peut voir qu'aucune des deux méthodes ne peut être considéré absolue meilleure que l'autre méthode. En effet, certaines images sont plus belles lorsque l'on utilise la première méthode et d'autres sont plus belles lorsque l'on utilise la deuxième méthode. Dans tous les cas, cette méthode peut produire des artéfacts supplémentaires dans les images.

Image originale

Égalisation d'histogramme par couleur

Égalisation d'histogramme sur toutes les couleurs

Retrait des bordures

Un exemple de retrait des bordures automatiques est présenté ici. Pour pouvoir détecter les bordures, on calcul la somme des valeurs absolue des différences entre les différentes images pour toutes les lignes et toutes les colonnes. On trouve ensuite le point de transition où l'erreur dépasse un certain seuil. Le seuil choisi correspond à la somme entre la moyenne de l'erreur pour le reste de l'image et l'écart type de l'erreur.