TP2: Découpage d'images

Comme on le remarque bien avec cette image de dessins pixelisés, il est facile de bien déterminer les variations / arêtes en X et Y si bien, qu'une fois les gradients additionnés, on obtient presqu'une image en noir et blanc avec toutes les arêtes en blancs. Tous les personnages sont facilement identifiable et on sait ainsi que notre algorithme devrait bien fonctionner pour ce type d'image.

Ensuite, une fois la fonction d'énergie déterminée, il faut également choisir quels joints (en anglais, «seams») sont les plus importants et lesquels le sont moins car on ne peut pas simplement enlever le pixel avec le moins d'importance car on créerait des «trous» dans l'image de même que de simplement enlever une ligne ou colonne comportant l'énergie la plus faible, car on engendrait de graves déformations sous formes de zig-zag dans l'image. Il nous a donc fallu créer un algorithme de détection dynamique des joints de faibles importances assez robuste pour conserver de façon efficace la qualité de l'image et sa représentation.

En bref, l'algorithme parcours tous les pixels de la première ligne (ou colonne) à la recherche de la plus faible énergie, en vérifiant les pixels avoisinants (+/- 1 pixel de proximité) de la seconde ligne (ou colonne) pour qu'elle possède aussi la plus faible énergie, et ainsi de suite, on met à jour ces valeurs jusqu'à ce qu'on ait parcouru toute la hauteur (ou largeur) de l'image. Il faut boucler ainsi pour tout les chemins optimaux. En bouclant à l'inverse, on retrouve les coordonnées de tous ces pixels de faibles énergies que l'on met dans un vecteur qu'on soustrait de l'image originale pour ainsi recommencer jusqu'à ce que l'on ait le redimensionnement désiré. Pour redimensionner dans la direction opposée, il suffit d'utiliser la transposée de l'image dans l'algorithme. Il ne faut pas oublier d'enlever le joint dans les trois canaux de l'image (RGB). Finalement, après optimisation, on se rend compte qu'il est mieux de mettre un cadrage avec une forte valeur d'énergie puisque l'algorithme à tendance à choisir souvent les bordures.

L'image animée suivante nous montre comment l'algorithme fonctionne brièvement. On y voit les joints être mis en ROUGE avant d'être retirés de l'image originale.

Pour des images de plus de 1000 pixels de large ou de haut, il est nécessaire de tout d'abord réduire l'image d'un certain facteur afin d'effectuer les calculs sur une image plus petite (plus petite matrice = moins de calculs). Puis, une fois l'algorithme terminée, on augmente l'image du facteur inverse de celui utilisé pour le rapetissement de l'image pour ainsi obtenir un résultat de redimensionnement dynamique qui est à l'échelle de l'image d'origine. Tel est le cas pour les images que j'ai pris moi-même dans la prochaine section. Il faut noter que ceci entraîne une certaine erreur qui se transpose sur l'image sous la forme de flou.

Images prédéterminées par le professeur

Images provenant "des" Internet

Mes images

Les (+)

On remarque que pour des images où les objets sont clairement bien définis du décor ou simplement des paysages avec des textures très opaques comme c'est le cas pour les images du hibou et du chien, le Canyon, le Château, la maison ainsi que les photos découpées horizontalement de mon chien Zoé et le le Stade Olympique. Malgré quelques petites distorsions et artéfacts au niveau du décor comme par exemple l'aliasing en bordure du stade et l'effet de vague de la route avoisinante ainsi que les oreilles coupées du chien avec le hibou, les images sont sommes toute, treès bien redimensionnées et représentent efficacement l'image d'origine.

Pour des images avec des arêtes très bien prononcées, l'algorithme fait également bien l'affaire comme on le remarque pour les photos de la tour, du graffiti et celle de l'image à l'effigie de Nintendo. On peut ainsi affirmer que les traits très droits, et bien distincts les uns des autres permettent de bien redimensionner les images.

Les (-)

Cependant, l'algorithme à ses limites. En effet, pour des images très détaillées comme il est le cas de l'image du coin de rue, il est difficile de déterminer un joint optimal puisque toute l'image paraît intéressante en se basant uniquement sur une fonction d'énergie car tous les détails font en sorte que chaque joint possède sensiblement la même énergie.

Il en ait de même pour l'image prise lors d'un mariage où les personnes (mon ami le marié et moi-même) se confondent avec le décors déjà assez fournies en détails. Ceci à pour effet que l'algorithme coupe au travers des personnes ou à leurs tout juste limites. Cette effet ce remarque aussi pour la photo de boxe coupée horizontalement alors que Muhammad Ali semble se retrouver avec la chevelure de Elvis Presley et un bras à moitié mangé.

Pour éviter ce phénomène, une fonction par sélection de zone d'intérêt qui ajoute à une région désignée (ROI, region of interest), une très forte intensité d'énergie a été entamée mais n'a pu être peaufinée à temps. De plus, une fonction aurait pu être codé de façon à choisir automatique ce qui doit être retirer entre un joint horizontal et un joint vertical pour effectuer le redimensionnement puisque malgré tous, il y aura toujours une limite avant laquelle l'image sera nécessairement déformée si les échelles entre l'image d'origine et celle modifiée diffèrent beaucoup.