TP2: On s'amuse en fréquences
En 1907 un photographe russe du nom de Sergei Mikhailovich Prokudin-Gorskii veut dresser un portrait de la Russie à l'époque. Afin de rendre le contenue intéressant, il utilise une technique d'avant-garde pour capturer les couleurs dans ses portraits. À l'aide de filtre de couleurs, il capture en trois photos de chacun des portraits avec l'aide d'une seule caméra. Les filtres utilisés correspondent au "Red-Green-Blue" encore utilisé aujourd'hui pour la représentation des couleurs.
Partie 0: Réchauffement
On accentue les détails d'une image avec la différence entre une version flou de l'image et la version original. On se retrouve avec une matrice contenant les détailes (hautes fréquences) de l'image que l'on applique à l'image original avec une valeur alpha.
sharpened = img + alpha * (img - img_blur)
Source
Partie 1: Images hybrides
Procédé
Analyse
Mon résultat préféré est l'hybride Marilyn Einstein, regardons le comportement des fréquences dans les deux images de départ. On voit de l'amplitude logarithmique de la transformée de Fourier est très omogène après l'application d'un flou gaussian sur l'image de marilyn. L'espace blanc est du au log(0) qui donne moins l'infini.
Les différences dans l'amplitude logarithmique de la transformée de Fourier est difficile à voir sur l'image, mais devrait montrer des points plus élévés au centre de la vusualisation.
Partie 2: Piles gaussienne et laplacienne
gaussian - sigma 2
gaussian - sigma 4
gaussian - sigma 8
gaussian - sigma 16
gaussian - sigma 32
gaussian - sigma 64
gaussian - sigma 128
gaussian - sigma 256
laplacian - sigma 2
laplacian - sigma 4
laplacian - sigma 8
laplacian - sigma 16
laplacian - sigma 32
laplacian - sigma 64
laplacian - sigma 128
laplacian - sigma 256
Lincoln
«Lincoln in Dalivision» est un lithofraphie du célèbre Salvator Dali. Elle exbrime bien la perception des hautes et basses fréquences selon la position de l'observateur.
gaussian - sigma 2
gaussian - sigma 4
gaussian - sigma 8
gaussian - sigma 16
gaussian - sigma 32
gaussian - sigma 64
gaussian - sigma 128
gaussian - sigma 256
laplacian - sigma 2
laplacian - sigma 4
laplacian - sigma 8
laplacian - sigma 16
laplacian - sigma 32
laplacian - sigma 64
laplacian - sigma 128
laplacian - sigma 256
Partie 3: Mélange multirésolution
Le but de cette partie du travail est de mélanger harmonieusement deux images en utilisant la technique de mélange multirésolution décrite dans cet article de 1983 par Burt et Adelson. Une spline d'image est un joint lisse liant deux images ensemble en les déformant légèrement. Le mélange multirésolution calcule un joint entre les deux images indépendamment à chacune des bandes de fréquence de l'image ce qui résulte en un joint beaucoup plus lisse.
Notez que les images sont en couleurs (crédits supp).
(Les images dans l'odre sont IMAGE_A, MASQUE, IMAGE_B et IMAGE_FINALE)
Le résultat peut facilement compris avec l'image suivante, chaque ligne est une couche représantant une Laplacian à un sigma différent. L'image à l'extrème droite est la superosition des Laplacian précédentes.
©Jean-Daniel Pearson