TP2: On s'amuse en fréquence

La méthode utiliser pour faire du "sharpening" a été d'amplifier les valeurs de l'image à laquelle sont filtre gaussien a été soustrait. En résumé, voici la formule utilisée: sharp_image = image + (alpha x (image-gaussianfilter(image)).

Voici les différents résultats obtenus (à gauche l'image d'origine et à droite celle ayant été "sharpened"):

Partie 1: Images hybrides

L'algorithme utilisé pour faire les images hybrides a été d'additionner les hautes fréquences d'une image avec les basses fréquences d'une autre image. Pour ce faire, des filtres gaussiens ont été utilisés. Les basses fréquences sont obtenues en filtrant seulement l'image tandis que les hautes fréquences sont obtenues par la soustraction de l'image et de l'image filtrée (basse fréquence). Dans le but de trouver le meilleur résultat pour l'hybride de chaque pair d'image, plusieurs valeurs de sigma de filtre gaussien ont été utilisées pour les hautes et les basses fréquences. Les résultats obtenus sont majoritairement bons. Certains sont moins performants, comme celui avec mon visage et celui d'une personne à lunettes puisque sa paire de lunette occupe une place importante dans l'image. Voici les résultats obtenus selon la paire d'images utilisées:

Sources: Trump Obama

Sources: Heisenberg Charlie Chaplin

Sources: Loutre Ours polaire

Sources: Logo Penguins Logo Ducks

Crédits supplémentaires

Voici des résultats avec quelques images personnelles:

Voici maintenant une autre paire d'images personnelles, mais maintenant les photos comportent également un changement d'émotions. Malgré qu'à première vue la photo fait peur, le résultat est quand même bien!

Partie 2: Piles gaussienne et laplacienne

La pile laplacienne et gaussienne a été faite dans une boucle for. Pour se faire, une liste de sigma est utilisée et à chaque itération un filtre gaussien est calculé. Pour obtenir les images pour la pile gaussienne, on doit seulement prendre le résultat du filtre et les images de la pile laplacienne sont obtenues en soustrayant l'image par le filtre calculé. À chaque itération, le sigma est multiplié par 2 et il y a 6 itérations qui sont effectuées.

Partie 3: mélange multirésolution

La technique de reconstruction utilise les piles gaussiennes et laplaciennes implémentéesau numéro précédent. Dans le but de construire une image à mutlirésolution, il faut tout d'abord avoir les piles des trois images nécessaires, soit les deux images que l'on veut jumeler ensemble et le mask précisant l'endroit que l'on désire jumeler. Une fois que nous avons ces trois piles, on doit recréer les images laplaciennes à l'aide du mask en faisant le calcul suivant: laplace[i] = (laplace_première_image[i] x mask[i]) + ( laplace_seconde_image[i] x (1 - mask[i])). L'index i est en fait la profondeur de la pile. Le même calcul est fait pour les gaussiens. Finalement, pour obtenir l'image, on additionne le dernier niveau gaussien avec tous les autres laplaciens. Les résultats obtenus sont plutôt satisfaisants. Mis à part la voiture Tesla dans le ciel qui a un petit contour noir visible, les images se sont bien confondues!