TP2: On s'amuse en fréquences

Réchauffement

Dans cette partie, il nous est demandé de mettre en place une technique de "Sharpening" qui est une methode permettant d'accentuer les détails.
J'ai donc choisit de filtrer l'image avec un filtre gaussien dans le but d'en extraire les basses fréquences. En soustrayant le résultat obtenu à l'image initiale, j'obtient ainsi une image haute fréquence contenant les détails. Il nous est donc possible par la suite d'ajouter les détails à l'image initiale afin d'accentuer les détails. Dans les images qui vont suivre j'ai vraiment poussé les détails à l'extrème en multipliant l'image de détail avec un alpha de 3 afin que l'on se rende vraiment compte de l'effet.

Nous voyons bien sur les deux images une augmentation significative des détails. En effet, les marques dans la glaces ont été accentuées sur la première image. De même, sur l'image du chien les poils sont beaucoup plus visibles que sur l'image d'origine.

Sources : Glace : https://www.kimberleybulletin.com/sports/registration-for-the-bc-hockey-zone-program-now-open/
Chien:https://evideofun.site/evideofun/cjtLgiUQqgY/funny-jack-russell-terrier-dog-videos-compilation

Images hybrides

Afin de générer les images hybrides, j'ai combiné les hautes fréquences d'une image avec les basses fréquences d'une autre. Ainsi les hautes fréquences (détails) sont visibles de près alors que les basses sont visibles de loin.

Sigma filtre passe bas : 16 et Sigma filtre passe haut : 4

Sigma filtre passe bas : 10 et Sigma filtre passe haut : 6

Sigma filtre passe bas : 12 et Sigma filtre passe haut : 7

Sigma filtre passe bas : 9 et Sigma filtre passe haut : 4

Sigma filtre passe bas : 11 et Sigma filtre passe haut : 5

Sources : Photo Tiboinshape : https://www.youtube.com/channel/UCpWaR3gNAQGsX48cIlQC0qw
Photo Jujufitcats : https://www.youtube.com/channel/UCIPbzkl1kZ_9Gyuph_FGvzg
Photo Louis de Funes : http://www.purepeople.com/media/louis-de-funes-en-portrait-non-date_m3005954
Photo Jean Carmet : http://www.allocine.fr/personne/fichepersonne-3108/biographie
Photo des chiens : https://actu.fr/insolite/voici-chien-plus-laid-monde-zsa-zsa-9-ans-bouledogue-femelle_17454494.html
et : http://www.animaux-online.com/article,lecture,1579_gendarmes-policiers-hellip-sont-ils-formes-pour-gerer-un-chien-agressif-.html
Photo Steve Jobs : https://www.google.com/url?sa=i&rct=j&q=&esrc=s&source=images&cd=&ved=2ahUKEwjQ69rv3bTgAhWRnOAKHa5iA7IQjhx6BAgBEAM&url=http%3A%2F%2Fsteadlane.club%2Fview%2F482855-date-de-naissance-steve-jobs%2F&psig=AOvVaw3OAtgOxqdREVdd4h-6OiXn&ust=1550010665531275

Analyse fréquentielle sur l'image hybride préférée

J'ai choisit comme image hybride celle de steve jobs :

Fourrier 2D de l'image de Steve Jobs vieux

Fourrier 2D des basses fréquences de l'image de Steve Jobs vieux

Fourrier 2D de l'image de Steve Jobs jeune

Fourrier 2D des hautes fréquences de l'image de Steve Jobs jeune

Fourrier 2D de l'image hybride

Nous voyons bien dans l'image de Steve Jobs vieux (première ligne), que nous n'avons gardé que les basses fréquences afin de le voir que de loin sur l'image hybride. De plus, sur la deuxième ligne la transformée de Fourrier 2D nous montre bien que nous avons gardé essentiellement les hautes fréquences de l'image de Steve Jobs jeune afin de le voir de près.

Piles gaussienne et laplacienne

Piles pour l'image de Lincoln et Gala

Image originale sans filtrage

Filtrage gaussien sigma=2

Filtrage gaussien sigma=4

Filtrage gaussien sigma=8

Filtrage gaussien sigma=16

Filtrage gaussien sigma=32

Filtrage gaussien sigma=64

Filtrage gaussien sigma=128

sigma0 - sigma2

sigma2 - sigma4

sigma4 - sigma8

sigma8 - sigma16

sigma16 - sigma32

sigma32 - sigma64

sigma64 - sigma128

sigma128

Piles de l'image de Steve Jobs

Image originale sans filtrage

Filtrage gaussien sigma=2

Filtrage gaussien sigma=4

Filtrage gaussien sigma=8

Filtrage gaussien sigma=16

Filtrage gaussien sigma=32

Filtrage gaussien sigma=64

Filtrage gaussien sigma=128

sigma0 - sigma2

sigma2 - sigma4

sigma4 - sigma8

sigma8 - sigma16

sigma16 - sigma32

sigma32 - sigma64

sigma64 - sigma128

sigma128

Mélange multirésolution

Mélange Pommange

Résultat du mélange entre la pomme et l'orange

Afin d'obtenir ce résultat, j'ai calculé la pile laplacienne de l'image 1 ainsi que de l'image 2. De plus j'ai caluclé la pile gaussienne pour les deux masques. Une fois toutes les piles calculées, j'ai combiné pour chaque échelle de la pile l'image et le masque associé en les multipliant puis en sommant le résultat des deux images. Ceci est expliqué dans la formule fournie dans l'article :

LS(i, j) = GR(i, j)LA(i, j) + (1 - GR(i, j))LB(i, j)
J'ai effectué cette démarche sur les trois canaux des images idependament (rouge, vert et bleu)

Mélanges par masques irréguliers

Nous pouvons remarquer que le mélange d'images fonctionne bien lorsque le spectre fréquentiel des deux images est similaire. En effet, comme nous pouvons le voir sur la dernière image (New York), le mélange fonctionne mal car l'image de New York contient beaucoup plus de hautes fréquences que l'image de ma tête ainsi la transition entre les deux images ne fonctionne pas bien avec la méthode des piles.

Sources : Crocodile : https://www.dkfindout.com/uk/animals-and-nature/reptiles/crocodiles-and-alligators/
Bocal : https://www.google.com/url?sa=i&rct=j&q=&esrc=s&source=images&cd=&ved=2ahUKEwip3_Te_LngAhXumOAKHWNVAEYQjhx6BAgBEAM&url=https%3A%2F%2Fwww.mcm-europe.fr%2Ffr%2Fpot-a-confiture-menage-classic%2F402-bocaux-a-confiture-classic-324-ml-avec-capsule.html&psig=AOvVaw3ed2uRslQsLB-DExTVHnPf&ust=1550190742910547
New York :https://www.redbubble.com/people/skoemil/works/25358475-new-york-street-view?p=poster

Mélanges avec mes images :

Concernant les images mélangées crées avec des photos personnelles, le résultat est plutot convaincant, cependant nous pourrions améliorer les résultats en modifiant par exemple dans le programme la valeur moyenne d'une image afin de la rapprocher de la valeur moyenne de l'autre et cela sur les trois canaux afin d'avoir des couleurs plus proches.