Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
En traitement d'images, la pyramide est une représentation multi-résolution d'une image. Elle permet de modéliser l'image à différentes , depuis l'image initiale jusqu'à une image très grossière. La pyramide d'images est souvent utilisée car elle permet à l'algorithme de traitement d'image de travailler depuis les détails jusqu'au « grossier ». Cet outil est notamment utilisé à des fins de . Les principaux types de construction d'une pyramide d'images sont : Gaussienne Laplacienne Irrégulière Adaptative Il existe deux principaux types de pyramides : passe-bas, et passe-bande. Une pyramide passe-bas est réalisée en lissant l'image avec un filtre approprié pour ensuite la sous-échantillonner avec l'image lissée. On utilise généralement un facteur 2 le long de chaque direction. La procédure est ensuite répétée sur l'image résultante. Ce cycle est répété plusieurs fois. Chaque cycle de cette procédure résulte en une image plus petite avec un lissage plus important, mais avec une diminution de la densité de l'échantillonnage spatial (c'est-à-dire une diminution de la résolution de l'image). Illustré graphiquement, la représentation des images à différentes résolutions ressemble à une pyramide, avec l'image originale comme base et les images plus petites résultant de chaque cycle. Une pyramide passe-bande est réalisée en faisant la différence entre les images dont les niveaux sont adjacents dans la pyramide avec une interpolation entre les niveaux de résolution adjacents (mise à l'échelle), ce qui permet le calcul des différences par pixel. De nombreux de lissage ont été proposés pour la création de pyramides. Parmi les différentes suggestions données, les noyaux binomiaux provenant des coefficients binomiaux se démarquent en tant que particulièrement pratiques et théoriquement bien fondés. Ainsi, avec pour une image en deux dimensions, nous pouvons appliquer un filtre binomial (normalisé) (, , ) typiquement, deux fois ou plus le long de chaque dimension spatiale, avant de sous-échantillonner par un facteur deux.
, ,