De la photographie numérique
Transcription
De la photographie numérique
De la photographie numérique à la photographie computationnelle De la photographie numérique à la photographie computationnelle Séance 4 Quantification et échantillonnage Signal physique (onde lumineuse, onde sonore) : variation d’une grandeur physique (éclairement, pression) en temps et/ou espace F. Sur - ENSMN Quantification Séance 4 Quantification et échantillonnage Théorie de l’échantillonnage Contraintes de la représentation informatique : Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons le temps d’un processeur est discret ; les mesures doivent être représentées par un nombre fini de bits. Conséquences pratiques Son numérique Image numérique Signal discret : une suite de 0-1. Conclusion F. Sur - ENSMN Quantification Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Son numérique Image numérique Conclusion Frédéric Sur Conversion Analogique → Numérique = échantillonnage + quantification École des Mines de Nancy Loria Problème inverse : conversion N/A (DAC) Question : perte d’information ? www.loria.fr/~sur/enseignement/photo/ 1/26 2/26 Exemple d’échantillonnage De la photographie numérique à la photographie computationnelle Séance 4 Exemple de quantification F. Sur - ENSMN De la photographie numérique à la photographie computationnelle Séance 4 F. Sur - ENSMN Quantification Quantification Théorie de l’échantillonnage Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Conséquences pratiques Son numérique Image numérique Son numérique Image numérique Conclusion Conclusion Source : en.wikipedia.org → exemple de quantification sur 2 bits. Remarque : la fréquence d’échantillonnage doit être adaptée au signal à numériser. . . Son qualité CD : 16 bits Niveaux de gris dans une image : 8 bits (mais “thirty shades of gray”. . .) 3/26 De la photographie numérique à la photographie computationnelle Séance 4 4/26 De la photographie numérique à la photographie computationnelle Séance 4 Séance 4 q6 F. Sur - ENSMN q8 F. Sur - ENSMN 1 q7 De la photographie numérique à la photographie computationnelle Séance 4 La quantification Quantification q5 Quantification Quantification q4 2 Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Théorie de l’échantillonnage q2 q1 quantification uniforme Conséquences pratiques 3 Son numérique Image numérique q4 Conclusion Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques q8 q7 q6 q5 Son numérique Image numérique Conséquences pratiques Son numérique Image numérique Théorie de l’échantillonnage q3 Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conclusion q3 q2 4 q1 Conclusion quantification adaptée 6/26 5/26 De la photographie numérique à la photographie computationnelle Séance 4 Bruit de quantification Bruit de quantification : e = différence entre signal source et signal quantifié. Modélisation dans le cas de la quantification uniforme : erreur de quantification uniformément distribuée sur [−δq /2, δq /2] Z δq3 Var(e) = x dx = 12 −δq /2 δq /2 2 Séance 4 F. Sur - ENSMN De la photographie numérique à la photographie computationnelle Séance 4 F. Sur - ENSMN 1 Quantification Quantification Quantification Théorie de l’échantillonnage 2 Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Son numérique Image numérique 3 Conclusion Remarque : dans le cas où on connaı̂t la distribution de probabilité du signal source, le quantifieur (adaptatif) optimal est donné par l’algorithme de Lloyd-Max. 7/26 → Intervalles de quantification et niveaux de reconstruction. 4 8/26 Conséquences pratiques Son numérique Image numérique Conclusion Son numérique Image numérique Conclusion De la photographie numérique à la photographie computationnelle Séance 4 Échantillonnage Bon cadre : espace des distributions tempérées S 0 . F. Sur - ENSMN Quantification Théorie de l’échantillonnage Échantillonnage de f (distrib. tempérée “assez régulière”) toutes X les a “secondes” représenté par la distribution : e fa = a f (na)δna (= f · a∆a ) n∈Z car a X n∈Z f (na)δna → f (au sens des distributions) si a → 0 Question : Lien entre F(f ) et F(fea ) = a X Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Son numérique Image numérique Conclusion Signaux à bande limitée et formule de Poisson f (na)e −2iπnay ? F. Sur - ENSMN Définition - Signal à bande limitée Soit f ∈ S 0 t.q. F(f ) est à support compact ⊂ [−λc , λc ]. (f n’a pas de fréquence supérieure à une fréquence limite λc ) On dit que f est à bande limitée. Proposition - Formule sommatoire de Poisson Soit f ∈ S 0 à bande limitée. X X n F(fea )(y ) = a f (na)e −2iπnay = F(f ) y − a n∈Z De la photographie numérique à la photographie computationnelle Séance 4 Quantification Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Son numérique Image numérique Conclusion n∈Z n∈Z (et la TFD si nombre fini d’échantillons ?) 10/26 9/26 Conséquence de la formule de Poisson De la photographie numérique à la photographie computationnelle Séance 4 Illustration F. Sur - ENSMN De la photographie numérique à la photographie computationnelle Séance 4 F. Sur - ENSMN Soit f signal à bande limitée, échantillonné au pas de a. Quantification Quantification Formule de Poisson : Théorie de l’échantillonnage Théorie de l’échantillonnage F(fea )(y ) = X n∈Z n F(f ) y − a Conséquences : → Spectre de fea périodique de période 1/a. → Spectre obtenu en faisant la somme des translatés de F(f ) au pas n/a. Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Conséquences pratiques Son numérique Image numérique Son numérique Image numérique Conclusion Conclusion Source : C. Gasquet & P. Witomski, Analyse de Fourier et applications, Masson 1990. Définition - Fréquence de Nyquist 2λc est la fréquence de Nyquist. 11/26 12/26 Vers le théorème de Shannon Soit f un signal à bande limitée t.q. 1/a > 2λc . De la photographie numérique à la photographie computationnelle Séance 4 De la photographie numérique à la photographie computationnelle Séance 4 Théorème de Shannon F. Sur - ENSMN Quantification Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Formule de Poisson : X X n F(fea )(λ) = a f (na)e −2iπnaλ = F(f ) λ − a n∈Z Conséquences pratiques Son numérique Image numérique F. Sur - ENSMN Théorème d’échantillonnage de Shannon (-Nyquist) f ∈ L2 (R), supp(F(f )) ⊂ [−λc , λc ], et Alors f (x) = X f (na) sinc n∈Z (dans L2 ) Conséquences pratiques Conclusion 0.8 0.6 0.4 Rappel : sinc(x) = (sinus cardinal) sin(πx) πx 0.2 0 -0.2 -0.4 -10 13/26 -5 0 5 10 14/26 De la photographie numérique à la photographie computationnelle Séance 4 F. Sur - ENSMN Question : que se passe-t-il si le signal contient des fréquences supérieures à 1/2a ? Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons 1 n∈Z Problème pratique : pas réalisable (décroissance lente du sinus cardinal). x − na a Théorie de l’échantillonnage Conclusion Soit χa l’indicatrice du segment [−1/2a, 1/2a] : X F(f )(λ) = a f (na)χa (λ)e −2iπnaλ . Interprétation : si on échantillonne un signal (à bande limitée) à une fréquence supérieure au double de sa plus grande fréquence, alors on peut le reconstruire de manière exacte ! > 2λc Son numérique Image numérique n∈Z Considérations pratiques 1 a Quantification Quantification Théorie de l’échantillonnage Recouvrement de spectre ou aliasing Remarque : reconstruction ⇔ multiplication par χa dans le domaine de Fourier Si 1 a < 2λc . . . Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Quantification Théorie de l’échantillonnage Conséquences pratiques Son numérique Image numérique Son numérique Image numérique → Phénomène de recouvrement / repliement de spectre dans les hautes fréquences, ou aliasing (alias = à un autre endroit), ou aliasage. → Reconstruction très perturbée (exemples en TP). Solution technologique : filtrage du signal analogique avant échantillonnage pour éliminer les fréquences > 1/2a. 15/26 F. Sur - ENSMN Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Conclusion De la photographie numérique à la photographie computationnelle Séance 4 16/26 Conclusion Retour sur la Transformée de Fourier Discrète De la photographie numérique à la photographie computationnelle Séance 4 De la photographie numérique à la photographie computationnelle Séance 4 Aliasing discret 1 a F. Sur - ENSMN Nombre fini d’échantillons, xn = f (na) (∼ f périodique), (Xn ) TFD de (xn ) (a= intervalle d’échantillonnage ; période de f : Na). On calcule : X 1 X F fea = a f (na)e −2iπnaλ = Xk δk/(Na) N n∈Z > 2λc Quantification Quantification Théorie de l’échantillonnage Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons a − 1a < 2λc Conclusion − 1a − 21a 1 2a 1 a 18/26 De la photographie numérique à la photographie computationnelle Séance 4 Quantification Quantification Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Numérisation Compact Disc Oreille humaine sensible aux fréquences < 20000 Hz Donc, pour la numérisation du son : 1 filtrage passe-bas, coupure à 20000 Hz. 2 numérisation par échantillonnage à 2 × 20000 Hz −→ 44.1 kHz Pourquoi 44.1 kHz ? (et pas 40 kHz ?) source : en.wikipedia.org/wiki/Compact_disc Conséquences pratiques 19/26 Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Son numérique Image numérique Conclusion F. Sur - ENSMN 4 1 a k∈Z Séance 4 3 1 2a Conséquences pratiques 1 a Son numérique Image numérique 17/26 2 − 21a Conséquences pratiques a 1 F. Sur - ENSMN Conséquences pratiques Son numérique Image numérique 1 Son numérique Image numérique Conclusion Conclusion 2 20/26 conversion numérique → analogique par fonction à décroissance plus rapide que le sinus cardinal, d’où des fonctions de coupure moins raides que le créneau. (d’autant moins que CNA/DAC bon marché) Donc fréq. échantillonnage > 40 kHz. initialement, enregistrement sur cassette vidéo. 6 échantillons par ligne x 294 lignes (PAL) x 50 demi-images/sec → 88 200 éch. par seconde (stéréo) De la photographie numérique à la photographie computationnelle Séance 4 F. Sur - ENSMN Quantification Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Son numérique Image numérique Conclusion Photographie numérique Capteur appareil photo numérique : De la photographie numérique à la photographie computationnelle Séance 4 Exemple d’aliasing (réel) (1) F. Sur - ENSMN F. Sur - ENSMN Quantification Quantification Théorie de l’échantillonnage Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Échantillonnage, donc aliasing sur les zones de l’image présentant des détails de haute fréquence. → nécessité de placer un filtre passe-bas devant le capteur (ou une optique peu “piquée”) → . . .ou “course aux mégapixels” : capteur de résolution supérieure à la meilleure optique (limitée de toute façon par la diffraction). Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Conséquences pratiques Son numérique Image numérique Son numérique Image numérique Conclusion Conclusion Canon EOS 1Ds Compromis filtre passe-bas / aliasing. 21/26 Exemple d’aliasing (réel) (2) 22/26 De la photographie numérique à la photographie computationnelle Séance 4 Exemple d’aliasing (réel) (3) F. Sur - ENSMN Quantification Quantification Théorie de l’échantillonnage Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Conséquences pratiques Son numérique Image numérique Son numérique Image numérique Conclusion http://dpanswers.com/content/tech defects.php 23/26 De la photographie numérique à la photographie computationnelle Séance 4 F. Sur - ENSMN Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Canon EOS 5D cf Moiré De la photographie numérique à la photographie computationnelle Séance 4 Conclusion Sigma SD10 (capteur Foveon) http://dpanswers.com/content/tech defects.php 24/26 Séance 4 De la photographie numérique à la photographie computationnelle Séance 4 Conclusion F. Sur - ENSMN 1 Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques 3 4 25/26 F. Sur - ENSMN Quantification Quantification 2 De la photographie numérique à la photographie computationnelle Séance 4 Conséquences pratiques Son numérique Image numérique Son numérique Image numérique Conclusion Propriété fondamentale du traitement des signaux numériques : → un signal à bande limitée peut être représenté par un signal discret sans perte d’information s’il est échantillonné à une fréquence supérieure au double de sa plus haute fréquence. → sinon apparition de perturbations dues à l’aliasing / repliement de spectre. Conclusion 26/26 Quantification Théorie de l’échantillonnage Spectre d’un signal échantillonné Théorème d’échantillonnage de Shannon Cas d’un nombre fini d’échantillons Conséquences pratiques Son numérique Image numérique Conclusion