Defauts potentiels du demosa cage - LORIA · M. Delbracio, G. Sapiro. Removing camera shake via...

De la photographienumerique a laphotographie

computationnelleSeance 3

F. Sur - ENSMN

Demoisaıcage

Qu’est-ce qu’uneimage de bonnequalite ?

Imagerie a hautedynamique

Un algorithme dedebruitage

Inpainting

Eliminationnumerique du floude bouge

Simulation dugrainphotographique

Soutenance

De la photographie numeriquea la photographie computationnelle

Seance 3

Presentation des mini-projets

Frederic Sur

Ecole des Mines de Nancy

Loria

https://members.loria.fr/FSur/enseignement/photo/

1/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Mini-projets

1 Demoisaıcage

2 Qu’est-ce qu’une image de bonne qualite ?

3 Imagerie a haute dynamique

4 Un algorithme de debruitage

5 Inpainting

6 Elimination numerique du flou de bouge

7 Simulation du grain photographique

8 Soutenance

2/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

La couleur : matrice de Bayer et demosaıcage

4/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Defauts potentiels du demosaıcage

Fausses couleurs

Zippering

5/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Travail demande

Lecture d’articleD. Alleysson, 30 ans de demoisaıcage, Revue Traitement du

Signal, 2004

Codage (& fonction Matlab demosaic) de quelquesmethodes de l’article

Comparaison

6/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Qu’est-ce qu’une image de bonne qualite ?

Source : Z. Whang, A.C. Bovik, H.R. Sheikh, E.P. Simoncelli. Image quality assessment : from error

visibility to structural similarity. IEEE Transactions on Image Processing, 2004.

8/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Travail demande

Lecture d’articleZ. Whang, A.C. Bovik, H.R. Sheikh, E.P. Simoncelli. Image

quality assessment : from error visibility to structural

similarity. IEEE Transactions on Image Processing, 2004

Codage de l’index de qualite propose et tests

9/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Imagerie a grande dynamique (HDR)

Brick au clair de lune, Gustave Le Gray, 1856-1857

HDR par fusion de photos a temps de pose differents.

Probleme : Visualisation ?(dynamique reduite des ecrans ou des procedes d’impression)

Solution : tone mapping (mappage tonal)11/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Imagerie a haute dynamique

12/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Travail demande

Que fait la toolbox HDR de Matlab ?(cf documentation)En particulier, que fait tonemap ?

Lecture d’articleF. Durand et J. Dorsey, Fast bilateral filtering for the display

of High-Dynamic-Range Images, SIGGRAPH 2002

Generation d’images HDR avec le code Matlab et lecode de l’article, comparaison

13/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Le bruit numerique : illustration

15/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Le debruitage

Historiquement, la plupart des algorithmes de debruitagesont locaux :ils travaillent pixel a pixel et s’appuient sur un voisinage dupixel considere.

v(x , y) = F (Vu(x ,y))

Exemples de voisinages Vu(x ,y) :

X X X

X u(x,y) X

X X X

X X X

X X X X X

X X u(x,y) X X

X X X X X

X X X

16/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Bruit additif

Le niveau de gris observe est de la forme :

u(x , y) = u0(x , y) + n(x , y)

u0 image ideale, sans bruit

n composante de bruit, independante de pixel a pixel.

Remarque : si sur un voisinage de (x , y) fait de P pixels, leniveau de gris ideal est a peu pres constant et n a unevariance σ2, alors la moyenne des niveaux de gris sur levoisinage vaut u0(x , y) et la variance est σ2/P.

17/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Filtrage lineaire

u(x , y) = u0(x , y) + n(x , y)

Filtrage lineaire :

v(x , y) =∑

(i ,j)∈Vu(x,y)

w(i , j)u(i , j)

→ il s’agit de la convolution de l’image u par le noyau w .

Exemple de choix pour les poids w(i ; j) : fonction gaussiennede la distance a (x , y)

18/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Filtrage lineaire gaussien

Exemple avec � taille � de voisinage augmentant.

Artefact : contours adoucis

19/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Travail demande

Lecture d’articleG. Yu et G. Sapiro, DCT image denoising : A simple and

effective image denoising algorithm, IPOL, 2011

Experiences et discussion

20/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Inpainting

http://white.stanford.edu/teach/index.php/Object Removal

22/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Inpainting

http://white.stanford.edu/teach/index.php/Object Removal

23/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Travail demande

Lecture d’articleA. Criminisi, P. Perez, K. Toyama, Region filling and object

removal by examplar-based inpainting, IEEE Transactions on

Image Processing, 2004.


24/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Flou de bouge

Source : M. Delbracio, G. Sapiro. Removing camera shake via weighted Fourier burst accumulation.

IEEE Transactions on Image Processing, 2015.

26/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Travail demande

Lecture d’articleM. Delbracio, G. Sapiro. Removing camera shake via

weighted Fourier burst accumulation. IEEE Transactions on

Image Processing, 2015.

Implantation de l’algorithme decrit

Experiences et discussion sur la base de photos fournies

27/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Simulation du grain photographique

Source : A. Newson, B. Galerne, J. Delon. Stochastic modeling and resolution-free rendering of film

grain, Preprint 2016.29/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Travail demande

Lecture d’articleA. Newson, B. Galerne, J. Delon. Stochastic modeling and

resolution-free rendering of film grain, Preprint 2016.

Essayer de faire tourner le code fourni


30/32



F. Sur - ENSMN

Demoisaıcage




Inpainting



Soutenance

Soutenance / Evaluation

Point d’etape : seance 8, mardi 25 avril 2017.

Presentation et evaluation : seance 12, mardi 23 mai 2017.

15’ presentation + 5’ questions :

1 Presentation du probleme ;

2 Demarche et solution(s) proposee(s) par les auteurs ;

3 Illustration avec code de la litterature ou personnel,discussion (parametres ?) sur base d’images personnellessi possible.

Bonus pour extensions personnelles.

32/32

Defauts potentiels du demosa cage - LORIA · M. Delbracio, G. Sapiro. Removing camera shake via...

Documents

Transcript of Defauts potentiels du demosa cage - LORIA · M. Delbracio, G. Sapiro. Removing camera shake via...