Un opérateur newtonien pour le rehaussement de contraste
A newtonien operator for contrast enhancement
OPEN ACCESS
We propose in this work, a new local method to enhance image contrast. This method can be considered as member of convolution filters set, but present the originality of the adaptative found of convolution mask coefficients. Further more, in this method, the grey level distribution of pixels in the neighbourhood of the current pixel is considered as 1/r 2 distribution, which was deduced from the Newtonian model. Where r is a hybrid distance, which involves the spatial information and the luminance one. The results of the application of the proposed method over different grey level images with different levels of complexity were compared with those obtained by classical methods.
Résumé
Nous proposons dans ce travail une méthode locale d’amélioration de contraste. Cette méthode peut être cataloguée dans la famille des filtres par convolution, dont la singularité réside dans le choix des coefficients du masque de convolution qui ne sont pas fixés à l’avance mais déterminés de façon adaptative. L’originalité de ce modèle est basée sur l’application du principe fondamental de la dynamique. La distribution des niveaux de gris des pixels appartenant à une fenêtre d’observation centrée autour d’un pixel à traiter subit une pondération en 1/r 2 inspiré du modèle newtonien. La distance r représente une distance hybride faisant intervenir à la fois l’information spatiale et l’information luminance. Les résultats de l’application de cette méthode sont montrés sur des images à niveaux de gris à complexités différentes, puis comparés à ceux donnés par des méthodes plus classiques.
Contrast enhancement, smoothing, image segmentation, gravitational force
Mots clés
Rehaussement de contraste, interactions newtoniennes, lissage, simplification d’image
[BEGH-89] A. Beghdadi et A. Le Negrate, « Contrast Enhancement Technique Based On Local Detection, Of Contrast », Computer Vision, Graphics, and Image Processing 46, p.162-174, 1989.
[COCQ-95] J.-P. Cocquerez et S. Phillip, « Analyse d’images : filtrage et segmentation », Masson, Paris, 1995.
[DHAW-86] A.P. Dhawan, G. Belloni and R. Gordon, « Enhancement of Mammographic Features by Optimal Adaptive Neighbourhood Image Processing », IEEE Trans. Med. Imaging MI-5, n°1, 1986.
[GLEA-96] S. S. Gleason, T. W. Tobin, « Directional dilatation for the connection of piece-wise objects : semiconductor manufacturing case study », proceeding of the IEEE international Conference on Image Processing, Vol III, p. 9-12, 1996.
[GORD-84] R. Gordon and R.M. Rangayan, « Feature Enhancement of film Mammograms Using fixed and Adaptive Neighbourhoods », Appl. Opt 23, N° 4, p. 560-564, 1984.
[MARR-80] D. Marr, E. Hildreth, « Theory of Edge Detection », Proceedings of Royal Society of London, Vol 207, 187-207, 1980.
[MIG-94] B. Migeon, V. Serfaty, « Filtrage EPSF pour l’amélioration d’image » INRIA, rapport de recherche N° 2175, Janvier 1994.
[PER-90] P. Perona, J. Malik, « Scale space and Edge Detection using Anisotropic Diffusion », IEEE Trans. Pattern Anal. Mach. Intell. (PAMI) Vol. 12, N° 7, p. 629-639, 1990.
[PRET-87] F. Prêteux, « Description et interprétation des images par morphologie mathématique. Application à l’imagerie médicale », Thèse d’État, Université P. M. Curie, Paris VI, 1987.
[ROS-82] A. Rosenfeld, A. C. Kak, « Digital Picture Processing ». Vol.1, 2nd ed., New York: Academic, 1982.
[SAI-91] P. Saint-Marc, J. S. Chen, G. Médioni, « Adaptative Smoothing: A General Tool for Early Vision ». IEEE Trans. Pattern Anal. Machine Intell., Vol. PAMI-13, N° 6, p. 514-529, 1991.
[SERR-82] J. Serra, « Image Analysis and mathematical morphology », Academic press, London, 1982.
[WAN-81] D. Wang, A. Vanucci, C. Li, « Image enhancement by gradiant inverse weighted scheme ». Computer Graphics and Image Processing, 15, p. 167-181, 1981.