2. Rehaussement et restauration
Le rehaussement et la restauration sont deux approches de traitements qui permettent d’améliorer l’apparence des images. Il n’y a pas de différence fondamentale dans ces traitements, mais s’il fallait en faire une, elle serait : dans le premier cas, l’objectif est d’obtenir une amélioration visuelle (il n’y a pas forcément de modification majeure de l’information, c’est d’abord une nouvelle interprétation) ; dans le second, il s’agit de supprimer des éléments (du bruit) pour en reconstruire de nouveaux. Ce paragraphe débute avec les approches réalisées dans le domaine classique (qualifié de spatial) par opposition aux approches suivantes, réalisées dans le domaine fréquentiel (domaine dit de Fourier).
Cet article est réservé aux abonnés
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ?
Se connecter
Lecture en cours
Rehaussement et restauration
Sources bibliographiques
-
(1) - BUADES (A.), COLL (B.), MOREL (J.-M.) - A non-local algorithm for image denoising. - 2005 IEEE computer society conference on computer vision and pattern recognition (CVPR’05). T. 2. Ieee, p. 60-65 (2005).
-
(2) - SOILLE (P.) - Morphological Image Analysis : Principles and Applications. - Springer-Verlag...
À lire également dans nos bases
-
BLOCH (I.) - Morphologie mathématique et traitement d’images. -
Logiciels de référence
Il existe de nombreux logiciels pour répondre à des besoins en traitement d’images. Le langage Python étant relativement facile d’accès, voici quelques outils libres qui permettent de démarrer très facilement dans toutes les techniques présentées.
OpenCV, langages Python et C++, logiciel libre, https://opencv.org. Performances poussées, utilisable également...
Cet article est réservé aux abonnés
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ?
Se connecter