Degrès de netteté

[MiGoK]

Bonjour,

Je suis tout nouveau sur matlab et sur le traitement d'image. Je dois pour commencer développer un outil qui permet d'aider à placer une camera face à un écran, indiquant à l'utilisateur quand est-ce que la caméra est bien fixé, en fonction de la netteté de l'image. Je suis un peu perdu pour l'instant, quel facteur pourrait me permettre de calculer le degrés de netteté ?

Merci d'avance et à bientôt.

[Flo.]

Peut-être en analysant l'image de la norme du gradient de l'image de la caméra.

En moyenne, cette norme sera plus élevée pour une image nette que floue. La variance devrait être plus élevée pour une image nette que floue.

Flo.

[Nebulix]

Plutôt le carré de la norme

[Alexis.M]

En faisant une recherche sur Google j'ai trouvé cet article:

http://multimedia.korea.ac.kr/juct/o...viewFile/15/12

L'idée principale est proche de celle mentionnée plus tôt. tu prends 300 pixels au hasard, tu soustrais la valeur d'un pixel voisin et tu calcules la variance. Elle doit être beaucoup plus petite sur mes image floutée. Cela revient en quelque sorte à ne prendre qu'une estimation (une direction) de la valeur de la magnitude du gradient en un nombre limité de pixels.

Dans l'article ils adoptent une approche plus hiérarchique en re-divisant ensuite l'image en sous-blocks si la réponse sur l'image entière n'est pas assez tranchée.

[MiGoK]

Merci de vos réponses. Je vais étudier ces informations

[Nebulix]

Envoyé par Alexis.M

tu prends 300 pixels au hasard, tu soustrais ....

Dans une image bien nette, tu as quelques bords très bien définis, mais qui occupent de ce fait même une très petite fraction de l'image. Avec 300 points sur 1 ou 10 millions de pixels, tu a toutes les chances de les rater.

[souviron34]

moi je ferais un Hough recherchant les lignes horizontales ou verticales, et je calculerais leur largeur moyenne.

largeur 1 : net
etc..

[Alexis.M]

@souviron34

moi je ferais un Hough recherchant les lignes horizontales ou verticales, et je calculerais leur largeur moyenne.

ça ne marchera que sur des photos où de tels lignes existent, dans le cas d'un paysage, ça ne me paraît applicable.

@Nebulix

Dans une image bien nette, tu as quelques bords très bien définis, mais qui occupent de ce fait même une très petite fraction de l'image. Avec 300 points sur 1 ou 10 millions de pixels, tu a toutes les chances de les rater.

Je citais le nombre d'échantillons utilisait dans l'article où il n'indiquent pas la taille des images étudiées, clairement ce nombre est à adapter à la taille de l'image.

Par contre j'imagine que cette méthode pourrait être appliquée de façon pyramidale en réduisant à chaque niveau la taille de l'image et en déterminant à quel niveau celle-ci devient nette suivant ce critère.

On pourrait également imaginer une détection de contour (par ex. par la méthode de Canny) et ensuite n'échantillonner que sur ces pixels contours.

[Nebulix]

Tel que tu as formulé ton problème, il semble que le temps de calcul n'est pas critique. Prends donc la méthode la + simple et la + bête : déterminer le maximum de la somme des carrés des gradients. En fonction de ta variable de mise au point tu devrais trouver une courbe en cloche dont le max est facile à déterminer

[Alexis.M]

Ça ne risque pas d'être trop sensible au bruit ?