Chapitre 3 L’acquisition d’une image couleur par un appareil photographique
2.4 Evaluation des performances des algorithmes
2. interpolation adaptative du pixel R
33en utilisant les voisins horizontaux et verticaux
es-timés à l’étape 1 :
R
33=w
230R
23+w
034R
34+w
430R
43+w
032R
323. mise-à-jour des quatre voisins, par interpolation adaptative. Par exemple, pour le pixel
R
32:
R
32=w
220R
22+w
033R
33+w
420R
42+w
031R
314. retourner à l’étape 2.
2.4 Evaluation des performances des algorithmes
Les valeurs de PSNR moyennées sur 23 images de la base Kodak (présentée en annexe),
calculées entre les images reconstruites et les image servant à la simulation de l’acquisition à
travers la mosaïque de Bayer, sont consignées dans la Table3.1, pour différents algorithmes de
la littérature. Ces algorithmes ont été implémentés à l’aide des articles cités dans la table. Sont
consignées également dans la table, l’erreur∆E calculée dans l’espace S-CIELab, ainsi que
70 Chapitre 3. L’acquisition d’une image couleur par un appareil photographique numérique
la complexité algorithmique. La complexité algorithmique est calculée en nombre d’opérations
par pixel. Chaque instruction (multiplication, division...) est comptée comme une opération,
cependant la multiplication par un coefficient et l’addition du résultat sont comptées comme
une seule opération, à l’image de l’opération MAC (pour Multiplication/Accumulation) sur les
processeurs de signaux numériques. Ainsi le coût d’une convolution correspond au nombre de
coefficients du noyau. L’erreur ∆E S-CIELab est une extension spatiale de la métrique ∆E
CIEL*a*b, métrique incluant des propriétés du système visuel humain.
Il est clair que ces critères mathématiques sont de moins bons évaluateurs de la qualité
que l’oeil humain. Cependant une campagne d’évaluation subjective, à l’aide de sujets humain
demande beaucoup de temps. Nous avons donc opté pour ces critères mathématiques, en gardant
à l’esprit que la qualité visuelle est importante, comme il est classique de procéder dans la
communauté de demosaïçage.
La moitié supérieure de la Table 3.1 (jusqu’à la ligne [Alleysson 05]) renseigne des
algo-rithmes qui, au plus, utilise un modèle spectral. La moitié inférieure renseigne des algorithme
prenant en compte à la fois les corrélations spectrale et spatiale. Nous pouvons tirer de cette
étude les enseignements suivant :
– les algorithmes adaptatifs donnent les meilleurs performances. Ils sont cependant
globa-lement plus coûteux en temps de calcul. L’algorithme de Lian et al., basé sur le modèle
spectral d’Alleyssonet al., réalise un très bon compromis qualité/efficacité.
– L’algorithme d’Alleysson et al.donne les meilleurs résultats parmi les algorithmes non
adaptatifs. Malgré sa simplicité, il est toutefois le plus coûteux. Sa complexité est due à
la taille du filtre utilisé (un noyaux9×9). Son point faible est l’effet de grille présent le
long des contours.
3 Conclusion
Les caméras numériques mono-capteur sont confrontées à la même problématique que le
système visuel humain : elles ne disposent que d’une composante couleur par position
spa-tiale. Une étape d’interpolation des trois canaux couleurs, le démosaïçage, est nécessaire à la
visualisation de l’image acquise par le capteur. On peut faire là encore une analogie entre la
re-construction d’une image couleur dans une caméra numérique et la re-construction des trois voies
perceptuelles du système visuel.
Les algorithmes de démosaïçage mettent à profit deux propriétés des images numériques
couleur pour améliorer la qualité des images reconstruites. L’une est la corrélation spatiale entre
les pixels. Cette propriété est exploitée par des interpolations directionnelles déterminées par
des calculs de gradient. La seconde est la corrélation spectrale des plans couleur. L’idée est que
les signaux d’oppositions de couleurs sont de largeur de bande plus faible que les plans couleur
eux-même. Ils sont donc plus “faciles” à interpoler. La raison pour laquelle le système visuel
passe par l’espace intensité-chrominance est donc sans doute une raison écologique, dictée à la
fois par la théorie de l’échantillonnage et par la statistique des images naturelles.
Tous les algorithmes, hormis celui proposé par Alleyssonet al, utilisent le canal vert comme
canal d’intensité pour calculer les oppositions de couleur. Les filtres de couleur verte étant
3. Conclusion 71
majoritaires dans la matrice de Bayer, ce choix est défendable. Cependant, que faire si l’on
considère une matrice dans laquelle le vert n’est pas sur-représenté par rapport au bleu et au
rouge ? C’est le cas par exemple de la mosaïque à bandes. Le canal vert constitue-t-il toujours
un choix judicieux de canal d’intensité ? Il est clair que non, étant donné que sa résolution est
alors très basse. En revanche, le choix d’une intensité définie comme une moyenne pondérée
des trois canaux permet d’avoir un signal de bien meilleure résolution, quelles que soient les
proportions des photorécepteurs.
Il ressort donc de ce chapitre que dans le domaine des caméras numériques, l’espace
d’inten-sité et d’oppositions de couleurs est utilisé pour le traitement du signal sous forme de mosaïque.
Cependant, à la différence du système visuel humain où l’intensité est définie comme une
com-binaison des informations issues des cônes L, M et peut-être S, les traiteurs d’image du domaine
du démosaïçage définissent l’intensité comme étant le canal vert. Ainsi, la méthode
d’Alleys-sonet al.est la plus proche de la biologie de la couleur. Réciproquement, l’implémentation du
modèle d’Alleysson sur des caméras numériques permet de valider la démarche et d’en cerner
les limites.
Néanmoins, l’algorithme d’Alleyssonet al.n’est valable, en l’état, que pour des mosaïques
régulières, car les porteuses de chrominance sont alors bien localisées dans le spectre de
Fou-rier. Nous souhaitons étendre cet algorithme à une mosaïque quelconque, en particulier à une
mosaïque irrégulière, comme c’est le cas dans la rétine. Nous faisons donc l’étude, au chapitre
suivant, des propriétés et des méthodes d’interpolation des signaux échantillonnés
irrégulière-ment.
Dans le document
L'échantillonnage spatio-chromatique dans la rétine humaine et les caméras numériques
(Page 70-74)