Restauration locale du contraste

a droite

togrammes de chaque canal couleur pour obtenir un ciel de couleur blanche. Cette approche consiste `a d´etecter les pixels du ciel et `a ensuite modifier les histogrammes.

Elle permet d’obtenir directement l’intensit´e du ciel. Le r´esultat d’un tel ajustement est pr´esent´e sur la figure4.4. Nous constatons que nous avons toujours le probl`eme du ciel qui devient bleu apr`es restauration car la balance n’est pas parfaite (le ciel n’est pas parfaitement blanc). En revanche, nous avons une am´elioration des contrastes par rapport aux r´esultats pr´ec´edents. Le probl`eme avec cette m´ethode est que nous d´egradons certaines couleurs de l’image originale en d´ecalant les histo-grammes des 3 canaux. L’utilisation d’une balance des blancs avec notre m´ethode de

Figure 4.4 – Image originale, `a gauche ; Image apr`es balance des blancs par mo-dification d’histogramme, au centre ; Image restaur´ee en estimant l’intensit´e du ciel comme le maximum sur toute l’image, `a droite

restauration n’est pas tr`es efficace et nous devons donc avoir une bonne estimation de l’intensit´e du ciel afin d’´eviter les probl`emes de couleurs irr´ealistes. Aussi dans la suite, nous choisirons l’intensit´e du ciel en utilisant le maximum dans l’image. Il est tout `a fait envisageable, compte tenu du caract`ere modulaire de l’algorithme de remplacer cette estimation par une m´ethode plus fine.

4.1.1.3 Restauration locale du contraste

Une ´egalisation d’histogramme effectu´ee de mani`ere locale est utilis´ee pour ob-tenir une premi`ere approximation de l’image sans brouillard. Cette ´etape permet d’am´eliorer le contraste sur toute l’image et donc de r´eduire l’effet d’att´enuation par le brouillard de l’intensit´e et des couleurs des objets de la sc`ene.

En effet, comme le brouillard a pour effet de d´ecaler l’histogramme des pixels vers le maximum d’intensit´e (le ciel) et donc de r´eduire le contraste entre ces pixels, une ´egalisation d’histogramme, comme nous l’avons vu dans le chapitre 2, distri-bue les intensit´es de l’image sur toute la dynamique de l’histogramme. Elle va ainsi permettre d’augmenter le contraste de l’image. Comme dans le brouillard le niveau de d´egradation du contraste est fonction de la distance, une ´egalisation d’histo-gramme globale ne donne pas de bons r´esultats. Nous avons donc choisi d’effectuer la restauration localement.

L’image est partitionn´ee en plusieurs blocs de petites tailles Ws (par exemple W_s = 3 pour r´ecup´erer les d´etails les plus fins) et le principe d’´egalisation est appliqu´e sur chaque bloc s´epar´ement.

Pour chaque bloc, nous prenons en compte les 8 blocs voisins pour le calcul de la fonction de distribution d’intensit´es normalis´ee et seul le bloc central sera modifi´e.

Ceci a pour effet de r´eduire la diff´erence d’intensit´e entre blocs voisins dans l’image restaur´ee. Cette op´eration est donc effectu´ee sur 81 pixels dans le cas o`u W_s = 3 et seuls les 9 pixels centraux seront modifi´es (voir figure 4.5). Nous appliquons la

Figure 4.5 – Bloc central `a modifier en vert et les blocs voisins en rouge contrainte additionnelleI0< I qui r´esulte du mod`ele de Koschmieder. En effet, en consid´erant que l’intensit´e du ciel est la plus grande intensit´e de la sc`ene, `a partir du mod`ele de Koschmieder nous d´eduisons que l’intensit´e d’un pixel dans le brouillard sera toujours plus grande que son intensit´e sans brouillard. Nous appliquons donc l’´egalisation entre 0 et le maximum d’intensit´e du bloc central que nous voulons modifier.

Lorsque la r´egion `a traiter est uniforme, l’´egalisation ne modifie pas les intensit´es des pixels du bloc. Notons que de telles r´egions ne nous int´eressent pas puisqu’elles ne contiennent pas d’information. Dans le cas contraire, lorsque la r´egion contient des contours, l’´egalisation d´epend des blocs voisins : deux zones identiques ayant des blocs voisins diff´erents ne seront pas restaur´es de la mˆeme fa¸con `a cause de la forme de leurs fonctions de distribution d’intensit´e qui vont ˆetre diff´erentes, ce qui g´en`ere des effets blocs dans l’image r´esultante.

Dans le cas d’images couleurs, l’image est convertie dans l’espace Lab et l’´ ega-lisation est effectu´ee sur la composante luminance.

La figure 4.6 montre l’image avant et apr`es ´egalisation. Le r´esultat montre que nous obtenons une meilleure visibilit´e pour les diff´erents objets de la sc`ene et l’effet d’att´enuation dˆu au brouillard a bien ´et´e r´eduit.

La figure 4.7montre le r´esultat d’´egalisation avec la m´ethode CLAHE classique

Figure 4.6 – Rehaussement du contraste par notre m´ethode “CLAHE avec contraintes brouillard” : En haut `a gauche, l’image originale ; en haut `a droite, la composante de luminance ; en bas `a gauche, la restauration du contraste de la composante L ; en bas `a droite, la conversion de l’image restaur´ee en couleur (sans utiliser les contraintes brouillard) en utilisant une fenˆetre de taille 3. Nous constatons qu’avec notre m´ethode, en introduisant des contraintes physiques sur la sc`ene de brouillard, nous am´eliorons tout aussi bien le contraste des diff´erents objets de la sc`ene mais en r´eduisant le bruit g´en´er´e sur la route, par rapport `a la m´ethode classique. Dans la section suivante, nous allons montrer comment les

Figure 4.7 – Rehaussement du contraste avec “CLAHE classique” sur l’image de la figure 4.6

effets ind´esirables de l’´egalisation seront r´eduits afin d’obtenir une image plus lisse

et comment les couleurs seront am´elior´ees.