Sie sind auf Seite 1von 73

Traitement Numrique des Signaux Bidimensionnels

Jol Le Roux
29 mars 2005

Table des matires


1 Introduction

2 Reprsentation frquentielle des signaux bidimensionnels continus

1.1
1.2
2.1
2.2
2.3

2.4

2.5
2.6
2.7
2.8
2.9

Objectifs du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Description succinte des chapitres . . . . . . . . . . . . . . . . . . . . . . . . . . . .
La transforme de Fourier 2D . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
La transforme inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Interprtation de la transforme de Fourier 2D . . . . . . . . . . . . . . . . . . . .
2.3.1 Interprtation d'une sinusode . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.2 Interprtation globale de l'image . . . . . . . . . . . . . . . . . . . . . . . .
2.3.3 Sur l'information contenue dans une image . . . . . . . . . . . . . . . . . .
Transforme de Fourier et propagation d'ondes en optique cohrente ou en lectromagntisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.1 Franges d'interfrence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.2 Relations avec l'holographie . . . . . . . . . . . . . . . . . . . . . . . . . . .
Proprits de la transforme de Fourier 2D . . . . . . . . . . . . . . . . . . . . . .
Transforme de Fourier d'une convolution 2D . . . . . . . . . . . . . . . . . . . . .
2.6.1 Convolution bidimensionnelle . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6.2 Expression dans le domaine des frquences . . . . . . . . . . . . . . . . . .
Transforme de Fourier de fonctions sparables . . . . . . . . . . . . . . . . . . . .
2.7.1 Cas d'une fonction d'une seule variable . . . . . . . . . . . . . . . . . . . .
Le thorme de projection de Radon . . . . . . . . . . . . . . . . . . . . . . . . . .
Eet de halo : Phnomne de Gibbs, tche d'Airy, diraction de Fraunhofer . . . .

3 Echantillonnage des signaux 2D


3.1
3.2

3.3
3.4
3.5
3.6

Une remarque prliminaire importante . . . . . . . . . . . . . . . . . . .


Echantillonnage rectangulaire ou carr . . . . . . . . . . . . . . . . . . .
3.2.1 Brosse d'impulsions de Diracs . . . . . . . . . . . . . . . . . . .
3.2.2 Interprtation frquentielle de l'chantillonnage . . . . . . . . . .
3.2.3 Le repliement spectral dans le cas bidimensionnel . . . . . . . . .
Reconstitution d'un signal continu partir du signal chantillonn . . .
3.3.1 Le thorme d'chantillonnage . . . . . . . . . . . . . . . . . . .
Echantillonnage paralllogramme . . . . . . . . . . . . . . . . . . . . . .
Echantillonnage hexagonal (en quinconce) . . . . . . . . . . . . . . . . .
3.5.1 Quelques remarques sur le choix de la fonction d'chantillonnage
3.5.2 Reconstruction pratique des signaux bidimensionnels . . . . . . .
Traitement d'images et chantillonnage . . . . . . . . . . . . . . . . . . .

4 Reprsentation frquentielle des signaux discrets bidimensionnels


4.1

La transforme en z bidimensionnelle dans


4.1.1 Dnition . . . . . . . . . . . . . .
4.1.2 Cas des fonctions sparables . . . .
4.1.3 Lien avec la transforme de Fourier
4.1.4 La transforme inverse . . . . . . .
1

le cas de l'chantillonnage
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
bidimensionnelle . . . . .
. . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

carr
. . . .
. . . .
. . . .
. . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

4
4

5
5
5
5
6
7

10
10
10
11
14
14
14
15
15
16
16

17

17
17
17
18
20
20
20
22
22
23
23
24

25

25
25
25
25
26

J. Le Roux
4.2

4.3

4.4
4.5

Les proprits essentielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .


4.2.1 Transforme d'une convolution . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.2 Transforme d'un produit . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.3 Remarque sur le thorme de projection de Radon dans le cas des signaux
chantillonns . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.4 Extension des proprits d'autres motifs d'chantillonnage . . . . . . . . .
La transforme de Fourier discrte ou DFT . . . . . . . . . . . . . . . . . . . . . .
4.3.1 Priodisation du signal spatial . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.2 Les symtries de la transforme de Fourier bidimensionnelle d'images relles
4.3.3 Transforme de Fourier rapide bidimensionnelle . . . . . . . . . . . . . . . .
4.3.4 Transforme de Fourier discrte dans le cas d'un chantillonnage en quinconce
et d'un support paralllogramme . . . . . . . . . . . . . . . . . . . . . . . .
La transforme en cosinus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.1 Formules de la transforme en cosinus bidimensionnelle . . . . . . . . . . .
Reprsentation visuelle de la transforme de Fourier discrte . . . . . . . . . . . . .
4.5.1 Caractre priodique de la transforme de Fourier discrte et de son inverse

5 Filtrage des signaux bidimensionnels


5.1
5.2
5.3

5.4
5.5
5.6
5.7

Rappel sur la convolution bidimensionnelle . . . . . . . . . . . . . . . . . . .


5.1.1 Support de la convolution . . . . . . . . . . . . . . . . . . . . . . . . .
Filtres rponse impulsionnelle nie . . . . . . . . . . . . . . . . . . . . . . .
5.2.1 Implantation des ltres rponse impulsionnelle nie . . . . . . . . .
Synthse des ltres rponse impulsionnelle nie . . . . . . . . . . . . . . . .
5.3.1 Synthse par pondration . . . . . . . . . . . . . . . . . . . . . . . . .
5.3.2 Formes de fentres de pondration . . . . . . . . . . . . . . . . . . . .
5.3.3 Synthse par extension bidimensionnelle d'un ltre monodimensionnel
Les systmes linaires rcursifs bidimensionnels . . . . . . . . . . . . . . . . .
5.4.1 Le problme de la causalit . . . . . . . . . . . . . . . . . . . . . . . .
5.4.2 Ecriture d'une convolution sous la forme d'quation rcurrente . . . .
Stabilit des ltres causaux . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.5.1 Le thorme de Rudin et ses corollaires . . . . . . . . . . . . . . . . .
5.5.2 Interprtation en termes de lieu des racines . . . . . . . . . . . . . . .
Lien avec les quations aux drives partielles . . . . . . . . . . . . . . . . . .
Filtrage et transforme en ondelettes . . . . . . . . . . . . . . . . . . . . . . .
5.7.1 Filtres miroirs en quadrature bidimensionnel . . . . . . . . . . . . . .
5.7.2 Ondelettes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6 Estimation spectrale des signaux bidimensionnels


6.1
6.2

Signaux alatoires bidimensionnels . . . . . . . . . . . . . . . .


6.1.1 Fonction d'autocorrlation et densit spectrale . . . . .
6.1.2 Filtrage linaire des signaux alatoires bidimensionnels .
Estimation spectrale bidimensionnelle . . . . . . . . . . . . . .
6.2.1 Les techniques classiques non paramtriques . . . . . . .
6.2.2 Techniques hautes rsolution pour l'estimation spectrale
6.2.3 Les techniques paramtriques (maximum d'entropie) . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

7 Quelques problmes de traitement de signaux multidimensionnels


7.1

7.2

7.3
7.4

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

Propagation de signaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.1.1 Equation de Helmholtz . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.1.2 Propagation de signax en gophysique . . . . . . . . . . . . . . . . . . . . .
7.1.3 Analyse par formation de voie . . . . . . . . . . . . . . . . . . . . . . . . . .
Cas o les signaux sont chantillonns et les capteurs aligns et rgulirement espacs
7.2.1 Formation de voies et transforme de Radon . . . . . . . . . . . . . . . . .
7.2.2 Rsolution des quations de Maxwell utilisant la transforme de Fourier en
compatibilt avec le thorme d'chantillonnage . . . . . . . . . . . . . . . .
Filtrage d'ondes sismiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Reconstitution d'images partir de projections . . . . . . . . . . . . . . . . . . . .

26
26
27
27
29
29
29
29
31
32
32
33
33
34

35

35
35
35
35
36
36
37
37
38
38
39
40
40
40
42
42
42
43

48

48
48
48
49
49
49
51

53

53
53
53
54
55
56
56
57
58

Signaux bidimensionnels

7.5

7.6
7.7

7.4.1 Mesure de projections . . . . . . . . . . . . . . . . . . . . . . . .


7.4.2 Proprits des transformes de Fourier des fonctions projetes . .
7.4.3 Reconstitution dans le domaine spatial ; formule de Radon . . .
7.4.4 Cohrence avec le thorme d'chantillonnage . . . . . . . . . . .
Imagerie par rsonance magntique nuclaire . . . . . . . . . . . . . . .
7.5.1 Les quations fondamentales de la rsonance mantique nuclaire
7.5.2 Imagerie par rsonance magntique nuclaire . . . . . . . . . . .
7.5.3 Quelques chires pour donner les ordres de grandeur . . . . . . .
Utilisation du bispectre en astrophysique . . . . . . . . . . . . . . . . . .
7.6.1 Bispectre et triple corrlation . . . . . . . . . . . . . . . . . . . .
Filtrage et dtection de contour . . . . . . . . . . . . . . . . . . . . . . .
7.7.1 Segmentation d'une image en rgions . . . . . . . . . . . . . . . .
7.7.2 Sparation et fusion de rgions . . . . . . . . . . . . . . . . . . .
7.7.3 Textures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.7.4 Dtection de contours . . . . . . . . . . . . . . . . . . . . . . . .
7.7.5 Le ltre de Canny dans le domaine des frquences . . . . . . . .

3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

58
59
60
61
63
63
65
65
66
67
69
69
70
70
70
70

J. Le Roux

1 Introduction
1.1 Objectifs du cours
Les mthodes prsentes dans ces notes cours s'utiliseront surtout dans les aspects des problmes
de traitement des signaux multidimensionnels et des images o l'interprtation frquentielle est
importante : ltrage et prtraitement des images pralable leur interprtation, problmes de propagation d'ondes, . . . par opposition aux problmes de reconnaissance et d'interprtation d'images.
Elles ne sont que des extensions des techniques monodimensionnelles comme l'analyse de Fourier
et le ltrage linaire que nous supposerons connues. Les extensions des notions fondamentales
sont dtailles dans les premiers chapitres (1,2,3 et 4). Je n'insiste pas beaucoup sur les signaux
alatoires 2D dont le traitement est une transcription directe des traitements des signaux alatoires monidimensionnels fonde sur les outils vus dans les quatre premiers chapitres. Les derniers
chapitres dcrivent des applications pour lesquelles les mthodes expliques dans ce document (essentiellement ltrage linaire et transforme de Fourier) sont les outils fondamentaux. Le cours ne
prtend pas la rigueur mathmatique. Son objectif est surtout de donner l'tudiant les moyens
de comprendre et de mettre en oeuvre les techniques lmentaires de traitement numrique des
images ou plus gnralement de signaux bidimensionnels ou multidimensionnels.
Le document de rfrence principal utilis pour rdiger ces notes de cours est l'ouvrage de D.
E. Dudgeon and R. M. Mersereau, Multidimensional digital signal processing, dit par Prentice
Hall en 1984. D'autres ouvrages utiles sont ceux de R. C. Gonzales et R. E. Woods, Digital image
processing publi chez Addison & Westley en 1992, A. K. Jain, Fundamentals of digital image
processing dit par Prentice Hall en 1989 et de J. C. Russ, The image processing handbook,
dit par CRC en 1992.

1.2 Description succinte des chapitres


Le deuxime chapitre donne la formulation dans le cas bidimensionnel de la transforme de Fourier.
Il donne aussi quelques lments pour interprter cette transforme de Fourier ainsi que quelques
unes de ses proprits. Le troisime chapitre donne la formulation de l'chantillonnnage et souligne
quelques phnomnes qui apparaissent dans le cas de l'chantillonnage des signaux bidimensionnels. Le quatrime chapitre dcrit l'outil fondamental pour formuler les problmes de ltrages et
de reprsentation dans le domaine des frquences, la transforme en z , sa formulation particulire
correspondant la transforme de Fourier des signaux chantillonns. Il donne aussi les formules
correspondantes dans le cas de la transforme de Fourier discrte, ainsi que quelques rsultats
importants : transforme de Fourier rapide, transforme en cosinus. Le cinquime chapitre donne
les rsultats principaux concernant le ltrage des signaux bidimensionnel. J'y donne quelques rsutats peu utiliss et donc peu connus sur les ltres rcursifs bidimensionnels. Le sixime chapitre
se contente de donner les formules lmentaires sur l'analyse des signaux alatoires bidimensionnels. Dans le chapitre sept, nous tudions quelques problmes, propagation d'ondes, reconstruction
d'images partir de projections ou en interfromtrie.

Signaux bidimensionnels

Figure 1: Signal sinusodal bidimensionnel

2 Reprsentation frquentielle des signaux bidimensionnels


continus
Avant d'envisager l'chantillonnage et le traitement numrique des signaux il est ncessaire de
donner l'interprtation des signaux bidimensionnels dans le domaine des frquences

2.1 La transforme de Fourier 2D


La reprsentation frquentielle des signaux 2D est l'extension directe de celle des signaux monodimensionnels. La transforme de Fourier F (u, v) d'un signal f (x, y) est
Z Z
F (u, v) =
f (x, y)ej(ux+vy) dxdy
(1)

(Dans certaines prsentations la quantit scalaire ux + vy est donne sous la forme d'un produit
scalaire ~u.~v ; on obtient alors une criture similaire dans les cas mono et multidimensionnels). Cette
formule permet de calculer l'amplitude de la composante du signal f (x, y) la frquence spatiale
(u, v).

2.2 La transforme inverse


La reconstitution de signal spatial se fait par addition des direntes frquences spatiales pondres
par les amplitudes complexes ainsi calcules.
Z Z
1
f (x, y) =
F (u, v)ej(ux+vy) dudv
(2)
4 2

2.3 Interprtation de la transforme de Fourier 2D


2.3.1 Interprtation d'une sinusode
Le signal sinusoddal temporel ejt est caractris par la frquence /2 donnant (en Herz) le
nombre de vibrations du signal par unit de temps (en secondes) ; dans le domaine des frquences
il est reprsent par une impulsion de Dirac situe cette frquence.
La frquence spatiale (u, v) caractrisant ej(ux+vy) est une impulsion de Dirac de coordonnes
(u, v) ; c'est un couple de paramtres qui peut tre interprt comme une frquence du signal
donne par u2 + v 2 et un angle d'arrive dont la tangente est v/u : en eet les points de mme
phase de la sinusode sont situs sur des droites parallles entre elles

ux + vy = + 2k

(3)

J. Le Roux

(c)

v
6
-

(b)

v
6
-

(a)

v
6
-

Figure 2: Modication des paramtres d'une sinusode bidimensionnelle: (a) u = 2, v = 4; (b)


u = 1, v = 2; (c) u = 2, v = 1.
et perpendiculaires au vecteur (u, v). Un signal sinusodal rel a pour transforme un couple
d'impulsions de Dirac situes en (u, v) et (u, v). Si la phase l'origine est nulle, les deux
impulsions de Dirac sont relles et ont la mme amplitude. Si la phase est /2, leurs amplitudes
sont imaginaires pures et opposes.
La partie relle et la partie imaginaire de la sinusode spatiale apparaissent donc comme des
tles ondules" orientes dans la direction y = ux/v . Si on se dplace dans la direction y = ux/v
le signal est constant. Si on se dplace perpendiculairement
cette direction, on voit un signal

() que la frquence
monodimensionnel dont la pulsation est u2 + v 2 . C'est dans cette direction
parait la plus leve. Dans une autre direction , la frquence apparente est u2 + v 2 cos( ).
En particulier un signal tel que v = 0 ne dpend pas de y : les points de phase constante de la tle
ondule sont situs sur des parallles l'axe des ordonnes. L'impulsion de Dirac est alors situe
au point (u, 0) du domaine des frquences c'est dire sur l'axe des abscisses dans ce domaine.

2.3.2 Interprtation globale de l'image


Exactement comme dans le cas des signaux temporels le module de la transforme de Fourier donne
la rpartition nergtique en fonction de la frquence. Cette rpartition nergtique se voit mieux
en considrant la reprsentation en coordonnes polaires du plan des frquences spatiales

(u, v) (, )

(4)

Signaux bidimensionnels

v
6
hautes frquences

- u

basses frquences

Figure 3: Les basses frquences ( petit) et les hautes frquences ( grand) dans une image
la valeur de F ( cos , sin ) pour un couple (, ) donne l'amplitude d'une sinusode complexe de
pulsation dans la direction . Pour de nombreuses images, la moyenne (au sens des probabilits)
de l'amplitude est indpendante de la direction et dcroit rgulirement en fonction de . Si
on diminue l'amplitude des hautes frquences (ltrage passe bas en fonction de pour toutes les
valeurs de ) l'image apparait oue, les contours sont moins nets. Si au contraire on augmente
l'amplitude aux hautes frquences on rehausse les contours mais l'image parait plus bruite (il y a
un grain plus important). La gure 4 illustre cette rpartition dans le cas d'une image trs simple:
un disque de niveau constant auquel on a ajout une fonction alatoire.

2.3.3 Sur l'information contenue dans une image


La transforme de Fourier est une fonction complexe, qui a pour chaque composante un module
et une phase. Pour la plupart des images, le module est une fonction dcroissante de , en gnral
de la forme 1/ parce qu'une image est souvent une fonction continue dans des domaines spars
par des frontires o elle prsente des discontinuits. Le module de la transforme de Fourier ne
contient que peu d'information. L'information utile est dans les contours. On remarque que cette
information se retrouve essentiellement dans la phase de la transforme de Fourier: par exemple
dans la gure 5

J. Le Roux

(a)

(b)

(c)

Figure 4: Les basses frquences et les hautes frquences dans une image: (a) image originale;
(b)la composante basses frquences; (c) la composante hautes frquences (ici les fonctions
bidimensionnelles sont montres en perspectives, l'image serait vue en intensit  la verticale

Signaux bidimensionnels

Figure 5: Eet du remplacement du module de la transforme de Fourier par une constante, la


phase tant prserve. On reconnait bien les contours et les rgions de l'image originale

10

J. Le Roux

2.4 Transforme de Fourier et propagation d'ondes en optique cohrente


ou en lectromagntisme
2.4.1 Franges d'interfrence
Une source lumineuse ponctuelle monochromatique note k d'amplitude complexe sk et de frquence situe au point de coordonnes (xk , yk , zk ) met un rayonnement se propageant la
vitesse c. Ce rayonnement mesur en un point de coordonnes (x, y, z) a pour amplitude complexe

q
1
(5)
fk (u, v, z, t) = sk exp j[t
(u xk )2 + (v yk )2 + (z zk2 )]
c
Nous avons nglig les facteurs traduisant la diminution de l'intensit en fonction de la distance qui
ont un eet secondaire dans le phnomne tudi ici. Nous supposerons que le signal est observ sur
un plan z = 0 trs loign de la source k , et que la source k est situe sur une sphre x2k +yk2 +zk2 = R.
Si u et v sont beaucoup plus petits que R, on peut remplacer fk (u, v, z, t) par l'approximation
r

2uxk ) + (2vyk
fk (u, v, 0, t) = sk exp(jt) exp j [R 1 +
]
(6)
c
R2
o on a aussi suppos que les termes en u2 + v 2 sont ngligeables par rapport (uxk + vyk )

2uxk ) + (2vyk
fk (u, v, 0) = sk exp(jt) exp j [R(1 +
)]
c
2R2
R
uxk + vyk
exp j [
]
c
c
R
L'`enveloppe (le facteur de exp jt) est proportionnelle
fk (u, v, 0) = sk exp(jt) exp j

uxk + vyk
gk (u, v, 0) = sk exp j [
]
c
R

(7)
(8)

(9)

On reconnait dans cette formule la transforme de Fourier bidimensionnelle d'une impulsion de


Dirac situe au point de coordonnes xk et yk . Si on additionne plusieurs sources ponctuelles, le
signal observ sera
X
uxk + vyk
h(u, v) =
sk exp j [
]
(10)
c
R
k

Si on a deux sources de mme amplitude situes aux points (xk , yk , zk ) et (xk , yk , zk )

h(u, v) = 2 cos[

(uxk + vyk )
]
cR

(11)

on observera des franges d'interfrence sinusodales (transforme de Fourier de deux impulsions de


Dirac de mme amplitude). Si les sources ne sont plus ponctuelles mais si leur intensit est une
fonction continue de x et de y, on obtiendra
Z Z
ux + vy
h(u, v) =
s(x, y) exp j [
]dxdy
(12)
c
R
Dans le plan (u, v) on observe donc la transforme de Fourier de l'image (en pratique on observe
plus exactement le carr du module de cette transforme de Fourier).

2.4.2 Relations avec l'holographie


L'hypothse de la nature ondulatoire de la lumire a t propose par Christian Hyugens en 1678.
Elle fut ane dans la thorie de la diraction d'Augustin Fresnel en 1818, et formalise de manire
plus rigoureuse par Gustav Kirchho (1882) puis par Rayleigh et Sommerfeld (1896). Le principe
de Hyugens Fresnel peut tre nonc de la manire suivante : chaque point de l'onde lumineuse est
considr comme une source mettrice d'une onde sphrique et l'amplitude de l'onde un instant
ultrieur peut tre calcule comme la somme de toutes les ondes sphriques rmises. Fonde sur

Signaux bidimensionnels

11

Figure 6: Les franges d'interfrences obtenues partir de deux sources ponctuelles cohrente apparait comme un signal sinusodal dont la frquence est proportionnelle la distance sparant les
deux sources. Si la distance d'observation est grande, on obtient ainsi la transforme de Fourier de
l'image source
les proprits des fonctions de Green, la formule de la diraction de Raylegh-Sommerfeld s'exprime
de la manire suivante:
Si l'amplitude complexe de l'onde f (u, v, 0) est connue dans un plan z = 0, on peut en dduire
l'amplitude en un point de coordonnes (x, y, z) en calculant
i
h p

Z Z
2 + (y v)2 + z 2
(x

u)
z
exp
j

1
f (x, y, z) =
dudv
(13)
f (u, v, 0)
j
(x u)2 + (y v)2 + z 2

Si une lumire cohrente monochromatique claire un objet qui la rchit, cette lumire rchie
interfrera avec la lumire incidente. On peut alors enregistrer sur une plaque photographique sensible ces interfrences entre lumire incidente et lumire rchie. Si par la suite on claire la plaque
photographique avec la lumire cohrente, en la regardant, on observera l'image de l'objet qui a
engendr les interfrences. Si la personne qui regarde la plaque se dplace, elle verra l'objet sous un
angle dirent, ce qui donne une impression de relief remarquable des hologrammes. L'holographie
permet en particulier de calculer et de visualiser la transforme de Fourier bidimensionnelle (si la
plaque d'enregistrement est situe une grande distance de l'objet et dans une direction donne);
toutefois la nature tridimensionnelle n'apparait plus dans ce cas. Une prsentation complte est
donne dans l'ouvrage de J. W. Goodman, Introduction to Fourier optics, publi par McGraw
Hill en 1968.

2.5 Proprits de la transforme de Fourier 2D


On retrouve toutes les proprits de la transforme de Fourier monodimensionnelle, en particulier
les symtries: Si f (x, y) est une fonction relle, sa transforme de Fourier vrie
F (u, v) = F (u, v)

(14)

Si f (x, y) est relle et f (x, y) = f (x, y) , alors F (u, v) est aussi relle et F (u, v) = F (u, v).
Si f (x, y) est relle et f (x, y) = f (x, y) , alors F (u, v) est imaginaire et F (u, v) = F (u, v).
La translation d'un signal se traduit par un dphasage linaire: si f (x, y) a pour transforme
F (u, v), alors g(x, y) = f (x x0 , y y0 ) a pour transforme

G(u, v) = F (u, v)ej(ux0 +vy0 )

(15)

Homothtie dans une direction : Si on dilate f (x, y) dans la direction 0x


g(x, y) = f (kx, y)

(16)

12

J. Le Roux

..
..
..
..
.
... ........
.
.
.....
.
.
...
...

Figure 7: Schma de l'enregistrement et de la visualisation d'un objet par hologramme: Les ondes
mises par la source lumineuse cohrente interfrent avec les ondes rchies. Ces interfrences sont
enregistres sur une plaque. Lorsqu'on illumine cette plaque par la source cohrente, l'observateur
qui la regarde voit l'image de l'objet clair.

Signaux bidimensionnels

13

la transforme G(u, v) de g(x, y) est

f (kx, y)ej(ux+vy) dxdy

G(u, v) =

En eectuant le changement de variablez = kx


Z Z
uz
1
G(u, v) =
f (z, y)ej( k +vy) dzdy
k

(17)

(18)

soit

1 u
F ( , v)
(19)
k k
La dilatation d'une image se traduit par une homothtie inverse de la variable correspondante (une
rduction) dans le plan des frquence. Si on eectue la mme dilatation d'un facteur k dans les
deux directions g(x, y) = f (kx, ky) (dilatation sans dformation de l'image), il y a contraction 1/k
de la transforme de Fourier
u v
G(u, v) = F ( , )
(20)
k k
Rotation d'une image
G(u, v) =

g (x, y) = f (x cos + y sin , x sin + y cos ).


Par transforme de Fourier on obtient
Z Z
G (u, v) =
f (x cos + y sin , x sin + y cos )ej(ux+vy) dxdy.

(21)

(22)

En faisant le changement de variable

x cos + y sin ,

x sin + y cos

(23)

s cos t sin ,
s sin + t cos

(24)

x =
y =
On obtient

ej(us cos ut sin +vs sin +vt cos ) f (s, t)dsdt.

(25)

ej[(u cos +v sin )s+(u sin +v cos )t] f (s, t)dsdt.

(26)

G (u, v) =

soit

G (u, v) =

La rotation se traduit donc par une rotation identique dans le plan des frquences.
Inclinaison d'un signal : soit une image incline

g(x, y) = f (x my, y)
Sa transforme de Fourier est

G(u, v) =

f (x my, y)ej(ux+vy) dxdy

En eectuant d'abord l'intgration par rapport x


Z

Z
G(u, v) =
ejvy
f (x my, y)ejux dx dy

On peut faire le changement de variable x my = z


Z

Z
jvy
juz+jumy
G(u, v) =
e
f (z, y)e
dz dy

(27)

(28)

(29)

(30)

14

J. Le Roux

L'intgrale en fonction de la variable z est la transforme de Fourier d'une ligne horizontale de


l'image f (z, y). On lui fait subir un dphasage ejumy correspondant une translation de longueur
m.
Z

ejvy+jumy

G(u, v) =

f (z, y)ejuz dz dy

(31)

G(u, v) est la transforme de Fourier de f (z, y) calcule pour u et (v um)


(32)

G(u, v) = F (u, v um)

La transforme d'un signal inclin est par rapport l'axe vertical subit une inclinaison identique
mais par rapport l'axe horizontal. Si la fonction est incline suivant une pente m, sa transforme
de Fourier est incline suivant une pente 1/m

2.6 Transforme de Fourier d'une convolution 2D


Ce rsultat est sans doute le plus important concernant les transformes de Fourier bidimensionnelles. C'est l'extension directe du rsultat obtenu dans le cas monodimensionnel. L'importance
fondamentale de ce rsultat est de au fait que dans de nombreuses applications, l'opration effectue sur un signal bidimensionnel est une application linaire invariante spatialement. Elle se
traduit alors par une convolution. On retrouve ce type d'opration en traitement d'images, en optique, dans les tudes portants sur la propagation d'ondes en lectromagntisme et en mcanique
quantique o on peut aussi exprimer une quation linaire aux drives partielles et coecients
constants sous la forme d'une convolution.
Dans ce type d'application (convolution, ltrage par un systme linaire invariant spatialement,
quation direntielle linaire coecients constants) on voir que si on applique l'oprateur un
signal sinusodal de frquence (u, v), le signal obtenu sera un signal sinusodal de mme frquence
(u, v) exactement comme dans le cas monodimensionnel. L'amplitude et la phase pourront tre
modies, mais la forme du signal sinusodal ne le sera pas.

2.6.1 Convolution bidimensionnelle


Une convolution 2D s'crit

g(x, y) =

(33)

f (s, t)h(x s, y t)dsdt

On remarquera que le rsultat de la convolution d'une fonction f (x, y) avec une impulsion de Dirac
l'origine (x)(y) est la fonction elle mme.
La convolution de par une impulsion de Dirac dcale (x x0 )(y y0 ) produit une fonction
translate f (x x0 , y y0 )

2.6.2 Expression dans le domaine des frquences


La transforme de Fourier de la convolution est
Z Z
Z Z
j(ux+vy)
G(u, v) =
e

f (s, t)h(x s, y t)dsdt dxdy

(34)

Nous admettrons que les conditions autorisant la modication de l'ordre de calculs des intgrales
sont vries. En eectuant le changement de variable

x0
y0

=
=

(35)

xs
y t,

(36)

on obtient

G(u, v) =

j[u(x0 +s)+v(y 0 +t)]

f (s, t)h(x , y )dsdt dx0 dy 0


0

(37)

Signaux bidimensionnels

15

ce qui peut s'crire

G(u, v) =

j[us+vt]

0
0
f (s, t)dsdt h(x0 , y 0 )ej[ux +vy ] dx0 dy 0

(38)

ou encore

G(u, v) =

Z
f (s, t)dsdt

j[us+vt]

h(x , y )e

j[ux0 +vy 0 ]

dx dy

(39)

soit, en fonction des transformes F (u, v) et G(u, v) de f (x, y) et h(x, y)


(40)

G(u, v) = F (u, v)H(u, v)

La transforme de Fourier d'une convolution est le produit des transformes de Fourier des fonctions
convolues.
Comme la transforme de Fourier inverse a une forme identique la transforme, la transforme
de Fourier d'un produit f (x, y).h(x, y) est le produit de convolution des transformes des deux
facteurs.

2.7 Transforme de Fourier de fonctions sparables


Si une fonction g(x, y) peut s'crire sous la forme
(41)

f (x, y) = g(x)h(y)
Z

F (u, v) =

f (x)h(y)ej[ux+vy] dxdy
Z

g(x)ejux

F (u, v) =

(42)

h(y)ejvy dy dx

(43)

Elle est donc gale au produit des transformes G(u) et H(v) de g(x) et h(y):

F (u, v) =

g(x)e

jux

Z
dx

h(y)e

jvy

dy

(44)
(45)

F (u, v) = G(u)H(v)

2.7.1 Cas d'une fonction d'une seule variable


Si f (x, y) est fonction uniquement de la variable x
(46)

f (x, y) = g(x)
Z

F (u, v) =

Z
g(x)ejux dx

ejvy dy

(47)

La seconde intgrale est la transforme de Fourier d'une impulsion de Dirac

F (u, v) = G(u)(v)

(48)

F (u, v) est nulle partout sauf lorsque v = 0 o elle est donne ( un facteur multiplicatif prs) par
la transforme de Fourier de g(x).

16

J. Le Roux

2.8 Le thorme de projection de Radon


Un rsultat parfois utile (et essentiel pour la reconstitution d'images en tomographie) est le thorme de projection suivant (qui n'a rien voir avec le thorme de projection donnant la distance
minimale entre deux sous espaces).
On construit partir d'une fonction f (x, y) la fonction
Z
g(t) = m
f [x, m(t x)]dx
(49)

ce qui correspond une intgration de la fonction f (x, y) le long d'une oblique de pente m passant
par le point de coordonnes (t, 0). Sa transforme de Fourier monodimensionnelle est
Z Z
Gm () = m
f [x, m(t x)]ejt dxdt
(50)

En faisant le changement de variable y = m(t x)


Z Z
y
Gm () =
f [x, y]ej(x+ m ) dxdy

(51)

En posant u = w, v = /m, on reconnait dans G() la valeur de la transforme de Fourier


bidimensionnelle F (u, v) de f (x, y) le long d'une droite passant par l'origine et de pente 1/m .
La transforme de Fourier d'une projection paralllement un axe de pente m est gale la
valeur de la transforme de Fourier bidimensionnelle du signal projet le long d'un axe de pente
1/m.
On peut comprendre simplement ce resultat en considrant en particulier le cas o la pente m
est nulle. Dans ce cas la valeur de la transforme F (0, v) est
Z Z
F (0, v) =
f (x, y)ej(0.x+vy) dxdy
(52)

F (0, v) =

f (x, y)dx ejvy dy

La transforme de Fourier G0 () de la projection de Radon


Z
g(y) =
f (x, y)dx

est

G0 () = F (0, )

(53)

(54)

(55)

C'est la composante basses frquences le long de l'axe des ordonnes dans le plan des frquences.
On retrouve le rsultat pour une projection d'angle quelconque en appliquant le thorme sur l'eet
d'une rotation sur la transforme de Fourier.

2.9 Eet de halo : Phnomne de Gibbs, tche d'Airy, diraction de


Fraunhofer
Le ltrage passe-bas se traduit dans le domaine spatial par une convolution de la fonction tudie
par une fonction du type sinxx sinxx . Ce phnomne d'oscillations se retrouve en optique. En eet,
un appareillage optique peut tre interprt comme un systme qui slectionne uniquement les
basses frquences et limine les composantes frquentielles pour les frquences extrieures un
disque de rayon donn. L'appareil optique agit ainsi comme un ltre passe-bas. Dans le domaine
spatial, il a un eet de convolution sur l'objet tudi. L'oprateur de convolution est la transforme
de Fourier inverse de la fentre slectionnant les composantes dans le domaine des frquences.
C'est souvent la transforme inverse d'un disque. Cette transforme inverse prsente les mmes
caractristiques que la transforme monodimensionnelle d'une fonction crneau: elle prsente des
oscillations (phnomne de Gibbs pour les signaux monodimensionnels) qui se traduisent sous la
forme de halos entourant les images des objets tudis.

Signaux bidimensionnels

17

Figure 8: Oscillations apparaissant lors du ltrage passe-bas d'une image

3 Echantillonnage des signaux 2D


Les problmes poss par l'chantillonnage des signaux bidimensionnels sont similaires ceux des
signaux monodimensionnels. La thorie de Shannon s'applique de la mme manire. Toutefois,
une interprtation dans un espace deux dimensions est ncessaire pour mieux comprendre les
phnomnes lis l'chantillonnage, comme les eets de la gomtrie du motif d'chantillonnage.
Nous mentionnerons aussi les compromis qu'il faut faire entre la ncessit d'une rigueur thorique
et les spcicits de certaines applications en traitement numrique des images.

3.1 Une remarque prliminaire importante


Les spcialistes du traitement numrique des images ont l'habitude de reprsenter une image chantillonne sous la forme de pixels, des carrs o l'intensit de l'image est constante. Ce n'est pas
l'interprtation compatible avec la thorie de l'chantillonnage. Il faut considrer l'image comme un
ensemble d'impulsions de Dirac o chaque impulsion est au centre d'un pixel et a pour amplitude
l'intensit de ce pixel. Tout le reste du pixel a une intensit nulle. La reprsentation habituelle sous
forme de pixels correspond au ltrage de l'image compose d'impulsions d'amplitude variable par
un ltre dont la rponse impulsionnelle est une fonction gale un l'intrieur du carr support
d'un pixel centr l'origine et nulle partout ailleurs (quivalent bidimensionnel du bloqueur d'ordre
zro pour les signaux temporels)

3.2 Echantillonnage rectangulaire ou carr


Parmi tous les chantillonnages rguliers possibles, l'chantillonnage carr est le plus courant. Nous
tudierons plus spcialement ce cas et nous verrons ensuite comment on peut tendre les rsultats
obtenus dans ce cas au cas de l'chantillonnage en quinconce

3.2.1 Brosse d'impulsions de Diracs


Une impulsion de Dirac dans le plan est telle que
Z Z
f (x, y)(x, y)dxdy = f (0, 0)

ce qui correspond

(x, y) = (x)(y)

(56)

(57)

On peut considrer que l'chantillonnage est obtenu en faisant le produit du signal par une brosse
b(x, y) d'impulsions de Dirac.

g(x, y) = f (x, y)b(x, y) = f (x, y)

X
m=

(x mx)(y ny)

(58)

18

J. Le Roux

(b)

(a)

Figure 9: Les reprsentations spatiales d'une image chantillonne: (a) reprsentation sous forme
d'impulsions en cohrence avec l'interprtation du thorme d'chantillonnage; (b)reprsentation
habituelle sous forme de pixels de niveau constant
Cette brosse b(x, y) peut tre considre comme le produit de deux peignes tendus l'un dans
la direction Ox soit px (x, y) de priode x et l'autre dans la direction Oy soit py (x, y) de priode
y .

X
px (x, y) =
(x mx)
(59)
m=

py (x, y) =

(60)

(y ny)

n=

b(x, y) = px (x, y).py (x, y) =

(x mx)

m=

(y my)

(61)

n=

3.2.2 Interprtation frquentielle de l'chantillonnage


Le peigne tendu px (x, y) de priode x a pour transforme de Fourier un peigne d'impulsions de
Dirac Px (u, v) (ce n'est pas un peigne tendu) situs sur l'axe Ou et de priode 2/x soit

Px (u, v) = (v)

(u k/x)

(62)

k=

Ov

La Transforme de Fourier Py (u, v) de py (x, y) est un peigne de priode 2/y situ sur l'axe

Py (u, v) = (u)

(v `/y)

(63)

`=

La Transforme du produit des deux peignes tendus (la brosse) est donc une convolution de
deux peignes perpendiculaires, c'est--dire une brosse : La transforme de Fourier de p(x, y) est la
convolution de ces deux fonctions

Signaux bidimensionnels

19

(a)

(f)

(b)

(e)

(c)

(d)

Figure 10: Illustration de l'chantillonage dans le domaine des frquences(a) brosse d'chantillonage
dans le domaine spatial; (b)peigne tendu suivant l'axe des abscisse; (c)peigne tendu suivant l'axe
des ordonnes; (d)peigne transforme du peigne tendu suivant l'axe des ordonnes; (e)peigne
transforme du peigne tendu suivant l'axe des abscisses; (f)transforme de la brosse: c'est aussi
une brosse obtenue par convolution des deux peignes dans le domaine des frquences

20

J. Le Roux

En eet, la convolution d'une fonction et d'une impulsion de Dirac situe au point (u, v) est
gale la translation de cette fonction de l'origine au point (u, v). La convolution d'une fonction
dnie uniquement sur l'axe 0u et d'un peigne dni sur l'axe 0v est donc la rptition de cette
fonction par une suite de translations suivant 0v . Si la fonction convolue est un peigne suivant
l'axe Ou, le rsultat de la convolution sera une suite de reproductions de ce peigne horizontal le
long de l'axe vertical

3.2.3 Le repliement spectral dans le cas bidimensionnel


La transforme de Fourier G(u, v) de la fonction chantillonne g(x, y) est la convolution de la
brosse (Transforme de la fonction d'chantillonnage) dans le domaine des frquences et de F (u, v)
transforme de l'image avant chantillonnage. C'est donc la somme des reproductions de F (u, v)
dduites de F (u, v) par translation aux points de coordonnes (2k/x, 2k/y). Il y a priodisation bidimensionnelle de la transforme de Fourier de l'image initiale

G(u, v) =

F (u k/x, v `/y)

(64)

k= `=

3.3 Reconstitution d'un signal continu partir du signal chantillonn


3.3.1 Le thorme d'chantillonnage
Pour reconstituer le signal analogique (par analogique nous entendons le signal fonction des
variables spatiales continues x et y ), il faut reconstituer f (x, y) partir de g(x, y) ou bien, ce qui est
quivalent, F (u, v) partir de G(u, v) dans le domaine des frquences. Une faon simple de procder
est de faire en sorte qu'il y ait un seul terme non nul dans la sommme (64) et donc que F (u, v) soit
de support ni en principe dans le domaine des basses frquences contenant l'origine). Ainsi, il n'y
ait pas recouvrement des direntes reproductions dcales de F (u, v). Avant d'chantillonner, il
faut donc ltrer passe-bas l'image de sorte que

F (u, v) = 0 pour |u| /x, |v| /y

(65)

Cette mthode correspond aux cas les plus simples. On peut l'aner pour traiter certains cas un
peu plus complexes.
Si cette hypothse est vrie, pour retrouver F (u, v) il faut slectionner la composante de
G(u, v) intrieure au rectangle

/x <
/y <

u
v

< /x
< /y.

(66)
(67)

Il faut donc ltrer passe-bas le signal g(x, y).


Dans le cas de l'chantillonnage motif carr ou rectangulaire, nous supposerons que x =
y = 1. Dans ce cas la rponse impulsionnelle h(x, y) est la transforme de Fourier inverse du
carr. C'est une intgrale sparable en un produit de deux sinus cardinaux

h(x, y) =

sin x sin y
x
y

(68)

Le signal reconstitu sera alors

f (x, y) =

m= n=

g(m, n)

sin (x m) sin (y n)
(x m)
(y n)

(69)

Notons que cette approche rigoureuse supposant un ltrage passe-bas avant l'chantillonnage
n'est pas ncessairement utilises dans toutes les applications en traitement numrique des images;
en particulier les tudes qui portent sur les dtections de contours et de rgions n'apprcient pas
toujours les oscillations parasites de ce ltrage passe-bas. Toutefois, il n'est pas interdit de penser
que cet chantillonage correct peut tre envisag mme dans ce type d'applications.

Signaux bidimensionnels

Figure 11: Rponse impulsionnelle d'un ltre ralisant l'interpolation idale

Figure 12: Echantillonnage rectangulaire et chantillonnage paralllogramme

21

22

J. Le Roux

Figure 13: Trois pavages rguliers du plan sous la forme de paralllogrammes

Figure 14: Deux pavages rguliers du plan: l'un sous la forme d'un paralllogramme, l'autre sous
la forme d'un hexagone

3.4 Echantillonnage paralllogramme


Dans certaines applications l'chantillonnage rectangulaire n'est pas possible ou n'est pas le plus
judicieux. On peut tre amen eectuer un chantillonnage rgulier mais en quinconce : les
points relevs sont situs sur une grille (m~a, n~b) o ~a et ~b sont deux vecteurs respectivement
inclins sur l'axe Ox d'un angle et . La brosse d'chantillonnage est alors dforme, le rectangle
devenant un paralllogramme. Cette brosse est ici encore le produit de deux peignes tendus mais
perpendiculaires aux directions et . Sa transforme de Fourier sera la convolution de deux
peignes de Dirac . L'un est situ sur l'axe de direction /2 + et sa priode est 2/|a|. L'autre est
situ sur l'axe de direction /2 + et sa priode est 2/|b|.
Il n'y aura pas recouvrement spectral si la transforme de Fourier du signal chantillonn est
nulle en dehors du paralllogramme dont les quatre sommets sont les extrmits des vecteurs
j~a/|a|2 et j~b/|b|2
Mais il existe plusieurs gures lmentaires permettant de paver le plan sans qu'il y ait de
recouvrement, en particulier dirents paralllogrammes La rponse impulsionnelle du ltre passebas dpend de la forme du support du ltre d'chantillonnage, elle restera en gnral un produit de
fonctions du type sinxx . On trouve la forme correcte du ltre en utilisant le rsultat sur l'inclinaison
des transformes de Fourier (paragraphe 2.5)

3.5 Echantillonnage hexagonal (en quinconce)


Une autre conguration utile de l'chantillonnage est celle o chaque point (on parle souvent de
pixel dans le cas des images) est quidistant de ses deux voisins sur la mme ligne, des deux points
situs sur la ligne suprieure et des deux points situs sur la ligne infrieure. Les six plus proches
voisins de chacun des points forment un hexagone rgulier. Si l'cart entre deux points d'une mme
ligne est pris gal 1, celui entre les lignes est sqrt(3)/2, le dcalage des points d'une ligne l'autre
est 1/2.
Dans ce cas on peut redcouper le paralllogramme permettant un pavage du plan des frquences
pour le transformer en un hexagone rgulier. Ce choix d'chantillonnage (souvent appel hexagonal)

Signaux bidimensionnels

23

Figure 15: Rponse impulsionnelle d'un ltre ralisant l'interpolation linaire par morceaux
peut tre intressant lorsque le support de la transforme de Fourier de l'image F (u, v) est un
disque.
L'hexagone rgulier circonscrit ce disque est plus petit que le carr. Le rapport des surfaces

est 23 (plus les dimensions du support spectral de la fonction chantillonner sont petites, plus
les dimensions du motif d'chantillonnage peuvent tre grandes)

3.5.1 Quelques remarques sur le choix de la fonction d'chantillonnage


Pour ne pas surchantillonner inutilement une image, on est amen tenir compte de la rpartition
nergtique du signal dans le plan des frquences.
Par souci de simplicit on peut tre amen choisir un chantillonnage carr ou rectangulaire,
ce qui permet par exemple l'implantation d'un ltre sous la forme d'un ltrage en abscisse suivi
d'un ltrage suivant les ordonnes (ltre sparable). Mais cet chantillonnage ne sera en gnral
pas optimal.
Pour optimiser l'chantillonnage il faut considrer la densit spectrale moyenne de l'image. On
peut envisager d'abord le cas o cette rpartition spectrale de l'nergie est isotrope : |F (u, v)|2 ne
dpend que de u2 + v 2 . Alors le pavage rguier le plus compact du plan des frquences par une
surface est le pavage par un hexagone. On choisira donc un chantillonage hexagonal.
Dans d'autres applications, en particulier en transmission d'images, on peut considrer que la
transforme de Fourier est ngligeable pour |u| + |v| < k . Le pavage le plus compact du plan des
frquences est le pavage par un losange rgulier (un carr tourn de 45 degrs). Par consquent
l'chantillonnage optimal sera un chantillonnage paralllogramme rgulier (losange). Notons qu'en
gnral il y a une symtrie des caractristiques frquentielles de l'image en u et en v si bien que les
chantillonnages faisant apparaitre une dissymtrie en x et en y sont rares. Mais c'est cependant le
cas lorsque l'chantillonage se fait par relevs (en gophysique par exemple) l'axe du support des
capteurs ne peut pas toujours tre perpendiculaire la trajectoire du mobile entrainant ce support.

3.5.2 Reconstruction pratique des signaux bidimensionnels


Les reconstitutions idales supposent la ralisation d'un ltre de support inni. En pratique il faut
donc limiter ces rponses impulsionnelles. Souvent on se contente d'un simple ltrage passe-bas
ligne par ligne (dans le cas des signaux de tlvision par exemple). On peut aner la reconstitution
en faisant une interpolation linaire. Le ltre d'interpollation linaire est la gnralisation du ltre
monodimensionnel de rponse impulsionnelle triangulaire : c'est une pyramide dont la base dpend
de la conguration de l'chantillonnage : carr, hexagone, losange.
Notons que dans le cas d'une fonction f (x, y) on ne peut pas faire une interpolation linaire
l'intrieur d'un carr ayant quatre sommets (la valeur en trois points sut caractriser un
plan). On peut contourner cette dicult en faisant un premier calcul donnant la valeur de la
fonction interpole au centre du carr comme la moyenne des quatre valeurs aux sommets puis
en eectuant une interpolation linaire sur chacun des quatre triangles ayant pour sommets le
centre du carr et deux sommets adjascents du carr. Dans le cas d'un chantillonnage hexagonal
la rponse impulsionnelle est la transforme de Fourier inverse d'une fonction constante l'intrieur

24

J. Le Roux

d'un hexagone Dans le cas d'un chantillonnage en losange, on obtient une formule analogue mais
avec un support losange.

3.6 Traitement d'images et chantillonnage


En principe, l'chantillonnage ncessite le respect des conditions de Shannon (limitation de la
bande de frquence) et donc un ltrage passe-bas pralable des images. Or, la plupart du temps,
les images prsentent des discontinuits car elles sont souvent composes de rgions d'intensit
continue spares par des frontires (les contours). Donc, si on applique un ltrage passe-bas pour
respecter les conditions de Shannon, on attnue le contraste au niveau du contour et on introduit
le phnomne de suroscillation de Gibbs (cf. le paragraphe 2.9). Ceci dgrade la qualit visuelle
des images et peut diminuer les performances de certains algorithmes de dtection de contour.
Les spcialistes du traitement d'image prfrent parfois admettre un certain degr de repliement
spectral plutt que de respecter la thorie de l'chantillonnage, ce qui peut avoir des eets nfastes
pour certaines applications. La reconstruction d'un signal correct entre les points d'chantillonage
peut alors se fonder sur le modle thorique (continuit par rgions, discontinuit aux contours, en
supposant que les formes de contours ne sont pas trop complexes).

Signaux bidimensionnels

25

4 Reprsentation frquentielle des signaux discrets bidimensionnels


4.1 La transforme en z bidimensionnelle dans le cas de l'chantillonnage
carr
4.1.1 Dnition
On dnit deux oprateurs de translation lmentaires de x et y suivant les directions 0x et 0y
du plan. On associe chacun de ces oprateurs une variable zx et zy . La valeur de la transforme
en z d'un chantillon d'amplitude f (m, n) situ en un point de coordonnes m et n est alors, en
prenant des pas d'chantillonnage x et y gaux un dans les deux directions

F (zx , zy ) = f (m, n)zxm zyn

(70)

Dans le cas d'une fonction chantillonne dnie sur tout le plan, la transforme s'obtient par
sommation
X

X
f (m, n)zxm zyn
(71)
F (zx , zy ) =

Elle est dnie dans un domaine o la somme converge, en gnral une couronne contenant le tore
produit des deux cercles zx = zy = 1 de rayon un. Sur ce domaine, elle prend la forme d'une
transforme de Fourier
X

X
F (eju , ejv ) =
f (m, n)ej(ux+vy)
(72)

4.1.2 Cas des fonctions sparables


Si la fonction f (x, y) peut s'crire sous la forme d'un produit

f (x, y) = h(x)g(y)

(73)

la transforme F (zx , zy ) est sparable

F (zx , zy ) =

h(x)zxm

g(y)zyn = H(zx )G(zy )

(74)

o H(zx ) et G(zy ) sont les transformes de h(x) et g(y).


C'est le produit de deux transformes en z monodimensionnelles. Notons qu'il peut tre pratique d'utiliser des fonctions sparables pour lesquelles le calcul des proprits est facilit et dont
l'implantation peut se faire beaucoup plus simplement dans le cas du ltrage par exemple.

4.1.3 Lien avec la transforme de Fourier bidimensionnelle


Si on pose

zx
zy

= exp(ju)
= exp(jv)

(75)
(76)

la transforme en z s'crit

F (zx , zy ) =

f (m, n) exp j(mu + nv)

(77)

C'est la transforme de Fourier du signal chantillonnn (de la brosse d'impulsions de Dirac dont
les amplitudes sont f (x, y)).Elle est donc priodique et obtenue par addition des rptition de la
transforme de Fourier du signal analogique. La priodicit est de 2 pour chacune des variables
car on a choisi un pas d'chantillonnage entier dans les deux directions.

26

J. Le Roux

4.1.4 La transforme inverse


C'est la gnralisation de la transforme de Fourier inverse.
#
I "I
1
dzx
y dzy
f (x, y) =
zxx
F (zx , zy )zy
2
4 Cx Cy
zy
zx

(78)

Les intgrations se faisant sur un contour ferm autour de l'origine intrieur au domaine de dnition de la transforme. On vrie la validit de cette expression en la reportant dans la dnition
de la transforme en z (cf. le cas des fonctions monodimensionnelles).
Son utilisation pratique ne se fait que gure que dans le cas de la transforme de Fourier

zx = eju ,zy = ejv


soit

1
f (x, y) =
4 2

F (eju , ejv )ejux , ejvy dudv

(79)

4.2 Les proprits essentielles


Les proprits des transformes monodimensionnelles sont conserves.

4.2.1 Transforme d'une convolution


En particulier on montre que la transforme d'une convolution est le produit des transformes des
deux fonctions convolues: soit la convolution bidimensionnelle

f (x, y) =

(80)

g(s, t)h(x s, y t)

et sa transforme en z

F (zx , zy ) =

g(s, t)h(x s, y t)zxx zyy

(81)

x= y= s= t=

En introduisant articiellement

zxx zyy = zxx+s zyy+t zxs zyt

(82)

l'eq. (81) devient

F (zx , zy ) =

g(s, t)h(x s, y t)zxx+s zyy+t zxs zyt

(83)

x= y= s= t=

le changement de variable

x0
y0

=
=

xs
yt

(84)

appliqu l'eq. (83) donne

F (zx , zy ) =

g(s, t)h(x0 , y 0 )zxx zyy zxs zyt

(85)

x0 = y 0 = s= t=

quation qui se spare en un produit

"

X
X
X
0
0
0 0 x y

F (zx , zy ) =
h(x , y )zx zy
x0 =

y 0 =

#
g(s, t)zxs zyt

(86)

s= t=

F (zx , zy ) = G(zx , zy )H(zx , zy )


o G(zx , zy ) et H(zx , zy ) sont les transformes en z de g(x, y) et h(x, y).

(87)

Signaux bidimensionnels

27

4.2.2 Transforme d'un produit


La transforme d'un produit est la gnralisation d'une convolution circulaire

f (x, y) = g(x, y)h(x, y)


a pour transforme

F (zx , zy ) =

g(x, y)h(x, y)zxx zyy

(88)

(89)

x= y=

Dans cette expression on peut crire h(x, y) en fonction de sa transforme H(zx , zy ). Nous ne
considrons que le cas particulier

zx = eju ,zy = ejv


ce qiu donne

1
h(x, y) =
4 2

H(ejr ejw )ejrx , ejwy drdw

(90)

ou encore

Z Z

1 X X
jr jw jrx jwy
F (e , e ) =
g(x, y)
H(e e )e , e drdw ejux , ejvy
4 2 x= y=

ju

jv

En inversant l'ordre des sommations


"
#
Z Z

X X
1
F (eju , ejv ) =
H(ejr , ejw )
g(x, y)ej(ur)x , ej(vw)y drdw
4 2
x= y=
La somme double est la transforme en z de g(x, y) calcule en zx = ej(ur) ,zy = ej(vw)
Z Z
1
F (eju , ejv ) =
H(ejr , ejw )G(ej(ur) , ej(vw) )drdw
4 2

(91)

(92)

(93)

G(eju , ejv ) et H(eju , ejv ) sont des fonctions priodiques de u et v . F (eju , ejv ) est la gnralisation
bidimensionnelle d'une convolution circulaire.

4.2.3

Remarque sur le thorme de projection de Radon dans le cas des signaux


chantillonns

L'application directe du thorme de projection n'a pas d'intrt dans le cas des signaux chantillonns. Elle ne peut tre envisage que dans le cas du signal ltr passe-bas ( fonction continue
de x et de y , avant chantillonnage). Si le domaine occupe par le signal dans le plan des frquences
est (, ) (, ), une projection suivant un angle (que nous supposerons infrieur /4)

aura pour support dans le domaine des frquences cos


, cos . Si la fonction bidimensionnelle
s(x, y) tudie a pour transforme de Fourier une fonction constante dans (, ) (, ) et
nulle partout ailleurs, elle vaut
sin x sin y
s(x, y) =
(94)
x
y
Sa projete h(t) aura pour transforme de Fourier, soit H(ej , une fonction constante dans

cos
, cos et nulle ailleurs. Ce sera donc

h(t) =

sin t cos
t cos

(95)

cos
La fonction projete de sinxx sinyy sera donc sinttcos
. Plutt que d'chantillonner la projection
suivant l'axe 0t avec un pas d'chantillonnage cos , on peut la calculer sur l'axe Ox avec un pas
d'chantillonnage gal un. En eet la projection mesure le long de l'axe 0t a un support dans le

domaine spectral cos


, cos et ncessite donc un chantillonnage suivant un pas gal cos ; Si
on la reprsente sur l'axe 0x, c'est dire aprs une dilatation de cos1 , son support dans le domaine

28

J. Le Roux

v
6

u
-

Figure 16: Support de la transforme de Radon pour un signal bande spectrale limite support
carr

y
6

x
-

Figure 17: Le pas maximum d'chantillonnage de la projection de Radon

Signaux bidimensionnels

29

des frquences sera (, ) (thorme sur la transforme de Fourier d'une fonction dilate), on
pourra donc l'chantillonner suivant un pas de un. L'image analogique est la convolution de la
squence des chantillons f (m, n) avec s(x, y) et la fonction projete s'crit

g (x) =

XX
m

f (m, n)

sin [(x m) cos n sin ]


(x m) cos n sin

(96)

(il sut d'appliquer l'opration de projection s(x, y)).


Rappelons que les proprits des transformes en z monodimensionnelles sont conserves. En
particulier, le thorme de Parseval s'crit

|f (x, y)|2 =

x= y=

1
4 2

)|G(ej(u) , ej(v) )|2 dudv

(97)

4.2.4 Extension des proprits d'autres motifs d'chantillonnage


Lorsque le motif d'chantillonnage est un paralllogramme, on peut appliquer le thorme sur la
transforme de Fourier d'une image incline.

4.3 La transforme de Fourier discrte ou DFT


4.3.1 Priodisation du signal spatial
Si le signal est de support ni carr (T T chantillons), et si ce signal est rpt indniment dans
les deux directions, on peut calculer la reprsentation en srie de Fourier de ce signal priodique
bidimensionnel. Cette transforme est une double srie d'harmoniques dnies pour u et v multiples
de 2/T (T T chantillons dans le domaine des frquences). L'amplitude de chacune de ces
harmoniques est gale la valeur de la transforme du signal tronqu sur le support carr. La
transforme de Fourier est une fonction discrte comportant elle aussi T T chantillons. La
transforme s'obtient par sommation sur une priode

F (e

2ju
T

2jv
T

)=

T
1 T
1
X
X

f (x, y)e2j

ux+vy
T

(98)

x=0 y=0

La transforme inverse s'crit

f (x, y) =

T 1 T 1
2jv
ux+vy
2ju
1 XX
F (e T e T )e2j T
T 2 u=0 v=0

(99)

Remarque: il ne faut pas oublier que cette transforme de Fourier discrte est la transforme
d'une fonction priodique en x et en y dans le domaine spatial, ce qui implique son chantillonnage
(sa discrtisation) dans le domaine des frquences. Comme f (x, y) est une fonction chantillonne
dans le domaine spatial, elle est priodique dans le domaine des frquences. Les deux fonctions
2ju
2jv
f (x, y) et F (e T e T ) sont toutes les deux des fonctions priodiques et chantillonnes.

4.3.2 Les symtries de la transforme de Fourier bidimensionnelle d'images relles


La transforme de Fourier discrte est symtrique par rapport l'origine et priodique ; la prise
en compte de cette priodicit de la symtrie dans la reprsentation habituelle de la transforme
de Fourier discrte demande quelques prcautions. Pour une image de taille T T , les frquences
de la transforme de Fourier vont de 0 T 1 o la frquence T correspond la frquence
d'chantillonnage. Les composantes aux frquences spatiales (0, 0),( N2 , 0),(0, N2 ),( N2 , N2 ) sont relles
et n'ont pas de symtriques.
Les composantes aux frquences qui ont une coordonne nulle ou gale N/2 ont des symtries
particulires :
Les composantes aux frquences

(N 1, 0),. . .,( N2 + 1, 0)

30

J. Le Roux

T 16

T /2

?
6
6
T /2

6
0

6
T 1

Figure 18: Symtries de la transforme de Fourier d'une image relle


sont complexes conjuges de celles aux frquences

(1, 0),. . .,( N2 1, 0)


(symtrie par rapport la frquence ( N2 , 0)) ; de mme les composantes aux frquences

(0, N 1),. . .,(0, N2 + 1)


(N 1, 0),. . .,( N2 + 1, 0)
(0, N 1),. . .,(0, N2 + 1)
symtriques (conjugaison complexe) des composantes aux frquences

(0, N 1),. . .,(0, N2 + 1)


(N 1, N2 ),. . .,( N2 + 1, N2 )
( N2 , N 1),. . .,( N2 , N2 + 1)
(symtries par rapport aux frquences ( N2 , 0), (0, N2 ) et ( N2 , N2 ) respectivement.
Les autres composantes prsentent une symtrie (conjugaison complexe) par rapport la frquence ( N2 , N2 ) :

(N 1, N 1) ( N2 + 1, N 1)
(1, 1)

( N2 1, 1)

..
..
..
..
..
..
(100)

.
.
.
.
.
.

(N 1, 1)

( N2 + 1, 1)

(1, N 1)

( N2 1, N 1)

On peut utiliser ces symtries pour conomiser des calculs ou de la place mmoire ; elles peuvent
aussi tre trs utiles pour eectuer des vrications de validit pour des traitements dont la programmation n'est pas immdiate. Les composantes aux frquences dont une coordonne est gale
N/2 doivent en principe tre nulles si les conditions d'chantillonnage sont respectes.

Signaux bidimensionnels

31

4.3.3 Transforme de Fourier rapide bidimensionnelle


L'algorithme de calcul rapide de la transforme de Fourier (FFT) peut s'appliquer de la manire
suivante. La transforme discrte correspond une double sommation qu'on peut eectuer en deux
temps ; d'abord sur la variable x puis sur la variable y

F (e

2ju
T

,e

2jv
T

)=

T
1
X

"T 1
X

y=0

x=0

#
2j ux
T

f (x, y)e

vy

e2j T

(101)

Dans la sommation sur x, y est x : on peut y reconnatre une transforme discrte monodimensionnelle sur chacune des lignes du tableau des T T valeurs de f (x, y). Cette transforme
monodimensionnelle peut se calculer grce l'algorithme de transforme de Fourier rapide monodimensionnelle et transforme la ligne numro y en une ligne de T lments de la forme G(e2ju/T , y)
pour u = 0, . . . , T 1.

G(e

2ju
T

, y) =

T
1
X

f (x, y)e2j

ux
T

(102)

x=0

On peut maintenant calculer la transforme de Fourier de chacune des colonnes de ce tableau en


appliquant une nouvelle fois un algorithme de transforme de Fourier rapide monodimensionnelle

F (e

2ju
T

,e

2jv
T

)=

T
1
X

G(e

2ju
T

vy

, y)e2j T

(103)

y=0

On applique ainsi 2T fois l'algorithme de transforme de Fourier rapide. Cet algorithme ncessite
de l'ordre de 2T log2 T calculs lmentaires. Le calcul de la transforme de Fourier bidimensionnelle
bidimensionnelle se fait en eectuant de l'ordre de 2T 2 log2 T 2 calculs lmentaires. C'est la mme
quantit de calculs que dans le cas o les T 2 valeurs seraient ranges en une colonne pour permettre
le calcul d'une transforme monodimensionnelle mais les calculs ne sont pas identiques.
Remarque l'attention des lecteurs connaissant les mcanismes de l'algorithme de transforme
de Fourier rapide monodimensionnelle
Il est possible de rduire de T 0.75T le nombre de calculs lmentaires en combinant les calculs
en colonne et en ligne : la transforme rapide monodimensionnelle est une succession de log2 T
tapes lmentaires (` = 1, 2, 4, . . . , T 1). Dans la transforme bidimensionnelle, il est possible
d'eectuer l'tape ` sur la variable v immdiatement aprs l'tape ` sur la variable u, avant l'tape
` + 1 portant sur u. Nommons F` (u, v),F` (u + `, v),F` (u, v + `),F` (u + `, v + `) les quatre donnes
utilises dans une tape lmentaire F2` (u, v),F2` (u + `, v),F2` (u, v + `),F2` (u + `, v + `) les rsultats
de cette tape lmentaire. Si on eectue une tape de la transforme rapide sur les lignes, puis
l'tape identique sur les colonnes, la squence de ces 2 oprations lmentaires (papillon) de la
transforme peut s'crire sous forme matricielle en posant a = e2j/T

F2` (u, v)
1 0 av
0
1 au 0
0
F` (u, v)
u
F2` (u + `, v) 0 1

0
av
0
0


1 a
F` (u + `, v)
u
F2` (u, v + `) = 1 0 av

0
0
0
1 a
F` (u, v + `)
v
u
F2` (u + `, v + `)
0 1
0
a
0
0
1 a
F` (u + `, v + `)
(104)
ce qui ncessite quatre multiplications lmentaires. Si on eectue le produit des deux matrices
avant d'eectuer le produit du vecteur de droite par une matrice, on obtient

F2` (u, v)
F` (u, v)
1 au
av
au+v
F2` (u + `, v) 1 au av au+v F` (u + `, v)

(105)
F2` (u, v + `) = 1 au av au+v F` (u, v + `)
u
v
u+v
1 a
a
a
F2` (u + `, v + `)
F` (u + `, v + `)
Il sut, pour eectuer le mme calcul, de trois oprations lmentaires, ce qui conduit l'conomie
de calculs, si on suppose que les lments des matrices de la forme au ont t pralablement
mmoriss.

32

J. Le Roux

- x
Figure 19: Image chantillonne suivant un motif paralllogramme

v
6

Figure 20: Transforme discrte de l'image chantillonne suivant un motif paralllogramme

4.3.4 Transforme de Fourier discrte dans le cas d'un chantillonnage en quinconce


et d'un support paralllogramme
Le support de la transforme de Fourier du signal ltr passe-bas avant chantillonnage est un
paralllogramme (d'aprs le thorme sur la transforme de Fourier d'une image incline). Si dans
le domaine spatial le signal est tronqu ( un support paralllogramme) et priodis, la transforme
de Fourier de ce nouveau signal est une double suite d'harmoniques bidimensionnelles.
Les chantillons dans le domaine spatial sont situs en des points dont les coordonnes sont de
la forme (mx + nay, ny), on suppose que le paralllogramme a un ct parallle l'axe Ox,
et le second fait un angle de tangente a avec l'axe vertical : a donne la pente de ce deuxime cot.
Dans le cas d'chantillonnage en quinconce, le signal temporel est le paralllogramme priodis et
dans le domaine des frquences, les chantillons sont donc des harmoniques situes en des points
du plan des frquences dont les coordonnes sont de la forme
(2p/T x, 2q/T y 2pa/T x)
Alors, si le nombre d'chantillons par ligne et par colonne est une puissance de deux, on peut
encore appliquer un algorithme de transforme de Fourier rapide :
On applique par exemple cet algorithme de TRF sur chacune des colonnes pour p = 0, . . . , T 1 ;
puis on multiplie chacune de ces colonnes par une exponentielle de la forme exp(2pa/T x) ce
qui revient eectuer un dcalage sur les colonnes, dcalage faisant passer d'un rectangle un
paralllogramme ; enn on eectue le calcul de la TFR sur les lignes du rsultat. On peut cependant
se contenter d'un calcul sur les donnes du tableau (rectangulaire) et interprter le rsultat comme
l'amplitude de composantes frquentielles disposes suivant le motif de la gure 20.

4.4 La transforme en cosinus


Cette transforme est en fait une variante de la transforme de Fourier discrte qui transforme un
signal rel en un signal rel (la notion de phase n'y apparait pas). Elle est couramment utilise en
codage d'images dbit rduit (formats JPEG, MPEG2) : en eet on a pu montrer qu'en gnral,
pour les types d'images couramment transmises, la dcroissance de l'nergie en fonction de la
frquence est rapide dans le cas de cette transforme. Il est donc possible de coder correctement

Signaux bidimensionnels

33

v
6
2

- u

Figure 21: Prsentation habituelle des rsultats de la transforme de Fourier discrte des signaux
bidimensionnelle: les composantes basses frquences sont clates aux quatre coins de l'image

v
6

Figure 22: Prsentation des rsultats de la transforme de Fourier discrte des signaux bidimensionnelle: les composantes basses frquences sont regroupes au centre de l'image
une image en eectuant la transformation en cosinus de cette image puis en codant judicieusement
les hautes frquences : par exemple le nombre de bits de codage de l'amplitude dcroit linairement
de 6 0 en fonction de u + v , les amplitudes aux frquences situes au del d'une certaine valeur
sont considres comme nulles. La reconstitution de l'image se faisant par transforme de Fourier
inverse.

4.4.1 Formules de la transforme en cosinus bidimensionnelle


La transforme est donne par

2
F (u, v) =
T

(u)+(v) TX
1 T
1
X

f (x, y) cos

x=0 y=0

(2x + 1)u
(2y + 1)v
sin
T
T

(106)

o (u) vaut zro pour u 6= 0 et (1) = 0. La transforme inverse est donne par

f (x, y) =

T
1 T
1
X
X
u=0 v=0

(u)+(v)
F (u, v) cos

(2x + 1)u
(2y + 1)v
sin
T
T

(107)

4.5 Reprsentation visuelle de la transforme de Fourier discrte


Dans un calcul de transforme de Fourier, les frquences sont en gnral comptes de 0 2 si
bien que la frquence (0, 0) se trouve reprsente en bas et gauche, et, du fait de la priodicit
consquente de l'chantillonnage, au quatre coins de la gure (cf gure 21) On prfre souvent
une prsentation o la frquence (0, 0) se retrouve au centre de la gure (cf gure 22). Cette
transformation correspond l'change des parties gauche et droite de l'image suivi de l'change
des parties haute et basse (on compte les frquences dont une composante est gale la moiti de la
frquence d'chantillonnage ( ) comme une frquence ngative par analogie avec la reprsentation
des nombres ngatifs en complment deux.

34

J. Le Roux

4.5.1 Caractre priodique de la transforme de Fourier discrte et de son inverse


Un signal priodique a une transforme de Fourier compose d'harmoniques des frquences multiples de la frquence fondamentale: c'est une fonction chantillonne avec un pas d'chantillonnage
constant. Cette proprit est la base du thorme d'chantillonnage: comme le signal est chantillonn avec un pas constant, sa transforme de Fourier est priodique. On peut aussi utiliser
ce rsultat pour mettre en vidence une caractristique importante de la transforme de Fourier
discrte: comme il y a discrtisation de l'image dans le domaine des frquences, il y a priodisation
de l'image dans le domaine spatial. Ds qu'on eectuera des traitements fonds sur l'utilisation de
la transforme de Fourier, il faudra tenir compte du caractre priodique des images ainsi traites.
Nous reprendrons ce point au paragraphe 5.2.1 sur l'application des ltres utilisant la transforme
de Fourier.

Signaux bidimensionnels

35

Figure 23: Eet d'talement spatial du fait de l'application d'une opration de convolution

5 Filtrage des signaux bidimensionnels


Une opration couramment utilise en traitement des images et des signaux multidimensionnels
est l'application d'un ltre linaire invariant spatialement. On peut l'utiliser par exemple pour
attnuer l'eet d'un bruit, pour rchantillonner une image. Dans ces deux cas on ralise un ltre
qui limine les hautes frquences. Dans d'autres applications on peut tre amen rehausser les
contours. Dans ce cas on appliquera un ltre ampliant les hautes frquences. L'application de
ces ltres correspond au calcul d'une convolution. Ce calcul peut se faire de direntes manires:
ltres rponse impulsionnelle nie, ltre rcursif; on peut aussi eectuer un produit dans le
domaine des frquences

5.1 Rappel sur la convolution bidimensionnelle


Nous avons vu au paragraphe 4.2.1 que la convolution bidimensionnelle

f (x, y) =

g(s, t)h(x s, y t)

(108)

t= s=

a pour transforme en z un produit

F (zx , zy ) = G(zx , zy )H(zx , zy )

(109)

5.1.1 Support de la convolution


Dans le cas d'une convolution de deux fonctions support ni on notera que le support du rsultat
a un support ni dpendant des supports des deux fonctions. Par exemple si ces deux fonctions ont
des supports rectangulaires dont les dimensions sont respectivement A B et C D le support de
la convolution aura pour dimensions (A + C 1) (B + D 1).

5.2 Filtres rponse impulsionnelle nie


En traitement d'image ce sont les ltres les plus couramment utiliss : on cherche rarement
mettre en vidence certaines frquences, donc les fonctions prsentant des ples ne sont pas d'une
grande utilit dans de nombreuses applications. De plus nous verrons que l'implantation de ltres
rcursifs prsente des dicults. En gnral on se contente donc d'utiliser des ltres rponse
impulsionnelle nie pour raliser des ltrages passe-bas, passe-bande ou passe-haut. On programme
ainsi l'opration
b X
d
X
g(s, t)h(x s, y t)
(110)
f (x, y) =
s=a t=c

o a et b sont les abscisses, et c et d les ordonnes minima et maxima de l'oprateur de convolution


g(x, y) qu'on applique l'image traiter h(x, y).

5.2.1 Implantation des ltres rponse impulsionnelle nie


On peut eectuer soit une implantation dans le domaine spatial sous la forme d'une convolution
(110) ce qui est la solution la plus ecace lorsque les dimensions du ltre sont petites. Mais si la

36

J. Le Roux

y
6

y
6

y
6

Figure 24: Consquence de l'eet d'talement spatial combin la priodisation du fait de


l'application d'une opration de convolution fonde sur l'utilisation de la transforme de Fourier
discrte
taille du ltre augmente, il peut tre plus intressant de prendre la transforme de Fourier discrte
du signal ltrer et de la rponse impulsionnelle du ltre, d'eectuer le produit dans le domaine
des frquences et de faire une transforme de Fourier inverse.
Si on choisit de raliser cette suite d'oprations, il faut se rappeler que le calcul de la transforme
de Fourier discrte comporte une priodisation implicite du signal dans le domaine spatial et donc
complter les signaux convoluer par des zros avant d'en prendre la transforme de Fourier de telle
sorte que le rsultat de la convolution ne soit pas altr par les recouvrements ds la priodisation
implicite. Par exemple si les deux signaux convoluer sont de dimension T T , le support de la
convolution sera de dimension (2T 1) (2T 1) : Avant de prendre la transforme de Fourier
des deux signaux il faudra les complter par des zros pour former des carrs de taille suprieure
(2T 1) (2T 1) par exemple 2T 2T et prendre les transformes de Fourier sur ces carrs
de surface quatre fois plus grande. Si on eectue la convolution de cette faon, on peut ltrer des
signaux de trs grande dimension en les dcoupant en rectangles de taille plus petite. Le rsultat
nal correct est obtenu en dcalant convenablement et en additionnant les rsultats partiels.

5.3 Synthse des ltres rponse impulsionnelle nie


5.3.1 Synthse par pondration
La manire la plus simple de synthtiser un ltre rponse impulsionnelle nie est de prendre
la transforme de Fourier inverse de la rponse en frquence idale et de tronquer cette rponse
impulsionnelle en la multipliant par une fentre de pondration bidimensionnelle. On vrie a
posteriori la validit de cette fentre (forme, taille) en comparant la transforme de Fourier de la
fonction tronque et pondre la rponse en frquence idale.

Signaux bidimensionnels

37

5.3.2 Formes de fentres de pondration


Les fentres de pondration se dduisent en gnral des fentres classiques utilises dans le traitement du signal monodimensionnel. Par exemple pour une fentre de taille T dnie pour T2
t < T2 on partira des fonctions

T
T
t<
2
2
T
T
t<
2
2
T
T
t<
2
2

f1 (t) = cos t
f1 (t) = 0.5 + 0.5 cos 2t
f1 (t) = 0.54 + 0.46 cos 2t

(P apoulis)

(111)

(Hann)

(112)

(Hamming)

(113)

Fentres sparables (carres ou rectangulaires)


En gnral si les contraintes du problme le permettent, on se contente d'une fentre de pondration sparable par exemple de la forme

T
T
x, y < f (x, y) = cos(x) cos(y)
2
2

(114)

Cette fentre (Papoulis) de pondration prsente l'avantage de minimiser la dispersion du signal


dans le domaine frquentiel.
Fentres symtrie circulaire (rondes)
Si il est absolument ncessaire de conserver un symtrie circulaire
p
p
T
T
x2 + y 2 < f (x, y) = cos( x2 + y 2 )
(115)
2
2

5.3.3 Synthse par extension bidimensionnelle d'un ltre monodimensionnel


Dans de nombreux problmes de ltrage, on ne cherche pas privilgier une direction particulire,
et on peut essayer d'approximer la rponse impulsionnelle symtrie circulaire en dnissant cette
rponse par exemple sur l'axe des abscisses et en eectuant un changement de variable qui fait
passer articiellement de une deux dimensions.
Prenons par exemple le cas o on cherche raliser un ltre passe-bas bidimensionnel en
disposant d'un ltre monodimensionnel dont la rponse en frquence est un polynme de Tchbychef
en cos . On peut alors remplacer la variable cos par

0.5 + 0.5[cos u + cos v] + 0.25[cos(u + v) + cos(u v)].

(116)

La valeur de la rponse en frquence sera alors la mme pour tous les points (u, v ) situs sur
des courbes concentriques
cos u/2 cos v/2 = constante
(117)
qui sont des carrs aux coins arrondis (se rapprochant de plus en plus d'un cercle lorsque leur
diamtre se rduit.
La reconstitution de la rponse impulsionnelle du ltre bidimensionnel peut s'expliquer de la
manire suivante
La rponse impulsionnelle du ltre monodimensionnel est h(t). On suppose que cette rponse
est symtrique en t
La rponse en frquence s'crit

H(ej ) = h(0) + 2

T
X

h(t) cos(t)

(118)

t=1

La fonction cos t peut s'crire sous la forme d'un polynme de degr t en cos

cos t = Pt (cos )

(119)

On peut alors rcrire H(ej )

H(ej ) = h(0) + 2

T
X
t=1

h(t)Pt (cos )

(120)

38

J. Le Roux

Aprs application du changement de variable faisant passer de l'criture en l'criture en


fonction de u et de v , la rponse en frquence du ltre bidimensionnel s'crit
T

F (eju , ejv ) = h(0)

1X
h(t)Pt (2 2[cos u + cos v] [cos(u + v) + cos(u v)])
4 t=1

(121)

ou encore
T /2

F (eju , ejv ) = h(0)

1X
h(t)Pt (1 cos u cos v cos u cos v)
2 t=1

(122)

Cette rponse en frquence s'crit ainsi sous la forme d'un polynme de deux variables en
fonction des T premires puissances de cos u et de cos v . La transforme de Fourier inverse de cette
rponse en frquence est une fonction de de deux variables f (x, y) dont les chantillons sont nuls en
dehors du carr (T /2, . . . , T /2) (T /2, . . . , T /2) et dont les chantillons de coordonnes (x, y )
ont pour valeur la moiti de celle du coecient de cos(ux + vy). Ce coecient peut se calculer
grce l'expression de la transforme de Fourier inverse.
Synthse par minimisation
Il est aussi possible de minimiser l'cart au sens des moindres carrs entre la transforme de
Fourier de la rponse impulsionnelle qui est de la forme

F (eju , ejv ) =

T /2
X

T /2
X

f (x, y)ej(ux+vy)

(123)

x=T /2 yx=T /2

et la rponse en frquence idale G(eju , ejv ). Les coecients de f (x, y) correspondent donc
la minimisation de
Z Z
1
|F (eju , ejv ) G(eju , ejv )|2 P (eju , ejv )dudv
(124)
4 2
en tenant ventuellement compte d'une fonction de pondration P (eju , ejv ).
Si cette fonction de pondration est constante, le minimum de l'cart est obtenu lorsque les
chantillons de la rponse impulsionnelle nie du ltre ont pour valeur celle des chantillons de la
transforme de Fourier inverse de la rponse en frquence idale l'intrieur du support o ils sont
dnis. (Ils sont bien entendus nuls en dehors de ce support).
Cette troncature brutale se traduit en gnral par l'apparition d'oscillations parasites qui
peuvent introduire une dformation non ngligeable de l'image ltre.

5.4 Les systmes linaires rcursifs bidimensionnels


Le ltrage des signaux bidimensionnels est en gnral un ltrage passe-bas ou passe-bande dont
la rponse impulsionnelle prsente des symtries spatiales (symtrie par rapport l'origine ou
symtrie circulaire). Ces rponses impulsionnelles doivent en gnral tre dnies sur un support
relativement restreint pour que les calculs puissent s'eectuer en un temps raisonnable. La plupart
du temps, ces ltrages sont raliss grce des ltres rponse impulsionnelle nie. Mais on peut
tre amen par exemple en dtection d'onde dnir un ltre trs slectif dans le domaine des
frquences spatiales ( dtection d'un signal d'une frquence donne venant d'une direction donne).
On peut dans ce cas envisager l'utilisation de ltres rponse impulsionne innie (ltres rcursifs).
La gnralisation de cette approche au cas des signaux bidimensionnels pose cependant un certain
nombre de problmes en ce qui concerne la causalit et la stabilit des ltres.

5.4.1 Le problme de la causalit


Pour parler de ltre rcursif, il faut calculer les chantillons prsent et futurs en fonction des
chantillons passs. Il faut donc dnir un domaine du futur et un domaine du pass dans une
image (le prsent tant par exemple l'origine dans le plan).
Un bon nombre de travaux o le futur incluant le prsent est un quart de plan (x 0 et y 0)
(et o le pass est donc form des trois quart restants x < 0 ou y < 0). Or cette dnition de

Signaux bidimensionnels

39

6y

Figure 25: Domaine du plan correspondant au pass (disques blancs) et au futur (disques noirs),
le prsent tant l'origine du plan

6y

Figure 26: Points du plan pour lesquels il faut connaitre les conditions initiales an de pourvoir
calculer la rponse d'un ltre rcursif bidimensionnel
la causalit est trop restrictive: il y a par exemple des formes de ltres qui ne peuvent pas tre
synthsiss. La dnition la plus gnrale, (et, de mon point de vue, la seule correcte) de la causalit
est donne par la notion de demi-plan asymtrique : le prsent est l'origine du plan ; le futur est
l'ensemble des lignes dont l'ordonne est positive complt par les chantillons d'ordonne nulle et
d'abscisse positive ; le pass est symtrique du futur par rapport l'origine. Cette dnition est
compatible avec les applications vido o il y a balayage de l'image ligne par ligne au cours du
temps.

5.4.2 Ecriture d'une convolution sous la forme d'quation rcurrente


L'criture de la sortie g(x, y) d'un ltre rcursif bidimensionnel en fonction de l'entre f (x, y) est
alors la suivante
X
X
g(x, y) =
a(m, n)g(x m, y n) + b(0, 0)f (x, y) +
b(m, n)f (x m, y n) (125)
m,nD

m,nD

Le support D est un support ni appartenant au pass strict (prsent exclu) . Pour calculer la
sortie du ltre, il faut donc connaitre les conditions initiales de la fonction g(x, y). Supposons par
exemple que le support D est un carr de ct T dont on a ot le coin l'origine, pour calculer
la sortie du ltre pour x 0 et y 0, il faudra connaitre la valeur de g(x, y) sur une bande
horizontale T < y < 0 ainsi que sur une bande verticale T < x < 0.
La transforme en z de la rponse impulsionnelle du ltre (ou encore la fonction de transfert)
s'crit
P
b(0, 0) + m,nD b(m, n)zxm zyn
H(zx , zy ) =
(126)
P
1 + m,nD a(m, n)zxm zyn

40

J. Le Roux

5.5 Stabilit des ltres causaux


L'utilisation d'un ltre causal ncessite l'tude de la stabilit de ce ltre. Les rsultats essentiels
concernant cette stabilit sont prsents ici sans dmonstration.
Le ltre est stable si la somme des modules des chantillons de sa rponse impulsionnelle est
nie. Dans la plupart des cas (il y a des exceptions mais on ne les rencontre gure en pratique)
l'tude de la stabilit ne ncessite que la connaissance du dnominateur de la fonction de transfert.

5.5.1 Le thorme de Rudin et ses corollaires


Nous supposerons que le support D est un carr de ct T dont on a exclu l'origine. Pour qu'un
ltre rcursif soit stable il est ncessaire et susant
que son dnominateur ne s'annule pas sur le tore |zx | = |zy | = 1;
que son dnominateur
X
A(zx , zy ) = 1 +
a(m, n)zxm zyn
(127)
m,nD

soit tel que A(zx , zy ) ne s'annule que dans le domaine


et

|zx | > 1

|zy | > 1

(128)

On peut dduire de cette condition une condition susante de stabilit: Nous supposerons que
le domine D est un rectangle

y<0

T1 x T2

(129)

y=0

T1 x < 0

(130)

et que A(eju , ejv ) ne s'annule pas sur |zx | = |zy | = 1.


Alors pour que le ltre soit stable, il faut et il sut qu'un seul polynme ( une variable) de la
forme
X
A0 (z) = A(z 1 , z k ) = 1 +
a(m, n)z m+kn
(131)
m,nD

o k |T1 | de sorte que

m + kn > 0 si |m| + |n| 6= 0

(132)

ait toutes ses racines en dehors du disque |z| < 1


Tester la stabilit d'un ltre bidimensionnel ncessite deux tapes : La premire revient
chercher si un polynme s'annule ou non pour

zx = eju et zy = ejv

(133)

A ma connaissance, il n'y a pas de mthode systmatique recommande pour faire ce test. On peut
dans la plupart des cas, s'assurer que la fonction A(eju , ejv ) n'est pas nulle sur les noeuds d'un
maillage assez n et vrier ensuite par continut qu' intrieur des mailles la fonction ne peut
pas s'annuler ou qu'elle s'annule ncessairement. Toutefois cette approche ne permet pas de traiter
les cas dlicats. La seconde revient tester si un ltre monodimensionnel est stable, ce qui peut se
faire en utilisant l'algorithme de Schur Cohn.

5.5.2 Interprtation en termes de lieu des racines


Une manire de se reprsenter les caractristiques d'un ltre en termes de stabilit est de considrer
le lieu des racines du dnominateur :
On tudie l'volution des racines de A(z, ejv ) polynme en z en faisant varier v de 0 2 . Ce
lieu des racine se prsente sous la forme de une ou plusieurs boucles fermes ou non suivant que le
coecient du plus haut degr s'annule ou non pour certaines valeurs de v .
Si ce lieu coupe le cercle de rayon un (soit C ), le ltre est ncessairement instable. Si ce lieu ne
coupe pas le cercle C , le ltre sera stable si et seulement si toutes les boucles sont l'extrieur du
cercle C . Par exemple le ltre ayant pour dnominateur

Signaux bidimensionnels

41

Im(z)
6

Im(z)

Re(z)

Im(z)

Im(z)

Re(z)

Re(z)

Re(z)

Figure 27: Quatre congurations de lieux des racines: le ltre est stable dans le cas (c) et instable
dans les cas (a), (b) et (d)

A(zx , zy ) = 1 + azx1 + bzy1

(134)

on tudie en fonction de v la racine

z=

1 + bejv
a

(135)

Ce lieu sera strictement l'extrieur du cercle C si

|1 + bejv | > |a|

(136)

Comme le minimum du numrateur vaut 1 |b|, il faut que


(137)

|a| + |b| < 1


pour que la stabilit soit assure.

Stabilisation d'un ltre rcursif instable Nous prsentons cette mthode sans la dmontrer.
On peut dvelopper sa preuve en utilisant les projections de Radon.
Soit le polynme A(zx , zy ). On peut calculer les chantillons de sa fonction d'autocorrlation
ce sont les coecients de
XX
r(x, y)zxx , zyy
(138)
R(zx , zy ) = A(zx , zy )A(zx1 , zy1 ) =
x

qui est une fonction support ni. Pour factoriser R(zx , zy ), on en construit une fonction monodimensionnelle en plaant l'une aprs l'autre les lignes de r(x, y) qu'on suppose de longueur 2L
(L < y < L). Il peut tre ncessaire de construire des lignes trs longues (L grand) dans le cas
o le lieu des racines de A(zx , zy ) coupe le cercle de rayon un.
On applique cette autocorrlation monodimensionnelle l'algorithme de Schur de factorisation
spectrale, qui garantit que le facteur spectral est minimum de phase. A partir de ce facteur
monodimensionnel on reconstruit le facteur bidimensionnel en rangeant les tronons de longueur
2L les uns au dessous des autres.

42

J. Le Roux

5.6 Lien avec les quations aux drives partielles


Le ltrage rcursif peut tre utilis pour simuler des propagations d'ondes condition que les pas
d'chantillonnage soit correctement choisis.

5.7 Filtrage et transforme en ondelettes


Le champ des applications actuelles de l'analyse par ondelettes est vari: compression, analyse
du mouvement, dcoupage d'une image en rgions, etc... Nous nous intressons uniquement aux
aspects du prtraitement du signal en vue de la compression. L'tape ultrieure, la compression
proprement dite n'est pas du ressort de ce cours. Elle fait appel aux direntes techniques de
classication. Dans les versions les plus simples, les ltres bidimensionnels appliqus aux images
sont des ltres sparables, si bien qu'il sut d'appliquer une analyse monodimensionnelle, ligne
par ligne puis colonne par colonne pour eectuer le traitement bidimensionnel. Cette prsentation
succinte est fonde sur le chapitre 3 Wavelet transform and image coding par M. Antonini et al.,
de l'ouvrage Wavelets in image communication (M. Barlaud, ed.) publi par Elsevier en 1994.

5.7.1 Filtres miroirs en quadrature bidimensionnel


Les ltres miroirs en quadrature (QMF) sont utiliss pour reconstruire des signaux partir de
composantes basses frquences et hautes frquences, bien que ces composantes ne respectent pas
le thorme de Shannon: le sous-chantillonnage induit un repliement spectral; toutefois la forme
complmentaires des ltres passe-bas et passe-haut garantit une reconstruction exacte
On peut dcomposer un signal en lui appliquant un ltre passe-bas de rponse impulsionnelle
que nous supposerons symtrique b(t) = b(t) et un ltre passe-haut de rponse impulsionnelle

h(t) = (1)t b(t)

(139)

H()

(140)

soit dans le domaine des frquences

= B( + )

On analyse le signal f (t) en lui appliquant B() et en en prlevant un chantillon sur deux soit
fB (2t); la synthse de la composante passe-bas se fait en intercalant des valeurs zro entre les
chantillons du signal soit
gB (2t) = fB (2t)gB (2t + 1) = 0
(141)
Le fait d'intercaler des zros implique un repliement spectral.
L'analyse de la composante hautes-frquences se fait en appliquant f (t) le ltre B() et en
prlevant un chantillon sur deux soit fB (2t). La synthse de la composante passe-haut se fait aussi
un intercalant un chantillon zro entre ces chantillons, soit gH (t), ce qui implique ici aussi un
repliement spectral. On ltre les deux composantes gB (t) et gH (t) par des ltres BR () et HR ()
avant de les additionner. Si les fonctions de reconstruction BR () et HR () sont judicieusement
chosies, la reconstruction donne exactement le signal initial f (t). Les conditions de reconstruction
exacte doivent tre telles que la somme des deux rponses en frquences soit constante. L'eet du
ltre d'analyse, du sous-chantillonage et de l'intercalage de zros donne une rponse en frquence

BA () + BA ( + )
dans les basses frquences et

HA () + HA ( + )
dans les hautes frquences. Il faut construire des ltres de reconstruction BR () et HR () tels que

[BA () + BA ( + ] BR () + [HA () + HA ( + )] HR () = 1

(142)

On peut prendre

BR () = BA ()/2

(143)

HA () = BA ( + )
HR () = BA ( + )/2

(144)
(145)

Signaux bidimensionnels

43

La condition sur BA () qui garantit une reconstruction sera alors


2
2
BA
() BA
( + ) = 1

(146)

Une forme de ltres analogues (ltres en quadrature conjugus) correspond au choix

BR () = ej BA ()/2
HA () = ej BA ( )
HR () = BA ( + )/2

(147)
(148)
(149)

La condition sur BA () qui garantit une reconstruction sera dans ce cas

|BA ()|2 + |BA ( + )|2 = 1

(150)

Il peut tre intressant d'tablir le lien entre cette approche et le deuxime thorme de Nyquist
sur l'chantillonnage des signaux en transmission numrique : on peut retrouver directement les
chantillons d'un signal malgr une dformation par un ltre linaire si la rponse en frquence
G() de ce ltre vrie

X
G( + 2m) = 1
(151)
m=

condition que

5.7.2 Ondelettes
On se donne une fonction modle symtrique bA (t) de transforme de Fourier relle et paire BA ().
Le choix de cette fonction est arbitraire. Il faut toutefois que sa transforme de Fourier dcroisse
assez vite avec la frquence. A partir de cette fonction qui est dans le cas du codage d'images un
ltre passe-bas, on construit le ltre passe-haut associ hA (t) dont les coecients seront prciss
plus loin Ces deux ltres serviront dduire de l'image initiale deux images, l'une ltre passe-bas
et l'autre ltre passe-haut qui seront sous-chantillonne. Toutefois deux ltres complmentaires
de ce type ne peuvent pas tre utiliss pour la reconstruction de l'image sans dformation des
hautes frquence due un dphasage non linaire. On calcule pour eectuer la reconstruction deux
ltres bR (t) et hR (t) dont les transformes de Fourier sont respectivement BR () et HR () qui
vrient
BA ()BR ( + ) + HA ()HR ( + ) = cste
(152)
Les ltres passe haut sont relis aux ltres passe-bas par une translation de dans le domaine des
frquences soit par une modulation dans le domaine temporel

hA (t) = (1)t bR (t 1)

(153)

hR (t) = (1)t bA (t 1)

(154)

Dans le domaine des frquences, ces relations deviennent

HA () = ej BR ( + )

(155)

HR () = ej BA ( + )

(156)

Remarque le ltre de synthse passe-haut se dduit du ltre d'analyse passe-bas; le ltre d'analyse
passe-haut se dduit du ltre de synthse passe-bas.
L'intrt de l'analyse fonde sur les ondelettes biorthogonales de ce type est de garantir la
symtrie des rponses impulsionnelles et des rponses en frquences (relles) des ltres. Ainsi, les
composantes frquencielles ne sont pas dphases, et les images ne sont pas dformes. Un exemple
de quadruplet des fonctions assez compactes proposes par Antonini et al. est donn dans la table
1

44

J. Le Roux

Tableau 1: Exemple de fonction d'analyse bA (t) et hA (t) et de reconstruction bR (t) et hR (t) utilises
pour l'analyse par ondelettes biorthogonales
t
-4
-3
-2
-1
0
1
2
3
4
5
bA (t) 0.038 -0.024 -0.111
0.377
0.853 0.377 -0.111 -0.024
0.038
0
bR (t)
0
-0.065 -0.041
0.418
0.788 0.418 -0.041 -0.065
0
0
hA (t)
0
0.038 +0.024 -0.111 -0.377 0.853 -0.377 -0.111
0.024
0.038
hR (t)
0
0
+0.065 -0.041 -0.418 0.788 -0.418 -0.041 +0.065
0

-sous chant.

-sous chant.

sur chantillonnage
-...............
- intercalage de zros
entre les chantillons
sur chantillonnage
-...............
- intercalage de zros
entre les chantillons

Figure 28: Schma d'une dcomposition en ondelettes biorthogonales : ltrage passe-bas bA (t) et
sous-chantillonnage et ltrage passe-haut hA (t) et sous chantillonage l'analyse ; surchantillonnage des deux composantes par intercalage de zros, puis ltrage de ces composantes par les ltres
bR (t) pour la composante basses-frquences et hR (t) pour la composante hautes-frquences de sorte
que la somme des deux signaux ainsi reconstitus soit identique au signal initial

Enchanement des oprations d'analyse Le signal analyser f0 (x, y) est ltr passe-bas
ligne par ligne par bA (x) puis rchantillonn en y prlevant un chantillon sur deux
X
sb (x, y) =
bA (k)f0 (2x k, y)

(157)

On eectue la mme opration sur les colonnes, ce qui produit le signal comprim
X
sbb (x, y) =
bA (k)sb (x, 2y `)

(158)

On eectue les oprations similaires avec le ltre bA (x) et hA (y), ce qui produit un signal sbh (x, y)
ltr passe-bas sur les lignes et passe-haut sur les colonnes;
On eectue les oprations similaires avec le ltre hA (x) et bA (y), ce qui produit un signal
shb (x, y) ltr passe-haut sur les lignes et passe-bas sur les colonnes;
On eectue les oprations similaires avec le ltre hA (x) et hA (y), ce qui produit un signal
sbh (x, y) ltr passe-haut sur les lignes et sur les colonnes.
Les mmes oprations sont appliques au signal basse-frquence f1 (x, y) = sbb (x, y)

Enchanement des oprations de reconstruction On dispose des quatre composante


sbb (x, y), sbh (x, y), shb (x, y) et shh (x, y)
dont on double le nombre de lignes et le nombre de colonnes en intercalant des valeurs zros, ce
qui donne les quatre images

s0bb (x, y), s0bh (x, y), s0hb (x, y) et s0hh (x, y)
. On applique sur ces images les ltres de reconstruction soit
bR (x) et bR (y) s0bb (x, y)
bR (x) et hR (y) s0bh (x, y)
hR (x) et bR (y) s0hb (x, y)
hR (x) et hR (y) s0hh (x, y)
et on ajoute ces quatre images, ce qui reconstitue l'image initiale.

Signaux bidimensionnels

45

(a)

(b)

1.2

1.2

1.0

1.0

0.8

0.8

0.6

0.6

0.4

0.4

0.2

0.2

0.0

(c) -3

-2

-1

-0

0.0
1.0 -3

(d)

-2

-1

-0

-2

-1

-0

0.9

1.0
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0

0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
-3

-2

-1

-0

0.0

(e)

-3

0.5

0.3

0.1

-3

-2

-1

-0

Figure 29: Ondelettes: Reprsentation en module dans le domaine des frquences des eets des
ltres d'analyse et de reconstruction et de l'chantillonage: (a) Filtres passe-bas d'analyse BA ()
(o) et de reconstruction BR () (); (b) Filtres passe-haut d'analyse HA () (o) et de reconstruction
HR () (); (c) Filtres passe-bas d'analyse BA () (o) et de reconstruction BR () () aprs surchantillonnage: il y a ddoublement de la transforme de Fourier; (d) Filtres passe-haut d'analyse
HA () (o) et de reconstruction HR () (); aprs surchantillonnage: il y a ddoublement de la
transforme de Fourier; (e) Eet combin des ltres d'analyse (o) et de reconstruction () ; la
rponse en frquence de leur somme est constante: le signal reconstruit est identique au signal
original

46

J. Le Roux

ltre
ligne bf

ltre - sous-ech.col
col bf

ltre - sous-ech.col
col hf

sous-ech.
ligne
-

ltre - sous-ech.col
col bf

sous-ech.
ligne

ltre
ligne hf

ltre - sous-ech.col
col hf

Figure 30: Enchanement des oprations d'analyse monodimensionnelles ligne par ligne et colonne
par colonne pour raliser les traitements bidimensionnels

- sur-ech. col

ltre col bf

- sur-ech. col

ltre col bf

- sur-ech. col

ltre col bf

- sur-ech. col

ltre col bf

sur-ech.
ligne

ltre
ligne bf

sur-ech.
ligne

ltre
ligne hf

Figure 31: Enchanement des oprations de synthse monodimensionnelles colonne par colonne et
ligne par ligne pour reconstituer les signaux bidimensionnels

Signaux bidimensionnels

47

Relation entre les ltres en quadratures et les ondelettes Comme on le voit dans les ob-

jectifs (sous-chantillonnage) et les formes des fonctions, les ondelettes sont une extension directe
des ltres en quadrature, dont l'intrt rside dans le fait qu'elles n'induisent pas de modication
de phase et donc pas de distorsion des images ltres. Toutefois, la rcursivit de l'analyse multirsoltion n'est pas ncessairement fondamentale en codage; l'intrt rside surtout dans l'analyse
en sous-bandes de frquences o les signaux se prtent apparamment mieux une rduction de
dbit.

48

J. Le Roux

6 Estimation spectrale des signaux bidimensionnels


6.1 Signaux alatoires bidimensionnels
L'analyse des signaux alatoires bidimensionnels est une extension directe de l'analyse des signaux
monodimensionnels. Cependant on voit apparaitre une dirence essentielle lie l'importance accorde au moments d'ordre suprieur. En eet de nombreuses tudes sur les signaux monodimensionnels ne ncessitent que l'tude des proprits du deuxime ordre : fonction d'autocorrlation,
densit spectrale, . . . o les notions de phase ont moins d'importance que la rpartition nergtique
du signal en fonction des frquences. Mais la phase est un lment essentiel pour la reconstruction
de la forme du signal. Donc dans les tudes portant sur la recherche de la forme d'un objet dans
une image ou sa reconstitution, on fera de plus en plus intervenir les moments d'ordre suprieur
qui, eux, prennent en compte cette notion de phase. C'est par exemple le cas en astronomie o on
est amen tudier le bispectre ou la triple corrlation d'un objet : si une fonction f (x, y) a pour
transforme de Fourier F (u, v) son bispectre s'crit dans le cas des signaux dterministes

B3 (u1 , u2 , v1 , v2 ) = F (u1 , v1 )F (u2 , v2 )F (u1 u2 , v1 v2 )

(159)

Et la transforme de Fourier inverse de ce bispectre est la triple corrlation

r3 (m1 , m2 , n1 , n2 ) = f (x, y)f (x + m1 , y + n1 )f (x + m2 , y + n2 )

(160)

qui est aussi la convolution de la fonction f (x, y) avec sa propre autocorrlation. Dans le cas
des signaux alatoires, on calcule la corrlation d'ordre trois comme une moyenne

r3 (m1 , m2 , n1 , n2 ) = E[f (x, y)f (x + m1 , y + n1 )f (x + m2 , y + n2 )]

(161)

et le bispectre est la transforme de Fourier de cette fonction d'autocorrlation, qu'on peut estimer
comme une moyenne dans le domaine des frquences partir d'estimations F 0 (u, v) de F (u, v)

B3 (u1 , u2 , v1 , v2 ) = E[F 0 (u1 , v1 )F 0 (u2 , v2 )F 0 (u1 u2 , v1 v2 )]

(162)

Nous reprendrons ce point dans le paragraphe consacr l'interfromtrie en astrophysique. Il


faut toutefois donner les extensions bidimensionnelles des rsultats lmentaires de l'analyse des
signaux alatoires monodimensionnels

6.1.1 Fonction d'autocorrlation et densit spectrale


En ce qui concerne l'analyse des statistiques du deuxime ordre, on a ainsi la fonction d'autocorrlation
du signal f (x, y) que nous supposerons rel, stationnaire et de moyenne nulle

r(m, n) = E[f (x, y)f (x + m, y + n)]

(163)

qui est une fonction symtrique par rapport l'origine

r(m, n) = r(m, n)

(164)

et est associe un oprateur dni positif.


La transforme de Fourier de cette fonction d'autocorrlation est la densit spectrale R(eju , ejv )
qui est une fonction relle positive ou nulle. Cette densit spectrale est la moyenne du module de
la transforme de Fourier du signal f (x, y) soit F (eju , ejv ) : Si on dispose d'estimations de cette
transforme de Fourier, on obtiendra la densit spectrale en en calculant la moyenne

R(eju , ejv ) = E[|F 0 (eju , ejv )|2 ]

(165)

6.1.2 Filtrage linaire des signaux alatoires bidimensionnels


De mme que dans le cas des signaux monodimensionnels, on peut calculer Rg (eju , ejv ) densit
spectrale de la sortie g(x, y) d'un ltre de rponse impulsionnelle h(x, y) soumis une entre
alatoire f (x, y) en fonction du carr du module de la rponse en frquence du ltre H(eju , ejv ) et
de la densit spectrale du signal d'entre Rf (eju , ejv )

Rg (eju , ejv ) = Rf (eju , ejv )|H(eju , ejv )|2

(166)

Signaux bidimensionnels

49

6.2 Estimation spectrale bidimensionnelle


Dans les problme de dtection d'ondes se propageant dans une direction donne mais aussi dans
d'autres applications, le problme rsoudre passe par la recherche de l'amplitude et de la phase
d'une sinusode ; c'est dire de la valeur de la transforme de Fourier en un point de l'espace
des frquences. Si on s'intresse plus particulirement l'aspect nergtique, plutt qu' la forme
des signaux, on est amen tudier le module (ou le carr du module) de cette transforme de
Fourier c'est dire la densit spectrale de puissance bidimensionnelle. Par exemple on cherche
dtecter la prsence d'une sinusode bidimensionnelle se dtachant d'un bruit de fond en estimant
son amplitude sans se proccuper de sa phase.

6.2.1 Les techniques classiques non paramtriques


Les techniques non paramtriques utilises dans le cas monodimensionnel s'appliquent aussi dans
le cas prsent. On peut tudier la rpartition nergitique en fonction de la frquence spatiale
en calculant le priodogramme bidimensionnel par transforme de Fourier discrte des images.
Les dicults lies cette mthode sont identiques celles rencontres dans le cas des signaux
monidimensionnels :
- L'augmentation du nombre d'chantillons ne permet pas de diminuer la variance du priodogramme.
- L'analyse se fait ncessairement sur un nombre ni d'chantillons. La transforme de Fourier
du signal analys est ncessairement le rsultat de la convolution de la T. F. du signal de dure
innie par la transforme de Fourier de la fentre d'analyse : une composante sinusodale est donc
disperse sur les frquences voisines.
Pour attnuer les distorsions des la limitation des signaux un support de taille nie on
utilise les mmes techniques que dans le cas monodimensionnel :
Addition de priodogrammes calcules partir de direntes images engendres par un mme
processus ; Cette addition permet de diminuer la variance de l'estimateur.
Lissage d'un priodogramme par calcul d'une moyenne de l'nergie dans une petite rgion
du domaine des frquences spatiales : Si la fonction d'autocorrlation du signal tend rapidement
vers 0 lorsqu'on s'loigne de l'origine, cela signie que les variations de la densit spectrale en
fonction de la frquence spatiale sont relativement lentes. Dans ce cas il peut tre lgitime de lisser
le priodogramme par un ltrage passe bas dans le domaine des frquences. Mais cette technique
peut aboutir de mauvais rsultats lorsque les variations spectrales sont rapides en particulier
lorsque la densit spectrale n'est pas continue : c'est le cas lorsque cette densit spectrale prsente
des pics innis (Dirac) c'est dire des composantes sinusodales isoles dont l'nergie est comparable
celle du reste du signal (en gnral un bruit de fond color).
Calcul du priodogramme aprs pondration dans le domaine spatial du signal par une fentre
permettant de diminuer la dispersion du signal dans le domaine des frquences. Une fentre de
pondration qui minimise la dispersion spectrale d'une raie est la fonction de support carr

f (x, y) = cos(

x
y
) cos( )
2T
2T

(167)

dnie pour T x, y < T .

6.2.2 Techniques hautes rsolution pour l'estimation spectrale


Pour trouver l'nergie moyenne de la composante spectrale R(u, v) la frquence (u, v) d'un
processus alatoire f (x, y), on peut ltrer ce processus par un ltre passe-bande autour de (u, v)
et calculer l'nergie de la sortie de ce ltre.
On peut aussi moduler (multiplier) le signal par une sinusode exp[j(ux + vy)] pour translater
le point (u, v) du domaine de frquence en (0, 0) puis ltrer passe-bas le signal ainsi obtenu par un
ltre de rponse impulsionnelle h(x, y) avant de calculer son nergie. Dans la suite nous supposerons
que le ltre-passe bas a une rponse impulsionnelle h(x, y) de support ni X x, y < X et un
gain unit la frquence (0, 0), soit
X1
X

X1
X

x=X y=X

h(x, y) = 1

(168)

50

J. Le Roux

On connait la fonction d'autocorrlation r(x, y) du processus alatoire fmod (x, y) obtenu par
modulation du signal original,
(169)

fmod (x, y) = f (x, y) exp[j(ux + vy)]

pour un nombre ni d'chantillons X < x, y < X . Le signal basse frquence (thoriquement
constant) dont on cherche mesurer l'amplitude (ou l'nergie) est le rsultat g(x, y) du ltrage de
fmod (x, y) par h(x, y)
X1
X X1
X
g(x, y) =
fmod (x s, y t)h(s, t)
(170)
s=X t=X

L'nergie de ce signal Eg 2 est donne par

Eg 2 = E

X1
X

X1
X

fmod (x s, y t)h(s, t)

s=X t=X

X1
X

X1
X

fmod (x p, y q)h(p, q)

(171)

p=X q=X

En changeant l'ordre des sommations et en appliquant le calcul de l'esprance aux seuls termes
alatoires

Eg 2 =

X1
X

X1
X

X1
X

X1
X

h(s, t)h(p, q)E [fmod (x s, y t)fmod (x p, y q)]

(172)

s=X t=X p=X q=X

On suppose que le signal est stationnaire et on crit Eg 2 en fonction de la fonction d'autocorrlation


de f (x, y)
X1
X X1
X X1
X X1
X
Eg 2 =
h(s, t)h(p, q)r(p s, q t)
(173)
s=X t=X p=X q=X

Le problme d'estimer le mieux possible l'amplitude la frquence 0 peut alors tre interprt
de la manire suivante : quelle est la rponse impulsionnelle de dure nie h(x, y) et dont le gain
vaut 1 la frquence (0, 0) telle que l'amplitude des autres composantes frquentielles soient les
plus petites possible ? Si la contrainte est telle que le gain du ltre vaut 1 la frquence 0,
l'nergie de la composante cette frquence est la mme pour tous les ltres : les variations sur
les coecients des autres ltres modieront les nergies des autres composantes. Il s'agit donc de
minimiser l'nergie en sortie du ltre sans modier l'amplitude la frquence (0, 0) : ceci revient
minimiser la forme quadratique Eg2 sous la contrainte
X1
X

X1
X

(174)

h(x, y) = 1

x=X y=X

La minimisation sous contrainte de la forme quadratique se traduit par la recherche du minimum


par rapport tous les h(x, y) (4X 2 inconnues) de la quantit (o on fait apparatre le multiplicateur
de Lagrange )

X1
X1
X X1
X X1
X X1
X
X X1
X
h(s, t)h(p, q)r(p s, q t) + 1
h(x, y)
(175)
s=X t=X p=X q=X

x=X y=X

Le minimum est obtenu lorsque pour x,y = -X, . . . , X-1 (4X 2 quations)
X1
X

X1
X

h(p, q)r(p x, q y) =

(176)

p=X q=X

La solution h(x, y) cherche est la solution d'un systme linaire de 4X 2 quations 4X 2 inconnues.
(Cette solution est d'abord calcule la constante multiplicative prs, ensuite la valeur de est
calcule a posteriori de manire ce que la somme des chantillons de h(x, y) soit gale 1.)

Signaux bidimensionnels

51

En admettant que la matrice R (de taille 4X 2 4X 2 ) dont l'lment gnrique est

r(x, y, p, q) = r(p x, q y)

(177)

associe au systme linaire rsoudre a une inverse R1 dont l'lment serait (x, y, p, q), les
chantillons de la rponse impulsionnelle du ltres seront

X1
X X1
X
h(p, q) =
(x, y, p, q)
(178)
p=X q=X

la valeur de vriant la contrainte est

X1
X

X1
X

1
(x, y, p, q)

(179)

p=X q=X

La valeur du minimum est gale .

6.2.3 Les techniques paramtriques (maximum d'entropie)


Cette approche classique prsente des limites. En eet, une classe d'application essentielle en traitement des signaux bidimensionnels est celle o on cherche dtecter un signal sinusodal (ou
plusieurs) caractris par sa frquence et sa direction en prsence d'un bruit de fond. C'est par
exemple le cas en analyse de signaux sonar et radar ou en radio astronomie. L'analyse par le priodogramme est parfois mal adapte car elle ne permet qu'une rsolution limite en frquence. On a
donc t amen proposer d'autres techniques qui sont trs lies aux techniques de modlisation
d'un signal comme la sortie d'un ltre bidimensionnel.
Dans le cas de l'analyse des signaux bidimensionnels, il n'est pas toujours possible d'tendre les
techniques paramtriques monodimensionnelles. La cause majeure des limitations des possibilits
d'extensions peut tre esquisse de la manire suivante :
Dans le cas monodimensionnel, on peut (en utilisant les techniques de prdiction linaire) trouver les coecients d'un ltre 1/A(z) tels que les 2p + 1 chantillons de la fonction d'autocorrlation
r(p), . . . ,r(0),. . . , r(p) du signal analys soient identiques aux p premiers chantillons de la sortie
de ce ltre soumis un bruit blanc. Ceci revient rsoudre un systme de p quations p inconnues
(quations de Yule Walker). Cette identit entre le nombre de paramtres du ltre et le nombre de
coecients de corrlations permet une extension de la fonction d'autocorrlation dont la densit
spectrale est dnie positive sous la forme

R(z) =

2
A(z)A(z 1 )

(180)

Les choses ne se prsentent pas si bien dans le cas bidimensionnel : on peut trouver les 2p2+ 2p+1
coecients d'un ltre prdicteur A(zx , zy ) de support carr permettant de prdire les coecients
d'autocorrlation. Mais les extensions des quations de Yule Walker font apparatre de l'ordre de
4p2 valeurs de la fonction d'autocorrlation. Dans ces conditions il n'est gnralement pas possible
d'armer que l'extension de l'autocorrlation sous la forme dnie positive

R(zx , zy ) =

2
A(zx , zy )A(zx1 , zy1 )

(181)

concide exactement avec les 4p2 valeurs donnes de la fonction d'autocorrlation.


La formulation la plus ecace d'une extension bidimensionnelle de cette approche paramtrique
est celle du maximum d'entropie : Dans cette mthode, on cherche le ltre tel que les chantillons
de la transforme de Fourier inverse du carr du module de sa rponse en frquence concident evec
ceux qui sont connus r(x, y) en faisant le moins d'hypothses possibles sur la valeur des chantillons
inconnus. Cette ide d'absence d'hypothse peut se traduire en termes d'entropie. On est ainsi
amen maximiser l'entropie de la densit spectrale
Z Z
2
1
log
dudv
(182)
4 2
A(eju , ejv )A(eju , ejv )

52

J. Le Roux

en respectant les contraintes de concidence des chantillons de la fonction d'autocorrlation,


soit
Z Z
1
2 ej(ux+vy)
dudv = r(x, y)
(183)
2
ju
4 A(e , ejv )A(eju , ejv )
lorsque

y=0 : 0<x<X
y > 0 : X < x < X

(184)
(185)

. Les contraintes de concidence ne peuvent pas toujours tre respectes lorsque les degrs en zx
et zy sont faibles, et il faut donc envisager de modliser le signal grce des fonctions de transfert
d'ordre lev. On peut chercher une solution du problme en deux temps : d'abord en cherchant
les coecients de A(zx , zy )A(zx1 , zy1 ) puis en factorisant ce polynme fonction de deux variables
( condition que cette factorisation soit possible). Une mthode pour calculer les coecients de
A(zx , zy )A(zx1 , zy1 ) peut tre une technique itrative de recherche de maximum: le nombre de
paramtres trouver tant suprieur au nombre de contraintes, on se place en un point du sousespace des paramtres o les contraintes sont vries et on cherche minimiser l'entropie tout en
restant dans ce sous-espace, ce qui ne garantit pas l'obtention d'un maximum absolu.

Signaux bidimensionnels

53

7 Quelques problmes de traitement de signaux multidimensionnels


7.1 Propagation de signaux
De nombreuses applications portent sur l'analyse de signaux se propageant dans l'espace en fonction
du temps. Par exemple, la propagation de signaux acoustiques ou lectromagntiques se traduit
pas des quations direntielles coecients constants.

7.1.1 Equation de Helmholtz


L'quation de propagation

1 2 f (x, y, z, t)
2 f (x, y, z, t) 2 f (x, y, z, t) 2 f (x, y, z, t)
+
+

=0
x2
y 2
x2
c2
t2

(186)

applique une vibration fonction sinusodale su temps

f (x, y, z, t) = a(x, y, z)ej(x,y,z) ejt

(187)

devient l'quation de Helmholtz

2 f (x, y, z, t 2 f (x, y, z, t 2 f (x, y, z, t 2


+
+
+ 2 f (x, y, z, t) = 0
x2
y 2
x2
c

(188)

7.1.2 Propagation de signax en gophysique


C'est par exemple le cas en gophysique : une onde acoustique (vibration d'un metteur, explosion
d'un charge) est engendre et mesure par des capteurs aprs avoir ventuellement t rverbre
par des couches du sous-sol prsentant de brusques variations de caractristiques (cho). On cherche
retrouver la position de ces zones o l'cho a t engendr partir des signaux mesurs par les
dirents capteurs. Ces capteurs forment par exemple un rseau rgulier planaire ou linaire. En
analyse de signal Sonar ou Radar on est amen tudier des problmes du mme type.
Un signal (l'onde qui se propage) est alors caractris par sa valeur en fonction de ses coordonnes ~x (un vecteur dans un espace trois dimensions) et du temps t. On peut calculer sa
transforme de Fourier dans un espace quatre dimensions
Z Z
S(~u, ) =
s(x, t) exp j[(t (~u.~x)]d~xdt
(189)

La transforme inverse est

s(x, t) =

1
(2)4

S(~u, ) exp j[t (~u.~x)]d~ud

(190)

Un signal est ainsi reprsent comme une superposition d'ondes planes d'amplitude S(~u, ) de
la forme

e(x, t) = exp j[omega(t

(u.x)
)]

(191)

de pulsation et dont la direction et la vitesse de propagation sont respectivement la direction


du vecteur ~u et /|~u|. (en termes de dimension, est l'inverse d'un temps et |~u| est l'inverse d'une
distance). Dans l'espace des frquences (~u, ) les ondes planes se propageant la mme vitesse c
sont situs sur un cne

= c(constante)
(192)
|~u|
.
Dans cet espace des signaux se propageant dans la mme direction appartiennent un hyperplan
passant par l'origine et contenant l'axe des frquences .

54

J. Le Roux

7.1.3 Analyse par formation de voie


On est souvent amen ltrer un signal de manire en extraire une composante particulire (par
exemple dans une bande de frquences donne, une vitesse donne et dans une direction donne)
ce qui revient extraire une composante sinusodale dans un espace quatre dimensions. Ceci
peut se faire grce un ltre passe bande slectif.
En particulier la formation de voie consiste extraire d'un signal les composantes se propageant
dans une direction particulire ~u et une vitesse donne (mais les composantes peuvent tre de
frquences direntes). Dans l'espace des frquences on cherche donc estimer l'amplitude et la
phase des sinusodes l'intersection d'un cne et d'un plan.
L'estimation de ce signal se fait grce la mesure du signal s(x, t) par un rseau de K capteurs,
le capteur numro k tant situ au point de coordonnes xk . Le signal temporel hk (t) reu par
l'un des capteurs (k ) de ce rseau peut tre ampli par un gain gk et retard d'un temps k . Le
signal nal de la formation de voie est la moyenne de ces dirents signaux

f (t) =

K1
1 X
gk hk (t k )
K

(193)

k=0

Le choix appropri des gains et des retards permet d' orienter le rseau de capteurs dans une
direction donne et de slectionner une frquence particulire.
Supposons que le signal capt soit une sinusode

e(~x, t) = exp j[t (~


.~x)]

(194)

La sortie du capteur numro k est

hk (t) = e(x~k , t) = exp j[t k (~


.x~k )]
Le signal form sera

f (t) =

K1
1 X
gk exp j[t k (~
.x~k )]
K

(195)

(196)

k=0

Supposons que les retards k soient relis aux positions xk de manire slectionner une onde
plane se propageant dans la direction
~ 0 la vitesse 1/|~
0 |

k = (~
0 .x~k )

(197)

La sortie f (t) sera alors

f (t) =

K1
1 X
gk exp j[t + ((~
0
~ ).x~k )]
K

(198)

k=0

Le signal de sortie est un signal sinusodal de pulsation dont l'amplitude est

G(~
0 ,
~) =

K1
1 X
gk exp j[(~
0
~ ).x~k )]
K

(199)

k=0

Cette amplitude dpend de la postion des capteurs (xk ) et de la dirence (~


0
~ ) entre la
direction d'arrive de l'onde et de l'orientation du rseau. Si on considre la variable

~u = (~
0
~)

(200)

le rseau est ainsi caractris par la transforme de Fourier de sa conguration prenant en compte
la position des capteurs et le gain aect chacun d'entre eux

G(~u) =

K1
1 X
gk exp j[(~u.x~k )]
K
k=0

(201)

Signaux bidimensionnels

55

y
6

- xk

Figure 32: Propagation d'ondes mesures par des capteurs aligns et rgulirement espacs
Si le rseau est orient dans la direction a de l'onde et slectionne uniquement les ondes se
propageant la vitesse c = 1/|~a| , le signal temporel obtenu en sortie du rseau sera une sinusode
dont le gain sera donn par la valeur de G(u) pour u = 0, soit G(0).
Ceci est vrai quelquesoit la pulsation temporelle du signal se propageant avec une vitesse
donne et dans une direction donne : par addition, on en dduit que le signal n'est pas dform
par le rseau de capteur lorsque ses paramtres de retard sont correctement ajusts.
L'eet de la gomtrie du rseau est analogue celui d'une fentre de pondration d'analyse
spectrale.
Remarques sur la formation de voies
Une onde plane sinusodale de pulsation w se propage dans un plan x0y une vitesse c en
provenance de la direction q. On capte cette onde par une ligne de capteurs rgulirement espacs
situs sur l'axe Ox.
Le signal reu par le capteur de position (=kd, o d est la distance entre deux capteurs voisins,
c'est dire le pas d'chantillonnage dans le domaine spatial) est
Dans le plan des frquences ( , w), ce signal est reprsent par une impulsion de Dirac situe
au point de coordonnes (- w cosq/c, w). Dans ce plan tous les signaux sinusodaux provenant de
la direction q et se propageant la vitesse c sont situs sur la droite de pente - c/cos q. Si on
considre la projection de Radon dans le domaine spatio-temporel (x, t) sur la droite de pente cos
q/c, on obtient donc le signal dont la transforme de Fourier est situe sur cette droite de pente c/cos q dans le plan des frquences. Ce signal a pour expression
il peut donc tre approxim par formation de voie : c'est le signal obtenu en additionnant
les signaux reus par les capteurs aprs qu'ils aient t retards d'un temps kd cosq/c. Le gain g
associ au capteur k agit comme l'chantillon k de la rponse impulsionnelle d'un ltre passe-bas
slectionnant la frquence spatiale 0. Comme le nombre d'chantillons de ce ltre est ni, la forme
de cette rponse impulsionnelle peut tre celle d'une fentre

7.2 Cas o les signaux sont chantillonns et les capteurs aligns et


rgulirement espacs
Dans le cas des signaux chantillonns dans le temps, t prend des valeurs entires. Supposons de plus
qu'on analyse les signaux mesurs par un rseau de capteurs situs sur une droite et rgulirement
espacs
xk = kx1 = k.
(202)

~
On cherche reconstituer le signal se propageant avec une vitesse c dans une direction )
faisant l'angle avec l'axe Ox portant les capteurs. Le signal reu par le capteur k est
fk (t) = f0 (t

k
cos )
c

(203)

Nous traiterons seulement le cas o l'espace de propagation des ondes est un espace deux
dimensions. Dans le cas o les signaux se propagent dans un espace trois dimensions, il faut

56

J. Le Roux

tendre la mthode au cas o les capteurs forment un rseau bidimensionnel dont l'orientation
dpendra de deux paramtres (gisement et azimuth). Le signal reu par les capteurs est une fonction
de deux variables (k, t). Comme toutes les ondes se propagent vitesse constante, sa transforme
de Fourier bidimensionnelle a pour support l'axe du plan (u, )

= cu cos

(204)

Donc une manire de reconstituer le signal temporel cherch est de calculer la transforme
de Fourier bidimensionnelle de g(k, t) = fk (t) et d'estimer par interpolation la valeur de cette
transforme de Fourier le long de l'axe (204). Comme la transforme de Fourier est obtenue par
utilisation de transforme rapide, les valeurs en sont connues pour un nombre ni de points dans
le plan des frquences et elles sont calcules partir d'un nombre ni de points dans le domaine
spatio-temporel. On se heurte alors une double dicult :
L'interpolation suppose que les variations dans le domaine spectral soient relativement lentes
et donc que les supports des signaux dans le domaine spatio-temporel soient de petite dimension
(signaux brefs et peu tendus dans l'espace) .
Le calcul de la transforme de Fourier partir d'un nombre ni d'chantillons pose de plus
le problme de la fentre de pondration. On sait en eet que l'analyse d'une frquence pure se
traduit par une dispersion de ce signal sinusodal en fonction de la transforme de la fentre de
pondration.

7.2.1 Formation de voies et transforme de Radon


Pour cette reconstitution, il est aussi possible d'eectuer les calculs dans le domaine temporel en
utilisant le thorme de projection : la transforme de Fourier le long de l'axe de pente c est donne
par la transforme de Fourier de la somme
Z
x
hc (t) =
h(t cos )
(205)
c

Dans le cas d'une onde plane sinusodale se propageant dans le plan x0y la vitesse c et dans
la direction le signal reu par le capteur de position (x = k ) est

k
cos )
(206)
c
Dans le plan des frquences (u, ), ce signal est reprsent par une impulsion de Dirac situe
au point de coordonnes ( cos /c, ). Dans ce plan tous les signaux sinusodaux provenant de
la direction et se propageant la vitesse c sont situs sur la droite de pente c/ cos . Si on
considre la projection de Radon dans le domaine (x, t) sur la droite de pente cos /c, on obtient
donc le signal dont la transforme de Fourier est situe sur cette droite de pente c/ cos dans le
plan des frquences. Ce signal a pour expression
Z
k
f (t) =
f (x, t +
c)dx
(207)
cos

f (k, t) = f (0, t

il peut tre approxim par formation de voie : c'est le signal obtenu en additionnant les signaux
reus par les capteurs aprs qu'ils aient t retards d'un temps k cos /c. Le gain g associ au
capteur k agit comme l'chantillon k de la rponse impulsionnelle d'un ltre passe-bas slectionnant
la frquence spatiale 0. Comme le nombre d'chantillons de ce ltre est ni, la forme de cette rponse
impulsionnelle peut tre celle d'une fentre de pondration utilise en synthse de ltres numrique
et en analyse spectrale.

7.2.2 Rsolution des quations de Maxwell utilisant la transforme de Fourier en


compatibilt avec le thorme d'chantillonnage

Signaux bidimensionnels

57

7.3 Filtrage d'ondes sismiques


On tudie la propagation d'une onde acoustique f (x, y, t) rgie par une quation hyperbolique

2 f (x, y, t) 2 f (x, y, t)
1 2 f (x, y, t)
+

=0
x2
y 2
c2
t2

(208)

La valeur de cette fonction est mesure au niveau du sol : f (x, 0, t) et donne une condition aux
limite caractrisant la solution de l'quation direntielle. On cherche dduire de ces mesures la
valeur de l'onde en profondeur . Ce calcul revient simuler la propagation rtrograde de l'onde
par une succession d'extrapolations.
On peut crire f (x, y, t) partir de la transforme de Fourier bidimensionnelle de l'onde la
profondeur y
Z
Z

F (u, y, ) =
en utilisant la transforme inverse

f (x, y, t) =

1
4 2

f (x, y, t) exp j(ux + t)dxdt

F (u, y, ) exp j(ux + t)dud

(209)

(210)

et faire apparaitre F (u, y, ) dans la transforme de Fourier de l'quation direntielle

u2 F (u, y, ) +

2 F (u, y, ) 2 2 F (u, y, )
2
=0
y 2
c
t2

(211)

Le problme de rtropropagation consiste donc rsoudre cette quation direntielle en fonction de la profondeur y connaissant les conditions initiales en y = 0. La forme de la solution de
cette quation direntielle linaire coecients constants (u et sont xs) dpend du signe
2
du coecient de F (u, y, ) soit (u2 c2 ) . Si ce coecient est positif, la solution de l'quation
direntielle est une exponentielle relle et son nergie est nie : elle s'amortit rapidement et ne
se propage gure. Si ce coecient est ngatif, la solution est une exponentielle complexe et il y a
propagation de l'onde en fonction de y : on peut crire

F (u, y, ) = F (u, 0, ) exp jky

(212)

k 2 = w2 /c2 u2

(213)

La solution complte devrait tre de la forme d'une somme de deux exponentielles de phases
opposes, mais on peut interprter cette somme comme la combinaison d'une onde se propageant
vers le haut (k > 0) et d'une onde se propageant vers le bas (k < 0) ; or on s'intresse la
propagation de l'onde ascendente qu'on cherche reconstituer, on ne garde donc qu'une des deux
exponentielles possibles.
La propagation peut s'interprter comme un ltrage linaire en fonction de la profondeur y .
Les composantes des signaux f (x, 0, t) dont les frquences (u, ) impliquent l'amortissement
rapide ne seront pas donc propages et doivent donc tre ltres (limines). Les autres sont
propages sans pertes mais avec un dphasage
q : elles sont donc ltres par un ltre de gain unit et
2

dont le dphasage pour la profondeur y est y wc2 u2 La visualisation de l'onde en fonction de x, y


et t permet de reconstituer la propagation de l'onde et en particulier les instants et les profondeurs
o l'onde a t rmise par rexion sur une surface sparant deux couches de caractristiques
acoustiques direntes. Ceci donne des indications sur la constitution du sous-sol.

58

J. Le Roux

R
?

? R

Figure 33: Trois projections d'un objet compos de deux points permettent par de retrouver la
forme de l'objet, c'est dire les coordones des deux points dans l'espace x0y

7.4 Reconstitution d'images partir de projections


Dans ce paragraphe nous reprenons les rsultats thoriques concernant les projections de Radon et
nous montrons comment ils sont utiliss pour traiter les problmes de reconstruction d'images en
particulier dans des applications biomdicales comme la tomographie et l'imagerie par rsonance
magntique nuclaire. Le principe de cette reconstuction est relativement simple: en fait on regarde
un objet plus ou moins opaque (comme une radiographie) et on distingue donc les objets en
projection. Ensuite on regarde les objets sous un autre angle, on en a donc une vue dirente.
On imagine bien qu' partir de direntes vues on peut reconstruire l'objet par exemple dans un
espace deux dimensions partir des projections vues sous des angles dirents. C'est ce qui
se passe dans un cas plus simple lorsqu'on fait de la triangulation: supposons que l'objet soit
compos de deux points P1 et P2 de coordonnes (x1 , y1 et (x2 , y2 ) dans un plan x0y . On mesure
les projections de ces deux points sur trois plans. Si on trace les droites passant par ces projections
et perpendiculaires au plan de projection, trois de ces droites se coupent en chacun des deux
points P1 et P2 . Il n'y a pas d'autres points par lesquels passent trois droites. Le principe de
reconstruction en tomographie n'est pas exactement celui l, mais les ides sont assez semblable.
Nous allons en dcrire la formalisation.

7.4.1 Mesure de projections


Un signal traversant un milieu absorbant subit en gnral un diminution d'amplitude

a(y + y) = a(y) exp[f (y)y].

(214)

Lorsqu'il se propage le long d'un parcours linaire l'amplitude du signal se rduit en suivant la loi
" Z
#
Y

a(Y ) = a(Y ) exp[

f (y)dy
Y

(215)

On suppose que l'amplitude du signal avant son attnuation par l'objet travers est A(Y ) et que
l'attnuation f (y) est nulle en dehors de l'objet analys, (en dehors de l'intervalle [Y, Y ])
Dans un espace deux dimensions, on peut analyser une rgion du plan caractris par une
attnuation f (x, y) en dplaant le signal vertical le long de l'axe des abscisses
" Z
#
Y

a(x, Y ) = a(x, Y ) exp[

f (x, y)dy
Y

(216)

Nous supposerons que a(x, Y ) est une constante, soit A.


On peut faire subir une rotation d'angle l'metteur engendrant le signal et au capteur sans
bouger l'objet analys f (x, y) ce qui donne une fonction projete dpendant du paramtre et o
la variable x est remplace par la variable donnant la position d'un point sur l'axe de direction
passant par l'origine. z donne alors la distance (signe) d'un point cet axe
" Z
#
Z

a(, Z) = A exp[

f ( cos z sin , sin + z cos )dz


Z

(217)

Signaux bidimensionnels

59

y
6

-x

En supposant A connu, on dispose pour chaque analyse dans une direction d'une fonction a ().
Le problme de la reconstitution du signal est alors le suivant :
Est-il possible, connaissant les valeurs des fonctions projetes a () de retrouver la fonction
f (x, y)? On peut rpondre par l'armative cette question grce au thorme suivant

7.4.2 Proprits des transformes de Fourier des fonctions projetes


Soit la fonction projete

g(, ) =

f ( cos z sin , sin + z cos )dz

(On suppose ici que le capteur et l'metteur sont situs l'inni et que A vaut 1)
La transforme de Fourier de cette fonction est
Z
G(, ) =
g(, ) exp(j)d

(219)

G(, ) =

f ( cos z sin , sin + z cos ) exp(j)ddz

(218)

(220)

On fait le changement de variable

cos z sin
sin + z cos

=
=

x
y

(221)
(222)

correspondant une rotation d'un angle des axes, l'lment d'intgration devient dxdy . Si on
remplacet par sa valeur en fonction de x et de y ;

= x cos + y sin
Z

G(, ) =

f (x, y) exp j(x cos + y sin )dxdy

(223)

(224)

On y reconnait la transforme de Fourier F (u, v) de f (x, y) calcule pour des valeurs de u et v

u =

cos

(225)

sin

(226)

soit

G(, ) = F ( cos , sin )

(227)

La transforme de la fonction projete sur l'axe de direction est gale la valeur de la


transforme de Fourier de la fonction bidimensionnelle initiale F (u, v) le long d'un axe de pente

60

J. Le Roux

(228)

v cos = u sin

On peut donc envisager la reconstitution du signal bidimensionnel f (x, y) de la manire suivante :


On mesure direntes fonctions projetes pour direntes valeurs de de la fonction f (x, y) ;
on en prend la transforme de Fourier. On reporte cette transforme de Fourier monidimensionnelle
dans le plan des frquences bidimensionnel (u, v) ; on ralise par sommation de ces portions de
transformes de Fourier bidimensionnelles une reconstitution estime de F (u, v) et par transforme
de Fourier inverse on obtient la fonction cherche f (x, y).
Le dfaut majeur de cette technique de reconstitution est la ncessit d'utiliser la fois des
reprsentations en coordonnes polaires (pour estimer la transforme de Fourier bidimensionnelle
partir de celles des projections) et en coordonnes cartsiennes pour eectuer le calcul de la transforme de Fourier inverse. Cette utilisation de deux systmes de coordonnes impose la ralisation
d'interpolations dans le domaine des frquences, interpolations qui sont dlicates car les variations
de phases sont importantes et leur mauvaise reconstitution peut avoir des consquences nfastes
sur la qualit du signal reconstitu.

7.4.3 Reconstitution dans le domaine spatial ; formule de Radon


Il est aussi possible d'eectuer les calculs dans le domaine spatial en restant dans une reprsentation
en coordonnes polaires.
La transforme de Fourier inverse du signal est
Z Z
1
f (x, y) =
F (u, v) exp j(ux + vy)dudv
(229)
4 2
Si on prend la reprsentation en coordonnes polaires de F (u, v), on obtient une fonction G(, w)
qui n'est autre que la transforme de Fourier de la fonction projete. On peut alors eectuer un
changement de variables et crire
Z Z
1
f (x, y) =
G(, ) exp j(x cos + y sin )dd
(230)
4 2 0
Dans cette expression, on eectue le calcul sur un demi-axe d'angle et on fait varier cet angle
de ; on peut aussi crire cette formule en eectuant une intgration sur des axes complets
( variant de ) si on restreint l'intgration de au support (0, ) et si on remplace le
facteur qui est toujours positif par ||. On obtient alors
Z Z
1
f (x, y) =
G(, ) exp j(x cos + y sin )||dd
(231)
4 2 0
On peut aussi crire f(x,y) dans un systmes de coordonnes polaires (, )
Z Z
1
G(, ) exp j( cos cos + sin sin )||dd
r(, ) = f ( cos , sin ) =
4 2 0
(232)
soit
Z Z
1
r(, ) = f ( cos , sin ) =
G(, ) exp j(cos cos + sin sin )dd (233)
4 2 0
Z Z
1
r(, ) = f ( cos , sin ) =
G(, ) exp j(cos( )||dd
(234)
4 2 0
Supposons maintenant que est x. On peut alors faire apparatre une transforme de Fourier
inverse

1
r(, ) = f ( cos , sin ) =
2

Z
0

1
2

G(, ) exp j(cos( )||d d

(235)

Signaux bidimensionnels

61

On commence par calculer la reconstitution partielle dans le domaine spatial pour tous les
points tels que
cos( ) = constante
(236)
ce sont des points situs sur une droite. On eectue ainsi une "rtro-projection" , la valeur
Z
1
h(, ) =
G(, ) exp j(cos( )||d
(237)
2
est calcule en fonction de ( est x). Elle est assigne tous les points de la droite

cos( ) = constante

(238)

. Ce calcul de h(, ) est rpt pour direntes valeurs de ; on ralise ensuite pour chacune
de ces valeurs de la rtroprojection et on additionne les rsultats partiels pour obtenir l'image
reconstitue, ce qui correspond la sommation sur .
Le calcul de h(, ) est celui de la transforme de Fourier du produit de G(, ) par ||. Il
peut donc s'interprter comme une convolution et tre eectu dans le domaine spatial (monodimensionnel) plutt que dans le domaine des frquences. Il s'agit alors de ltrer g (r), c'est dire
la fonction projete par le ltre dont la rponse en frquence est ||. En thorie, ce calcul pose
quelques dicults: La rponse en frquence du ltre s'crit signe(). On ne peut pas crire
formellement la rponse impulsionnelle correspondante car c'est une fonction gnralise . Mais on
peut exprimer les deux oprations qu'il faut eectuer sur gq(r) pour obtenir h(, ) :
Il faut calculer la transforme de Hilbert de gq(r) puis driver cette expression

d
h(, ) =
d

g (s)
ds
rs

(239)

(o l'intgrale est une intgrale en valeur principale)


Cette expression est connue sous le nom de formule de Radon et permet d'obtenir une autre
classe d'algorithmes pour raliser la reconstitution du signal spatial (sans faire intervenir de transformations de Fourier). Cependant, dans les applications on traite des signaux bande limite et
chantillonns et ce problme thorique ne se pose pas.

7.4.4 Cohrence avec le thorme d'chantillonnage


Mise en oeuvre pour les signaux chantillonns Nous pouvons supposer que les projections
sont calcules sur l'axe des abscisses lorsque

<
4
4

(240)

<
4
4

(241)

et sur l'axe des ordonnes lorsque

Dans les deux cas, la frquence d'chantillonnage sur les projections sera toujours gale 2 et
le pas d'chantillonnage sera toujours gal un pour toutes les valeurs de . Eectuer la ltrage
par le ltre dont la rponse en frquence est ||. On peut calculer la rponse impulsionnelle de ce
ltre mais il est prfrable de faire les calculs dans le domaine des frquences our pouvoir eectuer
directement le calcul des rtroprojections. Le calcul des rtroprojections revient dcaler h (t)
d'une valeur proportionnelle l'ordonne

h (x, y) = h (x y cos )

(242)

On fait ensuite la sommation pour les dirents angles. On rpte cette squence d'oprations
pour les projections eectues sur l'axe des ordonnes et on additionne les rsultats. On peut aussi
eectuer
les additions de rtroprojections sans ltrer les projections et appliquer un ltrage passe
haut u2 + v 2 l'image reconstitue

62

J. Le Roux

Figure 34: Rponse en frquence du ltre appliquer aux projections avant rtroproction

Optimisation du rsultat On remarque que les oprations utilises sont des oprations linaires

invariantes par translations. L'eet du calcul des projections et de la reconstruction peut donc
tre caractris par la rponse impulsionnelle de cet ensemble d'oprateurs, soit p(x, y). Lorsque le
nombre de projections est ni, on voit que la reconstruction est imparfaite: la reconstruction n(x, y)
est le rsultat de la convolution de l'image initiale et du ltre p(x, y). (Bien sr, la reconstruction
s'amliore lorsqu'on augmente le nombre de projections.) Amliorer la reconstruction revient
rsoudre cette quation de convolution bidimensionnelle.
On peut aussi aboutir cette formulation en se fondant sur une interprtation dans le domaine
des frquences: Si la transforme de Fourier de l'objet analys m(x, y) est M (u, v) (nous supposons
que l'objet est de support ni)
L/21

M (u, v) =

L/21

m(x, y) exp j(ux + vy)

(243)

x=L/2 y=L/2

, on a thoriquement d'aprs le thorme sur les projections de Radon

M ( cos , sin ) = G ()

(244)

On peut donc chercher minimiser


L/21

L/21

|M ( cos , sin ) G ()|2

(245)

u=L/2 v=L/2

ce qui mne la recherche de la solution de l'quation de convolution

m=np

(246)

Signaux bidimensionnels

63

7.5 Imagerie par rsonance magntique nuclaire


Une autre technique extrmement importante d'imagerie mdicale est l'imagerie par rsonance
magntique nuclaire. Le principe de gnration des signaux permettant de reconstituer cette forme
d'images est compltement dirent. Cependant la mise en quation montre que le formalisme
mathmatique de la reconstruction est trs similaire celui tudi dans le paragraphe consacr
la tomographie.
L'analyse des composants chimiques et l'imagerie par rsonance magntique nuclaire reposent
sur des bases physiques qui sont bien au-del des prtentions de ce cours. Je vais tenter d'en donner
succintement les principes. Les conseils d'amlioration des personnes comptentes qui trouveront
certainement cette presentation simpliste voire erronne sont les bienvenus. J'ai tent de retranscrire
les lments qui me paraissent les plus oprationnels dans l'article de Z. H. Cho et al, Fourier
transform nuclear maghetic resonance tomographic imaging, Proc. of the IEEE, vol. 70, no. 10
Oct. 1982, pp 1152-1173. De nombreux sites sont consacrs l'analyse de ce phnomne, citons
par exemple www.med.univ-rennes1.fr/cerf/edicerf/BASES/

7.5.1 Les quations fondamentales de la rsonance mantique nuclaire


Parmi les 250 noyaux d'atomes stables, plus de 100 possdent un moment magntique (un spin)
~ . Si ces noyaux sont placs dans un champ magntique B
~ , ils obissent l'quation de Bloch
M

~
dM
~ B
~
= M
dt

(247)

Rappel: le produit vectoriel ~c de deux vecteurs ~a et ~b not

~c = ~a ~b

(248)

se calcule dans un systme de coordonnes cartsiennes

cx
cy
cz

=
=
=

ay bz az by
az bx ax bz
ax by ay bx

(249)

Les aimants s'alignent dans la direction de ce champ et oscillent autour de ce champ avec une
frquence 0 (frquence de Larmor).
~
~0 = B
(250)
Si on rajoute ce champ xe une onde lectromagntique dont la frquence est la frquence propre
(de rsonance) 0 , il se produit une modication de l'tat des protons dans le noyau, la direction des
aimants que sont ces noyaux . Lorsqu'on arrte l'mission de l'onde lectromagntique, les protons
reviennent leur tat d'quilibre (comme des aimants orients dans l'axe du champ xe) selon une
~ . Cette
une sinusode amortie dont la frquence est la frquence propre du noyau dans le champ B
frquence 0 est identique ou au moins proche de la frquence d'exciation si la frquence des ondes
radiolectriques a t choisie dans le voisinage de la frquence de rsonnance. Cette volution du
champ magntique est capte par l'antenne qui a gnr le champ oscillant et se traduit sous la
forme d'une fonction temporelle, le FID (free induction decay). L'volution de ce signal s'crit en
fonction du temps

x(t) =
y(t) =
z(t) =

x0 e T2 cos(0 t)
Tt

x0 e

(251)
(252)

sin(0 t)

z0 + (z z0 )e

Tt

(253)

L'amortissement de la composante dans l'axe du champ B n'oscille pas et a une constante de temps
T1 ; celui de la composante orthogonale B tourne la frquence 0 a une constante de temps
T2 . T1 est nettement plus grande que T2 . Ces deux constantes de temps sont caractristiques des
lments tudis. La frquence de la sinusode amortie du retour l'tat d'quilibre pourra tre
dirente de la frquence des oscillations appliques par la source lectromagntique externe. T1

64

J. Le Roux

1.0
-0.2
0.5
-0.5

-0.0

-0.8

-0.5

200

600

1000

200

600

1000

Figure 35: Illustration du retour l'quilibre (FID) dans le sens du champ magntique xe des
moments magntiques aprs suppression de l'excitation radiolectrique: (a), (b), (c)

Signaux bidimensionnels

65

etT2 peuvent varier en fonction du matriau analys. La frquence 0 est la frquence de rsonance
du moment magntique. Elle est fonction de l'lment chimique tudi et de la relation entre le
noyau et les noyaux des atomes qui se trouvent dans son voisinage. elle est aussi proportionnelle
au champ magntique appliqu. Pour l'analyse chimique, on cherchera raliser des champs magntiques constants dans la portion d'espace o on place l'objet analyser pour ne pas avoir de
dgradation des mesures du fait des uctuations de ce champ. En visualisation bidimensionnelle
ou tridimensionnelle, les objectifs sont dirents:

7.5.2 Imagerie par rsonance magntique nuclaire


Dans ce type d'application on n'tudie qu'un seul lment chimique, et les variations de la fr~ . L'amplitude des oscillations
quence de relaxation ne dpendront que de l'amplitude du champ B
dpendront de la densit (nombre par unit de volume) d'atomes du type analys, par exemple
~
de l'hydrogne. En construisant un champ B(x,
y, z) de manire le faire varier en fonction de
l'espace, on pourra mettre en vidence la variation spatiale de la densit d'un composant. En
~
particulier si on ralise une variation linaire de l'amplitude de B(x,
y, z) dans une direction, on
obtiendra une composante de la transforme de Fourier tridimensionnelle de l'objet tudi.
~
Si le gradient de B(x,
y, z) est constant

~
B(x,
y, z)
x
~
B(x,
y, z)
y
~
B(x,
y, z)
z

= Gx

(254)

= Gy

(255)

= Gz

(256)

~ sont des fonctions linaires des coordones, soit xGx , yGy


les trois composantes Bx , By et Bz de B
et zGz . Le signal RMN (ou FID) mesur par l'antenne est la somme des signaux mis par tous
~ s'crit en fonction de la densit
les atomes. Par exemple la relaxation dans le plan orthogonal B
(x, y, z) de l'atome tudi

Z Z Z
t
s(t) =
(x, y, z) exp + j(xGx + yGy + zGz )t dxdydz
(257)
T2
On remarque que s(t) exp Tt2 est la valeur de la transforme de Fourier de (x, y, z) calcule la
frquence spatiale trois composantes Gx t, Gy t,Gz t. Une mesure RMN avec un choix de la
direction du gradient donne ainsi la valeur de la transforme de Fourier 3D le long d'un axe dont
la direction est donne par celle du gradient. On peut ainsi remplir l'espace des frquences en
eectuant des squences de mesures pour lesquelles on modie la direction du gradient. On a le
mme type de donnes que celles utilises en tomographie et on peut eectuer une reconstruction
d'images soit par ltrage et rtroprojection, soit par reconstruction dans le domaine des frquences.
Les images ainsi obtenues sont d'une qualit remarquable.

7.5.3 Quelques chires pour donner les ordres de grandeur


~ a une amplitude de 500 15000 Gauss et un gradient de 0.01 1
Le champ magntique xe B
Gauss/cm., ce qui donnera une rsolution de l'ordre d'une fraction de millimtre. L'onde radiofrquence engendrant la rsonance a une frquence de l'ordre de 10 100 MHz. Par exemple, dans
un champ Bo de 1 tesla, l'hydrogne 1H rsonne 42,57 MHz (l'hydrogne est l'lment tudi en
imagerie clinique), le phosphore 31P 17,24 MHz, le carbone 13C 10,70 MHz, le sodium 23Na
11,26 MHz. Les constantes de temps sont de l'ordre de 0.5 s pour T1 et de 50 ms pour T2 .Le temps
de relaxation T2 de l'eau pure est de 3 secondes. Le temps de relaxation T2 dans les tissus est de
l'ordre de 50 ms.

66

J. Le Roux

7.6 Utilisation du bispectre en astrophysique


Un des problmes actuels de l'astrophysique est l'augmentation de la rsolution angulaire des tlescopes. Il n'est pas possible d'augmenter la taille des tlescopes. Donc les astronomes sont amens
dvelopper des techniques de reconstitution d'images d'objets stellaires partir d'informations
partielles. Pour obtenir ces informations partielles, ils cherchent raliser des interfrences entre
les signaux issus d'une mme direction de l'espace (engendrs par la mme toile) et mesurs par
des capteurs situs une distance importante les uns des autres. Cette grande distance entre les
capteurs peut tre interprte comme le diamtre d'un tlescope . Le signal d'interfrence obtenu
partir de deux signaux issus de capteurs situs en deux points A et B est approximativement gal
un signal sinusodal bidimensionnel dont l'amplitude et la phase sont celles de la transforme
de Fourier F (u, v) du signal analys (la rpartition spatiale f (x, y) de la luminosit de l'toile)
calcule pour la frquence spatiale (u , v ) o u et v sont les composantes du vecteur AB . En
dehors des problmes techniques poss par la mise au point des franges d'interfrence, il existe une
dicult supplmentaire parce que la traverse de l'atmosphre par les ondes lumineuses les aecte
d'une perturbation. On peut considrer que cette perturbation est un dphasage alatoire dans le
temps et dans l'espace, de moyenne nulle. La phase de F (u , v ) est ainsi la dirence de phase
entre les signaux reus par le capteur A et le capteur B , soit

(B A )
qui ne dpend que de l'image analyse et non pas du temps. Toutefois, lors de mesures travers
l'atmosphre prsentant une agitation thermique, une perturbation alatoire

B (t) A (t)
est ajoute cette dirence de phase. Elle ne peut donc pas tre mesure directement.
Cependant, il est possible d'liminer ces dphasages alatoires de la manire suivante:
On considre trois points A, B et C , et on nomme , et les vecteurs AB , BC et CA. On a

++ =0

(258)

si on mesure les amplitudes et les phases des trois composantes, on obtient

F (u , v ) = (u , v ) exp[j((u , v ) + B (t) A (t))]


F (u , v ) = (u , v ) exp[j((u , v ) + C (t) B (t))]
F (u , v ) = (u , v ) exp[j((u , v ) + A (t) C (t))]

(259)
(260)
(261)

On eectue le produit de ces trois valeurs, qu'on appelle bispectre et que nous nommerons

R(u , v , u , v )
. Il ne fait intervenir que les variables

u , v , u , v
car les deux autres variables se dduisent des quatre premires d'aprs l'q. (258), les trois termes
de dphasage alatoires ds aux perturbations atmosphriques se compensent. Cette proprit est
connue sous le nom de cloture (parfois de fermeture)de phase. D'aprs l'q. (258)

u = (u + u )
v = (v + v )

(262)
(263)
(264)

et le bispectre s'crit

R(u , v , u , v ) = (u , v )(u , v )(u u , v v )


exp j[(u , v ) + (u , v ) + (u u , v v )]

(265)

car la somme des trois perturbations est nulle:

B (t) A (t) + C (t) B (t)A (t) C (t) = 0

(266)

Signaux bidimensionnels

67

On a ainsi limin les perturbations alatoires. En eectuant cette opration on a aussi limin les
ventuels composantes linares de la forme (u + v) prsentes dans les phases (u , v ), (u , v )
et (u , v ). Cette limination n'a pas de consquences majeures car un dphasage linaire se
traduit dans le domaine spatial par une translation mais ne dforme pas l'image analyse. Si on
excepte cette translation, le bispectre contient l'information F (u, v). Il faut bien sr trouver des
moyens de dduire F (u, v) de R(u , v , u , v )
En pratique, il existe des techniques indpendantes de la mesure du bispectre pour calculer
l'amplitude de la transforme de Fourier de l'image ; le bispectre est surtout utile pour la reconstitution de la phase de cette transforme et on sait que cette de phase est trs informative dans la
reprsentation de la forme de l'image cherche.
En ce qui concerne la recherche de la phase de F (u, v) partir de la phase (u , v , u , v )
de R(u , v , u , v ), on peut utiliser l'algorithe suivant on peut initialiser un algorithme en se
xant a priori et arbitrairement (par exemple 0) deux premires valeurs de la phase (u , v ),
(u , v ). Ce choix arbitraire revient simplement se xer la translation que subira l'image, et
cette translation n'a pas d'importance dans le problme tudi o on s'intresse la forme d'un
objet . Si on a mesur (u , v , u , v ), on peut donc en dduire la phase en un troisime point
du plan des frquences

(u u , v v ) = (u , v , u , v ) + (u , v ) + (u , v )

(267)

L'image analyse est relle et sa phase est une fonction impaire

(u, v) = (u, v)

(268)

On connait alors la phase en six points du plan des frquences : , , , , , . Il y a


cloture de phase pour le triplet (, , ) et pour le triplet (, , ). Si maintenant on mesure
simultanment la phase pour les frquences , et ( + ) et si on calcule le bispectre associ
ce triplet on peut donc en dduire la phase non perturbe (u, v) la frquence ( + ). Par un
choix judicieux du triple de frquences pour lequel on calcule le bispectre on peut donc augmenter
le nombre d'chantillons du plan des frquences pour lesquels la phase est connue. Si de plus on
tient compte d'informations connues a priori sur l'image cherche ou d'hypothses permettant de
complter la transforme de Fourier dans le plan des frquences, on peut estimer cette transforme
de Fourier de l'image dans la rgion utile du domaine bidimensionnel des frquences et donc par
transforme inverse, reconstruire l'image de l'objet tudi.

7.6.1 Bispectre et triple corrlation


Le bispectre est la transforme de Fourier de la triple corrlation . Nous nous bornerons montrer
ce rsultat dans le cas des fonctions monodimensionnelles. L'extension au cas bidimensionnel est
directe.
Soit un bispectre calcul de la manire dcrite dans le paragraphe prcdent (7.6)

R(u, v) = F (u)F (v)F (u v).


C'est une fonction de deux variables. Sa transforme de Fourier inverse est
Z Z
1
F (u)F (v)F (u v) exp(jux + jvy)dudv
r(x, y) =
4 2
ou encore

r(x, y) =

1
2

F (u) exp(jux)du

1
2

(269)

(270)

F (v)F (u v) exp(jvy)dv

(271)

La transforme de Fourier inverse du produit de deux fonctions F ()G() est une convolution
Z
Z
1
F ()G() exp(jt)d =
f ( )g(t )d
(272)
2

Si on choisit pour variable v la place de et la fonction

G(v) = F (u v),

(273)

68

J. Le Roux

on obtient

g(t) =

1
2

(274)

F (u v) exp(jvt)dv

soit, en eectuant le changement de variable

g(t) =

1
2

v+u=w

(275)

F (w) exp[j(w u)t]dw

(276)

ce qui donne une translation dans le domaine de la variable t


(277)

g(t) = f (t) exp(jut)

On peut reporter cette valeur de g(t) dans la convolution transforme de Fourier inverse du produit
(272)
Z
Z
1
F (v)F (u v) exp(jvy)dv =
f ( )f ( y) exp j(u uy)d
(278)
2

r(x, y) s'crit alors


1
r(x, y) =
2

F (u) exp(jux)

f ( )f ( y) exp j(u uy)d du

En commutation les oprateurs de sommation

Z
Z
1
r(x, y) =
f ( )f ( y)
F (u) exp j(ux + u uy)du d
2

c'est dire, en exprimant la transforme de Fourier inverse


Z
1
F (u) exp j(ux + u uy)du = f (x + y)
2
Z
r(x, y) =
f ( )f (x + y)f ( y)d

En posant
cette expression devient

(279)

(280)

(281)
(282)

y =z

(283)

f (z)f (z + x)f (z + y)dz

(284)

r(x, y) =

expression connue sous le nom de triple corrlation.

Signaux bidimensionnels

69

7.7 Filtrage et dtection de contour


De nombreux problmes pratiques d'analyse d'images ncessitent une analyse pralable o il faut
dcouper l'image en rgions homognes spares par des contours. En gnral les rgions homognes
sont des rgions o l'intensit lumineuse moyenne varie lentement en fonction des coordones
spatiales. Les contours sparant ces rgions sont des portions de l'image de faible largeur (largeur
de l'ordre de un pixel) o les variations d'intensit sont importantes. Il existe une multitude de
mthodes pour caractriser les rgions homognes et pour dtecter les contours.
Nous n'avons pas insist sur les applications dans ce secteur du traitement d'images, car ce ne
sont pas toujours des techniques o les mthodes orthodoxes de traitement du signal s'appliquent
avec ecacit. Il est souvent dicile de dnir des critres objectifs et gnraux et on se contente
souvent de spcier une technique bien adapte un problme donn, chaque problme semblant
prsenter des caractristiques particulires demandant une rponse approprie. On peut tout de
mme dgager deux types d'approches complmentaires, qui penvent d'ailleurs tre utilises simultanment

7.7.1 Segmentation d'une image en rgions


Un problme central dans de nombreuses applications du traitement d'images est la dcoupe d'une
image en rgions. Il ne semble pas qu'en dehors de cas d'cole o le problme est correctement pos
par construction, il y ait de solution globale satisfaisante. Il y a ainsi une multitude de variantes
dpendant des caractristiques spciques d'une application donne ou d'une image donne.
Nous nous contenterons comme dans beaucoup de documents de cours gnraux d'une formulation simpliste d'un problme assez gnral et acadmique qui ne prtend pas tre reprsentatif
de tous les cas de gures qu'on peut trouver dans les applications.
L'objectif est de dcomposer l'image f (x, y) en rgions rk (x, y) o un pixel (x, y) n'appartient
qu' une seule rgion ; les rgions sont en principe connexes : si un pixel appartient une rgion,
au moins un de ces quatre voisins appartient aussi cette rgion (on peut avoir des contraintes
plus fortes). Pour les pixels de la rgion rk (x, y) l'image est reprsente de la manire suivante

f (x, y) =

gk (x, y) + bk (x, y)

(285)

En gnral la fonction gk (x, y) est une fonction variations lentes (basses frquences) qu'on crira
par exemple sous la forme d'une combinaison linaire de fonctions de base dont on cherchera les
coecients ak (m, n) par une technique paramtrique comme la minimisation au sens des moindres
carrs.

gk (x, y) =

ak (m, n) exp

m,n

2j
(mx + ny)
N

(286)

Les valeurs maximales de m et de n sont fonction de la complexit qu'on tolre sur la forme de la
rgion. Il est parfois prfrable d'envisager une reprsentation sur un base de fonctions polynmiales
(plans, coniques, etc...) qui peuvent tre mieux adaptes un problme donn. bk (x, y) est un bruit.
Il y a deux tapes dans la procdure d'assignation des pixels une rgion. Ces tapes sont en
gnral ritres jusqu' la convergence vers une dcoupe de l'image peu prs stable (il peut y
avoir des oscillations dans la procdure itrative).
La premire tape consiste ractualiser les paramtres ak (m, n) caractrisant la rgion rk (x, y) ;
la seconde consiste rassigner certains pixels du fait de la rvaluation des paramtres des rgions.
Si on connait les pixels d'une rgion rk (x, y), la minimisation d'un critre quadratique

[f (x, y)

x,yrk (x,y)

ak (m, n) exp

m,n

2j
(mx + ny)]2
N

(287)

permet de trouver les valeurs des ak (m, n).


Une fois que les paramtres des rgions sont actualiss, on rassigne les pixels aux rgions :

(x, y) rk (x, y)

(288)

70
si

J. Le Roux

[f (x, y) gk (x, y)]2 < [f (x, y) gk0 (x, y)]2

(289)

k 0 6= k

(290)

pour tout

Cette nouvelle raectation des pixels permet une nouvelle valuation des paramtres des rgions.
Il existe toutefois des pixels qui ne correspondent pas ncessairement ce modle simple : ce
sont les pixels situs au voisinage d'un contour, c'est dire d'une sparation entre deux rgions.
Nous avons vu que l'chantillonnage d'une image suppose un ltrage passe-bas pralable, si on veut
respecter les conditions d'application du thorme d'chantillonnage (ce qui n'est pas obligatoire
dans les problmes de la sparation en rgions et de la dtection de contours). En gnral, il y a
toujours un ltrage passe-bas plus ou moins explicite. Ce ltrage se traduit par un lissage de f (x, y)
au voisinage des contours. On peut envisager de tenir compte de ces caractristiques particulires
dans la procdure itrative prcdente.
Il apparait que pour des images complexes, ce type de procdure conduit un nombre de rgions
excessif. Dans d'autre cas, on peut au contraire manquer de nesse dans la dcoupe en rgion.

7.7.2 Sparation et fusion de rgions


Il apparait que pour des images complexes, ce type de procdure conduit un nombre de rgions
excessif. Dans d'autre cas, on peut au contraire manquer de nesse dans la dcoupe en rgion. Si
on connait les caractristiques d'une rgion, et qu'on remarque que par exemple les caractrisques
du bruit, en particulier sa variance, ne sont pas homognes dans toutes les parties d'une rgion, on
peut envisager sa sparation en sous-rgions. Au contraire, on peut eectuer une fusion de deux
rgions si les caractristiques sont semblables.
On souhaite en gnral que les contours sparant des rgions sont des fonctions variations
lentes ( drive continue), sauf au voisinage de points de rencontre de trois rgions, ou encore
lorsque les rgions elles-mmes ont des contours anguleux.

7.7.3 Textures
Les rgions homognes d'une image ne sont pas ncessairement des rgions d'intensit constante
ou des rgions o les variations spatiales de l'intensit sont lentes. Il peut s'agir de rgions o les
caractristiques statistiques (en particulier les caractristiques spectrales ne varient pas ou varient
peu). On peut ainsi caractriser ces rgions par un nombre de paramtres plus levs (par exemple
les paramtres obtenus par analyse spectrale paramtrique). Ainsi c'est le vecteur des paramtres
qui varie lentement en fonction des coordonnes spatiales.
Morphologie mathmatique Il s'agit d'un ensemble d'oprations suivant des rgles de voisinage
pour tendre et rduire des rgions, qui aboutissent un lissage des contours des rgions.
Transforme de Hough La transforme de Hough est une mthode systmatique pour trouver
dans une image des formes donnes, par exemple une rgion dont le support a une forme donne
(disque, croissant, angle, etc...) On calcule sur toute l'image l'intercorrlation entre l'objet cherch
et l'image puis on recherche les maxima de cette fonction d'intercorrlation ; il s'agit d'une variante de ltrage adapt dans le cas de la dtection de signaux monodimensionnels. Cette mthode
ncessite une grande quantit de calculs, on peut parfois l'acclrer en utilisant la transforme de
Fourier (il s'agit, du moins dans les cas simples, d'eectuer des corrlations, donc des convolutions
qui deviennent des produits dans le domaine des frquences.)

7.7.4 Dtection de contours


La dtection de contour est fonde sur un calcul de drive, qu'il faut adapter pour tenir compte des
donnes traites (mauvaise qualit de la mesure avec une quantication insusante, chantillonnage
inadapt, bruit important, etc. . . )

7.7.5 Le ltre de Canny dans le domaine des frquences


Un des outils considrs comme les plus intressants pour eectuer le prtraitement des images
en vue de la dtection de contour est le ltre de Canny qui est en gnral propos sous une

Signaux bidimensionnels

71

(a)

0.1

-0

0.0

(b)

-1
-0.1
-2
-32

-16

16

32

-32

-16

16

32

Figure 36: Rponse impulsionnelle et rponse en frquence (partie imaginaire) du ltre de Canny
forme sparable: ltrage monodimensionnel ligne par ligne puis colonne par colonne. La rponse
impulsionnelle monodimensionnelle de ce ltre est

h(x) = x exp(|x|

(291)

Ce ltre qui est un ltre passe-bande a un double objectif: slectionner les frquences relativement
leves pour mettre en vidence les variations rapides dans l'image, car ces variations rapides correspondent en gnral aux contours; tout en ltrant autant que possible le bruit dont l'importance
relative est plus grande dans les hautes frquences. Le paramtre doit tre rgl en fonction
de l'application envisage. L'implmentation sparable est par exemple celle de Deriche (ltre de
Canny-Deriche) sous la forme d'un ltre rcursif traitant chaque ligne ou chaque colonne dans un
sens puis dans l'autre. Cette forme sparable ne conserve pas l'isotropie: un ltre ne traite pas de
la mme manire les verticales ou les horizontales que les obliques. Pourtant, si on l'application autorise le traitement par transforme de Fourier, il est possible de raliser le ltrage dans le domaine
des frquences bidimensionnelles.
L'expression du ltre de Canny dans le domaine des frquences est

H() =

4j
(2 + 2 )2

(292)

C'est sur l'image ltre ligne par ligne puis colonne par colonne que sont dtectes les variations
rapides du signal qui sont interprtes comme un contour ou comme du bruit.
On peut donner une forme bidimensionnelle de ce ltre en imposant la symtrie et l'invariance
par rotation
ju v
H(u, v) = 4 2
(293)
( + u2 + v 2 )2
La rponse en frquence de ce ltre a pour module

(u, v) = 4
et pour phase

sqrt(u2 + v 2
(2 + u2 + v 2 )2

(u, v) = arg(v ju)

(294)

(295)

Ce ltre produit un signal ltr complexe : la partie relle donne la composante du gradient
suivant l'axe des abscisses et la partie imaginaire la composante suivant l'axe des ordonnes. Le
module du gradient est le module de ce nombre complexe.

Courbure d'un contour La ralisation d'un ltre bidimensionnel dans le domaine des frquences permet d'eectuer certains calculs dont la ralisation serait plus fastidieuse dans le domaine
spatial.

72

J. Le Roux

(a)

(b)

(c)
Figure 37: Module, coupe du module et phase du ltre de Canny bidimensionnel
Soit f (x, y) l'image analyser de transforme de Fourier F (u, v). Pour calculer une drive
f
partielle f
x , y on peut calculer dans le domaine des frquences juF (u, v) et jvF (u, v). Il faut bien
entendu tenir compte de l'ventuelle amplication du bruit dans le domaine des hautes frquences.
Les transformes des drives secondes
2f
2f
x2 , xy

et

2f
y 2

sont respectivement

u2 F (u, v), uvF (u, v) et v 2 F (u, v).


Il est intressant de noter que ces formulations dans le domaine des frquences donnent les valeurs
exactes des drives alors que dans le domaine spatial on se contente souvent de valeurs trs
approches (mais la plupart du temps susantes en pratique). Ces calculs de drives exactes
permettent par exemple de trouver la pente prcise d'un contour:
f
x
arctg f
|x=x0 ,y=y0

(296)

On peut aussi, partir des drives secondes calculer le rayon de courbure d'un contour (x0 , y0 ):

(x0 , y0 ) =

i3/2
h
f 2
2
( f
x ) + ( y )
2 f f 2
x2 ( y )

f f f
2 xy
x y +

|
2 f f 2 x=x0 ,y=y0
y 2 ( x )

(297)

L'appartenance d'un point un contour correspond en gnral une valeur leve de l'amplitude
du gradient
f 2
2
( f
x ) + ( y )

et tel que l'intersection de la fonction analyse f (x, y) avec le plan vertical perpendiculaire la
tangente horizontale au contour

Signaux bidimensionnels

73
f f
x , y , 0

prsente un point d'inexion, soit pour

2 f f 2
2 f f f
2 f f 2
(
)
+
2
+
( ) =0
x2 x
xy x y
y 2 y

(298)

Bien sr cette mthode est particulirement sensible au bruit car la double drivation amplie
considrablement les hautes frquences.

Das könnte Ihnen auch gefallen