Fonction Convolution

La fonction Convolution exécute un filtrage sur les valeurs de pixel d’une image, permettant d’affiner une image, de brouiller une image, de détecter des contours dans une image ou d’effectuer d’autres améliorations basées sur le noyau. Les filtres permettent de renforcer la qualité de l’image raster en éliminant des données fictives ou en améliorant la représentation des entités présentes dans les données. Ces filtres de convolution s’appliquent à un noyau superposé en mouvement (fenêtre ou voisinage), par exemple 3 par 3. Les filtres de convolution fonctionnent en calculant la valeur de pixel en fonction de la pondération des voisins.

Remarques

Vous pouvez choisir plusieurs types de filtre de convolution dans cette fonction. Vous pouvez également spécifier un type Défini par l’utilisateur et entrer vos propres valeurs de noyau.

Pour un affichage d’une qualité optimale, vous pouvez appliquer étirement d’histogramme afin d’ajuster le contraste et la luminosité de l’image et mieux mettre en surbrillance les entités.

Paramètres

ParamètreDescription

Raster

Couche raster en entrée.

Type

Sélectionnez le type de filtrage à effectuer : Des options permettent d’affiner, de brouiller une image ou détecter des bords, mais vous pouvez également définir votre propre filtre de type noyau

Noyau

Cette table illustre la manière dont chaque pixel sera pondéré au cours du filtrage. Cette table peut être mise à jour si vous choisissez Défini par l’utilisateur comme Type.

Pour en savoir plus sur le fonctionnement de la fonction Convolution

Dans les tables suivantes, chaque filtre est appliqué à une de ces deux images :

Image en nuances de gris non filtrée
Image en nuances de gris non filtrée
Image couleur non filtrée
Image couleur non filtrée

Filtres de détection des contours

Types de dégradé

Les filtres de dégradé peuvent être utilisés pour détecter les contours par incréments de 45 degrés.

TypeDescriptionExemple

Dégradé est

Filtre 3 par 3

 1  0 -1
 2  0 -2
 1  0 -1

Résultat du dégradé est

Dégradé nord

Filtre 3 par 3

 -1 -2 -1
  0  0  0
  1  2  1

Résultat du dégradé nord

Dégradé nord-est

Filtre 3 par 3

 0 -1 -2
 1  0 -1
 2  1  0

Résultat du dégradé nord-est

Dégradé nord-ouest

Filtre 3 par 3

 -2 -1  0
 -1  0  1
  0  1  2

Résultat du dégradé nord-ouest

Dégradé sud

Filtre 3 par 3

  1  2  1
  0  0  0 
 -1 -2 -1

Résultat du dégradé sud

Dégradé ouest

Filtre 3 par 3

 -1  0  1
 -2  0  2
 -1  0  1

Résultat du dégradé ouest

Types de filtre laplacien

Les filtres laplaciens sont souvent utilisés pour détecter les contours. Ils s’appliquent souvent à une image préalablement lissée afin de réduire sa sensibilité au bruit.

TypeDescriptionExemple

Laplacien 3x3

Filtre 3 par 3

 0 -1  0
-1  4 -1
 0 -1  0

Résultat du filtre laplacien 3x3

Laplacien 5x5

Filtre 5 par 5

 0  0 -1  0  0 
 0 -1 -2 -1  0
-1 -2 17 -2 -1
 0 -1 -2 -1  0
 0  0 -1  0  0

Résultat du filtre laplacien 5x5

Types de détection des lignes

Les filtres de détection des lignes, tels que les filtres de dégradé, peuvent être utilisés pour détecter les contours.

Vous pouvez obtenir de meilleurs résultats si vous appliquez un algorithme de lissage avant un algorithme de détection des contours.

TypeDescriptionExemple

Détection de ligne horizontale

Filtre 3 par 3

-1 -1 -1
 2  2  2 
-1 -1 -1

Résultat de la détection de ligne horizontale

Détection de ligne diagonale gauche

Filtre 3 par 3

 2 -1 -1
-1  2 -1
-1 -1  2

Résultat de la détection de ligne diagonale gauche

Détection de ligne diagonale droite

Filtre 3 par 3

-1 -1  2 
-1  2 -1
 2 -1 -1

Résultat de la détection de ligne diagonale droite

Détection de ligne verticale

Filtre 3 par 3

-1  0 -1 
-1  2 -1 
-1  2 -1

Résultat de la détection de ligne verticale

Types de filtre Sobel

Le filtre Sobel permet de détecter les contours.

TypeDescriptionExemple

Sobel horizontal

Filtre 3 par 3

-1 -2 -1
 0  0  0
 1  2  1

Résultat du filtre Sobel horizontal

Sobel vertical

Filtre 3 par 3

-1  0  1 
-2  0  2 
-1  0  1

Résultat du filtre Sobel vertical

Filtres d’affinage et de lissage

Types d’affinage

Le filtre d’affinage (passe haut) accentue la différence comparative dans les valeurs avec ses voisins. Un filtre passe haut calcule les statistiques de somme focales pour chacune des cellules de la sortie, à l’aide du voisinage de noyau pondéré. Il met en valeur les limites existant entre les entités (par exemple, l’endroit où une masse d’eau rencontre une forêt), améliorant ainsi la netteté des bords entre les objets. Le filtre passe haut est appelé "filtre d’optimisation des bords". Le noyau du filtre passe haut identifie les cellules à utiliser dans le voisinage et la pondération à leur attribuer (par laquelle les multiplier).

TypeDescriptionExemple

Affinage

Filtre 3 par 3

  0    -0.25    0
-0.25    2    -0.25
  0    -0.25    0

Résultat de l’affinage

Affiner davantage

Filtre 3 par 3

-0.25 -0.25 -0.25 
-0.25  3    -0.25 
-0.25 -0.25 -0.25

Résultat de l’affinage II

Affinage 3x3

Filtre 3 par 3 passe haut

-1 -1 -1 
-1  9 -1 
-1 -1 -1

Résultat de l’affinage 3x3

Affinage 5x5

Filtre 5 par 5 passe haut

-1 -3 -4 -3 -1 
-3  0  6  0 -3 
-4  6 21  6 -4 
-3  0  6  0 -3
-1 -3 -4 -3 -1

Résultat de l’affinage 5x5

Types de lissage

Les filtres de lissage (passe bas) lissent les données en réduisant la variation locale et en éliminant le bruit. Le filtre passe bas calcule la valeur moyenne pour chaque voisinage. Le résultat est le suivant : la moyenne des valeurs maximales et minimales de chaque voisinage est calculée, ce qui permet de réduire les valeurs extrêmes contenues dans les données.

TypeDescriptionExemple

Moyenne arithmétique lissée

Filtre 3 par 3

0.111  0.111  0.111
0.111  0.111  0.111
0.111  0.111  0.111

Résultat de la moyenne arithmétique lissée

Lissage 3x3

Filtre 3 par 3 passe bas

1  2  1
2  4  2
1  2  1

Résultat du lissage 3x3

Lissage 5x5

Filtre 5 par 5 passe bas

1  1  1  1  1 
1  4  4  4  1 
1  4 12  4  1 
1  4  4  4  1 
1  1  1  1  1

Résultat du lissage 5x5

Autres filtres

Type de dispersion des points

La fonction de dispersion des points représente la distribution de la lumière à partir d’un point source à travers un objectif. Ceci introduit un effet légèrement flou.

TypeDescriptionExemple

Dispersion des points

Filtre 3 par 3

-0.627  0.352 -0.627
 0.352  2.923  0.352
-0.627  0.352 -0.627

Résultat de la dispersion des points