Fonction Convolution

Vue d’ensemble

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

Paramètre	Description
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 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.

Type	Description	Exemple
Dégradé est	Filtre 3 par 3 1 0 -1 2 0 -2 1 0 -1
Dégradé nord	Filtre 3 par 3 -1 -2 -1 0 0 0 1 2 1
Dégradé nord-est	Filtre 3 par 3 0 -1 -2 1 0 -1 2 1 0
Dégradé nord-ouest	Filtre 3 par 3 -2 -1 0 -1 0 1 0 1 2
Dégradé sud	Filtre 3 par 3 1 2 1 0 0 0 -1 -2 -1
Dégradé ouest	Filtre 3 par 3 -1 0 1 -2 0 2 -1 0 1

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.

Type	Description	Exemple
Laplacien 3x3	Filtre 3 par 3 0 -1 0 -1 4 -1 0 -1 0
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

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.

Type	Description	Exemple
Détection de ligne horizontale	Filtre 3 par 3 -1 -1 -1 2 2 2 -1 -1 -1
Détection de ligne diagonale gauche	Filtre 3 par 3 2 -1 -1 -1 2 -1 -1 -1 2
Détection de ligne diagonale droite	Filtre 3 par 3 -1 -1 2 -1 2 -1 2 -1 -1
Détection de ligne verticale	Filtre 3 par 3 -1 0 -1 -1 2 -1 -1 2 -1

Types de filtre Sobel

Le filtre Sobel permet de détecter les contours.

Type	Description	Exemple
Sobel horizontal	Filtre 3 par 3 -1 -2 -1 0 0 0 1 2 1
Sobel vertical	Filtre 3 par 3 -1 0 1 -2 0 2 -1 0 1

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).

Type	Description	Exemple
Affinage	Filtre 3 par 3 0 -0.25 0 -0.25 2 -0.25 0 -0.25 0
Affiner davantage	Filtre 3 par 3 -0.25 -0.25 -0.25 -0.25 3 -0.25 -0.25 -0.25 -0.25
Affinage 3x3	Filtre 3 par 3 passe haut -1 -1 -1 -1 9 -1 -1 -1 -1
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

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.

Type	Description	Exemple
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
Lissage 3x3	Filtre 3 par 3 passe bas 1 2 1 2 4 2 1 2 1
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

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.

Type	Description	Exemple
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