Séance de cours

Traitement de l'image II

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MICRO-512: Image processing II

Study of advanced image processing; mathematical imaging. Development of image-processing software and prototyping in Jupyter Notebooks; application to real-world examples in industrial vision and biomedical imaging. ...

Description

Cette séance de cours couvre les concepts de représentations d'images continues / discrètes, d'interpolation d'images classiques et généralisées, de splines polynomiales, d'ondelettes et d'interpolation de splines cubiques. Il traite également des solutions de filtrage d'interpolation, des fonctions de base B-spline, de la transformée de Haar, des pyramides d'images et des transformations géométriques des images.

Enseignant·e·s (4)

Michael Stefan Daniel Liebling

Enseignement et PhD A co-dirigé les thèses EPFL de Christian Jaques, Olivia Mariani, Adrian Shajkofci, François Thierry M Marelli Cours Apprentissage et intelligence artificielle EE-311 Ce cours présente une vue générale des techniques d'apprentissage automatique, passant en revue les algorithmes, le formalisme théorique et les protocoles expérimentaux.

Michaël Unser

Expertise Image Processing Medical Imaging Biological Imaging Wavelets Splines Multiresolution Enseignement et PhD Doctorant·es actuel·les Youssef Haouchat, Vincent Patrick Lawrence Guillemet, Bassam El Rawas, Stanislas Ducotterd, Mehrsa Pourya, Zhiyuan Hu A dirigé les thèses EPFL de Stefan Horbelt, Jan Kybic, Maria Arrate Munoz Barrutia, Manuela Feilner, Slavica Jonic, Mathews Jacob, Michael Liebling, Michael Sühling, Muthuvel Arigovindan, François Aguet, Cédric Vonesch, Ildar Khalidov, Sathish Ramani, F

Daniel Sage

Expertise Publications Enseignement et PhD A co-dirigé les thèses EPFL de Daniel Andreas Schmitter, Anaïs Badoual, Laurène Donati Cours Bioimage informatics BIO-410 Le cours fournit une complète revue des méthodes, algorithmes et des outils logiciels utilisés en analyse d'images biologiques. Il expose les concepts fondamentaux et les solutions informatiques permettant d'extraire des informations quantitatives à partir d'images multidimensionnelles. Fundamentals of Image Analysis EE

Dimitri Nestor Alice Van De Ville

Expertise Neuro-imagerie, traitement des signaux, sciences des réseaux, systèmes dynamiques Enseignement et PhD Doctorant·es actuel·les Alexandre Cionca, Chun Hei Michael Chan, Flavia Petruso, Bassam El Rawas, Nikolaos Molochidis, Christophe Pascal Jérémie Chênes, Fabrice Jean Guibert, Alessio Siviglia, Ekansh Sareen, Beatrice Lugli A dirigé les thèses EPFL de Djano Kandaswamy, Fikret Isik Karahanoglu, Nora Leonardi, Zafer Dogan, Jeffrey Adam Kasten, Naghmeh Ghazaleh, Rotem Roza Kopel, Daniela Maria Zölle

Source officielle

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Concepts associés (31)

Interpolation numérique

En analyse numérique (et dans son application algorithmique discrète pour le calcul numérique), l'interpolation est une opération mathématique permettant de remplacer une courbe ou une fonction par une autre courbe (ou fonction) plus simple, mais qui coïncide avec la première en un nombre fini de points (ou de valeurs) donnés au départ. Suivant le type d'interpolation, outre le fait de coïncider en un nombre fini de points ou de valeurs, il peut aussi être demandé à la courbe ou à la fonction construite de vérifier des propriétés supplémentaires.

Interpolation multivariée

En analyse numérique, linterpolation multivariée ou linterpolation spatiale désigne l'interpolation numérique de fonctions de plus d'une variable. Le problème est similaire à celui de l'interpolation polynomiale sur un intervalle réel : on connait les valeurs d'une fonction à interpoler aux points et l'objectif consiste à évaluer la valeur de la fonction en des points . L'interpolation multivariée est notamment utilisée en géostatistique, où elle est utilisée pour reconstruire les valeurs d'une variable régionalisée sur un domaine à partir d'échantillons connus en un nombre limité de points.

Ondelette

thumb|Ondelette de Daubechies d'ordre 2. Une ondelette est une fonction à la base de la décomposition en ondelettes, décomposition similaire à la transformée de Fourier à court terme, utilisée dans le traitement du signal. Elle correspond à l'idée intuitive d'une fonction correspondant à une petite oscillation, d'où son nom. Cependant, elle comporte deux différences majeures avec la transformée de Fourier à court terme : elle peut mettre en œuvre une base différente, non forcément sinusoïdale ; il existe une relation entre la largeur de l'enveloppe et la fréquence des oscillations : on effectue ainsi une homothétie de l'ondelette, et non seulement de l'oscillation.

Interpolation polynomiale

En mathématiques, en analyse numérique, l'interpolation polynomiale est une technique d'interpolation d'un ensemble de données ou d'une fonction par un polynôme. En d'autres termes, étant donné un ensemble de points (obtenu, par exemple, à la suite d'une expérience), on cherche un polynôme qui passe par tous ces points, p(xi) = yi, et éventuellement vérifie d'autres conditions, de degré si possible le plus bas. Cependant, dans le cas de l'interpolation lagrangienne, par exemple, le choix des points d'interpolation est critique.

Interpolation bilinéaire

L'interpolation bilinéaire est une méthode d'interpolation pour les fonctions de deux variables sur une grille régulière. Elle permet de calculer la valeur d'une fonction en un point quelconque, à partir de ses deux plus proches voisins dans chaque direction. C'est une méthode très utilisée en pour le , qui permet d'obtenir de meilleurs résultats que l'interpolation par plus proche voisin, tout en restant de complexité raisonnable.

Afficher plus

Séances de cours associées (64)

Traitement d'image II: Propriétés de la B-spline et opérateurs de gradient

Explore les propriétés B-spline, les opérateurs de gradient, l'interpolation et les filtres de différenciation dans le traitement d'image.

Analyse des erreurs et Interpolation

Explore l'analyse des erreurs et les limites de l'interpolation sur des nœuds uniformément répartis.

Analyse numérique

Couvre des sujets d'analyse numérique avancés, y compris les réseaux neuronaux profonds et les méthodes d'optimisation.

Interpolation linéaire par morceaux

Couvre le concept d'interpolation linéaire par morceaux et l'importance de diviser correctement les intervalles.

Méthode Newton : Interpolation des données

Couvre la méthode de Newton pour trouver des zéros de fonctions en utilisant l'interpolation de données.

Afficher plus

Concepts associés (31)

Interpolation numérique

Interpolation multivariée

Ondelette

Interpolation polynomiale

Interpolation bilinéaire

Afficher plus