Qu’est-ce que la convolution d’images ?
La convolution d’images calcule chaque pixel de sortie à partir d’un voisinage pondéré de pixels d’entrée défini par une matrice appelée noyau. Les valeurs et les dimensions du noyau déterminent la contribution des informations environnantes au résultat.
Fonctionnement de la convolution d’images
Un noyau de convolution parcourt une image matricielle et combine les échantillons voisins pour produire une nouvelle valeur à chaque position. Les noyaux passe-bas symétriques atténuent les variations rapides, tandis que les noyaux de dérivation et passe-haut accentuent les changements directionnels ou les structures fines. Les implémentations doivent définir un point d’ancrage, le traitement des canaux, la précision numérique et le traitement des positions situées hors de l’image. Dans une chaîne de traitement multimédia, la convolution est à la base du flou, de l’accentuation de la netteté, des fonctions de support du rééchantillonnage et de nombreuses étapes de prétraitement.
Points clés
- Des coefficients de noyau dont la somme vaut un préservent généralement la luminosité des zones uniformes ; un noyau de somme nulle élimine au contraire les régions constantes et réagit principalement aux variations.
- Un noyau bidimensionnel séparable peut être évalué en une passe horizontale et une passe verticale, ce qui réduit les calculs tout en produisant le même résultat, aux arrondis près.
- Le remplissage par des zéros, la réflexion des pixels, la réplication des bords ou le rebouclage des coordonnées produisent des valeurs différentes aux bordures, même lorsque tous les pixels intérieurs sont identiques.
Quand la convolution d’images est importante
Choisissez un noyau adapté à l’opération visée, comme le lissage, l’accentuation de la netteté ou la détection de contours, et définissez explicitement son comportement aux limites. Les grands noyaux augmentent les calculs, tandis que des noyaux mal normalisés peuvent modifier la luminosité.