Il y a plusieurs sortes d’images en noir et blanc :
– les images qui n’ont pas de couleurs, c’est-`a-dire que les couleurs utilis´ees ne sont que des niveaux de gris.
– les images qui n’ont presque pas de couleurs : les couleurs sont tellement peu satur´ees, i.e. tellement sombres qu’elles nous paraissent grises : « la nuit tous les chats sont gris ». Pour ces images, l’ordinateur verra de vraies couleurs si l’on n’utilise que l’achromatisme th´eorique : R = V = B ⇔ teinte non d´efinie, mais R ≈ V ≈ B ⇔ teinte d´efinie.
– les images en noir et blanc qui ont ´et´e vieillies ou coloris´ees. Dans la classe des images vieillies, ce sont toutes les images en noir et blanc qui ont une coloration jaune ou s´epia, quant aux images coloris´ees, il peut s’agir d’une colorisation voulue, et on pourra donc avoir diverses couleurs (bleu, vert, ...)
Pour chacune de ces trois cat´egories, il faut appliquer un crit`ere sp´ecifique, et nous ´etudierons successivement l’achromatisme, la saturation et la teinte. Remarquons que dans le cas des images vieillies, ainsi que dans le cas de certaines photographies achro- matiques, savoir que l’image est en noir et blanc nous donne une information s´emantique d’assez haut niveau : cela permet de dater la photographie. Certes, pas avec une pr´ecision absolue, mais d´ej`a, pouvoir dire qu’une photographie date du d´ebut du 20`eme si`ecle est non n´egligeable, et pourrait nous orienter notamment sur la nature des objets que nous sommes susceptibles de trouver dans cette image.
Achromatisme
Lors de la conversion d’une image de l’espace des couleurs RVB en TSVal, nous pouvons r´egler un seuil de tol´erance d’achromatisme. Ce seuil s est tel que
|R − V | < s |R − B| < s |V − B| < s
i.e. R ≈ V ≈ B ⇔ pixel achromatique
Dans ce cas, nous attribuons au pixel une teinte T = −1 pour signaler qu’il est achromatique, la saturation S ne peut pas ˆetre calcul´ee et la valeur V al est alors ´egale au niveau de gris du pixel :
V al = R + V + B
3 .
Le seuil s qui d´ecide de l’achromatisme d’un pixel doit ˆetre choisi de telle mani`ere que l’image de la figure 4.6 ait un achromatisme de 100%. En pratique et en supposant que R, V et B sont normalis´es entre 0 et 1, nous avons d´etermin´e exp´erimentalement qu’un seuil s = 0, 03 donne des r´esultats satisfaisant.
Apr`es avoir fix´e s notamment pour que la figure 4.6 soit consid´er´ee comme compl`ete- ment achromatique, le pourcentage de pixels servant `a prendre la d´ecision « image noir et blanc / couleur » doit ˆetre assez ´elev´e pour qu’une image comme celle de la figure 4.7 qui ne poss`ede que tr`es peu de pixels chromatiques soit tout de mˆeme class´ee parmi les images en couleur. Le crit`ere de d´ecision que nous avons d´efini est le suivant : si plus de 99% des pixels de l’image sont achromatiques (au sens du seuil s fix´e ci-dessus), alors l’image est en noir et blanc.
Ce crit`ere s’applique aussi bien aux photographies qu’aux cliparts. En revanche, les deux crit`eres que nous d´eveloppons dans la suite, la faible saturation et la dominance de teinte, ne s’appliquent qu’aux photographies, car un clipart avec un rose faiblement satur´e ne doit pas ˆetre reconnu comme ´etant noir et blanc, alors que pour une image avec une teinte rose et faiblement satur´ee, on aura tendance `a dire qu’elle est en noir et blanc.
Fig. 4.6 – Un exemple de photographie achromatique.
Faible saturation
Pour commencer, voici, figure 4.8, un exemple de photographie dont les pixels ne sont pas achromatiques, mais que nous percevons en noir et blanc.
Fig. 4.8 – Un exemple de photographie faiblement satur´ee.
En r´ealit´e, cette image est en couleur, mais ses couleurs sont faiblement satur´ees, et nous donnent une sensation de niveaux de gris. Cela apparaˆıt clairement sur son histogramme de saturation, figure 4.9.
Fig. 4.9 – Histogramme de saturation de la photographie de la figure 4.8. En abscisse la valeur de la saturation (de 0 `a 255), et en ordonn´ee, le nombre de pixels.
Nous nous apercevons que la saturation des pixels, qui est normalis´ee entre 0 et 255, ne d´epasse pas 90 sur cet histogramme. En fait, quelques pixels ont une saturation sup´erieure `a 90, mais ils ne sont pas assez nombreux pour ˆetre visibles sur l’histogramme. Afin de savoir si une image est faiblement satur´ee, nous comptons simplement le pourcentage des pixels de l’image dont la saturation est inf´erieure `a 100. Si ce pourcentage est sup´erieur `a 95%, alors nous d´ecidons que l’image est en noir et blanc. Ces seuils ont ´et´e d´etermin´es empiriquement `a partir d’observations sur des images de chaque classe.
Dominance de teinte
Une photographie jaunie telle que celle de la figure 4.10 devrait ´egalement ˆetre class´ee parmi les images monochromes.
Fig. 4.10 – Photographie jaunie.
La saturation d’une telle image (figure 4.11) n’est pas forc´ement assez faible pour qu’elle soit class´ee comme noir et blanc seulement avec le crit`ere de saturation d´evelopp´e ci-dessus.
Fig. 4.11 – Histogramme de saturation de la figure 4.10. En abscisse la valeur de la saturation (de 0 `a 255) et en ordonn´ee le nombre de pixels.
Cependant, sa teinte (figure 4.12) est assez caract´eristique d’une image jaunie : Pour savoir si l’image poss`ede une teinte dominante, nous recherchons le maximum de la teinte, puis calculons le pourcentage de pixels de l’image dont la teinte est `a une distance inf´erieure `a 20 de la teinte du maximum. Si ce pourcentage est sup´erieur `a 95%, alors l’image est consid´er´ee comme noire et blanche, et nous pouvons ´egalement donner
Fig. 4.12 – Histogramme de teinte de la figure 4.10. En abscisse la valeur de la teinte (de 0 `a 255), et en ordonn´ee, le nombre de pixels.
la couleur de sa teinte qui correspond `a la teinte du maximum.
Nous pouvons en effet facilement ´etablir une correspondance entre les valeurs des pixels dans l’espace TSVal et le nom des couleurs, principalement d’apr`es la teinte, mˆeme s’il faut aussi parfois se servir de la saturation et de la valeur. Les correspondances suivantes ont ´et´e ´elabor´ees en s’inspirant d’une part de l’article [26] et d’autre part en utilisant des observations personnelles.
teinte(T) Couleur T = −1 achromatique 0 ≤ T < 14 Rouge 14 ≤ T < 29 Orange 29 ≤ T < 45 J aune 45 ≤ T < 113 V ert 113 ≤ T < 149 Cyan 149 ≤ T < 205 Bleu 205 ≤ T < 235 V iolet 235 ≤ T < 242 Rose, M agenta 242 ≤ T ≤ 255 Rouge
Cela donne `a peu pr`es le d´ecoupage repr´esent´e sur la figure 4.13. Le d´ecoupage n’est pas parfait : les couleurs n’occupent pas des proportions ´egales, le rouge, le vert et le bleu sont les couleurs qui occupent le plus de place dans l’espace des teintes, alors que le orange, le jaune et le rose sont `a peine repr´esent´es. De plus, les fronti`eres entre les couleurs varient d’une personne `a une autre.
Dans le cas d’une couleur achromatique, la seule information disponible est la valeur. Le nom de la couleur est alors d´etermin´e de la mani`ere suivante (pour une valeur norm´ee entre 0 et 255) :
Fig. 4.13 – Repr´esentation du nom de la couleur en fonction de la teinte.
Valeur(V) Couleur 0 ≤ V < 82 N oir 82 ≤ V < 179 Gris 179 ≤ V < 255 Blanc
On remarquera enfin qu’il manque la couleur marron dans le premier tableau. Cette couleur est plus difficile que les autres `a nommer, car elle correspond en r´ealit´e plus ou moins `a du orange fonc´e. Pour une teinte orange fix´ee, on trouvera le marron `a la limite entre le orange et les couleurs achromatiques. Nous proposons de faire la distinction entre le orange et le marron de la mani`ere suivante : pour une teinte comprise entre 14 et 29, nous d´efinissons un orange « pur » par un couple saturation-valeur (S, V al) = (255, 125) et un marron « pur » aux coordonn´ees (S, V ) = (184, 65). Pour un nouveau pixel (T, S, V al) avec T comprise entre 14 et 29, nous calculons la distance L1 entre ce
pixel et les deux couleurs de r´ef´erence orange « pur » et marron « pur ». Nous affectons `
a ce nouveau pixel le nom de la couleur dont il est le plus proche. Cela se r´esume par la formule suivante :
crit`ere(S,Val) Couleur |184 − S| + |65 − V al| < |255 − S| + |125 − V al| M arron |184 − S| + |65 − V al| ≥ |255 − S| + |125 − V al| Orange
De mˆeme que le orange fonc´e nous apparaˆıt marron, le jaune fonc´e (qui correspond `
a une teinte jaune, avec une valeur faible) nous apparaˆıt vert. Nous r´eglons ce probl`eme de la mani`ere suivante :
– si la teinte est jaune, et que V al < 80, alors la couleur est verte, – si la teinte est jaune, et que V al ≥ 80, alors la couleur est jaune.
Nous pouvons d´esormais nommer les diff´erentes couleurs, en se rappelant toutefois qu’aux fronti`eres entre les couleurs, les noms ne sont d´efinis que de mani`ere subjective :
cela d´epend de celui qui nomme la couleur, et de l’environnement dans lequel la couleur est per¸cue – environnement qui tient compte des variations d’illumination, des couleurs accol´ees `a la couleur observ´ee, ou tout autre artefact de ce genre.
Pour en revenir `a la classification des images en noir et blanc, afin que des photogra- phies qui seraient coloris´ees en jaune vif ne soient pas compt´ees parmi les photographies en noir et blanc, nous rajoutons au crit`ere sur la teinte un crit`ere sur la saturation : plus de 50% des pixels de l’image doivent avoir une saturation faible au sens du crit`ere explicit´e dans la section pr´ec´edente.