Aller au contenu principal
Concepteur et fabricant d'équipements d'imagerie avancés
samedi, 10 octobre 2026

Article

Réduction du bruit dans Altron : moyennage de lignes et d’images et filtres de bruit

Rahni

Rien n’est gratuit en matière de réduction du bruit. Chaque méthode réduit le bruit et prend quelque chose en échange : cadence de lignes, détails fins ou réactivité au mouvement. Notre travail consiste à choisir le coût que votre application peut se permettre.

Tracé de ligne Altron avec un signal de caméra virtuelle, référence pour juger la réduction du bruit
Tracé de ligne Altron avec un signal de caméra virtuelle, référence pour juger la réduction du bruit

Gardez à l’esprit une règle fondamentale. Le bruit aléatoire diminue avec la racine carrée du nombre d’échantillons. Moyenner quatre échantillons divise le bruit par deux, et en moyenner cent le réduit à un dixième. C’est pourquoi la plupart des outils de cet article sont une forme de moyennage.

Le nœud Smoothing : trois étages dans une seule boîte

Pour le moyennage de lignes et d’images, Altron dispose d’un nœud appelé Smoothing. Vous pouvez l’utiliser avec les caméras linéaires comme avec les caméras matricielles. Il comporte trois étages, que vous activez séparément. L’ordre d’exécution est toujours fixe : Bundle Average, puis Box Car, puis Continuous Average. Chaque étage travaille sur la sortie du précédent.

Bundle Average

Cet étage est réservé aux caméras linéaires. Il moyenne chaque groupe de N lignes consécutives et produit une seule ligne. Vous choisissez N entre 2 et 10000. La cadence de lignes en sortie est divisée par N.

Où est-ce utile ? Lorsque la caméra est bien plus rapide que nécessaire. Au lieu de jeter les lignes en trop, vous les utilisez pour réduire le bruit. Gardez simplement la géométrie à l’esprit. Si la sortie devient quatre fois plus lente, la cadence de lignes de la caméra doit augmenter du même facteur. Sinon, l’image est comprimée dans le sens du mouvement.

Box Car

Celui-ci est également réservé aux caméras linéaires, mais il agit le long de la ligne elle-même. Chaque pixel est moyenné avec N voisins de chaque côté, ce qui donne une fenêtre de 2N+1 pixels de large. N est compris entre 1 et 100. Comme l’information provient des pixels voisins et non du temps, il fonctionne aussi sur une scène immobile. Le prix à payer est une perte de détail le long de la ligne, et les contours deviennent plus doux.

Continuous Average

Cet étage fonctionne pour les deux types de caméras. Chaque ligne ou image de sortie est la moyenne des N dernières lignes ou images. Vous choisissez N entre 2 et 1024. La cadence reste la même et le bruit diminue. En contrepartie, tout ce qui bouge laisse derrière lui une traînée longue de N lignes ou images. Il est excellent pour les scènes immobiles ou les mesures en laboratoire. Pour les objets en mouvement, gardez N petit.

D’autres outils pour des cas particuliers

TNR-Temporal Noise Reduction : Ce filtre est destiné aux images monochromes 8 ou 16 bits des caméras matricielles, et sert surtout pour les images thermiques. Chaque image est mélangée avec l’image filtrée précédente. Le paramètre a est le poids de la nouvelle image, entre 0 et 1. Une valeur plus faible donne moins de bruit mais laisse une traînée plus longue derrière les objets en mouvement. Une valeur de 1 signifie aucun effet.

SNR + DDE : Il s’agit d’un filtre guidé. Il divise l’image en deux couches : une couche de base et une couche de détails. Il réduit ensuite le bruit dans la couche de détails et renforce les détails eux-mêmes. Il fonctionne sur les caméras linéaires comme matricielles. Le paramètre k définit l’intensité du lissage. Df règle le renforcement des détails fins, et Dm celui des détails moyens. Pour les images couleur, le mode Luma est environ trois fois plus rapide et n’ajoute pas de couleur sur les contours.

Lequel choisir ?

  • Caméra linéaire avec une marge de cadence de lignes : Bundle Average.
  • Scène immobile ou échantillon de laboratoire : Continuous Average.
  • Bruit le long de la ligne, détails fins sans importance : Box Car avec un petit N.
  • Image thermique avec des objets lents : TNR avec un a moyen.
  • Vous voulez voir les détails mais pas le grain : SNR + DDE.

Erreurs que nous voyons souvent chez nos clients

  • Utiliser la réduction de bruit logicielle au lieu d’une exposition correcte. Si l’image est sous-exposée, corrigez d’abord l’exposition et l’éclairage. Aucun filtre ne peut restituer un signal qui n’a jamais été enregistré.
  • Utiliser Continuous Average avec un grand N sur un convoyeur en mouvement, puis se demander pourquoi les contours sont flous dans le sens du mouvement.
  • Oublier Set dans les panneaux TNR et SNR + DDE. Dans ces deux panneaux de filtre, les modifications ne sont appliquées qu’après avoir appuyé sur Set.

Notre conseil

Activez les étages un par un et vérifiez le graphique de ligne ou l’image après chacun. Lorsque deux ou trois filtres sont actifs ensemble, vous ne pouvez plus savoir lequel a mangé les détails. Partez de la valeur la plus basse et montez seulement jusqu’à ce que le bruit soit acceptable, pas au-delà.

Pour en savoir plus sur le bruit d’image, consultez article Wikipédia (en anglais).

Pour voir les caméras avec lesquelles ces outils fonctionnent, consultez la page Altron . Si vous ne savez pas quelle méthode convient le mieux à votre ligne de production, contactez-nous.

Où nos équipements sont utilisés

Organismes, universités, industries et entreprises ayant utilisé nos produits

  • Hedayat Hooshmand Nozhan Sepehr