(25-11-17, 23:43)aurelienpierre a écrit :

(25-11-17, 17:52)manu a écrit : Oui merci aussi pour les explications avec la vidéo, très intéressant !

Juste par curiosité, quand tu dis dans la vidéo (@~20:22) parlant de la déconvolution de Richardson-Lucy qu'elle réalise une estimation de la distribution de gradiant en se basant sur des lois et des observations statistiques, est-ce que ça veut dire que ce n'est pas figé et que ces statistiques peuvent évoluer, vers une amélioration, un affinement ?

Merci encore pour ce travail et cette restitution.

alors, pas exactement… Je n'ai pas été complet sur ce sujet dans la vidéo car la théorie dépasse le niveau lycée que j'essaie de suivre.

L'algorithme classique de Richardson-Lucy se contente de retirer du flou d'une image, d'une façon très imparfaite, et suppose de connaître précisement le flou appliqué. Le problème principal de cette méthode est qu'elle amplifie le bruit (qui est inconnu à l'avance), car le bruit et les détails nets sont tous dans les hautes fréquences, et l'algo de R-L ne fait pas la différence entre les deux.

La version de Perrone/Favaro que j'ai codée réalise une régularisation basée sur des observations statistiques, qui permet de supprimer le bruit sans (trop) supprimer les vrais détails fins. Ici, les stats sont utilisées pour essayer de différencier le bruit des détails nets à priori (car on ne peut pas faire autrement). Pour ce faire, ils attribuent une pénalité aux pixels qui ont un comportement qui dérive de la loi statistique (ils les effacent partiellement de la solution).

La loi statistique qu'ils utilisent montre que le logarithme de la variation totale suit une distribution de Cauchy (la variation totale, c'est la norme vectorielle du gradient sur les lignes et sur les collonnes de pixels). D'autres versions existent (sans le logarithme, ou utilisant des ondelettes au lieu de la variation totale) et peuvent donner de meilleurs résultats dans des cas très précis. L'idée c'est toujours de trouver une description mathématique (on appelle ça un modèle) qui permette de faire la différence entre du bruit et du détail, pour venir nettoyer l'image déconvoluée des anomalies que créée la méthode de Richardson-Lucy. J'ai choisi cette méthode parce qu'elle retombe sur l'image nette dans plus de 50 % des cas et que c'est une des meilleures disponibles (et aussi parce que les chercheurs ont publié leur code source Matlab). Je l'ai juste un peu adaptée pour la rendre plus rapide et compatible avec une utilisation en photo par des gens sans doctorat ;-)

Donc évidemment, il n'est pas exclu que quelqu'un arrive un jour avec un modèle plus précis. C'est la beauté des sciences.

---

(25-11-17, 10:05)FrEd85 a écrit : Merci pour ces explications Pierre, super travail pédagogique. Il mériterait une diffusion plus large en transposant quelques exemples sur lesréglages de Rawtherapee à destination de nos amis photographes travaillant sur Windows...
François

De rien. Mais mon nom c'est Aurélien.

On me demande souvent une version RawTherapee, mais je n'utilise pas ce logiciel (je ne l'aime pas) et je ne connais pas ses développeurs. Ceci dit, une fois codé en C, le plus gros sera fait et l'intégration ne devrait pas être très compliquée.

(15-12-17, 13:29)mmoy a écrit : > mais aussi de stocker le profil de flou pour redéflouter plus tard

Est-ce que ce profil de flou est stocké dans la base de données (et le .xmp) ? Ça permettrait aussi de conserver l'info après fermeture/réouverture de dt.