Dans PRISM, le best of est basé l'entropie.
L'entropie moyenne est calculée pour chaque image :
Somme sur pixels ( Intensité x ln (Intensité) )
Em = ----------------------------------------------------------
Nb de pixels
Telle que présentée ci-dessus, cette expression positive et moyenne la formule de l'entropie de Shannon : H = - Somme sur (p x log (en base2) de p)
Peut-on alors expliciter l’analogie ?
Une image est constituée d’un ensemble de pixels matérialisés par leur niveau d’éclairement
Une fonction aléatoire P(xi,yi) spécifie le niveau d'eclairement du pixel i de coordonnées (xi,yi) :
Ce niveau d'eclairement est
- à valeurs discrètes (- 32767 à + 32767), plus une, pour le signe.
- et comportant 2 symboles [0 ;1],
Sur une image particulière,
- chaque pixel de coordonnées (x,y) possède un niveau d’éclairement i compris entre - 32767 et + 32767 ;
- lorsque l’on mesure cet éclairement, la probabilité de mesurer un niveau d’éclairement i est Pi (x,y) , que constate l’« intensité ».
- en d'autres termes, l'intensité du pixel (i) est égale à la probabilité Pi de mesurer un niveau d’éclairement i de ce pixel.
L'entropie H de l’image est alors définie comme H : - Somme sur (intensité x log en base 2 (d'intensité)).
ou encore Em = 1/n x |- Somme sur (intensité x log en base 2 (d'intensité))|
- Le log d’une probabilité est négatif, Em rétablit la positivité par une valeur absolue.
- Le facteur 1/n vient moyenner l'entropie de l'image
- Elle est maximale pour une distribution uniforme, c’est-à-dire quand tous les états ont la même probabilité ; ce qui est le cas pour un flat parfait par exemple.
- Pour un best of, on choisit les images d’entropie maximale donc les images de la série qui offrent un minimum de changement. Ce qui conduit à distinguer des séries d’images relativement homogènes.
- Plus elle est élevée pour une image, plus l'image est censée être détaillée : plus les prises de vue donnent des images proches l’une de l’autre, plus elles sont exploitables.
Le raisonnement est-il correct ?
Merci de votre réponse.
cdlt
Eric P.