Traitement d'images : analyse fréquentielle et multi-échelle
About this course
Ce MOOC vous propose de découvrir des notions avancées sur l'analyse fréquentielle et multi-échelle. Il aborde les notions de fréquences spatiales, de filtrage en fréquence, les limites de la transformée de Fourier et ouvre la discussion sur la transformée en ondelettes. Ce que vous allez apprendre : • Découvrir et appliquer la transformée de Fourier à 2 dimensions et le filtrage dans le domaine fréquentiel • Comprendre les principes de la déconvolution • Appliquer la représentation en fréquence au cas de la compression jpeg • Définir une représentation multi-échelle Pour suivre ce cours, des bases du langage de programmation Python sont nécessaires : boucles, opérateur logique, vectorisation des opérations , définition de fonction, tableaux et numpy. Vous devez également maitriser les bases du traitement des images (filtrages linéaires par convolution, notion d'histogramme) ainsi que leur manipulation grâce au langage Python (chargement, affichage). Une attestation de suivi avec succès est attribuée par Coursera aux apprenants réussissant à obtenir une note supérieure à 50 %. Ce cours a été créé avec le soutien de la Fondation Patrick & Lina Drahi.
68/100
CourseAsk score
- What the provider tells you
- 32/45
- Who stands behind it
- 20/35
- How complete the listing is
- 16/20
Scores how much the provider publishes and who stands behind it — not how well it is taught.
What you'll learn
- apply the 2D Fourier transform
- perform frequency domain filtering
- understand the principles of deconvolution
- explore frequency representation in JPEG compression
- define multi-scale representation
Price shown by Coursera — confirm on their site.
Enroll on CourseraYou'll be redirected to Coursera to complete enrollment.
- Listed & compared by CourseAsk
- English · 0
Udemy
edX
Coursera
