diff --git a/rapport.md b/rapport.md
index 502e4652d4aa6f81990b263f1eb75ae14078bc83..369a848ea9a4fe682f9fd1bcf33bbbc23de3011c 100644
--- a/rapport.md
+++ b/rapport.md
@@ -363,22 +363,22 @@ Vu que sinus(PI) équivaut a 0. (calcule en radiant) cela revient a faire:
 0 + \frac {sin(2\pi\omega_2x) sin(\pi\frac{\omega_2}{\omega_1})}{\pi\frac{\omega_2}{\omega_1}}
 \end{equation}
 
-On a belle est bien annulé la premier composant (signal sinusoïdal) composent le signal de base S(x)
+On a belle est bien annulé la première composante (signal sinusoïdal) qui compose le signal de base S(x)
 
 ### Convolution discrète
-Pour exemplifier ces calcules nous allons implémenter une convolution sur un signal 1d afin de récupérer une de ces composantes. Les calcules sont effectuer en code c est l'affichage avec l'aide d'un tableur.
+Pour exemplifier ces calcules nous allons implémenter une convolution sur un signal 1d afin de récupérer une de ces composantes. Les calcules sont effectuer en code c'est l'affichage avec l'aide d'un tableur.
 
-Nous apercevons deux signal sinusoïdal donc le premier **Signal1** possède une fréquence de 25hz pour une amplitude de 5. Le seconde **Signal 2** possède une fréquence de 2.5hz pour une amplitude de 10.
+Nous apercevons deux signaux sinusoïdal donc le premier **Signal1** possède une fréquence de 25hz pour une amplitude de 5. Le seconde **Signal 2** possède une fréquence de 2.5hz pour une amplitude de 10.
 
 ![Deux composantes sinusoïdal](img/S1plusS2.png){ width=70% }
 
-En additionnant (superposant) les deux composantes sinusoïdale, on obtient ce nouveau signal. Qui n'est rien d'autre qu' une composantes a basse fréquences contenant un oscillation d'un signal plus rapides.
+En additionnant (superposant) les deux composantes sinusoïdales, on obtient ce nouveau signal. Qui n'est rien d'autre qu'une composante a basses fréquences contenant une oscillation d'un signal plus rapide.
 
 ![Signal 1D de traitement](img/S.png){ width=70% }
 
-Nous allons alors convoluer ce signal afin d'y retrouver une des deux composantes de base. Pour cela nous allons utiliser l’équation suivantes avec un filtre carrer.
+Nous allons alors convoluer ce signal afin d'y retrouver une des deux composantes de base. Pour cela, nous allons utiliser l’équation suivante avec un filtre carré.
 
-Fonction de convolustion:  
+Fonction de convolution:  
 
 \begin{equation}
 (s\ast u)[t] =\sum_{n=-N}^{+N} s[n]\cdot u[t-n]
@@ -393,17 +393,17 @@ f(x)=\left\{\begin{array}{ll}
                \end{array}\right.
 \end{equation}
 
-En utilisant $\psi$ de la taille d'une période d'une des deux composant sinusoïdal comme vu au chapitre précédant, nous arrivons a tuer l'autre composantes. Par exemple pour tuer la composantes plus rapides **Signal1** nous allons utiliser $\psi$ = 1/25hz = 0,04.
+En utilisant $\psi$ de la taille d'une période d'une des deux composantes sinusoïdales comme vu au chapitre précédent, nous arrivons à tuer l'autre composante. Par exemple pour tuer la composantes plus rapides **Signal1** nous allons utiliser $\psi$ = 1/25hz = 0,04.
 
 ![Signal convoluer retrouvant la composante S2 ](img/convSF.png){ width=70% }
 
-Exemple de convolution ou le chois de $\psi$ = 0,03 ne permet pas de tuer une composantes:
+Exemple de convolution ou le choix de $\psi$ = 0,03 ne permet pas de tuer une composante :
 
 ![Signal convoluer avec un psi mal choisis ](img/convSFnull.png){ width=70% }
 
 On remarque que l'amplitude c'est rapprocher de celle du **signal2** mais y reste une oscillation réduite du **signal1**.
 
-On peux conclure que la convolution avec un filtre carrer reviens a échantillonner le signal sur une certaine base de fréquences. Si cette fréquences est basée sur l'une des composantes, elle s'annule est ressort que les autres fréquences ou composantes du signal. 
+On peut conclure que la convolution avec un filtre carré revient à échantillonner le signal sur une certaine base de fréquences. Si cette fréquence est basée sur l'une des composantes, elle s'annule et ressort que les autres fréquences ou composantes du signal. 
 
 ## Convolution en 2 dimensions
 
@@ -479,7 +479,7 @@ Résultat de la convolution obtenu:
 
 ![part2_blurCent.pgm](img/part2_blurCent.png){ width=50% }
 
-On détermine que le filtre F2 fait une moyenne des différentes valeurs au alentour du centre de la matrice, en donnant plus de poids aux valeurs les plus proches du centre. On aperçoit sur l'image traitée un floutage général qui impact moins les details de l'image.
+On détermine que le filtre F2 fait une moyenne des différentes valeurs au alentour du centre de la matrice, en donnant plus de poids aux valeurs les plus proches du centre. On aperçoit sur l'image traitée un floutage général qui impacte moins les détails de l'image.
 
 #### filtre F3
 $$
@@ -522,7 +522,7 @@ $$
 \end{pmatrix}
 $$
 
-L'image bruitée est la suivantes: 
+L'image bruitée est la suivante:
 
 ![Image original avec bruit](img/part3_5.png){ width=50% }
 
diff --git a/rapport.pdf b/rapport.pdf
new file mode 100644
index 0000000000000000000000000000000000000000..4947d541d3297fe2ef22b5e6afef8aadb0e3a23a
Binary files /dev/null and b/rapport.pdf differ