--- title: "Rapport Math" author: [Troller Fabian, Rivier Nicolas] date: "2022-04-25" keywords: [Math, Intégrales] lang: "fr" titlepage: true, titlepage-rule-height: 0 titlepage-background: "background5.pdf" ... # Introduction Génerale Pour ce TP de math, nous avons dû comprendre, calculer et implémentés des intégrales, nous devions comparer nos résultats de calcul à nos résultats d'implémentation pour calculer l'erreur entre les deux et la représenté sous la forme d'un graphique. Nous avons également dû comprendre la convolution de signaux à 1 dimension et de matrice à 2 dimensions pour pouvoir utiliser cette dernière pour débruiter des images en niveaux de gris en appliquant finalement une normalisation de l'image. # Introduction théorique ## Intégration numérique On définit une fonction **f(x)**, \begin{equation} f(x)=-\frac{2x-1}{\exp(x^2-x+2)}, \end{equation} Ou l'on veut calculer son intégration entre un intervalle de **[a,b]** a un certain **N** d'approximation. \begin{equation} I(a,b,N,f(x))=\sum_{i=0}^{N-1} f(a+i\delta x)\delta x,\quad \delta x=\frac{b-a}{N}. \end{equation} Afin de pouvoir faire une comparaison d'erreur entre la solution numerique et analytique nous allons prendre la meme intervalle **[a,b]** $=$ **[1,5]** ## Intégration analytique Afin de valider notre intégration analytique et étudié l'erreur en fonction du **N** nombre d'intervalle. Nous allons calculer la solution analytique de notre fonction. \begin{equation} f(x)=-\frac{2x-1}{\exp(x^2-x+2)}, \end{equation} \begin{equation} I=\int_a^b f(x)*dx = -\frac{2x-1}{\exp(x^2-x+2)}\mathrm{d}x. \end{equation} pour un intervalle [1,5]. \begin{equation} \int_1^5 -\frac{2x-1}{e^{(-x^2+x-2)}} \end{equation} \begin{equation} \int_1^5 -(2x-1) * \frac{1}{e^{(-x^2+x-2)}} \end{equation} \begin{equation} \int_1^5 (-2x+1) * e^{(-x^2+x-2)^{-1}} \end{equation} \begin{equation} \int_1^5 (-2x+1) * e^{(-x^2+x-2)} \end{equation} Déterminer la transformée en u \begin{equation} \int_1^5 du * e^u \end{equation} \begin{equation} u = f(x) = -x^2+x-2 \end{equation} \begin{equation} du = F{(x)}'= -2x+1 \end{equation} \begin{equation} \int_1^5 e^u * du = \mid_1^5 e^{(-x^2+x-2)} \end{equation} selon \begin{equation} \mid_a^b f(x) = f(b) - f(a) \end{equation} on obtient \begin{equation} \mid_1^5 e^{(-x^2+x-2)} = e^{-5^2+5-2} - e^{-1^2+1-2} \end{equation} \begin{equation} e^{-25+5-2} - e^{-1+1-2} = e^{-22} - e^{-2} \end{equation} finalement \begin{equation} I = \frac {1}{e^{22}} - \frac {1}{e^{2}} = -0,135335283 \end{equation} ## Validation Afin de comparer nos résultats nous allons varier **N** de 5,10,50,100,500,1000 pour une même intervalle a b $=$ **[1,5]** et calculer l'erreur de notre résultat numérique par rapport à la solution analytique. \begin{equation} E(N)=\left|\frac{I-I(a,b,N,f(x))}{I}\right| \end{equation}  Echelle LOG"){ width=50% } "){ width=50% } Sur ces deux graphiques, on peut constater que l'erreur diminue plus l'itération est grande, sur le premier graphique, l'échelle est logarithmique. Pour le deuxième graphique, l'échelle est standard et permet de voir également cette diminution de l'erreur sous une autre forme. # Convolutions et filtrage Afin de se familiariser avec les convolutions, nous allons filtrer des signaux à 1 dimension. Pour cela nous définition un signal composé de deux signaux avec chacun une fréquence différents w1 et w2. \begin{equation} s(x)=\sin(2\pi\omega_1 x)+\sin(2\pi\omega_2 x). \end{equation} et un certain filtre \begin{equation} f(x)=\left\{\begin{array}{ll} \frac{1}{\psi},&\mbox{ si }x\in[-\psi/2,\psi/2]\\ 0,&\mbox{ sinon.} \end{array}\right. \end{equation} Le but est de déterminer l'intervalle du filtre \begin{equation} [-\psi/2,\psi/2] \end{equation} afin que la convolution de ces deux fonctions (f*s)(x) annule une des deux composantes sinusoïdales du signal. ## Solution analytique ### Délimitation La convolution de deux fonctions est définie de la sorte: \begin{equation} \int_{-\infty }^{\infty} S(x - t)*f(x)dt \end{equation} On va développer dans les intervalles que nous recherchons. \begin{equation} \int_{-\infty }^{-\psi/2} S(x - t)*f(x)dt + \int_{-\psi/2 }^{\psi/2} S(x - t)*f(x)dt + \int_{\psi/2 }^{\infty} S(x - t)*f(x)dt \end{equation} En observant f(x) on constate que dans l'intervalle [-psi/2, psi/2] f(x) vaut 1/psi sinon 0 : \begin{equation} f(x)=\left\{\begin{array}{ll} \frac{1}{\psi},&\mbox{ si }x\in[-\psi/2,\psi/2]\\ 0,&\mbox{ sinon.} \end{array}\right. \end{equation} donc notre domaine de convolution recherché s’étant a \begin{equation} \int_{-\psi/2 }^{\psi/2} S(x - t)*f(x)dt = \int_{-\psi/2 }^{\psi/2} (\sin(2\pi\omega_1 (x - t))+\sin(2\pi\omega_2 (x - t))) * \frac{1}{\psi} dt \end{equation} ### Transformée primaire On cherche à déterminer la dérivée primaire du sinus et de sa composante par la factorisation de primitive en fonction de t : \begin{equation} f(g(t))' = f'(g(t))*g'(t) \end{equation} pour : \begin{equation} \int \sin(2\pi\omega(x-t)dt \end{equation} \begin{equation} f(t) = sin(x) \quad étant \quad f'(t) = -cos(x) \end{equation} \begin{equation} g(t) = 2\pi\omega(x-t) \quad étant \quad g'(t) = 2\pi\omega*0 - 2\pi\omega*1 = - 2\pi\omega \end{equation} Ce qui nous donne: \begin{equation} \int \sin(2\pi\omega(x-t)dt \neq -\cos(2\pi\omega(x-t) * -2\pi\omega \end{equation} Donc pour y remédier on multiplie par 1 l’intégrale: \begin{equation} \frac{-2\pi\omega}{-2\pi\omega} = 1 \end{equation} \begin{equation} \frac{-2\pi\omega}{-2\pi\omega} * \int \sin(2\pi\omega(x-t)dt = \frac{-2\pi\omega}{-2\pi\omega} * -\cos(2\pi\omega(x-t) * -2\pi\omega \end{equation} Ce qui nous donne finalement comme résultat: \begin{equation} \int \sin(2\pi\omega(x-t)dt = \frac{-\cos(2\pi\omega(x-t)}{-2\pi\omega} = \frac{\cos(2\pi\omega(x-t)}{2\pi\omega} \end{equation} #### Transformée primaire de l’intégral au complet \begin{equation} \int_{-\psi/2 }^{\psi/2} (\sin(2\pi\omega_1 (x - t))+\sin(2\pi\omega_2 (x - t))) * \frac{1}{\psi} dt \end{equation} \begin{equation} \mid_{-\psi/2 }^{\psi/2} (\frac{\cos(2\pi\omega_1(x-t))}{2\pi\omega_1} + \frac{\cos(2\pi\omega_2(x-t))}{2\pi\omega_2}) * \frac{1}{\psi} \end{equation} Distribution des constante et factoriser au mème dénominateur commun: \begin{equation} \mid_{-\psi/2 }^{\psi/2} \frac{\cos(2\pi\omega_1(x-t))}{2\pi\omega_1\psi} + \frac{\cos(2\pi\omega_2(x-t))}{2\pi\omega_2\psi} \end{equation} \begin{equation} \mid_{-\psi/2 }^{\psi/2} \frac{\cos(2\pi\omega_1(x-t))}{2\pi\omega_1\psi}*\frac{\omega_2}{\omega_2} + \frac{\cos(2\pi\omega_2(x-t))}{2\pi\omega_2\psi}*\frac{\omega_1}{\omega_1} \end{equation} \begin{equation} \mid_{-\psi/2 }^{\psi/2} \frac{\cos(2\pi\omega_1(x-t))\omega_2 + \cos(2\pi\omega_2(x-t))\omega_1}{2\pi\omega_1\omega_2\psi} \end{equation} ### Distribution de la constante de temps Selon la règle: \begin{equation} \mid_{\pi}^{-\pi} f(x-t) = f(x-\pi) - f(x+\pi) \end{equation} Notre convolution devient: \begin{equation} \mid_{-\psi/2 }^{\psi/2} \frac{\cos(2\pi\omega_1(x-t))\omega_2 + \cos(2\pi\omega_2(x-t))\omega_1}{2\pi\omega_1\omega_2\psi} \end{equation} \begin{equation} = \frac{\cos(2\pi\omega_1(x-\psi/2))\omega_2 + \cos(2\pi\omega_2(x-\psi/2))\omega_1}{2\pi\omega_1\omega_2\psi} - \frac{\cos(2\pi\omega_1(x+\psi/2))\omega_2 + \cos(2\pi\omega_2(x + \psi/2))\omega_1}{2\pi\omega_1\omega_2\psi} \end{equation} \begin{equation} = \frac{\cos(2\pi\omega_1(x-\psi/2))\omega_2 + \cos(2\pi\omega_2(x-\psi/2))\omega_1 - \cos(2\pi\omega_1(x+\psi/2))\omega_2 - \cos(2\pi\omega_2(x + \psi/2))\omega_1}{2\pi\omega_1\omega_2\psi} \end{equation} ### Regroupement des variables communes Pour simplifier, je regroupe la formule en différentes parties : \begin{equation} \frac{A + B}{C} \end{equation} \begin{equation} A = \cos(2\pi\omega_1(x-\psi/2))\omega_2 - \cos(2\pi\omega_1(x+\psi/2))\omega_2 \end{equation} \begin{equation} B = \cos(2\pi\omega_2(x-\psi/2))\omega_1 - \cos(2\pi\omega_2(x + \psi/2))\omega_1 \end{equation} \begin{equation} C = 2\pi\omega_1\omega_2\psi \end{equation} ### Règles de transformation sinusoïdal Selon une des régles de transformation de somme en produit du sinus: \begin{equation} cos(p) - cos(q) = - 2 sin(\frac{p+q}{2}) sin(\frac{p-q}{2}) \end{equation} Nous allons appliquer cette régle sur A et B \begin{equation} A = \cos(2\pi\omega_1(x-\psi/2))\omega_2 - \cos(2\pi\omega_1(x+\psi/2))*\omega_2 \end{equation} \begin{equation} (\cos(2\pi\omega_1(x-\psi/2)) - \cos(2\pi\omega_1(x+\psi/2)))*\omega_2 \end{equation} \begin{equation} - 2 sin(\frac{2\pi\omega_1(x-\psi/2) + 2\pi\omega_1(x+\psi/2))}{2}) sin(\frac{2\pi\omega_1(x-\psi/2) - 2\pi\omega_1(x+\psi/2)}{2})*\omega_2 \end{equation} \begin{equation} - 2 sin(\frac{2\pi\omega_1((x-\psi/2)+(x+\psi/2))}{2}) sin(\frac{2\pi\omega_1((x-\psi/2) - (x+\psi/2))}{2})*\omega_2 \end{equation} \begin{equation} - 2 sin(\frac{2\pi\omega_1(2x)}{2}) sin(\frac{2\pi\omega_1(-2*\psi/2) )}{2})*\omega_2 \end{equation} \begin{equation} - 2 sin(\pi\omega_1(2x)) sin(\pi\omega_1(-\psi)))*\omega_2 \end{equation} \begin{equation} - 2 sin(2\pi\omega_1x) sin(-\pi\omega_1\psi)*\omega_2 \end{equation} Puis sur B de la même façon. \begin{equation} B = \cos(2\pi\omega_2(x-\psi/2))\omega_1 - \cos(2\pi\omega_2(x + \psi/2))\omega_1 \end{equation} \begin{equation} (\cos(2\pi\omega_2(x-\psi/2)) - \cos(2\pi\omega_2(x + \psi/2)))*\omega_1 \end{equation} \begin{equation} ... \end{equation} \begin{equation} - 2 sin(2\pi\omega_2x) sin(-\pi\omega_2\psi)*\omega_1 \end{equation} ### Finalement en rassemblant A,B et C nous obtenons \begin{equation} \frac{- 2 sin(2\pi\omega_1x) sin(-\pi\omega_1\psi)*\omega_2 - 2 sin(2\pi\omega_2x) sin(-\pi\omega_2\psi)*\omega_1}{2\pi\omega_1\omega_2\psi} \end{equation} \begin{equation} \frac{- sin(2\pi\omega_1x) sin(-\pi\omega_1\psi)*\omega_2 - sin(2\pi\omega_2x) sin(-\pi\omega_2\psi)*\omega_1}{\pi\omega_1\omega_2\psi} \end{equation} \begin{equation} \frac{sin(2\pi\omega_1x) sin(\pi\omega_1\psi)*\omega_2 + sin(2\pi\omega_2x) sin(\pi\omega_2\psi)*\omega_1}{\pi\omega_1\omega_2\psi} \end{equation} \begin{equation} \frac{sin(2\pi\omega_1x) sin(\pi\omega_1\psi)}{\pi\omega_1\psi} + \frac {sin(2\pi\omega_2x) sin(\pi\omega_2\psi)}{\pi\omega_2\psi} \end{equation} On peut alors observer que les deux composent du signal (les deux signaux sinusoïdaux) dépende d'un sinus(w * x) et sinus(w * phi). On notera alors que si phi équivaut à la période d'un des deux composant 1/w. phi annule la composent visé. Démonstration: \begin{equation} \psi = \frac{1}{\omega_1} \end{equation} \begin{equation} \frac{sin(2\pi\omega_1x) sin(\pi\omega_1\frac{1}{\omega_1})}{\pi\omega_1\frac{1}{\omega_1}} + \frac {sin(2\pi\omega_2x) sin(\pi\omega_2\frac{1}{\omega_1})}{\pi\omega_2\frac{1}{\omega_1}} \end{equation} \begin{equation} \frac{sin(2\pi\omega_1x) sin(\pi\frac{\omega_1}{\omega_1})}{\pi\frac{\omega_1}{\omega_1}} + \frac {sin(2\pi\omega_2x) sin(\pi\frac{\omega_2}{\omega_1})}{\pi\frac{\omega_2}{\omega_1}} \end{equation} \begin{equation} \frac{sin(2\pi\omega_1x) sin(\pi)}{\pi} + \frac {sin(2\pi\omega_2x) sin(\pi\frac{\omega_2}{\omega_1})}{\pi\frac{\omega_2}{\omega_1}} \end{equation} Vu que sinus(PI) équivaut a 0. (calcule en radiant) cela revient a faire: \begin{equation} 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) ### Convolution discrète ## Convolution en 2 dimensions ### Partie 1 Calculer a la main le produite de convolution suivant, en utilisant la méthode de gestion de bord par une valeur de zero: $$ \underline{\underline{A}}=\begin{pmatrix} 0 & 1 & 0\\ -1 & 0 & -1\\ 0 & 1 & 0 \end{pmatrix}, \underline{\underline{B}}=\begin{pmatrix} 1 & 2 & 3\\ 4 & 5 & 6\\ 7 & 8 & 9 \end{pmatrix} $$ $$\underline{\underline{A}} \times \underline{\underline{B}} = \begin{pmatrix} 1 & 1 & 4\\ 3 & 0 & 7\\ -4 & -11 & 2 \end{pmatrix}$$ ### Partie 2 Appliquer différents filtres sur l'image suivante "part2.pgm" : { width=50% } #### filtre F0 \begin{equation*} \underline{\underline{F_0}} = \begin{pmatrix} 0 & 0 & 0\\ 0 & 1 & 0\\ 0 & 0 & 0 \end{pmatrix} \end{equation*} Résultat de la convolution obtenu: { width=50% } On peut déterminer que le filtre F0 ne prend pas en compte les pixels dans les alentours du pixel central, ce qui revient donc à faire une copie de la matrice sans changement. On a donc un filtre identitaire. #### filtre F1 \begin{equation*} \underline{\underline{F_1}} = \frac{1}{25}\begin{pmatrix} 1 & 1 & 1 & 1 & 1\\ 1 & 1 & 1 & 1 & 1\\ 1 & 1 & 1 & 1 & 1\\ 1 & 1 & 1 & 1 & 1\\ 1 & 1 & 1 & 1 & 1 \end{pmatrix} \end{equation*} Résultat de la convolution obtenu : { width=50% } On détermine que le filtre F1 fait la moyenne des différents pixels au alentour du focus, donc on a donc une filtre moyenneur / blur d'une matrice de 5x5. On aperçoit donc bien sur l'image traitée un floutage général. #### filtre F2 \begin{equation*} \underline{\underline{F_2}} = \frac{1}{256}\begin{pmatrix} 1 & 4 & 6 & 4 & 1\\ 4 & 16 & 24 & 16 & 4\\ 6 & 24 & 36 & 24 & 6\\ 4 & 16 & 24 & 16 & 4\\ 1 & 4 & 6 & 4 & 1 \end{pmatrix} \end{equation*} Résultat de la convolution obtenu: { width=50% } On détermine que le filtre F2 fait la moyenne des différents pixels au alentour du focus en donnant plus de point aux pixels centraux et à ceux qui lui sont le plus proche. On aperçoit donc bien sur l'image traitée un floutage général en donnant plus d'importance aux détails. #### filtre F3 \begin{equation*} \underline{\underline{F_3}} = \begin{pmatrix} 0 & -1 & 0\\ -1 & 5 & -1\\ 0 & -1 & 0 \end{pmatrix} \end{equation*} Résultat de la convolution obtenu: { width=50% } #### filtre F4 \begin{equation*} \underline{\underline{F_4}} = \begin{pmatrix} 0 & -1 & 0\\ -1 & 4 & -1\\ 0 & -1 & 0 \end{pmatrix} \end{equation*} Résultat de la convolution obtenu: { width=50% }