Réseaux de neurones

Contrairement aux algorithmes Median-Cut, Variance Based et Octree, qui commencent par une partition de l'espace des couleurs en formes géometriques simples (pre-clustering), Neuquant, développé par Dekker en 1994 commence par rechercher les couleurs de la nouvelle palette avant de créer des classes de couleurs correspondantes.

Dekker utilise un schéma SOM (Self-Organizing Map), qui est un réseau de neurones de Kohonen imposant une topologie à une dimension sur des classes d'un espace à trois dimensions. Le processus d'adaptation est une approximation de la fonction de densité des valeurs d'entrée.

On voit sur cette image le réseau obtenu dans l'espace RGB pour l'image du billard :


Ces couleurs se retrouvent dans la palette (256 couleurs pour une image initiale sur 24 bits) :

Cet algorithme donne des images meilleures que celles obtenues par les algorithme de pre-clustering. Cependant, cette qualité se paie par la lenteur du processus.

On peut tout de même trouver un compromis qualité/rapidité en faisant tourner l'algoritme sur un sous-échantillonnage (de 1 a 10) de l'image initiale, ce qui est plus rapide, mais réduit la qualité de l'image finale.

Pour observer les résultats de cet algorithme et les comparer avec Médian Cut, allez jouer au billard.

Pour plus d'infos...

Revenir à l'index.