Académique Documents
Professionnel Documents
Culture Documents
Objectifs du cours
Etudier
les concepts fondamentaux du Traitement et de l l'Analyse Analyse des images numriques en vue de leur comprhension.
Introduire
les
Techniques
Contenu n p q
Dfinitions prliminaires Image matricielle Numrisation Systmes de couleurs Traitement dimage Analyse d dimage image : Opration et primitive
N
Dfinitions prliminaires
Chapitre
1- Dfinitions prliminaires
Dfinition de limage Dfinition de limage numrique Types dimages Dfinition du traitement dimages : Objectifs de traitement dimages Machine de traitement dimages Applications de traitement dimages Domaines de recherche Difficults
N
Un image numrique en elle mme est en fait un concept tout fait abstrait : manipulation de donnes numriques. ces donnes ne trouve une signification nos yeux qu' la visualisation lorsque l l'on on utilise un logiciel adquat.
N
N Groupement d objets
Principe :
Dfinie par des coordonnes numriques et des formules mathmatiques : indpendance dpe da ce d du facteur acte c chelle, e e, pas de perte qualit.
N
Principe :
Dfinie par une dimension fixe et un nombre de couleurs fixe. dpendance du facteur chelle, Ri Risque d perte de t qualit. lit
N
et
de
techniques
limage modifier l image pour amliorer son aspect visuel, la prparer la transmission par voie tlmatique, la p prparer p l'extraction d'une mesure, , extraire des informations pertinentes.
Ciel Arbres Arbre Maison
Voiture
N
Analyse
Dtection Estimation Segmentation Modlisation
Amlioration
correction de couleur correction dhistogramme correction de contraste
Restauration
compensation
Codage
compression i transmission adquation un standard
Reconnaissance de forme
image i numrique
Segmentation S t ti Classification
Amlioration Restauration
paramtres
symboles
smantique
Visualisation Ecran Film Stockage
N
Tlvision numrique, Vido, Cartographie, Cartographie Robotique, Inspection, Scurit, Bases de donnes, Mdecine Mdecine, Mtorologie,
N
Domaines de recherches
Amlioration limage,
de
lapparence l apparence
de
D b it Debruitage di dimages, dimages, Indexation d images, Compression dimages, Cryptage dimages, Classification dimages,
N
Reconnaissance de caractres
Difficults
Image Matricielle
Chapitre
2- Images Matricielles Elles sont constitues de pixels de diffrentes couleurs disposs en lignes et en colonnes.
Elles sont dfinies par leurs dimensions en nombre de pixels ainsi que par le nombre de couleurs possibles.
Chaque pixel possde une adresse numrique et est stock dans une zone de mmoire appele matrice matrice.
N
2- Image Matricielle
2-1 Reprsentation discrte dune limage
[1 L] x [1..C] [1..L] [1 C] x [1..T] [1 T] a [1,M]p [1 M]p (vido de T im.) im ) L : nombre b de d lignes li C : nombre de colonnes [1,M]p [ M] : M+1 M valeurs l d intensit, i i sur un espace p dimensions (p= nombre de plan~ matrice)
N
2- Image Matricielle
2-2 Pixel
Les pixels sont les plus petits lments employs par les moniteurs et imprimantes d'ordinateur pour reprsenter des caractres, graphiques p p , des g p q et des images. Une image numrique est forme d'une grille de petits carrs appels pixels. Un pixel est :
une unit de base de l'image. un pas de discrtisation.
N
2- Image Matricielle
2-3 La dynamique dune image
La dynamique d une image correspond l tendu d'une l'tendu de la gamme de couleurs que peuvent prendre les pixels dune image. p g La dynamique d dune une image est d'octets couleurs. couleurs La dynamique de limage dtermine si une image est :
binaire, en niveau de gris,
N
utiliss
pour
stocker
2- Image Matricielle
2-4 Image binaire
Une images binaire est une images ayant deux couleurs possible gnralement noir est blanc. Dans ces images, un seul bit suffit reprsenter q p ) chaque pixel ( (1=blanc ou 0=noir). Si I est une image g binaire, , alors :
(p,M) = (1,1) p=1 un seul plan = une seule matrice. M 1 m+1 1 valeur l di t it M=1 dintensit.
N
2- Image Matricielle
2-5 Image en niveau de gris
2- Image Matricielle
25 5
2- Image Matricielle
2-6 Image en couleur indexe
Les images en couleur indexe sont cres l'aide d'une palette limite attache cette image et q qui comprend n couleurs diffrentes. p
n=512; n=256; n=64;
La donne correspondant chaque pixel consiste en un indice qui pointe vers une couleur prcise d dans l palette. la l tt Ce format ne convient pas des images en couleurs relles, cause du nombre restreint de N couleurs et de palettes diffrentes qu'il est
2- Image Matricielle
2-6 Image en couleur indexe
Image 1
Image 2
2- Image Matricielle
2-7 Image en vrai couleur
Une image couleur comporte pour chaque pixel une information sur sa composition en Rouge, Vert et Bleu :
toute couleur peut, tre obtenue par un mlange de ces 3 couleurs fondamentales. Chacune de ces couleurs fondamentales RVB dispose de 256 nuances possibles soit 256*256*256 possibilits= 16 millions de possibilits.
Une l'image en vrai couleur se dcompose en N trois plans fondamentaux que sont le Rouge le
2- Image Matricielle
2-7 Image en vrai couleur
Si I est une image couleur, couleur alors (p,M) (p M) = (3,255) (3 255) Une image couleur
Matrice R
Matrice V
Matrice B
N
2- Image Matricielle
2-8 Dimension
0
Largeur (nombre de colonnes)
2- Image Matricielle
2-9 Rsolution
La rsolution est une mesure de la clart ou du niveau de dtail et de finesse d'une image numrique. q La dfinition complte du terme rsolution recouvre les notions de rsolution spatiale et de rsolution en luminance. Dans l'usage g courant, , le terme rsolution est souvent employ pour parler de la rsolution spatiale uniquement. Plus la rsolution,est grande, plus l'image est
N
2- Image Matricielle
2-9 Rsolution
2- Image Matricielle
2-9 Rsolution
La rsolution en luminance, luminance ou nombre de bits, bits se rapporte l'chelle de gris ou aux couleurs possibles de chaque pixel. p q p
2- Image Matricielle
2-9 Rsolution
La rsolution en luminance, luminance dtermine le nombre de nuances ou de couleurs possibles pour chaque pixel. p ,p Plus le nombre de bits est g grand, plus le nombre de couleurs possibles est lev.
binaire 2bits
Rsolution l i en luminance l i
N
2- Image Matricielle
2-9 Rsolution
2- Image Matricielle
2-10 Histogramme
Dfinition :
Un histogramme de est un graphique la statistique des permettant reprsenter distribution
intensits des pixels d'une image, c'est--dire le nombre de pixels pour chaque intensit lumineuse. Par convention un histogramme reprsente le niveau d'intensit en abscisse en allant du plus fonc ( gauche) au plus clair ( droite).
2- Image Matricielle
2-10 Histogramme
2- Image Matricielle
2-10 Histogramme
Exemples l histogramme et la palette associs l'histogramme cette image sont respectivement les suivants :
L'histogramme L'hi t f it apparatre fait t que les l tons t gris i clairs sont beaucoup plus prsents dans l'image que les tons foncs. foncs Le ton de gris le plus utilis est le 11me en partant de la gauche.
N
2- Image Matricielle
2-10 Histogramme
2- Image Matricielle
2-10 Histogramme
2- Image Matricielle
2-10 Histogramme
Pour les images en vrai couleur plusieurs histogrammes sont ncessaires. Par exemple pour une image code en RGB :
un histogramme reprsentant la distribution de la luminance, trois t i histogrammes hi t reprsentant t t respectivement ti t la l distribution des valeurs respectives des composantes rouges, bleues et vertes.
2- Image Matricielle
2-11 Contour
les contours sont les lieux de variations significatives de l'information au niveaux de gris. Un contour est une transition marque entre deux rgions ayant chacune une luminosit distincte. Un contour est caractris par contenu spectral est trs large. l
cest l lorigine du problme de la dtection de contours
Conto ur
N
2- Image Matricielle
2-11 Contour
Image contour
N
2- Image Matricielle
2-12 Texture
La texture dcrit :
un aspect homogne de la surface, une information visuelle qui permet de la dcrire qualitativement a l'aide des adj. q j :g grossire, , fine, , lisse, , tachete, granuleuse, marbre, rgulire ou irrgulire
2- Image Matricielle
2-12 Texture
bois
bulles
canevas
li lierre
herbe
laine
eau
sable
N
2- Image Matricielle
2-13 Luminance ou brillance
C est la quantit d Cest dnergie nergie (lumire) reue par unit de surface (pixel) nomm dans la pratique Intensit lumineuse I.
I x,y dxdy d d dxdy
yx
I=
yx
1 = LC
L 1 C 1
f x,y
x= 0 y= 0
2- Image Matricielle
2-13 Luminance ou brillance
F(x,y)=f(x,y)+n
n=0
n=-80
n=+80
image source
Rsultat
2- Image Matricielle
2-14 Contraste
C est une mesure relative aux diffrences de Cest luminosits dans lesNimages. 1 M 1 1 C= f x,y ,y I 2 NM
x= 0 y= 0
2- Image Matricielle
2-15 Format dimage
Un format d d'image image comprend en gnral un enen tte qui contient des donnes sur l'image (taille de l'image pixels p par exemple) g en p p ) suivie des donnes de l'image. La structuration des donnes est diffrente pour chaque format d'image. On distingue des formats :
Compresss Sans perte avec perte les formats en vrai couleurs; t l i d
N
2- Image Matricielle
2-15 Format dimage
2- Image Matricielle
2-15 Format dimage
2- Image Matricielle
2-15 Format dimage
2- Image Matricielle
2-15 Format dimage
Permet de dfinir une ou plusieurs zones d'une image afin d'en p prserver la q qualit. de dgrader les rgions les moins stratgiques de l'image tout en gardant intact la zone slectionne.
2- Image Matricielle
2-15 Format dimage
Usages Internet.
N
2- Image Matricielle
2-15 Format dimage
de
recommandations
du
2- Image Matricielle
2-15 Format dimage
Compression C i L'algorithme de compression permet une compression sans perte mais dont l'efficacit dpend de plusieurs facteurs: de l' existence de zones "homognes". Une image avec des zones trs homognes permettra une compression importante et vice versa.
de l'orientation de l'image: la lecture des donnes de l'image se fait en commenant par le pixel en haut et N gauche et se fait en ligne.
2- Image Matricielle
2-15 Format dimage
L'image de gauche, la couleur des pixels de la premire ligne est homogne: donc facile compresser. Limage de droite, la couleur des pixels de la premire ligne varie grandement : (plus difficile compresser).
N
2- Image Matricielle
2-15 Format dimage
2- Image Matricielle
2-15 Format dimage
2- Image Matricielle
2- Image Matricielle
2-16 Comment l'obtient l'obtient-on?
La numrisation d d'une une image est obtenue par l'intermdiaire d'un capteur :
photoLe signal lumineux est transmis une cellule photo sensible appele CCD (Charged Coupled Device) qui transforme l'nergie (lumire) en une srie p q d'impulsions lectriques.
et d'un numriseur ( (carte de numrisation intgre ou non au capteur) qui transforment un signal optique en un signal numrique :
Le signal lectrique est repris par un convertisseur analogique-digital qui transforme les donnes continues en donnes numriques codes sur 1, 8, 16 ou 24 bits. bi Le codage utilis dfinit le type d'images (noir Net blanc, niveaux de gris ou couleur).
Numrisation
Chapitre
3- Numrisation
3-1 Principe
L obtention d une image numrique ncessite deux processus : L'obtention d'une Echantillonnage spatial de l'image (sampling) :
Discrtisation dans le temps : Dcoupage en tranche (pavage) : dfinition de la rsolution spatiale de l limage image (nombre pixels en horizontal et en vertical). Quantification du niveau de luminance (quantization): Dfinition de la rsolution de luminance : Choix de la prcision de reprsentation de chaque pixel. Prcision du nombre de bits utilis pour le codage de chaque chantillon (pixel). (pixel).
N
3- Numrisation
3-1 Principe
scanner
image relle
camra numrique
3- Numrisation
3-1 Principe
3- Numrisation
3-2 Echantillonnage et Quantification
Image 1024x1024, code sur 8 bits, souschantillonne jusqu une taille de 32x32 pixels. Le nombre de niveau de gris est gard 256 256.
N
a)1024x1024x8 b)512x512 r-chantillonn en 1024*1024 par duplication de lignes et colonnes. c jusqu j q f)images ) g 256x256, , 128x128, , 64x64, , 32x32 sous chantillonnes partir de a.
N
Exemple de Variation de quantification : A)452 374 256 tons de A)452x374 d gris i B)128 C)64 D)32 E)16 F)8 G)4 H)2
Original Image
Image sous-chantillonne
N
3- Numrisation
3-3 Le Pavage
Dfinition :
Une abstraction mathmatique de prsentation des pixels sous forme dune dcomposition rgulire dans un plan euclidien avec une mme forme lmentaire.
Principe :
Lors du processus de digitalisation, le signal lumineux transmis par les capteur (CCD) est projet dans un espace euclidien partitionn de faon rgulire. Une rpartition sous forme d dun un ensemble connexe de points appels pixels de telle sorte que deux pixels voisins ne peuvent s'intersecte que sur leur bord, et que l'ensemble des pixels recouvre le p plan.
N
3- Numrisation
3-3 Le Pavage
Les images sont habituellement plaque sur des pavs de type polygones rguliers :
Triangulaire Triangulaire, Carr, e ago a Hexagonal.
Pavage triangulaire
Pavage Carr
Pavage hexagonal
N
3- Numrisation
3-3 Le Pavage
A tout pavage du plan euclidien est associ un maillage. Un maillage est un graphe non-orient dont les nuds sont les p points centres des p pavs q qui se touchent par un cot.
maillage hexagonal
maillage Carr
Maillage triangulaire
3- Numrisation
3-3 Le Pavage
triangulaire
est
associ
le
maillage
Le maillage est obtenu de manire implicite par h till chantillonnage d limage de li analogique l i l lors d la de l numrisation. La plupart des capteurs chantillonne en maillage N carr.
3- Numrisation
3-4 Adjacence
Tout pixel se code comme un couple (i,j) (i j) d'entiers. Dans un maillage carr, tout pixel a 2 types de voisins, savoir ses 4 voisins selon les axes, et ses 4 voisins oisins selon les diagonales. diagonales Deux De pixels pi els p et q sont dits :
4 adjacents s s'ils 4-adjacents ils sont voisins suivant un axe 8-adjacents s'ils sont voisins suivant un axe ou une diagonale.
Pour le maillage triangulaire (correspondant au pavage hexagonal), il n'y a qu'une seule relation N d'adjacence, appele 6-adjacence.
3- Numrisation
3-4 Adjacence
Etant donn un pixel (i,j), (i j) en maillage carr les pixels 4-adjacents (i,j) sont :
(i+1 j) (i+1,j), (i-1,j), ( ,j ), (i,j+1), et (i,j-1)
(i,j)
Pour les 8-adjacences les mmes, plus (i+1,j+1), (i+1,j+1) (i+1,j-1), ( j ) ( (i-1,j+1). j )
(i,j) (i-1,j-1)
N
3- Numrisation
3-4 Adjacence
Dans le cas d dun un maillage carr le pixel (i,j) (i j) est 44 adjacent (i',j') si et seulement si : |i-i'| + |j-j'| = 1
(i,j+1) (i,j)
(i-1,j)
(i+1,j)
(i,j-1) ( ,j )
3- Numrisation
3-4 Adjacence
Dans une configuration de maillage triangulaire le pixel central a 6 voisins tous situs gale distance de lui.
NB. Un passage d'une maille carre une maille triangulaire est possible grce un simple triangulaire, calcul, effectu par certains logiciels d'analyse N d'images.
3- Numrisation
3-6 Distances
Dans le cas du maillage carr il est facile de voir que si p et q sont de coordonnes (i,j) et (i',j') respectivement, p , alors :
Distance de MANATHAN
d8(p,q) = max(|i-i'|,|j-j'|)
Di t Distance EUCLIDIENNE
3- Numrisation
3-6 Distances
d2 = d1
du pixel central.
3- Numrisation
3-8 Changement dchelle
3- Numrisation
3-8 Changement dchelle
3- Numrisation
3-8 Changement dchelle
Zoom
N
3- Numrisation
3-8 Changement dchelle
Zoom
N
3- Numrisation
3-8 Changement dchelle
Interpolation linaire
3- Numrisation
3-8 Changement dchelle
Interpolation bilinaire
P(x,y) = (1-dx) (1-dy) P(x,y) + (dx) (1-dy) P(x+1,y) + (1-dx)(dy) P(x,y+1) + (Px) (Py) P(x+1,y+1)
N
3- Numrisation
3-8 Changement dchelle
Interpolation bicubique
3- Numrisation
3-9 Bruit
Parasite :
phnomne de brusque variation de lintensit dun pixel par rapport ses voisins
Provenance :
lclairage, lobjet l objet, La transmission, loptique l optique de la camra, camra Le capteur CCD, lchantillonnage, l chantillonnage, Le stockage de limage
N
3- Numrisation
3-9 Bruit
agrandissement 400%
Systmes de couleurs
Chapitre
4- Systmes de couleurs
4-1 Qu'est Qu'est-ce que la couleur ?
La
perception
de
la
couleur
varie
tt
t d
dt
'il
'
it d
4- Systmes de couleurs
4-1 Qu'est Qu'est-ce que la couleur ?
Dans tous les cas la perception dpend de l l'ge, ge, du sexe, et de l'environnement de la personne.
Deux personnes n n'auront auront jamais la mme impression propos d'une seule couleur physique. Les gens diffrent mme en termes de sensibilit la gamme de lumire visible.
N
4- Systmes de couleurs
4-1 Qu'est Qu'est-ce que la couleur ?
4- Systmes de couleurs
4-2 Le spectre de couleur
C est une lumire sous forme d Cest dun un type spcifique d'onde lectromagntique :
similaire aux ondes radio utilises dans la tldiffusion et la tlcommunication.
Les ondes lectromagntiques couvrent des ondes radio, la lumire visible, et jusqu'aux gamma rayons gamma.
4- Systmes de couleurs
4-2 Le spectre de couleur
L nergie vhicule par des ondes, L'nergie ondes est de l l'ordre ordre de 400nm (bleu) -700 nm (rouge).
mtre Un nanomtre gale un milliardime de mtre. c'est l'unit utilise pour mesurer les longueurs d'onde de la e lumire.
La Commission Internationale de l'Eclairage (CIE) N dfinit la "lumire visible" comme tant d l d' d
4- Systmes de couleurs
4-3 Couleur de lumire et couleur d'objets
Couleur lumire
Couleur C l dobjet
4- Systmes de couleurs
4-3 Couleur de lumire et couleur d'objets
Cette lumire blanche est en ralit un mlange de spectre de couleur visible comprise entre 400 nm (bleu), 500 nm (vert) et 700 nm (rouge).
N
4- Systmes de couleurs
4-3 Couleur de lumire et couleur d'objets
Un objet ne parait color que parce que sil est clair par une source lumineuse.
Lorsque cette lumire atteint un objet, une partie de cette lumire sera absorb par lobjet et une autre sera rflchie. rflchie
La couleur que nous percevons comme tant la couleur dobjet c'est en ralit la lumire reflteN par cet objet
4- Systmes de couleurs
4-3 Couleur de lumire et couleur d'objets
Lorsque la lumire blanche traverse l objet lobjet prisme, la lumire subit une diffraction et elle se dcompose dans les septs p p couleurs de l'arc-enciel.
4- Systmes de couleurs
4-3 Couleur de lumire et couleur d'objets
4- Systmes de couleurs
4-4 Vison humaine, Couleur et Objet
L oeil est l L'oeil l'organe organe de base de la vision qui comporte un ensemble d'lments destins :
objet recevoir la lumire reflte sur un objet, former l'image des objets perus, t a te les es informations o at o s recueillies. ecue es traiter
4- Systmes de couleurs
4-4 Vison humaine
Lorsque la lumire reflte sur un objet entre dans l'oeil humain, elle ragit avec les photorcepteurs (nerfs optiques) qui p p ( p q ) de la rtine q sont : Les btonnets :
sensibles la lumire et l'obscurit, L cnes: Les sensibles aux longueurs d'ondes du rouge, rouge du vert et du bleu. bleu
La rtine tine envoie en oie ensuite ens ite des signaux via le nerf optique jusqu'au cerveau.
4- Systmes de couleurs
4-4 Vison humaine
Les btonnets :
sont responsables de la vision nocturne et possdent un maximum de sensibilit vers 510 nm. Leur sensibilit est lie un colorant, qui blanchit la lumire du jour, expliquant par l leur insensibilit d l nuit. pendant la Les btonnets ne permettent pas de dterminer les couleurs. la nuit, tous les chats sont gris.
N
4- Systmes de couleurs
4-4 Vison humaine
Les : L cnes
fournissent une rponse chromatique (couleur), grce d'ondes des pigments sensibles aux longueurs d ondes du rouge, du vert et du bleu.
4- Systmes de couleurs
4-4 Vison humaine
Le principe de fonctionnement des btonnets et des cnes sont la base de la vision des couleurs et son aspect trichromatique (rouge, p q ( g , vert, , bleu et luminance ou gris) .
la lumire entrant dans l'oeil est convertie en signaux neuronaux par la rtine; ces signaux sont ensuite envoys au cerveau via le nerf optique; l'oeil ragit la combinaison des trois couleurs primaires, le rouge, le vert et le bleu; et le cerveau peroit les couleurs sous la forme du N mlange de ces trois signaux.
4- Systmes de couleurs
4-4 Vison humaine
Le mode de fonctionnement des nerfs optiques explique bien la variation de la perception de la couleur :
L'absence de perception de la couleur ou le
daltonisme se produisent lorsque la fonction de ces nerfs est affecte. La variation de la perception de la couleur est dt dtermine i par la l variation i ti d fonctionnement du f ti t de d ces nerfs optiques : Certains animaux ne peuvent voir dans l l'obscurit obscurit, alors que d'autres voient trs bien dans ces conditions. Les chiens et les chats ne peroivent pas les couleurs. N
4- Systmes de couleurs
4-4 Vison humaine
Vi i humaine Vision h i et t illusion ill i Le systme visuel humain sert souvent de rfrence. Cependant, il ne constitue pas un systme parfait et il peut tre facilement pig comme le montrent les exemples suivants :
4- Systmes de couleurs
4-4 Vison humaine
Observez b cette liste, li ne lisez li pas les l mots mais i essayez de quelle couleur ils sont cris. La partie droite de votre cerveau essaye de dire la couleur alors que la partie gauche insiste pour lire le mot. N
4- Systmes de couleurs
4-4 Vison humaine
Illusion q classique
4- Systmes de couleurs
4-4 Vison humaine
4- Systmes de couleurs
4-4 Vison humaine
4- Systmes de couleurs
4-5 Les espaces des couleurs
Une reprsentation informatique des couleurs sous forme de catgories afin de pouvoir les manipuler correctement : p
Pourquoi correctement ? La chane de traitement de l'image passe par diffrents priphriques: un numriseur (scanner), ( ), un logiciel de retouche d'image, une imprimante. imprimante Il est donc ncessaire de pouvoir reprsenter
N
correctement la couleur afin dassurer une cohrence dutilisation avec ces diffrents priphriques.
4- Systmes de couleurs
4-5 Les espaces des couleurs
Le spectre de couleurs qu un priphrique permet qu'un d'afficher est appel gamut ou espace colorimtrique. q Les couleurs n'appartenant pas au gamut sont appeles couleurs hors-gamme. Lors de l'affichage de couleur sur un cran ou lors d'impression d p ess o su sur du pap papier, e , se ralise a se le e p plus us souvent partir d'un faible nombre de couleurs primaires. p a es
C'est ce que l'on appelle la synthse de couleurs.
N
4- Systmes de couleurs
4-5 Les espaces des couleurs
Synthse additive :
Combinaison de trois faisceaux lumineux de couleurs rouge, verte et bleue proportions varies pour produire la plupart des couleurs. Les trois faisceaux lumineux de couleurs rouge, verte et bleue, chacune fournie un tiers de la gamme des longueurs d d'ondes ondes du spectre de la lumire. Cette mthode est appele "additive" additive parce que la somme de ces trois couleurs de base ( intensit gale) donne du blanc. Autrement dit, la somme des composants de base restitue le tout. On nomme parfois pa fois les couleurs co le s rouge, o ge verte e te et bleu ble les primaires additives.
N
4- Systmes de couleurs
4-5 Les espaces des couleurs
G
S3
4- Systmes de couleurs
4-5 Les espaces des couleurs
Synthse soustractive :
Utilisation de trois couleur de base le cyan, le magenta et le jaune pour supprimer certaines couleurs de la couleur blanche et obtenir une couleur souhaite. chacun des trois couleurs de base absorbe les ondes d'une primaire additive (le rouge, le vert ou le bleu) et rflchit les ondes des deux autres. le jaune absorbe les ondes bleues et rflchit les ondes vertes rouges et vertes. le magenta rflchit les ondes rouges et bleues au dtriment des ondes vertes. magenta + jaunes, on obtient une surface qui absorbe les ondes bleues et vertes, et qui rflchit les ondes rouges. On nomme parfois les couleurs jaune, magenta et cyan les primaires soustractive.
N
4- Systmes de couleurs
4-5 Les espaces des couleurs
Filtre magenta
Filtre cyan
N
4- Systmes de couleurs
4-5 Les espaces des couleurs
Filtre j jaune +magenta+cyan g y Absorption des toutes les couleurs primaire additives
4- Systmes de couleurs
4-5 Les espaces des couleurs
On appelle ainsi espace de couleurs la reprsentation mathmatique d'un ensemble de couleurs. Il en existe p plusieurs espaces p de couleurs , p parmi lesquels les plus connus sont :
L codage Le d RGB RGB, Le codage CMYK, Le codage HSV, Le codage g CIE, Le codage YUV, L d YIQ
N
4- Systmes de couleurs
4-5-1 Codage RGB
Le codage RGB, RGB mis au point en 1931 par la Commission Internationale de l'Eclairage (CIE) bas sur la synthse additive de couleurs. y Synthse additive
4- Systmes de couleurs
4-5-2 Codage CMYK
Bas sur la synthse soustractive de couleurs et nomm aussi de quadrichromie, ou modle CMYK (Cyan, pur, ( y , Magenta, g , Jaune, , Noir p , ou en franais CMJN). Synthse soustractive
4- Systmes de couleurs
4-5-3 RGB vs CMYK
Cubes RGB
Cubes CMY
4- Systmes de couleurs
4-5-4 Codage HSV
Le modle HSV (Hue, Saturation, value, ou en franais TSV), est un modle de reprsentation proche de la perception humaine mis au point pour permettre une gestion interactive rapide d'une couleur. Contrairement au modle RGB, le modle HSV plus facile utiliser lors du rglage ou l'claircissement dune couleur. Le modle HSV consiste dcomposer la couleur selon des critres physiologiques : la teinte (en anglais Hue), correspondant la perception de la couleur (mauve ou orange, etc.), la saturation, dcrivant la puret de la couleur, c c'est--dire est dire son caractre vif ou terne (neuf ou dlav), la valeur, indiquant la quantit de lumire de la couleur, c c'estest -dire son aspect clair ou sombre.
N
4- Systmes de couleurs
4-5-4 Codage HSV
La teinte dcrit la nuance de couleur et o cette couleur se trouve dans le spectre de couleur Rouge, jaune, etc . La saturation est un p pourcentage g q qui s'tend de 0 100. Un rouge g p pur q qui n'a aucun blanc est 100% satur. La valeur, comme la Saturation, est un pourcentage qui va de 0 100. quand la teinte est rouge et la valeur est leve, la couleur semble brillante/lumineux. Quand la valeur est basse, elle semble fonce.
4- Systmes de couleurs
4-5-4 Codage HSV
Saturation
S=S+n
S=S-100 S S 100
S=S+100 S S+100
N
4- Systmes de couleurs
4-5-4 Codage HSV
Teinte
T=T+n
T = T - 100
T = T + 100
N
4- Systmes de couleurs
4-5-5 Codage CIE La*b*
Enfin en 1976, 1976 la CIE dveloppe le modle colorimtrique La*b* (aussi connu sous le nom de CIE Lab), une couleur est repre ), dans lequel q p par trois valeurs :
L, la luminance, exprime en pourcentage (0 pour le noir 100 pour le blanc)
a et b deux gammes de couleur allant respectivement du vert au rouge et du bleu au jaune avec des valeurs allant de -120 +120.
Le mode Lab couvre l'intgralit du spectre visible par l'oeil N humain et le reprsente de manire uniforme.
4- Systmes de couleurs
4-5-5 Codage CIE La*b*
La*b* permet de dcrire l l'ensemble ensemble des couleurs visibles indpendamment de toute technologie graphique. g p q
Il comprend la totalit des couleurs RGB et CMYK.
PhotoShop utilisent ce mode pour passer d'un modle de reprsentation un autre. p Il s s'agit ag d d'un u mode ode trs s u utilis s da dans s l'industrie, dus e, mais peu retenu dans la plupart des logiciels.
difficile manipuler.
N Les modles de la CIE ne sont pas intuitifs, mais
4- Systmes de couleurs
4-5-6 Codage YUV
Le modle YUV (appel aussi YCbCr) est un modle de reprsentation de la couleur ddi la vido analogique. gq g du format utilis dans les standards PAL Il s'agit (Phase Alternation Line) et SECAM (Squentiel Couleur avec Mmoire). Le paramtre Y reprsente la luminance (c'est-dire l'information en noir et blanc). blanc) U et V permettent de reprsenter la chrominance, c'est--dire l'information sur Nla couleur.
4- Systmes de couleurs
4-5-6 Codage YUV
RGB YUV
0 . 299 0 . 587 0 .114 R Y U = 0 .147 147 0 . 289 0 . 463 G V 0 . 615 0 . 515 0 .100 B
4- Systmes de couleurs
4-5-6 Codage YUV
4- Systmes de couleurs
4-5-6 Codage YIQ
Le modle YIQ est trs proche du modle YUV. YUV t utilis tili dans d l standard t d d vido id NTSC (utilis ( tili Il est le entre autres aux tats-Unis et au Japon). Le paramtre Y reprsente la luminance. I et Q sont respectivement p les composantes p chromatiques 0 . 299 0 . 587reprsentant 0 . 114 0 . 956 0 .621 cyanY R R les 1oppositions Y I = 0 . 596 0 . 275 0 . 321 G G = 1 -0 . 272 -0 . 647 I orange et magenta-bleu. Q 0 . 212 0 . 523 0 . 311 B B 1 -1. 1 105 1 . 702 Q
[] [
][ ][ ] [
][ ]
4- Systmes de couleurs
4-6 Algorithme de conversion couleur
Traitement dimage
Chapitre
5- Traitement dimage
Le traitement, traitement souvent appel prtraitement, prtraitement regroupe toutes les techniques visant amliorer la qualit d'une image. La notion de q qualit est une notion trs subjective: j La qualit d'une image n'est pas forcment la mme pour un ordinateur ou pour un oprateur humain. C'est la raison pour laquelle les techniques ne sont pas les mmes. La restauration a pour but d'inverser l'effet du phnomne dgradant. Il s'agit de produire une image la plus proche de la ralit physique de la scne observe. L'amlioration a pour but de satisfaire l'oeil de l'observateur humain. C'est pourquoi l'image produite peut tre diffrente de la ralit.
5- Traitement dimage
5-1 Les sources de dgradations
Les techniques de restauration se proposent de rduire les effets des dgradations (ou bruits) subies p par une image. g Il en existe q quatre p possible :
bruit li au contexte de l'acquisition bruit li au capteur bruit li l'chantillonnage bruit li la nature de la scne.
5- Traitement dimage
5-1 Les sources de dgradations
5- Traitement dimage
5-1 Les sources de dgradations
Image initiale
Driv lumineuse
N
5- Traitement dimage
5-1 Les sources de dgradations
Originale
Bruit g gaussien
Bruit gaussien
Bruit impulsionnel
5- Traitement dimage
5-2 Filtrage
Le filtrage consiste appliquer une transformation (appele filtre) tout ou partie d'une image numrique.
5- Traitement dimage
5-2 Filtrage
Ce type de filtrage est gnralement utilis pour attnuer le bruit de l'image, c'est la raison pour lissage laquelle on parle habituellement de lissage.
Les filtres L filt moyenneurs sont t un type t d filtres de filt passebas dont le principe est de faire la moyenne des valeurs des pixels avoisinants. Le rsultat de ce filtre est une image plus floue.
5- Traitement dimage
5-2 Filtrage
5- Traitement dimage
5-3 Qu'est Qu'est-ce qu'un filtre ?
Un filtre est une transformation mathmatique (appele produit de convolution) permettant, pour chaque pixel de la zone laquelle il s'applique, de modifier sa valeur en fonction des valeurs des pixels avoisinants, affectes de coefficients.
Cest une matrice, caractris par ses dimensions et ses coefficients, dont le centre correspond au pixel concern. L ffi i t du d tableau t bl dt i t les l Les coefficients dterminent proprits du filtre. Voici un exemple de filtre 3 x 3:
5- Traitement dimage
5-4 Restauration par filtrage adaptatif
Hypothses :
l'image est bruite : soit par un bruit gaussien, soit par un bruit impulsionnel.
Solution :
On examine squentiellement chaque pixel : Si la valeur du pixel calcule avec un filtre moyenneur est suprieure un seuil prdfini alors on le remplace par cette moyenne. Sinon, on garde la valeur dorigine. Traitement simple, s'appuie sur une analyse locale.
Avantage :
Inconvnient :
Le dbruitage l i s'accompagne d'une perte
N
de
5- Traitement dimage
5-5 Restauration par filtrage PassePasse-bas
Principe :
La valeur de gris dun pixel est modifie en tenant compte de la valeur de gris des pixels voisins en appliquant une matrice de calcul appel matrice de convolution.
La matrice de convolution dfinit le nombre de voisin concerns et la pondration appliquer sur leur valeur de gris.
Exemple : Un noyau de convolution de 3x3 implique les 8 voisins immdiat d dun un pixel donne et permet d daffecter affecter au pixels concern le 1/9 de la somme des valeurs de gris de lui-mme et de ses 8 voisins. N
5- Traitement dimage
5-5 Restauration par filtrage PassePasse-bas
g x,y = [c1 f x 1 ,y 1 +c 2 f x 2 ,y 2 1
.. . +c n f x n ,y n
] c 1 +c 2
. .. +c n
ci
i= 1
ci f
i= 1
x i ,y i
5- Traitement dimage
5-5 Restauration par filtrage PassePasse-bas
Zone dune Matrice de image convolution l ti Valeur du pixel central aprs filtrage : (27*1+13*1+21*1+19*1+12*1+29*1+15*1+18*1 +14*1)/9 =19 Le rsultat d dun un tel filtrage est le lissage de limage Zone aprs filtrage
5- Traitement dimage
5-5 Restauration par filtrage PassePasse-bas
1 9
[ ]
1 1 1 1 1 1 1 1 1
Filtre 2
Filtre 3
1 10
1 1 1 1 2 1 1 1 1
1 16
1 2 1 2 4 2 1 2 1
5- Traitement dimage
5-5 Restauration par filtrage PassePasse-bas
Image scanne partir d d'un un document imprim. Elle est trs bruite car on aperoit p le g grain d'impression p :
5- Traitement dimage
5-6 Restauration par filtrage mdian
Un filtrage U filt mdian di est t un filtrage filt passe bas b mais i prsente lavantage de prserver un peu plus les limage contours dans l image.
g x,y =?
5- Traitement dimage
5-6 Restauration par filtrage mdian
0 1 2 5 1 0 1 1 2 1 ? ? ? ? ? ? ? ? ? ? 5 5 3 7 7 2 3 2 1 0 ? 3 ? ? ? ? ? ? ? ? 7 0 4 6 5 1 1 3 2 1 ? 5 ? ? ? ? ? ? ? ? 6 7 7 0 0 0 5 2 2 3 1 ? 5 ? ? ? ? ? ? ? ? 5 6 5 6 4 0 7 4 5 2 ? ? ? ? ? ? ? ? ? ? 4 5 3 6 5 0 0 6 1 2 ? ? ? ? ? ? ? ? ? ? 3 2 3 6 6 7 0 7 1 3 ? ? ? ? ? ? ? ? ? ? 2 3 5 4 5 6 0 5 5 6 ? ? ? ? ? ? ? ? ? ? 1 2 2 3 4 5 0 4 2 4 ? ? ? ? ? ? 5 ? ? ? ? 1 0 2 3 5 6 1 7 6 4 ? ? ? ? ? ? ? ? ? ?
5- Traitement dimage
5-6 Restauration par filtrage mdian
Pour supprimer encore plus de bruit, on peut faire un filtrage mdian sur cette image dj filtre, ce qui donne :
5- Traitement dimage
5-7 Amlioration du contraste
Modifier chaque niveau de gris dans le but d'accrotre le contraste. Dans le cas du contrle qualit, o on a un ou plusieurs objets sur un fond continu uniforme, on s'attache accrotre les transitions objet-fond. Ce type de correction est galement adapt lorsqu'une majeure partie des niveaux de gris prsents dans l l'image image est concentre dans un faible intervalle sur l'chelle des intensits lumineuses. L'approche la plus simple et de crer un "fonction
N
5- Traitement dimage
5-7 Amlioration du contraste
La majorit des techniques de traitement d image dimage pour lamlioration du contraste dune image se base sur la manipulation des histogrammes. p g Parmi ces techniques q on distingues g :
Transformation linaire, T Transformation f ti li i avec saturation, linaire t ti Transformation linaire par morceau, Transformation non-linaire, galisation de l lhistogramme histogramme,
N
5- Traitement dimage
5-7 Amlioration du contraste
La Transformation linaire :
f(x,y) 255
255 f x,y min f' x,y = max min f x,y min max min
[0,1 ]
5- Traitement dimage
5-7 Amlioration du contraste
La Transformation linaire :
5- Traitement dimage
5-7 Amlioration du contraste
255 f' x,y = f x,y S min S max S min f' x,y 0 f' x,y = 0 f' x,y f ,y 255 f f' x,y ,y = 255 min f x,y x y S min i <S max S min <S max max f x,y
N
5- Traitement dimage
5-7 Amlioration du contraste
5- Traitement dimage
5-7 Amlioration du contraste
5- Traitement dimage
5-7 Amlioration du contraste
Seuillage :
Chapitre
6
A l Analyse dimage di : Opration O ti et tP Primitive i iti
N
6- Opration - Primitive
6-1 Morphologie Mathmatique
La morphologie mathmatique est un ensemble de mthodes d'analyse d'images mis au point pour traiter au dbut des images p g binaires ensuite des images en niveaux de gris. La s'appuie L morphologie h l i mathmatique, th ti ' i sur un lment structurant dont on choisit la forme et la l'on taille en fonction de ce que l on souhaite faire. On considre aussi une configuration de
voisinage :
soit en maille carre, carre soit en maille hexagonale
N
6- Opration - Primitive
6-1 Morphologie Mathmatique
Les oprations de base dans la morphologie mathmatique sont l'rosion et la dilatation ; les autres outils de morphologie en p g mathmatique q sont en fait drivs. Cette classe de morphologie mathmatique traitant les images binaires fait appel la thorie des ensembles. Elle utilise un ensemble de centre x, de gomtrie et de taille connues, appel lment structurant. L'lment structurant choisi est dplac de faon ce que son centre t x passe par toutes t t l les positions dans l'image binaire analyser. N
6- Opration - Primitive
6-1 Morphologie Mathmatique
6- Opration - Primitive
6-1 Morphologie Mathmatique
6- Opration - Primitive
6-1 Morphologie Mathmatique
L rosion est anti-extensive. L'rosion anti extensive De plus lors de cette transformation les objets de taille infrieure celle de l'lment structurant vont disparatre. disparatre Les autres seront "amputs" amputs d'une d une partie correspondant la taille de l'lment structurant. S'il existe des trous dans les objets, c'est dire des "morceaux" morceaux de fond l l'intrieur intrieur des objets, objets ils seront accentus, les objets relis entre eux N vont tre spars.
6- Opration - Primitive
6-1 Morphologie Mathmatique
Principe de la dilatation :
6- Opration - Primitive
6-1 Morphologie Mathmatique
Principe de la dilatation :
6- Opration - Primitive
6-1 Morphologie Mathmatique
La dilatation est l l'opration opration duale (ou inverse) de l'rosion. Lors d'une dilatation :
tous les objets vont grossir d une partie "grossir" d'une correspondant la taille de l'lment structurant,
s'il existe des trous dans les objets, c'est dire des "morceaux" de fond l'intrieur des objets, ils seront combls,
si des objets sont situs une distance moins grande que la taille de l'lment structurant, il vont fusionner.
N
6- Opration - Primitive
6-1 Morphologie Mathmatique
Louverture L ouverture :
Une rosion suivie d'une dilatation s'appelle une ouverture. L'ouverture a pour proprit d'liminer toutes les parties des objets qui ne peuvent pas contenir l lment structurant. l'lment structurant
6- Opration - Primitive
6-1 Morphologie Mathmatique
La fermeture:
Une dilatation suivie d'une rosion s'appelle une fermeture. La fermeture a pour proprit de combler tout ce qui est de taille infrieur l'lment structurant:
6- Opration - Primitive
6-1 Morphologie Mathmatique
a) aprs 30 itrations; b) aprs 50 itrations; c) jusqu' idempotence soient 84 itrations. itrations jusqu idempotence,
6- Opration - Primitive
6-1 Morphologie Mathmatique
a) aprs 50 itrations; b) aprs 100 itrations; c) jusqu' idempotence, soient 229 itrations.
6- Opration - Primitive
6-2 Opration entre image
3 types de traitement possibles bass sur les oprations effectuer sur les images :
Oprations logiques : Entre deux images Oprations arithmtiques Entre deux images. images Oprations gomtriques
N
6- Opration - Primitive
6-2 Opration entre image
Oprations logiques :
Ces oprations sont habituellement faites sur des images binaires, mais il est parfois intressant de les appliquer sur des images en niveaux de gris.
Dans une image binaire, un pixel la valeur 1 doit tre considr comme une valeur "vraie", et un pixel la valeur 0 comme une valeur "fausse".
Chaque q opration p logique gq applique pp q l'ensemble de l'image est base sur une opration boolenne.
Dans une image binaire, tous les pixels de valeur 1 appartiennent un ensemble A et tous les pixels N la valeur 0 son complmentaire.
6- Opration - Primitive
6-2 Opration entre image
Oprations logiques :
6- Opration - Primitive
6-2 Opration entre image
Oprations arithmtique :
Il est possible arithmtiques : addition, soustraction, multiplication, division, recherche de minima ou maxima entre les donnes d'une image et des constantes ou entre images. images L'intrt de ces oprations est de permettre par exemple de combiner les donnes de 2 images diff diffrentes en une seule. l
N
de
pratiquer
des
oprations
6- Opration - Primitive
6-2 Opration entre image
Oprations arithmtique :
image1 F(x,y)
G(x,y) image2
N
6- Opration - Primitive
6-2 Opration entre image
Oprations arithmtique :
F(x,y)+G(x,y)
6- Opration - Primitive
6-2 Opration entre image
Oprations arithmtique :
6- Opration - Primitive
6-3 Extraction des primitve
L extraction de primitives consiste mettre en L'extraction vidence dans l'image un certain nombre d'objets structurels. Exemples :
g rgions contours textures Formes
Cette mise en vidence s'opre souvent de manire slective, mais il peut exister des relations l i entre elles. ll
N
6- Opration - Primitive
6-4 Segmentation en rgion homogne
Rgion homogne :
zone de l'image comprenant : soit un niveau de gris constant (ventuellement bruit) soit une texture d'aspect homogne.
Exemples :
6- Opration - Primitive
6-4 Segmentation en rgion homogne
Objectif :
disjointes :
I={ R t qU R t ,j ,R R }1 (i ) ,i j i i =I e i j = iN
= 1 i
homognes au sens d'un certain critre. La dfinition d'un critre est le cur du problme. On en distingue toutefois deux grandes familles :
Les critres structurels, plutt lis l'aspect dterministe du contenu d d'une une rgion, Les critres statistiques, qui prennent en compte la nature N alatoire de ce contenu.
6- Opration - Primitive
6-4 Segmentation en rgion homogne
6- Opration - Primitive
6-4 Segmentation en rgion homogne
6- Opration - Primitive
6-4 Segmentation en rgion homogne
Multi-Seuillage
255
6- Opration - Primitive
6-4 Segmentation en rgion homogne
Multi-Seuillage
255
6- Opration - Primitive
6-5 Extraction de contour
Contour :
ensemble de points connexes (structure linaire) la frontire d'un changement rapide de niveaux de gris.
Dtection :
mise en vidence sur un plan image de l'absence ou de la prsence d'un contour.
Principe :
I1 Accentuation de contours I2
s I3 Seuillage e
6- Opration - Primitive
6-5 Extraction de contour
Mthode du gradient :
c'est une mthode anisotrope,
j (y )
i (x )
dans un repre on dfinit : le gradient horizontal : Gh(i, Gh(i j) = F(i, F(i j) F(i F(i1 1, j) => permet de dtecter des contours verticaux le gradient vertical : Gv(i, j) = F(i, j) F(i, j j1) 1)
N
6- Opration - Primitive
6-5 Extraction de contour
Mise en uvre :
s'opre Le calcul des gradients peut s opre par filtrage linaire :
1
gradients simples :
1
vertical
horizontal
1 2 1 1 1 1 1 1 1
1 2 1 1 1 1 1 1
N
6- Opration - Primitive
6-5 Extraction de contour
Mthode du laplacien :
C'est une mthode isotrope, Le Laplacien en continu est dfini par :
2 2 I x , y I x , y ( ) ( ) 2 I x , y = + ( ) 2 2 x y
La est L hdrive i j = [Iseconde i,j i,j i j I en i x 1en 1, j numrique 1 j dfinie I i,j i j ] par : ] [I i+ 1,
L i,j =L h i,j +L v i,j Le Laplacien en numrique s'crit donc : = 4 I i,j I i 1, j I i+ 1, j I i,j 1 I i,j+ 1
6- Opration - Primitive
6-5 Extraction de contour
Le Laplacien, Laplacien comme le gradient, gradient s s'utilise utilise aussi sous forme de masque : 0 1 0
1 1 4 1 1 0 1 0 1 2 : 1 On peut 1 encore 1 1 utiliser les masques 1 8 1 1 1 1 1 1 2 4 2 2 2 1 2 1
ou
N Le Laplacien produit naturellement des doubles contours d'o la ncessit d'une dtection de
6- Opration - Primitive
6-5 Extraction de contour
originale
Gh
Gv
6- Opration - Primitive
6-5 Extraction de contour
seuillage (L)
6- Opration - Primitive
6-5 Extraction de contour
1 0 2 0 1 0 1 0 0 0 -1 1 -2 -1
-1 -2 -1
Filtre SOBEL
2 1
Horizontal
Vertical
N
6- Opration - Primitive
6-5 Extraction de contour
Filtre SOBEL
Horizontal +Vertical
6- Opration - Primitive
6-6 Rehaussement de contraste
-1 -1 5 -1 -1 -1 1
-1
4 -1
-1
Filtre laplacien
Image originale
Image rehausse