Vous êtes sur la page 1sur 39

OUTILS FONDAMENTAUX

EN TRAITEMENT DIMAGES

Dfis actuels
Mgadonnes (big data)

Square Kilometer Array Telescope : 300 To/s (100 Internet)


9

Dfis actuels
Robustesse

Reprer les comportements suspects de manire sre


10

Dfis actuels
Performances informatiques

Schneiderman, Kanade (2000) :


Rowley, Baluja, Kanade (1998) :
Viola, Jones (2001)

1
40
600
11

Image
On appellera image (numrique) une fonction I(x,y) o x, y et I sont
valeurs discrtes et finies.

12

Image
On appellera image (numrique) une fonction I(x,y) o x, y et I sont
valeurs discrtes et finies.

I(x,y)

Chaque lment I(x,y) est appel pixel (picture element).

13

Image
On appellera image (numrique) une fonction I(x,y) o x, y et I sont
valeurs discrtes et finies.

I(x,y)

Chaque lment I(x,y) est appel pixel (picture element).

Image 3D (ex : IRM) I(x,y,z)

14

Image
On appellera image (numrique) une fonction I(x,y) o x, y et I sont
valeurs discrtes et finies.

I(x,y)

Chaque lment I(x,y) est appel pixel (picture element).

Image 3D (ex : IRM) I(x,y,z) ( voxel)

15

Image
On appellera image (numrique) une fonction I(x,y) o x, y et I sont
valeurs discrtes et finies.

I(x,y)

Chaque lment I(x,y) est appel pixel (picture element).

Image 3D (ex : IRM) I(x,y,z) ( voxel)

Vido I(x,y,t)

16

Image
On appellera image (numrique) une fonction I(x,y) o x, y et I sont
valeurs discrtes et finies.

128
I(x,y) = 96
28

Chaque lment I(x,y) est appel pixel (picture element).

Image 3D (ex : IRM) I(x,y,z) ( voxel)

Vido I(x,y,t)

I(x,y) contient b 1 valeurs (nombre de bandes).


17

Image

Bandes

Nom de limage

Exemple dapplication

b=1
b=3
b=4
b > 10
b > 1000

niveau de gris
RVB (rouge + vert + bleu)
RVBIR (RVB + infrarouge)
multispectrale
hyperspectrale

microscopie
photo
observation de la Terre
observation de la Terre
observation de la Terre

18

Traitement dimages

Le traitement dimage consiste appliquer sur des images des


transformations mathmatiques dans le but damliorer leur
qualit ou den extraire une information.

19

Objectifs du cours

Identifier un problme de traitement dimage

numrer les dirents problmes de traitement dimage

Reconnatre le type de traitement qua subit une image

Dcrire le fonctionnement, les avantages, inconvnients et


hypothses des mthodes vues en cours

Implmenter les mthodes laide dun langage de


programmation scientifique

Connatre la traduction franais/anglais des dirents termes

20

Contenu du cours

Traitements et outils de base

Restauration

Dtection de caractristiques

Segmentation

Reconnaissance de formes

Traitement dimages binaires

Recalage

Compression

21

Traitements et outils de base

Oprations arithmtiques et logiques

Histogramme

Convolution

Transforme de Fourier

22

Restauration
Rduire (voire supprimer) les dgradations qua subit limage (flou,
bruit, ).

Exemples : dconvolution, dbruitage,


23

Dtection de caractristiques

Trouver les zones dintrt dune image.

Exemples : Dtection de coins, de contours, de points


caractristiques

24

Segmentation
Partition dune image en rgions pour extraire les objets dintrt.

Exemples : imagerie mdicale, photographie, astronomie,


industrie,
25

Reconnaissance de formes
Identifier les objets.

Exemples : reconnaissance dobjets, dtection visage, lecture


plaque minralogique,

26

Traitement dimages binaires


Applications doprateurs de voisinage sur des images binaires
( noire ou blanche ) pour modifier et analyser la forme des objets.

Exemples : supprimer les petits objets, fermer des contours,


27

Recalage
Dfinition et application dune transformation gomtrique entre
plusieurs images pour les avoir dans le mme systme de
coordonnes.

Exemples : photographie, imagerie mdicale, astronomie,


28

Compression
Diminution de la taille du message numrique en rduisant peu ou
pas linformation, pour acclrer la transmission ou rduire le
stockage.

Exemples : RLE (BMP), LZW (GIF, TIFF, PNG), JPEG,


29

Liens avec les autres cours

Mathmatiques appliques

Programmation scientifique

Traitement du signal

30

Liens avec les autres cours

Mathmatiques appliques

Programmation scientifique

Traitement du signal

Traitement du signal 2D

31

Liens avec les autres cours

Mathmatiques appliques

Programmation scientifique

Traitement du signal

Traitement du signal 2D

Cours de lUE Images et vision :


Vision par ordinateur, Morphologie mathmatique, Analyse de
squences dimages, Problmes inverses, Maillage et
visualisation, Gomtrie Discrte, Classification et
reconnaissance de formes, Traitement statistique, Modles
dformables.
32

Enseignants

Vincent Mazet
bureau C219
vincent.mazet@unistra.fr
Vincent Noblet
bureau C211
vincent.noblet@unistra.fr
Alix Bouchon
bureau B252
alix.bouchon@etu.unistra.fr

33

miv.u-strasbg.fr/mazet/ofti/

34

Emploi du temps

14/10/2015

Introduction + Traitements et outils de base

04/11/2015

Restauration

18/11/2015

Dtection de caractristiques + Segmentation

25/11/2015

TP 1 + Reconnaissance de formes

02/12/2015

Traitements dimages binaires + TP 2

09/12/2015

Recalage + TP 3

16/12/2015

TP 4 + Compression

13/01/2015

Examen

35

valuation

Examen le 13 janvier 2016 : questions de cours et exercices


dapplication

Feuille A4 recto-verso autorise

Appareils lectroniques interdits

36

Bibliographie

37

Bibliographie

38

Bibliographie

39

Vous aimerez peut-être aussi