Institut M ONTEFIORE

Service de Tlcommunications et dImagerie

Acquisition et traitement de limage

Professeur M. VAN D ROOGENBROECK

Septembre 2001 (version 4.14)

2
Table des matires

1 Introduction 1
1.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 lments de perception visuelle . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1 Le systme visuel humain . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2 La lumire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Reprsentation frquentielle des couleurs . . . . . . . . . . . . . . . . . 4
Les espaces de couleurs . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Lespace de couleurs additif RGB. . . . . . . . . . . . . . . . . . 5
Vers dautres systmes de couleurs : le systme XYZ. . . . . . . . 5
Lespace de couleurs soustractifs CMY. . . . . . . . . . . . . . . 9
Dautres systmes de couleurs. . . . . . . . . . . . . . . . . . . . 12
Les systmes de couleurs en pratique. . . . . . . . . . . . . . . . 12
Les fausses couleurs. . . . . . . . . . . . . . . . . . . . . . . . . 12
La couleur des objets . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.3 Effets visuels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.4 Lclairage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3 Reprsentation des images . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3.1 Objets reprsenter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
La vido . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Standards de tlvision analogiques . . . . . . . . . . . . . . . . . . . . 20
1.3.2 Structures de donnes . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.4 Traitement dimages industriel . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.4.1 Remarques pralables . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
Dcomposition dune image en plans binaires . . . . . . . . . . . . . . . 25
Critres de qualit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Visualisation 3D dune image 2D . . . . . . . . . . . . . . . . . . . . . 26
1.4.2 Segmentation dimages . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4.3 Reconnaissance de caractres . . . . . . . . . . . . . . . . . . . . . . . 28
1.4.4 Autres oprations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

2 Transformations unitaires 31
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Transforme de F OURIER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

i
 2.2.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2.2 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2.3 Illustrations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
La fonction Rectangle . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

3 Filtrage linaire 37
3.1 Notion de filtre idal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.1.1 Catgories de filtres idaux . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2 Passage dune image dans un systme linaire . . . . . . . . . . . . . . . . . . . 40
3.2.1 Forme de la fentre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.2 Filtres passe-bas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.3 Filtres passe-haut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

4 Rehaussement et restauration 45
4.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2 Rehaussement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2.2 Rehaussement par fonction croissante . . . . . . . . . . . . . . . . . . . 47
4.2.3 Rehaussement par accentuation des contours . . . . . . . . . . . . . . . 47
4.2.4 Manipulation de lhistogramme . . . . . . . . . . . . . . . . . . . . . . 49
Exemple : fonction parabolique . . . . . . . . . . . . . . . . . . . . . . 49
galisation de lhistogramme . . . . . . . . . . . . . . . . . . . . . . . 49

5 Segmentation dimages 53
5.1 Prsentation du problme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.1.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2 Segmentation par seuillage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.3 Segmentation par dtection de rgions . . . . . . . . . . . . . . . . . . . . . . . 54
5.3.1 Ligne de partage des eaux . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.3.2 Expression formelle dun algorithme de segmentation par ligne de par-
tage des eaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Analyse dimages binaires . . . . . . . . . . . . . . . . . . . . . . . . . 58
Algorithme de construction du squelette par zone dinfluence. . . 59
Images en niveaux de gris . . . . . . . . . . . . . . . . . . . . . . . . . 59
Notations : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Initialisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
Construction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

6 Tomographie par rayons X 63

6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.2 Mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.3 Reconstruction en gomtrie parallle . . . . . . . . . . . . . . . . . . . . . . . 67
6.3.1 Notations et dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

ii
 6.3.2 Lien entre une image et sa transforme de Radon . . . . . . . . . . . . . 69
6.4 Algorithmes de reconstruction . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.4.1 Mthode directe de F OURIER . . . . . . . . . . . . . . . . . . . . . . . 72
6.4.2 Mthode du filtrage de la rtroprojection . . . . . . . . . . . . . . . . . . 75
6.4.3 Mthode de rtroprojection des projections filtres . . . . . . . . . . . . 76

Glossaire 81

iii
iv
Chapitre 1

Introduction

1.1 Gnralits
La description dune image est une dmarche faussement facile. Sil est vrai quune image
consiste en un jeu de valeurs reprsentables, sur un cran par exemple, comprendre la nature
dune image savre dlicat, dautant que lon confond souvent limage, la visualisation et les
traitements effectus sur limage.
Pour aborder la question du traitement dimage, nous distinguons les lments suivants :
la perception dune image. Elle sarticule autour des caractristiques du systme visuel
humain. Ainsi, il apparat que lil est sensible certaines frquences du spectre lec-
tromagntique ; ces frquences reprsentent la lumire en gnral. Dans certains cas, le
rayonnement lectromagntique observer se situe en dehors de la plage des frquences
visibles les rayons X par exemple. On doit alors recourir un rvlateur pour transposer
le signal observer dans une plage visible.
la reprsentation dune image. Il sagit de reprsenter une entit physique sous une forme
lectrique ou une forme informatique. La reprsentation joue un rle essentiel dans une
chane de traitement car elle conditionne la capacit de stockage ncessaire ainsi que la
mise en uvre. En outre se pose rgulirement la question du changement de reprsen-
tation. titre dillustration, une squence vido au format PAL ncessite un dbit de


 

sans compression. Le changement de reprsentation que reprsente la com-



pression ramne ce dbit des valeurs de lordre de  pour une qualit simi-
laire.
les traitements dimage. Les traitements sont des oprations qui interprtent ou affectent
la reprsentation dune image ; nous considrerons exclusivement le traitement dimages
chantillonnes.
Le traitement dimages est un domaine trs vaste qui a connu, et qui connat encore, un dve-
loppement important depuis quelques dizaines dannes. Il a donc fallu faire un choix lheure
de rdiger ce cours. Notre dmarche a consist choisir une srie de thmes spcifiques et
les dvelopper tant formellement que pratiquement. Cest ainsi que les oprateurs de traitement
dimage seront tudis suivant trois axes :

1
 la dfinition analytique des oprateurs.
ltude des proprits. Elle complte et illustre chaque dfinition. Une comprhension fine
dun oprateur et de ses proprits se rvle un excellent moyen de dvelopper lintuition
pour aborder un problme concret.
limplmentation. Un oprateur peut avoir une description mathmatique unique mais plu-
sieurs ralisations prsentant chacune des avantages et des inconvnients. En pratique, le
choix dun algorithme sera guid par une srie de contraintes comme lutilisation de la
mmoire, la vitesse, les possibilits de paralllisation, etc.

1.2 lments de perception visuelle

Tout document de traitement dimage qui se respecte dbute par un rsum du fonction-
nement du systme visuel humain. Assez paradoxalement il sagit dune des tches les plus
complexes car le fonctionnement du systme visuel humain fait intervenir la subjectivit de lob-
servateur et car, en pratique, il apparat difficile dinclure la plupart des rsultats des tudes
psychovisuelles dans un traitement dimage courant.

1.2.1 Le systme visuel humain

Lil est une systme complexe (cf. figure 1.2). La lumire incidente est rfracte par la cor-
ne et dirige vers la pupille ; la pupille est louverture de liris par laquelle la lumire pntre
dans lil. La lumire est ensuite rfracte une seconde fois en direction du fond du globe ocu-
laire o elle illumine la rtine. Cette dernire est compose dune srie de rcepteurs, appels
photorcepteurs, relis des cellules qui transmettent des signaux au nerf optique.

axe optique
corne fova
pupille

axe visuel
rtine nerf optique
cristallin

iris

F IG . 1.1 Coupe latrale simplifie de lil.

2
1.2.2 La lumire
La lumire couvre une partie du spectre dnergie lectromagntique. Un rayonnement lec-
tromagntique est en gnral constitu dun certain nombre de longueurs donde (ou frquences)
que les dispositifs dispersifs de sparer en un spectre. Le spectre est soit discret, soit continu.

Les longueurs donde du spectre visible stendent approximativement de   .
Une source est caractrise par (i) son rayonnement, mesurable dans un systme de grandeur
correspondant laction proprement visuelle, (ii) par le mlange des longueurs donde de cette
nergie, mlange qui produit une sensation de couleur. La lumire est donc une distribution
dnergie mise certaines frquences ayant une certaine intensit.

Jaune Vert
Bleu Vert

Rouge
Orange
Violet

Bleu

Jaune
Vert

400 500 600 700

Longueur donde [nm]

F IG . 1.2 Les longueurs donde associes aux couleurs.

Pour caractriser une couleur monochromatique, il suffit de connatre sa longueur donde 

et la luminance , expression qualitative de la brillance nergtique. Dans ces conditions, lil
se comporte donc comme un rcepteur bivariant, la connaissance de  et de celle de tant
ncessaires et suffisantes pour caractriser limpression visuelle cre.
Supposons maintenant une source constitue dun certain nombre de radiations simples for-
mant un spectre de raies ou un spectre continu avec une rpartition nergtique donne. La ques-
tion qui se pose est le problme de la rsultante, pour le rcepteur visuel, de laddition de len-
semble de ces radiations. Des tudes psychovisuelles ont rvl les lois suivantes (cf. le livre de
B USER et dI MBERT [1] pour les dtails) :
lorsquon additionne des radiations monochromatiques, lil ne sait pas distinguer les
composantes de la couleur rsultante, contrairement loreille qui demeure capable de
discerner les composantes frquentielles dune onde acoustique.
avec des combinaisons adquates de longueurs dondes et de brillance compltement dif-
frentes, il est possible de raliser lgalisation de deux demi-crans, en luminance et en
couleurs.
laddition de certains couples de couleurs peut produire une impression de lumire blanche.
Les deux couleurs sont alors dites complmentaires. Pour toute radiation extrieure lin-

3


tervalle  "!$# , il existe une couleur complmentaire. En revanche, toute radiation
infrieure cet intervalle na pas de couleur complmentaire dans le spectre visible.
lorsque les luminances &% et (' , de deux couleurs complmentaires, sont convenablement
ajustes, on obtient du blanc.
si les luminances &% et )' des couleurs *% et +' ne sont pas dans un rapport adquat, on
obtient une couleur dlave on dira non sature au lieu du blanc.
en gnralisant, on peut dmontrer que laddition de deux couleurs quelconques non com-
plmentaires produira une couleur nouvelle -, non sature

.%0/1)'.2 (3/45, (1.1)

o (, correspond la longueur donde 6, .

lquation prcdente se gnralise du fait des lois de G RASSMANN qui noncent ladditi-
vit, la multiplicativit, lassociativit et la transitivit dans le mlange des couleurs. Fina-
lement, on aboutit ce quun nombre quelconque 7 de couleurs 8%:9-%9<;;;9-6= quivaut
laddition dun flux >3 de blanc et dun flux (, dune couleur +, rsultante, ce qui revient
la dtermination de 3 variables >3 , 5, et +,
@
?@ =
2 (3/45, (1.2)
A %

Reprsentation frquentielle des couleurs

Une premire possibilit de reprsenter une couleur consiste estimer lensemble de ses
composantes spectrales. En principe, il suffirait de filtrer le signal de couleur par une srie de
filtres bande troite et de mesurer lintensit de chaque sortie filtre. Le signal de couleur vaut
alors BDC
EFHGDIJ (1.3)

Le problme pos par cette approche est le grand nombre de capteurs ncessaires la description
de la couleur.

Les espaces de couleurs

Une autre possibilit de reprsentation consiste utiliser un espace de couleurs K dimen-
sions. Des expriences psychovisuelles dgalisation (voir K UNT et al. [4]) ont montr quen
combinant trois stimuli de longueur dondes particulires, il est possible de synthtiser presque
toutes les couleurs existantes. Cette exprience peut seffectuer laide dun systme de repro-
duction de couleurs de type additif ou de type soustractif.
Choisissons trois radiations monochromatiques que nous qualifierons de primaires. Le pro-
blme sera de dterminer dans quelle mesure il est possible, partir de ces trois couleurs, de re-
produire une radiation colore quelconque et selon quelles rgles quantitatives. Dans le cas dun
mlange additif, lexprience dgalisation des couleurs se droule par exemple de la manire

4
suivante : trois couleurs primaires L , M et N sont, aprs pondration de de leur intensit res-

pectivement par O , et P , projetes sur cran noir avec un certain recouvrement comme lillustre

la figure 1.3. En jouant sur les paramtres O , et P , lobservateur essaie dgaliser la couleur

aA bB
X

cC

F IG . 1.3 Exprience dgalisation dune couleur Q au moyen de trois couleurs primaires L , M

et N .

dfinir Q avec le mlange additif ORL1/ M/1PN . Au cas o lgalisation est impossible, une ou
plusieurs des couleurs primaires sont additionnes non pas au mlange mais la couleur dfinir

Q . On obtient alors, pour cette couleur, un ou plusieurs facteurs ngatifs !SO , ! ou !SP .

Lespace de couleurs additif RGB. Pour des raisons de standardisation, la commission inter-
nationale de lclairage (CIE) a ralis en 1931 lexprience dgalisation de couleur par m-
lange additif. Un systme qui simposa presque naturellement tait fond sur les trois couleurs
 . 
monochromatiques, rouge T (  ), vert U ( #VXWY9 ) et bleu M (XX#Z9[ ), ces deux
dernires tant mises par larc au mercure (do leur choix). Ce fut le systme RGB. On a ainsi
dtermin pour ce systme :

les coordonnes trichromatiques dsignes dans le cas despce \ , ] et ;
les units lumineuses respectives des trois primaires en imposant quune certaine source
blanche tombe au centre du diagramme ;
partir de ci-dessus, les coefficients de distribution pour une couleur quelconque.
La figure 1.4 montre les courbes des coefficients de distribution des couleurs primaires.
La figure 1.5 reprsente le diagramme chromatique-type dans le systme T_^`M : chaque cou-
leur primaire est place au sommet dun triangle isocle rectangle ; lensemble des couleurs mo-
nochromatiques saligne sur le contour du diagramme, dit lieu spectral, tandis quune radiation
complexe se situe lintrieur du contour.
Pour tre plus prcis, les trois couleurs RGB dfinissent un triangle significatif de la percep-
tion visuelle. condition de respecter les proportions, il est possible de moduler les composantes
dune intensit minimale une intensit maximale. Lensemble des couleurs reprsentables se
situe donc lintrieur dun pyramide telle que reprsente la figure 1.6.

Vers dautres systmes de couleurs : le systme XYZ. lusage, il sest avr que ce systme
T_^aM prsentait un certain nombre dinconvnients (cf. [1]) du fait, en particulier que : (i) en
raison du choix des primaires, lune des coordonnes trichromatiques tait toujours ngative

5
 0,4

Eb-G
0,3 \DEFHG
c Eb-G

0,2

0,1

0 
400 500 600 700 

-0,1

F IG . 1.4 Courbes dgalisation spectrale obtenues par galisation des couleurs au moyen dun
mlange additif (daprs [2]).

Y g

2,5

2,0
510
520

530 1,5

540
500
1,0
G 550
490
0,5 580

480 W 600
Z B 0,5 1,0
R r
-1,5 -1,0 -0,5
X
-0,5

F IG . 1.5 Diagramme chromatique RGB de la CIE.

6
 B

100%
R
G

0%

F IG . 1.6 Pyramide des couleurs obtenues au moyen du tri-stimulus RGB.

pour les radiations monochromatiques, (ii) on risquait dattribuer aux couleurs primaires une
signification physiologique quelles nont pas (puisque leur choix est arbitraire).
Afin de parer ces inconvnients, la CIE a introduit, galement en 1931, un autre espace
de couleurs appel Qedgf . Les composantes Q , d et f qui dcrivent un stimulus sont lies aux
composantes T_^`M par la relation matricielle suivante [4]
hi jk hi
jk hi jk
Q Z9:VW 9:#  9  T


d 2 D9:# X Y9[W ^ (1.4)


f  Y9[X#VWX# #Z9:#  M
En normalisant le tri-stimulus Qldmf par rapport Qn/do/pf , on obtient le systme q6rZs . Une
particularit intressante de ce nouveau rfrentiel est que seules deux variables, par exemple q
et r , sont indpendantes. Ces deux composantes sont appeles les composantes chromatiques du
stimulus. On a donc les relations
Q
q 2 (1.5)
Qt/4du/vf
d
r 2 (1.6)
Qt/4du/vf
f
s 2 (1.7)
Qt/4du/vf
qm/1rw/4s 2 (1.8)
Aprs transformation du stimulus original en deux composantes normalises indpendantes q et
r , il est possible de dcrire lensemble des couleurs par les deux variables de chrominance q et
r . Il en rsulte un diagramme tel que celui reprsent la figure 1.7.

7
 y

F IG . 1.7 Diagramme chromatique (approch !) dfini par les deux variables de chrominance q
et r .

8
 Les couleurs monochromatiques sont reprsentes sur la partie non rectiligne du contour
(comme un U retourn). Les couleurs qui rsultent dun mlange dun mlange additif de cer-
taines couleurs de base sont reprsentes lintrieur de la forme en U. Il existe aussi certains
point particuliers, comme le point dgale nergie qui correspond une contribution gale des
z

trois composantes de base Q , d et f , ce qui correspond q42xry2  . Lexprience dga-

lisation des couleurs a montr quil suffisait de trois couleurs de base pour synthtiser la quasi-
totalit des stimuli colors. Comme le diagramme chromatique q6r ne reprend que deux variables
indpendantes, ce diagramme est une version rduite de lespace trois dimensions tel dfini par
le cube de la figure 1.8.

Bleu Cyan

Magenta
Blanc

Noir Vert

Rouge Jaune

F IG . 1.8 Espace tridimensionnel des stimuli produits par les composantes T_^aM .

Cest dans ce genre despace que nous avons reprsent les couleurs du diagramme chro-
matique approch la figure 1.7 ; le diagramme tridimensionnel correspondant est illustr la
figure 1.9.
La dimension non reprsente sur ce diagramme est celle de la luminance qui permet dclair-
cir ou dassombrir une couleur en modulant son degr de noir. Par exemple, en modulant du
minimum au maximum la luminance du point dgale nergie, on passe du noir au blanc en
passant par toutes les teintes de gris. Chaque couleur possde une luminance maximale dont la
reprsentation graphique est fournie la figure 1.10.
Le diagramme chromatique q6r est donc le lieu des couleurs de chrominance E{q09|rDG de lumino-
sit maximale. En effet, un changement des proportions entre q et r conduirait automatiquement
la perception dune autre couleur. Les deux variables de chrominance q et r peuvent se trans-
former en variables possdant une interprtation physique plus intuitive savoir la teinte et la
saturation. La notion de teinte (hue en anglais) est associe la longueur donde, cest--dire
la position le long du U retourn. La saturation exprime quant elle le degr de blanc ; elle est
dfinie comme la distance entre le point dgale nergie et la couleur dfinir.
La figure 1.11 illustre la dcomposition dune image dans les trois canaux RGB et HSI.

Lespace de couleurs soustractifs CMY. La dtermination des composantes RGB dune onde
sopre par addition sur fond noir. Larrire-plan est donc suppos absorbant pour toutes les
couleurs. Un tel systme nest pas adquat pour traiter limpression sur feuille blanche car cette
dernire rflchit lensemble des couleurs. Pour limpression, on a donc dfini dautres systmes

9
F IG . 1.9 Espace tridimensionnel des couleurs du diagramme de chrominance approch.

10
F IG . 1.10 Diagramme chromatique q6r et luminance maximale en chaque point.

F IG . 1.11 Dcomposition dune image en couleurs.

11
de couleurs, complmentaires au systme RGB. Il sagit par exemple du systme Cyan, Magenta
et Yellow (CMY), complmentaire du systme RGB et dont la somme produit le noir 1 .

Dautres systmes de couleurs. ct du systme RGB, couramment utilis en infographie,

il existe dautres systmes de couleurs tels les systmes d~}J , dwU ou d~N_3N., . Ces systmes de
couleurs peuvent tre calculs par transformation matricielle des composantes RGB auxquelles
on a pralablement appliqu une correction gamma2 .

Les systmes de couleurs en pratique. Les standards de tlvision analogiques (PAL, NTSC)
dfinissent chacun les positions de couleurs RGB dans le diagramme chromatique. cet gard,
il est intressant de remarquer que, contrairement aux apparences, ces positions ne se situent
pas sur le pourtour. Autrement dit, les couleurs de base ne sont pas monochromatiques ! Comme
les positions de ces systmes ne concident pas, la totalit des couleurs dun systme nest pas
reprsentable dans un autre systme. Dautre part, un tlviseur nest pas rellement calibr
la fabrication et son usage produit une usure. Cela nous amne considrer avec beaucoup de
prudence la signification physique relle dune couleur affiche par un tlviseur. On peut expri-
mer des rserves similaires pour le cas des moniteurs utiliss dans le monde informatique. Pour
dsigner une couleur en infographie, on utilise gnralement une quantification sur 8 bits par
composante de couleurs. Les couleurs sont alors reprsentes par un triplet de valeurs exprimes
en hexadcimal, en dcimal (cf. table 1.1) ou en binaire.

Hexadcimal RGB
00 00 00 0 0 0
00 00 FF 0 0 255
00 FF 00 0 255 0
00 FF FF 0 255 255
FF 00 00 255 0 0
FF 00 FF 255 0 255
FF FF 00 255 255 0
FF FF FF 255 255 255
TAB . 1.1 Table de correspondance de couleurs dfinies sur 8 bits.

Les fausses couleurs. La reprsentation des valeurs dune image ncessite 8 bits dans le cas
dune image monochrome et l2V dans le cas dune image RGB. Pour rduire le nombre
de bits dans le cas dune image en couleurs, on rduit la taille de lespace des couleurs en sous-
chantillonnant lespace RGB. Il est galement possible de considrer les 256 valeurs dune
image comme les 256 indices dun vecteur tridimensionnel reprenant les composantes RGB de
1
On prfre parfois ajouter demble le noir au composante CMY, ce qui aboutit au systme quadrichromatique
CMYK.
2
La correction gamma consiste appliquer un fonction inverse de celle qui traduit, lintrieur du tlviseur, le
signal lectrique en une intensit des canons lectrons destins clairer lcran.

12
couleurs. On parle alors de palette de couleurs ou de Color Look Up Table (CLUT). La fi-
gure 1.12 montre la palette de couleurs utilises par le logiciel de navigation Netscape Navigator
ainsi que la dcomposition des couleurs dans les composantes RGB.

F IG . 1.12 Palette de couleurs utilise par les logiciels de navigation ainsi que la dcomposition
en R, G et B.

La figure 1.13 montre une image monochrome et une image obtenue en considrant une pa-
lette de couleurs alatoires on parle reprsentation en fausses couleurs car elles ne reprsentent
pas des couleurs physiques.

La couleur des objets

La couleur dun objet est significative de la rflectance de lobjet ainsi que de lclairage. Ds
lors, supposer quun onde lumineuse isochromatique (c-d. blanche) soit envoye en direction
de lobjet, sa surface absorbera certaines longueurs donde et en rflchira dautres. On ne pourra
donc jamais dfinir la couleur que comme la couleur lie la longueur donde dominante.
De plus, la rflexion peut tre spculaire (effet de miroir) ou tre diffuse. Linfographie utilise
abondamment ces techniques pour crer des effets dambiance. Un exemple, produit avec le
logiciel B LENDER , est fourni la figure 1.14.

1.2.3 Effets visuels

Parmi les nombreux effets de perception visuelle, le phnomne de contraste joue un rle
essentiel. Il est illustr la figure 1.15. On dispose une pastille dintensit }~/} sur un fond

13
F IG . 1.13 Une image en niveaux de gris, lquivalent avec une palette de couleurs alatoires et
les palettes respectives.

14
F IG . 1.14 Une image de synthse 3D.

15
dintensit fixe. Des expriences physiologiques montrent que la visibilit de la pastille disparat
sous trs faible ou trs forte intensit [1]. La courbe marquant cette transition est fournie la
figure 1.15.(a), partie droite. On peut encore compliquer lexprience en dcoupant la pastille

crans

}_/1}

}
(a) Sans fond Intensit



Niveau du fond (} )
}

Z*

}
(b) Avec fond Intensit

F IG . 1.15 Diffrents arrangements exprimentaux permettant dtudier les variations suprali-

minaires dintensit, } , partir de lintensit } .

centrale en deux parties. On obtient alors des courbes de sensibilit qui rtrcissent en largeur, ce
qui indique une perte de sensibilit accrue. Ce genre deffets est galement illustr la figure 1.16
o lil peroit diffremment les trois rectangles centraux alors quils sont de luminance gale.
La considration des aspects physiologiques dans le cadre dapplications industrielles reste
dlicate. En pratique, on se contente de certaines lois, comme la loi de W EBER ou le caractre
passe-bas de lil ; pire, on fait limpasse sur les effets perceptifs.

1.2.4 Lclairage
Dans le monde des applications dimagerie industrielles, lclairage joue un rle essentiel. En
effet, une non-uniformit de couleurs entrane des artefacts dans lobservation et, par consquent,
dans le traitement effectu. Il est ds lors primordial de dmarrer la conception dune chane de
traitement dimages par la question de lclairage.

16
 F IG . 1.16 Illustration dun effet perceptif.

1.3 Reprsentation des images

1.3.1 Objets reprsenter
Tout naturellement, la question de la reprsentation des images part de la volont de trouver
un moyen de dfinir un jeu de valeurs de luminances ou de couleurs. Pour rpondre cette
question, il faut considrer plusieurs lments :
la nature des objets reprsenter. Il peut sagir de la luminance, des composantes RGB, de
fausses couleurs ou encore des bits de transparence. La figure 1.17 montre lusage de bits
de transparence. Lusage de ces bits est simple. Soient [Eq09rYG la valeur de limage au point
E{q09|rDG , E{q09rYG la valeur de transparence et YEq09rDG la valeur de limage finale. La valeur de
transparence est typiquement dfinie sur 1 bit (elle vaut alors 0 ou 1) ou sur 8 bits. Prenons
une transparence dfinie sur 8 bits ; nous supposons que ces valeurs soient comprises dans

lintervalle Y9:## tel que  soit la valeur dintensit nulle ou dopacit totale. Le principe
consiste appliquer la formule suivante
E{q09rYG
YEq09rDG(2 E{q09rYG (1.9)
##
On peut bien entendu avoir une transparence par tout ou rien 1 bits de transparence suffit
alors, ou avoir une srie ordonne de plans de transparence.
le cas chant, la structure dchantillonnage. Lchantillonnage aboutit dfinir des
images sur un domaine de dfinition discret, sous-ensemble de , appel trame.
Chaque point est appel pixel (pour picture element).
Il existe deux sortes de trame suivant la grille dchantillonnage adopte. Le choix de
la trame hexagonale est judicieux pour parler de la notion de connexit. La connexit
reprsente le nombre de voisins lis un point. ce titre, on remarquera que le compl-
mentaire dun objet 4-connexe est un objet 8-connexe. Par contre, le complmentaire dun
objet 6-connexe est galement 6-connexe. La 6-connexit offre une plus grande symtrie
(pour le calcul de la distance par exemple) mais son usage exige quelques prcautions. On
peut aisment passer dune trame carre une trame hexagonale en dcalant une ligne sur

17
F IG . 1.17 Utilisation de bits de transparence lintrieur du petit rectangle.

Trame carre Trame hexagonale

4-connexit 8-connexit 6-connexit

TAB . 1.2 Types de trames couramment utilises et connexits associes.

18
 deux dun demi-pas dchantillonnage horizontal. Si cette solution est thoriquement in-
satisfaisante il faut en toute rigueur recourir une interpolation, elle permet deffectuer
un traitement en trame hexagonale moyennant lintroduction dune erreur bien souvent
acceptable.
Nous adopterons la terminologie suivante pour dsigner les objets reprsenter :
2D. Il sagit dune matrice bidimensionnelle de valeurs. Ces valeurs (luminance, couleurs, ;;; )
sont par exemple issues de lchantillonnage dune image fixe.
3D. Cette fois, le jeu de valeurs est dfini sur base dune grille dchantillonnage tridimension-
nelle. On obtient cette type dimages par scanner par exemple. La plupart des techniques
de traitement dimage bidimensionnelles se gnralisent sans peine des images  .
2D+t. Comme reprsente le temps, les images /1 dsignent une animation, une squence
vido ou les images dun film.
3D+t. Les images de type / t sont des images tridimensionnelles animes. Il sagit par
exemple dimages de synthse  animes.

La vido
Dun point de vue informatique, on reprsente une image t/ comme une succession
dimages numriques  . Dans le monde de la tlvision analogique, on ne disposait pas de
cette reprsentation et il a fallu trouver dautres moyens de reprsenter une squence vido.
Le procd imagin a consist fabriquer un signal lectrique composite mlangeant lumi-
nance, couleurs, son et informations de service. Ce signal lectrique balaie les lignes dun cran
la manire de la figure 1.18.

trame 1 trame 2

F IG . 1.18 Description du format entrelac.

Limage prsente sur un tlviseur est lue ligne aprs ligne, mais une ligne sur deux. Chaque
ligne est lue de gauche droite et les lignes sont parcourues de haut en bas. Lensemble des lignes
lues lors dune premire analyse constitue une premire trame. Les lignes restantes constituent
une seconde trame. Ces deux trames sont entrelaces ; elles forment une image. Ce procd,

19
utilis pour la tlvision analogique, porte le nom dentrelacement. Lautre manire de faire
consistant envoyer toutes les images dune image est la base du format progressif ; le format
progressif est utilis pour les moniteurs de PC.
Quil sagisse dun format progressif ou entrelac, la transmission dun signal vido analo-
gique seffectue ligne par ligne. Le signal lectrique dun tlviseur est dcrit la figure 1.19.

100 Niveau du blanc

Information Vido
(luminance) Niveau du noir

30 
Informations de service Aller ligne = #V
0

Retour ligne = V

F IG . 1.19 Une ligne du signal de luminance dun tlviseur.

Le schma plus gnral dune chane acquisition-visualisation dun signal vido est repris
la figure 1.20.

R R Y NTSC, PAL Y
RGB ou SECAM YC1C2 R
G Correcteur G C1 Encodeur Dcodeur C1 G
B Gamma B C2 composite composite C2 B
Camra YC1C2 RGB

(a)

R R RGB Y YC1C2 R
G Correcteur G C1 G
B Gamma B C2 B
Camra YC1C2 RGB

(b)

F IG . 1.20 Chane de transmission des signaux de tlvision composites.

Standards de tlvision analogiques

Les tats-Unis et lEurope ont malheureusement dfini des standards de tlvision diffrents.
Le systme NTSC est utilis aux tats-Unis et le PAL en Europe (hormis la France et la Russie qui

20
ont dfini le systme SCAM). Ces formats incompatibles sont lorigine de bien des problmes
lors de la conversion de lun vers lautre.
Un signal PAL3 est un signal composite ; il comporte linformation de luminance, les signaux
de service (synchronisation de ligne et de trame, effacement) et deux signaux de chrominance.

Le signal de luminance d est obtenu avec un frquence maximale de # s , ce qui re-
prsente la borne suprieure autorise en norme ^; Les information de couleur sont obtenus par
diffrence. Il sagit des signaux
Tu!d : signal de diffrence rouge, et
M!d : signal de diffrence bleu.
Les principales diffrences entre les standards de tlvision analogiques sont reprises dans le
tableau 1.3.

Paramtres PAL NTSC SCAM


Frquence de trame s 50 59,94 50
Nombre de lignes par trame 625 525 625
Facteur de correction gamma 2,8 2,2 2,8


Porteuse audio s QAM 4,5 FM

Porteuse couleur s 4,43 3,57 4,25 ( /` ) - 4,4 ( !wU )
Technique de modulation des QAM QAM FM
signaux de couleur
Largeur de bande de la lumi- 5,0 ou 5,5 4,2 6.0

nance s
Largeur de bande des chromi- 1,3 ( et U ) 1,3 (} ) - 0,6 (  ) 1,0 ( et U )

nances s

TAB . 1.3 Comparaison des 3 principaux formats de tlvision analogiques.

titre dexemple, la figure 1.21 montre comment seffectue la conversion de la frquence

  
image entre un systme #V s et W s . Seules les images obtenues la cadence  s sont
communes ; les autres doivent tre calcules par interpolation entre les images existantes.

1.3.2 Structures de donnes

Les structures de donnes utilises en traitement dimages sont multiples. On fait bien sr
un usage courant de la plupart des structures de donnes informatiques classiques : matrices (ou
tableaux), vecteurs, arbres, listes, piles, ;;; Certaines structures de donnes ont t adaptes et
enrichies pour le traitement dimages. Il sagit par exemple de la structure en arbre quaternaire,
appel quadtree. Comme lillustre la figure 1.22, cette structure attribue une valeur unique un
ensemble de pixels de valeurs homognes. En labsence dhomognit, la zone est nouveau
divise en quatre parties gales.
3
L AURENT [5] dcrit en dtail les principes de fonctionnement du PAL.

21
 1/6 5/6 2/3 1/2 1/3 1/6 1/6
1 1/3 1/2 2/3 5/6 1

(a) Conversion 50Hz vers 60Hz

2/3 1/3 5/6 1/6 2/3

1/6 1/2 1/2 1/6 5/6 1 0
5/6

(b) Conversion 60Hz vers 50Hz

F IG . 1.21 Conversion de la frquence image.

22
 00 01

02 03 1 3

200 201
21 00 01 02 03 21 22 23
202 203
3

22 23
200 201 202 203

F IG . 1.22 Dcoupage dune image en arbre quaternaire.

Sagissant des contours, on peut adopter une description au moyen dun lacet. Le lacet est
une succession de directions qui indiquent chaque fois la position dun point voisin jusqu
revenir au point de dpart. En anglais, on parle de chain code.

5 6 7
4 0
3 2 1

Code : 00017222533135754666

F IG . 1.23 Description dune forme par suivi du contour.

Il existe galement des structures de donnes hirarchiques ou multirsolution, appeles g-

nralement pyramides. Ces structures sont utilises lorsquon dsire coder une image plusieurs
niveaux de rsolution diffrents.
Travailler plusieurs niveaux de rsolution peut savrer intressant. En fait, une image 4 fois
plus petite que loriginale sera traite plus rapidement. On peut alors obtenir trs rapidement une
ide du rsultat sur base de ce traitement rapide sans quil ne soit ncessaire de traiter limage
originale. La figure 1.4 montre une mme image produite plusieurs niveaux de rsolution dif-
frents, ramens une mme taille pour laffichage.
Il ny a que lorsque les dtails sont seulement prsents dans limage plus haute rsolution
quune telle approche nest daucune utilit.

23
TAB . 1.4 Diffrents niveaux de rsolution : chaque image est de rsolution moiti de la prc-
dente.

24
1.4 Traitement dimages industriel
Il est videmment exclus de parcourir lensemble du traitement dimages industriel en
quelques pages. Aussi nous contenterons-nous de dcrire quelques oprations courantes et de
commenter certains aspects du traitement industriel.

1.4.1 Remarques pralables

Dcomposition dune image en plans binaires
Linformation contenue dans chaque bit de chaque pixel nest pas la mme. Pour sen
convaincre, il suffit de regarder le tableau 1.5. Ce tableau reprend limage originale (sur 8 bits) et
les diffrents plans de bit en partant du bit de poids fort (Most Significant Bit ou MSB) jusquau
bit de poids faible (Least Significant Bit LSB). On peut voir que linformation locale, appele
entropie en thorie de linformation, nest pas la mme dans tous les plans. Dautre part, on
devine tout de suite que les plans LSB contiennent moins dinformation pertinente.

TAB . 1.5 Image originale et plans binaires en partant du MSB.

25
 La diffrenciation des plans de bits se rattache la question de la quantification. Une quan-
tification sur 8 bits est usuelle mais on peut augmenter le nombre de niveaux de quantification
jusqu 10 bits, valeurs que recommandent les intervenants du monde de ldition. Il faut nan-
moins garder lesprit que laugmentation du nombre de pas de quantification accrot le besoin
en mmoire et que linformation prsente dans les derniers bits ne justifient pas toujours cet
accroissement.

Critres de qualit
Un autre point important est la dfinition de mesures de distorsion permettant de comparer
une image traite de limage originale. Soient une image originale de taille 7`7 et limage
traite.
On dfinit par exemple la mtrique de distorsion derreur quadratique moyenne (MSE)

Dfinition 1 [Mean Square Error]

=)
? +% )
= ? +% '
MSE 2 5E9:KDG"! 5 E9:KDG (1.10)
7 ' A A m

On peut aussi dfinir des valeurs de type rapport signal bruit.

Dfinition 2 [Signal to noise ratio]

=(+% =(+% '
A A Eb5E9:KDG|G
SNR 2 ' (1.11)
=)+% =(+%
A A 5E9:KYG"!5 E9:KYG


Ou encore, en considrant une image de dynamique Y9-## ,

Dfinition 3 [Peak signal to noise ratio]

'
7 l##
PSNR 2 ' (1.12)
=)+% =(+%
A A "E9:KDG"! 5 E9:KYG

Il existe aussi des mesures de distorsion corrlatives ou bases sur lvaluation de lhistogramme
(pour une liste plus complte, voir par exemple [3, page 112]

Visualisation 3D dune image 2D

Avant de traiter une image, il peut tre intressant de la visualiser sous la forme dun volume
3D. On se choisit alors un axe de vue et on projette la profondeur de limage suivant cet axe. La
figure 1.24 illustre le principe4 .
4
Ces images, ainsi que dautres encore, ont t produites laide du logiciel EasyAccess de la socit E URESYS .

26
 F IG . 1.24 Une image et visualisation de la profondeur sous la forme dune image 3D.

1.4.2 Segmentation dimages

La segmentation dimages consiste dcomposer une image en une srie dobjets. Des
exemples de segmentation sont illustres aux figures 1.25 et 1.24. Dans le premier cas, il sagit
de segmenter les faces dun paralllpipde rectangle. On peut voir que lalgorithme utilis pour
produire limage segmente ne traite pas correctement la zone dombre.

F IG . 1.25 Segmentation dun objet contenant une zone dombre.

Le second cas est typique des squences de vidotlphonie o lon dsire dtecter les per-
sonnes de manire mieux coder les zones qui leur correspondent.

27
 F IG . 1.26 Segmentation dune image dune squence vido.

1.4.3 Reconnaissance de caractres

Un processus complexe de segmentation est la reconnaissance de caractres. partir dun
jeu de caractres connus, on cherche identifier toute occurrence dun caractre du jeu dans une
image. La reconnaissance seffectue habituellement en plusieurs tapes :
un oprateur ou un algorithme taill sur mesure pour le type dimages analyser spcifie
une rgion examiner ; ce type de rgion, qui porte le nom de Region Of Interest (ROI),
est destin slectionner la partie significative de limage (cf. figure 1.27).

F IG . 1.27 Reconnaissance de caractres par slection dune rgion dintrt.

28
 lintrieur de la rgion dintrt, un algorithme dtecte les contours extrieurs de rec-
tangle identifies pour la reconnaissance de caractres.
enfin, la reconnaissance de caractres seffectue par mise en correspondance avec des ga-
barits connus. Cette tape porte le nom de pattern matching.

1.4.4 Autres oprations

Dautres oprations sont encore courantes dans la pratique industrielle, nous les citons ici :
suppression dune inhomognit dclairage,
comptage de particules,
contrle de qualit par analyse des proprits de limage,
analyse granulomtrique, etc.

29
30
Chapitre 2

Transformations unitaires

2.1 Introduction
Les transformations discrtes sont couramment utilises pour le traitement et lanalyse
dimages. Ces transformes permettent, entre autres, des applications de filtrage, de compression
dimages, de description dimages, ;;; tant pour des approches dterministes que stochastiques.
Elles furent activement tudies ds la fin des annes 1960. Aujourdhui, on en connat les
caractristiques des plus fondamentales (proprits dcorrlatives) jusquaux dtails dimpl-
mentation (effet dchantillonnage, erreurs darrondi, etc). Cest videmment une raison suppl-
mentaire pour y recourir.

2.2 Transforme de F OURIER

2.2.1 Dfinition
La transforme de F OURIER dune image gEq09rYG est dfinie par
[[
B + B +
J' Y|
E09 c G52 Eq09rDGJ Iq-IRr (2.1)

o et c dsignent les frquences spatiales dans les directions q et r . partir de la transforme de

F OURIER , il est possible de reconstituer exactement limage:originale

en prenant la transforme
inverse B + B +
' Y|
gEq09rDG(2 E{09 c GY IX-I c (2.2)

Pour que la transforme dune image existe, la condition suivante suffit
B + B +

E{q09rYG Iq-IRr$/ (2.3)

31
 La transforme de F OURIER nous fournit une interprtation intressante puisquelle dcom-
 
pose limage en composantes frquentielles dfinie sur ! 9:/ !w 9[/a . Eq09rDG et

E{09 c G forment une paire de transforme de F OURIER reprsente par

gEq09rDG( E09 c G (2.4)

En gnral, E{9 c G est une fonction de et de c valeurs | complexes. Nous pouvons donc
lexprimer sous la forme |

E{9 c G"2 E09 c G (2.5)

o E09 c G est appel module de E{09 c G ou spectre frquentiel de limage gEq09rDG et &E09 c G

est la phase de E09 c G ou spectre de phase de E09 c G . Dans le cas particulier important o
gE{q09|rDG est une fonction valeurs relles, nous avons
$
E!09! c G)2 E09 c G (2.6)

Ds lors,

E!S09! c z
G 2 E09 c G (2.7)
&E!09! c G)2!S&E09 c G (2.8)
On peut en dduire deux proprits importantes dune image valeurs relles :
1. le spectre frquentiel de limage est symtrique par rapport lorigine du systme daxes
! c . Cest--dire que la connaissance dun demi-plan suffit. Ce rsultat est satisfaisant car

si, dans le plan spatial, on dispose de y7 variables indpendantes, la transforme de


F OURIER fournit seulement E 7G  variables indpendantes mais ces variables sont

complexes.
2. le spectre de phase de limage est anti-symtrique par rapport lorigine du systme daxes
! c .

2.2.2 Proprits
1. Sparabilit

(a) En permutant lordre dintgration dans (2.1), nous avons

[
B + B +
J' J'
E09 c G(2 gE{q09rYGY IqDS IXr (2.9)

La transforme de F OURIER dune image gE{q09|rDG peut se raliser en deux tapes :

(i) transforme de F OURIER unidimensionnelle de la fonction gEq09rDG pour tout r
fix, transformant la variable q en la variable et (ii) transforme de F OURIER uni-
dimensionnelle de la fonction obtenue pour tout fix, transformant la variable r en
la variable c .

32
 (b) Si limage gEq09rDG est spatialement sparable

1
, cest--dire

Eq09rYG52 EqHG+ E{rDG (2.10)

alors
c
E09 c G52 EHG E G (2.11)

Dans ce cas, la transforme de F OURIER de limage gE{q09rYG est gale au produit des
transformes de F OURIER unidimensionnelles des fonctions E{qHG et E{rDG .

2. Linarit

Soient X%<Eq09rYG_ %<E{09 c G et '8E{q09rYG_ '8E09 c G . Alors, pour toutes constantes P% et
P:' ,

P%%*E{q09rYG</4P:':'8Eq09rDG( P% %E{9 c G/4P:' '8E9 c G (2.12)

3. Homothtie

Si gEq09rYG( E09 c G , alors

c

gEOXq09 Yr G)  9  (2.13)
O O

Il est noter que limage gEFOq09 rYG correspond limage gE{q09|rDG compresse dans les-

pace par un facteur O dans la direction q et par un facteur dans la direction r . Une
compression dans le domaine spatial quivaut donc une extension dans le domaine
frquentiel et vice-versa.

4. Dualit

Si gEq09rYG( E09 c G , alors

Eq09rYG( gE!S09! c G (2.14)

5. Translation spatiale

Si gEq09rYG( E09 c G , alors ::b

J' Y
E{q!q69r~!r:G) E09 c GY (2.15)

6. Translation frquentielle

Si gEq09rYG( E09 c G , alors b

' Y |
gE{q09|rDGY E!-9 c ! c G (2.16)
1
Ce nest gnralement pas le cas pour des images naturelles. Ce cas de figure peut nanmoins se produire pour
certaines images de synthse.

33
 7. Aires

Si gEq09rYG( E09 c G , alors
B + B +

EFZ9[XG(2 E{q09rYGYIq-IXr (2.17)


Le coefficient EFY9[G , appel parfois composante DC, est la somme des pixels de limage.
Sa dynamique est donc trs importante par rapport aux autres coefficients. Ceci pose des
problmes pratiques qui amne traiter sparment ce coefficient.
B + B +

gEY9[XG(2 E09 c GYIX-I c (2.18)

2.2.3 Illustrations
La fonction Rectangle
Considrons limage gE{q09|rDG dfinie par

gE{q09|rDG(2L rect 3E{q09rYG (2.19)

o
3
rect 3Eq09rDG(2 q ' 9 r ' (2.20)
 ailleurs
Cette fonction est appele fonction Rectangle. Limage gE{q09|rDG vaut donc L lintrieur du

rectangle de longueur O et de largeur dont les cts sont parallles aux axes q et r , et zro
partout ailleurs. La transforme de F OURIER de limage gE{q09rYG [est
[ donne par
B |' B 3{'
J' Y
E09 c G2 Iq IXrJLw (2.21)
J' J3{'
 c
) E 0OXG ( {E G
2 LwO  c (2.22)
0OX

Il sagit du produit de deux sinus cardinaux. Ce rsultat aurait pu tre obtenu en remarquant que
limage gE{q09rYG est sparable spatialement et en utilisant la proprit 2.11 de sparabilit. Nous
avons donc la paire de transformes de F OURIER

 c
_(| {E 0OXHG (| E G
rect 3E{q09rYG( O  c (2.23)
0OX

Une reprsentation de limage gE{q09rYG est donn la figure 2.1 tandis que le module de sa
transforme de F OURIER est reprsent la figure 2.2.

34
 5E{q09|rDG

F IG . 2.1 Illustration de la fonction Rectangle.

E09 c Gz

F IG . 2.2 Module de la transforme de F OURIER de la fonction Rectangle.

F IG . 2.3 Visualisation du module du spectre de limage Lena aprs centrage de lorigine.

35
36
Chapitre 3

Filtrage linaire

De linterprtation des transformes unitaires, il apparat aisment quune modification des

coefficients transforms aura pour effet de supprimer ou daugmenter la prsence de certaines
composantes frquentielles dans le domaine spatial. Il est donc tout naturel de chercher filtrer le
signal dimage par le truchement dune modification des coefficients transforms. Ces techniques
font partie du domaine du filtrage linaire, mme si leur implmentation seffectue parfois par
convolution dans le domaine spatial.
Avant daborder ltude du filtrage linaire, une prcision simpose. On pourrait croire que
le filtrage linaire est le seul moyen efficace de filtrer une image. En fait, il nen est rien car on
peut construire des filtres trs intressants en partant de proprits algbriques respecter. Cette
dmarche conduit synthtiser des filtres non ncessairement linaires.
Le filtrage dune image est la gnralisation deux dimensions du filtrage de signaux tempo-
rels rencontrs dans la thorie des systmes et en tlcommunications. ce niveau, la variable
temporelle est remplace par deux variables spatiales q et r . La variable frquentielle est
quant elle remplace par les variables et c .
Dans certains cas, limage a subi leffet dun filtre dont la transmittance est connue. Ainsi, la
dfocalisation de lobjectif dune camra produit un effet de flou que lon cherche liminer. La
suppression de cet effet porte le nom de dconvolution ; cest lopration inverse du filtrage.

3.1 Notion de filtre idal

On dira dun filtre quil est idal sil multiplie tous les coefficients transforms par  ou par
.

Dfinition 4 [Filtre idal] Un filtre est idal si sa transmittance est telle que

E09 c G:9DyE09 c G(2 ou (3.1)
La notion de filtre idal est intimement lie celle didempotence. Lidempotence doit tre com-
prise ici telle que, pour toute image 5Eq09rDG ,

E09 c GyE09 c G"2 E09 c GyE09 c GyE{9 c G (3.2)

37
Autrement dit, un signal pralablement filtr par un filtre idal nest pas modifi par application
rcursive de ce filtre.

3.1.1 Catgories de filtres idaux

Dans le cas dun signal unidimensionnel, on distingue habituellement trois catgories de
filtres idaux en fonction de la position de leur gabarit le long de laxe des frquences (cf. fi-
gure 3.1).

yEHGz
1

Passe-bas Passe-bande Passe-haut

F IG . 3.1 Filtres idaux unidimensionnels.

Lextension des signaux bidimensionnels est simple si lon utilise des filtres symtrie
circulaire. Les trois types de filtres idaux symtrie circulaire sont :
les filtres passe-bas, pour lesquels seuls les coefficients de la transmittance proximit
de lorigine sont non nuls. Un filtre passe-bas est un systme linaire ne modifiant pas
ou peu les basses frquences de limage dentre. Par basses frquences, on entend les
couples E09 c G du plan de frquence ! c situ dans un voisinage de lorigine, la taille de
ce voisinage caractrisant la bande passante du filtre. Les hautes frquences de limage, en
loccurrence celles situes en dehors du voisinage de lorigine sont attnues, voir mme
annules. Physiquement, le filtre passe-bas a pour effet dattnuer les variations rapides
dintensit de limage pouvant aller jusqu faire apparatre une certaine impression de
flou dans limage filtre.
La figure 3.2 montre une image de taille #Wy#W et limage filtre au moyen dun filtre
symtrie circulaire ayant une frquence de coupure 2t pixels. Ce filtre a un effet
moyenneur sur le niveau de luminance. En raison de la suppression des composantes
haute frquence, les transitions se retrouvent adoucies.
Le filtre passe-bas idal circulaire est dfini par une fonction de transfert de la forme

' / cJ'& T
E09 c (
G 2 (3.3)
 ' / cJ' T

Les composantes frquentielles de limage correspondant aux couples E09 c G situs lin-
trieur du disque de rayon Tw , dites basses frquences, ne subissent aucune modification
tandis que les autres composantes frquentielles, dites hautes frquences, sont compl-
tement supprimes. Ce filtre est dit idal car il y a suppression totale des composantes

frquentielles ayant une frquence radiale ' / c ' suprieure TS .

38
 (a) Image originale (b) Image filtre
F IG . 3.2 Filtrage passe-bas dune image.

les filtres passe-haut. Ces filtres slectionnent un contenu en hautes frquences. Un filtre
passe-haut linaire est un systme linaire ne modifiant pas ou peu les hautes frquences
de limage dentre. Les basses frquences sont, quant elles, attnues, voire mme com-
pltement annules. Visuellement, un filtre passe-haut a pour effet de supprimer la compo-
sante continue de limage et de ne garder que les variations rapides dintensit dans limage
filtre.
Le filtre passe-haut idal est dfini par la fonction de transfert suivante
c &
' / ' T
E09 c (
G 2 c ' T (3.4)
 ' /

Les basses frquences dont la frquence radiale ' / cR' est infrieure TS sont compl-
tement rejetes tandis que les hautes frquences restent inchanges.
les filtres passe-bande. Ils sont quivalents au complmentaire dun filtre passe-bas et dun
filtre passe-haut. Un filtre passe-bande est un systme linaire qui attnue ou supprime les
basses et les hautes frquences. Seule une plage de frquences nest pas ou peu attnue
par le passage au travers de ce filtre.
Le filtre passe-bande idal est dfini par la fonction de transfert suivante

T ' / cR'S T%
E09 c (
G 2 (3.5)
 sinon

Seules les composantes frquentielles dont la frquence radiale est comprise entre T et
Ta% sont conserves. Toutes les autres composantes frquentielles sont rejetes. La fonction
de transfert du filtre passe-bande idal est reprsente la figure 3.3.

39
 yE09 c G

F IG . 3.3 Fonction de transfert du filtre passe-bande idal.

La figure 3.4 compare les effets dun filtrage passe-bas, dun filtrage passe-bande et dun
filtrage passe-haut 1 . En vertu de la linarit de la transforme de F OURIER , laddition des 
spectres reconstitue le signal original. Lobservation des images filtres montre clairement des
effets de filtrage complmentaires.
En pratique, on prfre souvent recourir des filtres support rectangulaire. Un tel choix se
justifie par une plus grande facilit de ralisation car, en prsupposant la sparabilit de limage,
le filtrage seffectuera par mise en cascade dun filtrage horizontal et dun filtrage vertical. En
contrepartie, on court le risque de ne pas traiter au mieux les motifs orientation diagonale.
Cela ne prte pas souvent consquence puisquune majorit dimages concentrent leur nergie
suivant les axes principaux en raison de la prsence massive dobjets arrtes horizontales ou
verticales.

3.2 Passage dune image dans un systme linaire

Comme dans le cas dun systme unidimensionnel, on peut interprter laction dun oprateur
bidimensionnel, linaire et invariant en translation, comme un filtrage. Le problme gnral du
filtrage bidimensionnel consiste laborer un filtre qui possde la rponse impulsionnelle voulue
et qui soit ralisable efficacement.
Comme pour les signaux temporels, lanalyse de F OURIER sert doutil pour ltude des sys-
tmes de traitement dimages. Tout dabord, un systme est linaire si le principe de superposi-
tion est vrifi : si ]Z%E{q09rYG et ]'Eq09rYG sont les images de sortie du systme relatives aux images

dentre %*E{q09rYG et '"E{q09|rDG , toute combinaison linaire OJZ%<E{q09rYG</ z'5Eq09rDG produit en sortie

limage O]J%E{q09rYGH/ ]V'5Eq09rYG . Un filtre linaire est un exemple important de systme linaire. Il
1
Pour la visualisation des spectres, nous avons adopt la convention de vido inverse ; elle consiste simplement
inverser lchelle de luminance.

40
 Application dun passe-bas circulaire de frquence de coupure V5 pixels.

Application dun passe-bande circulaire conservant les frquences YVV pixels.

Application dun passe-haut circulaire de frquence de coupure ( pixels.

F IG . 3.4 Images filtres au moyen de filtres idaux circulaires et spectres correspondants.

41
est utilis pour modifier le contenu spectral dune image afin den retirer linformation recher-
che.

3.2.1 Forme de la fentre

Le problme majeur dans le choix dun filtre est la forme de la fentre. On remarquera que
les filtres idaux ont une transmittance limite spectralement mais une rponse impulsionnelle
infinie. Cela signifie que, dans le plan spatial, une information locale va tre fortement tale. Une
filtre dont la rponse impulsionnelle serait finie aurait lui une transmittance infinie. Cest alors
linformation spectrale qui sera tale dans limage. En fait, il nest pas possible dchapper ce
paradoxe pour des raisons de conservation dnergie entre le plan spatial et le plan spectral. La
synthse dun filtre, comme ceux que nous allons tudier ci-aprs, rsultera dun compromis.

3.2.2 Filtres passe-bas

Un exemple commun de filtre passe-bas est le filtre passe-bas de B UTTERWORTH dordre
dfini par la fonction de transfert suivante

0Z

  
 
   (3.6)

On remarque ici que toutes les composantes frquentielles, hormis lorigine, subissent une
0Z
attnuation dautant plus grande que le couple est loign de lorigine. Plus lordre du
filtre est lev, plus lattnuation des hautes frquences est importante. La transmittance du filtre

passe-bas de B UTTERWORTH pour est reprsente la figure 3.5.
y0Z


F IG . 3.5 Transmittance du filtre passe-bas de B UTTERWORTH pour .

42
 (a) Image filtre (b) Spectre de limage filtre
   X
F IG . 3.6 Image filtre par un filtre passe-bas de B UTTERWORTH dordre .

3.2.3 Filtres passe-haut

Il existe videmment dautres formes de filtres passe-haut comme par exemple le filtre passe-
haut de B UTTERWORTH dordre dont la fonction de transfert est donne par

0Z

  (3.7)


  
Comme pour le cas du filtre passe-bas, toutes les frquences sont attnues et cela dautant

plus que !   est petit par rapport "$# . De plus, fixe la pente de la transition entre basses
et hautes frquences.
{0Z%'&)(RH*(XZ%'&,+ 6
Le filtrage passe-haut a un effet drivateur. De fait, loprateur de drivation a une transmit-
tance de type ; il amplifie donc les hautes frquences et attnue
les basses frquences.

43
 (a) Image filtre (b) Spectre de limage filtre
  
-.X
F IG . 3.7 Image filtre par un filtre passe-haut de B UTTERWORTH dordre .

44
Chapitre 4

Rehaussement et restauration

4.1 Gnralits
Lacquisition dune image saccompagne souvent dune distorsion ou dune certaine dgra-
dation. On peut songer par exemple un clairage non uniforme, des poussires sur une lentille
ou encore un flou cr par un mouvement lors de lacquisition. Il ny a ds lors pas dautre
solution que de chercher corriger les dfauts par un procd algorithmique.
On distingue deux grandes familles de procds de correction des dfauts :
le rehaussement, qui consiste donner limage un aspect visuellement correct, et
la restauration, qui cherche rtablir la valeur exacte des pixels.
"10032D 540052Y
Dans les deux cas, on part la recherche dune estimation / de limage qui soit
6 10032D7 6 8/ 8* . Comme il nexiste pas de fonction derreur capable de modliser la percep-
visuellement ou analytiquement intressante, cest--dire quelle minimise une fonction derreur

tion visuelle, le rehaussement est principalement de nature empirique. Ce nest pas le cas de la
restauration qui sappuie sur une dfinition prcise de la fonction derreur. Il sagit par exemple
de minimiser lerreur quadratique moyenne
 B E
6 / 8*9
B  10032DGFH"10052Y|
5
: ;>=@?A
< ?A /  (4.1)
CD # D #

Cette fonction est un choix commun car
la fonction se calcule aisment,
elle est diffrentiable, et
elle correspond lnergie de lerreur. Par la relation de PARSEVAL, lnergie correspond
galement lnergie de la transforme de F OURIER.
La figure 4.1 illustre la marge de manuvredont on dispose pour du rehaussement par rapport
- -
la restauration. Limage 4.1(b) a t obtenue en divisant, par division entire, limage originale
-
par puis en multipliant toutes les valeurs par ; cest en fait un arrondi au plus petit multiple
de infrieur chaque valeur. Les images (c) et (d) rsultent dapproximations plus grossires
encore.

45
  -
(a) Image originale (b) Arrondi

 
(c) Arrondi (d) Arrondi I

F IG . 4.1 Seuil de visibilit pour une opration darrondi.

46
 
On voit clairement quun arrondi nest pas gnant, ce qui revient dire que les trois bits
de poids faible sont peu visibles. Au-del, lerreur de quantification devient perceptible.

4.2 Rehaussement
4.2.1 Dfinition
 100 5Y2
5
0032HJ 5la400valeur
Soit
52DMLN
maximale de limage
510052YMOQPRY. DeP plus, prenons une image positive, c--d.
que K . En dfinitive, J .
F
Dfinition 5 Le rehaussement consiste appliquer une fonction croissante S
U
 V
toutes les va-
leurs T de limage telle que S et S J J .
F
Le type de rehaussement dpend essentiellement de la pente de S : les plages des valeurs o
b
la pente est forte seront rehausses. On impose que la fonction S soit croissante, de sorte que
toute relation dordre entre pixels traduite par leur valeur soit maintenue, mais elle peut tre de
forme quelconque.

4.2.2 Rehaussement par fonction croissante

On distingue gnralement trois zones rehausser ; elles correspondent aux faibles valeurs,
aux valeurs moyennes et aux fortes valeurs. Si lon souhaite rehausser les valeurs de la plage
infrieure, on peut utiliser une fonction parabolique de la forme suivante
9  & F
S T T T J T (4.2)
&WXYY  
La figure 4.2(a) montre cette courbe pour . Clairement, les valeurs des deux extrmits
sont peu affectes par le rehaussement. Tout leffet se concentre dans la partie centrale.
Un autre type de courbes consiste appliquer une forme de Z dans la partie centrale
[ &cb>e d F gf
9'J M]\3^*_a` &mOcnhY  P
l
S T &ji f A k (4.3)
I \^h_ `
&W<YYop- 
comme reprsent la figure 4.2(b) pour . Cette dernire rehausse les valeurs centrales.

4.2.3 Rehaussement par accentuation des contours

Une technique couramment utilise en photographie consiste accentuer les contours. Il faut
donc dabord localiser les contours pour adapter limage par la suite. Par exemple, le laplacien
convient parfaitement pour localiser les contours. Pour accentuer les contours, il suffit de sous-
traire les valeurs du laplacien, avec un ventuel facteur correctif. On a donc
510032D9<510052YGFQ&q 5 40052Y
/  (4.4)
&r s
La figure 4.3 montre le rsultat de loprateur destimation pour . Trs clairement, les
contours ont t accentus. A

47
250

200

150
(a)
100
(b)
50

0
0 50 100 150 200 250

F IG . 4.2 Diffrentes courbes de rehaussement.

 tFQ&
q 
(a) Image originale (b) 

F IG . 4.3 Rehaussement des contours.

48
4.2.4 Manipulation de lhistogramme
10052Y
Soit u limage de sortie. On cherche dterminer le lien entre lhistogramme vxwgy{zY| T

de cette image avec celui de limage dentre . Dune manire gnrale, pour une valeur T}| de
limage de sortie, il existe une fonction ~ telle que

Th| ~ T} (4.5)

Si cette fonction admet un inverse, ce qui est le cas si lon impose la croissance et lexistence
dune drive non nulle,

T} ~ T*| (4.6)
?A
Si lon interprte lhistogramme comme une densit de probabilit, on arrive une galit entre
 
les masses que sont
vxwgy{z| T*| Th| vw y{z T} T} (4.7)
Ds lors,

vxwgy{z Th
vxwgy{z| Th| (4.8)
Th|Y T}

vw y{z T}
(4.9)
~ T} hT 9 d Dx dR

et donc |
V vxwgy{z ~
vxw yz| T ? A |T (4.10)
d ~ T
?A
Exemple : fonction parabolique
Considrons la fonction ~ suivante

V
Th| ~ T} Th  (4.11)
J
Par application de la formule 4.10,

V'vxw yz J ! T 'vw y{z J ! T
vxwgy{z| T (4.12)
e J ! T I! T

galisation de lhistogramme
Dans une image relle, tous les niveaux ne sont pas prsents avec une mme occurrence. Il
en rsulte donc des disparits dans lhistogramme.
Lgalisation de lhistogramme dune image est une mthode courante de rehaussement. Elle
vise assurer une distribution homogne des valeurs dans la totalit de la plage dynamique des
valeurs possibles. Il sagit donc dune distorsion de lchelle des valeurs. Formellement, pour

49
 G  ) e|
toute valeur T de lhistogramme rsultat, le nombre de pixels devrait valoir e , o

reprsente laire du support de dfinition de la fonction . Lquation 4.10 devient donc

~ V J
T e*vxw yz T (4.13)
T
Par intgration des membres de cette dernire relation,
d
V J UD
~ T U*
vxw yz (4.14)
#
Comme on peut estimer la probabilit dun niveau par le rapport de la frquence laire du
domaine de dfinition de la fonction

V vxwgy{z T
T Ue
U*| (4.15)

De plus, la fonction de rpartition est lintgrale cumule des probabilits
d  d
V UD D
T e| vxwgy{z (4.16)
# #
V
Ds lors,

~ T JV T (4.17)
40052Y
Autrement dit, limage u traite par la fonction qui effectue une galisation de lhisto-
10032D9 540052Y|
gramme vaut
u JV (4.18)
En raison des valeurs quantifies, lgalisation de lhistogramme peut fournir un histogramme
non uniforme. Il ne faut pas sen tonner. Ce phnomne est illustr la figure 4.4.

50
 
(a) Image originale (b) Aprs galisation de lhistogramme

(c) Histogramme original (d) Histogramme aprs galisation

F IG . 4.4 galisation dhistogramme.

51
52
Chapitre 5

Segmentation dimages

5.1 Prsentation du problme

Dans les approches classiques de compression ou de rehaussement, la sortie est une approxi-
mation ou une amlioration de limage dentre. Une autre branche du traitement dimage soc-
cupe de lanalyse dimage ou analyse de scne. Dans ce domaine, lentre est toujours une image
mais la sortie est une description de limage. La plupart des descriptions ncessitent une dtec-
tion pralable des formes prsentes dans limage, tape appele segmentation. Ce chapitre est
consacr ltude de techniques de segmentation dimage.
Pour situer le problme de la segmentation dimage, nous tudierons une srie doutils de
segmentation en prcisant leurs avantages et inconvnients.

5.1.1 Dfinition

{
Dfinition 6 En gnral, on considre que lobjectif de la segmentation revient construire une
srie de rgions " " telles

A 
 H( x <
" et Kwj " " (5.1)
D 
A sapparente un oprateur ~ agissant sur limage

Dfinition 7 Formellement, la segmentation

1Y

et fournissant, par exemple, une image binaire ~ qui diffrencie les points des contours des
objets.
La tche nest gnralement pas simple et le lecteur attentif remarquera que les procds de
segmentation sont fort nombreux. Dune manire gnrale, lutilisateur se voit contraint de
construire un procd de segmentation le plus adapt au problme quil traite. Il faut quil garde
lesprit quune mme image peut subir plusieurs segmentations toutes aussi valables les unes
que les autres ; cest lapplication en ligne de mire qui permet de dterminer si le rsultat de la
segmentation est adquat ou non.
La segmentation, comme la plupart des techniques de traitement dimages, peut tre abor-
de sous langle local ou global. Le premier considre que la segmentation ne requiert pas la

53
connaissance du contenu global de limage mais seulement le voisinage direct de chaque pixel.
linverse, dans une approche globale, cest la totalit du contenu de limage qui constitue
lunique guide. Ainsi, lorsquon dsire segmenter un nombre prcis dobjets sagit-il dun pro-
cd global.

5.2 Segmentation par seuillage

Le seuillage dune image plusieurs niveaux est le procd de segmentation le plus simple.
Lhypothse qui sou-tend lapproche consiste dire que tout objet se diffrencie de larrire-fond.
Elle aboutit fournir une srie dobjets extraits de larrire-plan.
La figure 5.1 illustre la difficult segmenter par simple seuillage ; lorigine du problme est
lclairage non uniforme de la scne, problme courant en pratique.
Comme loutil de segmentation par seuillage est conceptuellement simple, certains auteurs
ont amlior la segmentation en imaginant des techniques de dtermination optimale du seuil.
Cela aboutit par exemple la dtermination de seuils comme illustr la figure 5.2.

5.3 Segmentation par dtection de rgions

Dans le domaine de lanalyse dimages et plus particulirement en morphologie mathma-
tique, on considre que les fonctions sont des surfaces o la valeur de luminance est syno-
nyme dlvation. Cette reprsentation est pratique pour ltude de techniques de segmentation
technique destine dtecter des objets dans une image utilisant des outils morphologiques.
Avec quelques variantes, les techniques de segmentation morphologique se faonnent partir de
deux outils que sont la transformation de ligne de partage des eaux et la modification homoto-
pique qui, elle, rsout les problmes de sur-segmentation (elle ne sera pas aborde). Outre leur
aptitude dtecter des contours, les oprateurs morphologiques sont aussi capables de remplir
des tches annexes mais souvent difficiles comme la fermeture de contours rests ouverts aprs
segmentation.

5.3.1 Ligne de partage des eaux

Si dans une interprtation topographique, la valeur de luminance reprsente llvation, cela
ne signifie pas que le profil puisse tre dcoup correctement par un simple effet de seuillage. Un
seuil lev dtectera bien les pics ; un seuil faible extraira les valles ; mais ces fonctions ne sont
pas compatibles.
Puisque les valeurs de luminance ne semblent pas convenir directement, on est tent de recou-
rir la norme des gradients morphologiques. Linconvnient majeur de ceci est que le gradient
est lui-mme une fonction et, que comble de malheur, il faut nouveau essayer des seuils pour
segmenter. Bien sr, a priori, linformation du gradient est plus pertinente que la simple valeur
de luminance mais le problme reste entier. On peut encore remplacer le gradient par un outil qui
analyse les transitions.

54
(a) Image originale (b) Seuillage 110

(c) Seuillage 128 (d) Seuillage aprs galisation

F IG . 5.1 Seuillages.

55
 seuil optimal
seuil optimal
seuil optimal

Distribution des objets

Distribution du fond

seuil seuil
seuil conventionnel
conventionnel
conventionnel ???

F IG . 5.2 Seuillage optimal (daprs [8]).

Trouver la procdure optimale pour placer des contours sur la fonction gradient nest pas
simple du tout. Par contre, identifier les rgions o il ny a pas de contours est plus simple :
il sagit de rgions dans lesquelles le gradient est minimum. La surface de la fonction gradient
:
dcrit en quelque sorte des bassins spars par des crtes. Il parat assez logique didentifier ces
crtes des contours idaux. En termes imags, on associe un bassin
: 0 chaque minimum
:
. Si une goutte deau tombe en un point de la surface, elle descendra jusqu se retrouver
dans le fond dun bassin cest un minimum de la fonction. Ainsi chaque a sa propre zone
dattraction constitue des points partir desquels le minimum sera atteint. Deux bassins voisins
possdent une frontire commune, frontire partir de laquelle une goutte deau pourra glisser
au choix dans lun ou lautre des bassins. Lensemble de ces frontires forme la ligne de partage
des eaux (LPE). On peut comprendre ces notions sur la figure 5.3.
Une seconde interprtation est envisageable. Cette fois, le mtorologiste nannonce plus une
chute de pluie mais une inondation. Leau vient par le bas ; des sources jaillissent dans le fond
de la surface. Les bassins dinondation se rejoignent et forment des frontires qui, elles aussi,
sont des contours. Avant de passer une description plus mathmatique de toutes les ides pr-
cites, nous parlerons encore dun remde la sur-segmentation. Une application pure et simple
du schma de dtection de contours dcrit conduit inluctablement une sur-segmentation parce
que loprateur gradient est trs sensible au bruit, ce qui a comme consquence dsastreuse din-
troduire des minima artificiels et donc des bassins indsirables. Pour viter ce dsagrment, il
nous faut une information supplmentaire : les centres des vritables valles et sommets. Lin-
troduction dune distinction entre vrais et faux extrema modifie lgrement lalgorithme de seg-
mentation ; cest ltape de marquage.
Lors dune monte des eaux, on construit un barrage entre deux vrais bassins ; par contre,
le faux bassin sera immerg par le flux deau en provenance de son voisin sans quun quel-

56
 bassins versants

LPE

minima
F IG . 5.3 Minima, bassins versants et ligne de partage des eaux.

conque barrage ne soit construit. Aprs avoir plac le profil compltement sous eau, seuls les
barrages feront office de vrais contours. Navons-nous pas simplement dform le problme de
la sur-segmentation ? La valeur du gradient nest plus suffisante ; il faut aussi des marqueurs dif-
frenciant les vraies et les fausse sources. En fait, le problme est souvent plus simple parce que
lanalyste dispose dune information a priori. Illustrons cela par quelques exemples :
dans un mode interactif dinterprtation dimages o lintress a la possibilit de don-
ner des indications, la dtermination des vritables extrema se reporte sur ce que fournit
loprateur. Il nest videmment plus question dinterprtation automatique dimages ;
si limage traiter se compose dobjets de luminance fort distincte, un algorithme un tant
soit peu intelligent pourra focaliser la recherche des extrema sur les centres des vritables
rgions ;
en recourant une dcomposition pyramidale, il est possible de franchir un premier pas
dans la direction dune automatisation de llimination des faux contours. Ainsi, une tape
de la pyramide fournit une version filtre et sous-chantillonne de limage de dpart.
Limage interpole reconstruite ne contiendra plus les objets dont la taille est infrieure
celle de llment structurant de filtrage. Plus gnralement, il peut tre souhaitable de
supprimer par filtrage des rgions non dsires, par exemple des rgions troites orientes
dans une certaine direction ;
les ouvertures et les fermetures offrent un moyen commode de dtection des pics et des
* FUg
valles et elles effectuent un filtrage intressant. Loprateur de chapeau haut-de-forme
obtenu par
 est un oprateur toujours positif qui repre bien les pics
$U*g
FH
prsents dans le signal . Par contre, les valles seront localises par loprateur suivant
, signal lui aussi toujours positif. Avec ces deux filtres, il est possible
de dtecter les quelques pics ou valles accentus.
Toutes ces dmarches se rduisent exiger une information a priori concernant limage analyse.
Si la pratique saccorde mieux un marquage des vraies rgions par un humain ou par un algo-
rithme semi-automatique, le problme dune dtermination automatique, aveugle, universelle et

57
intelligente est loin dtre rsolu. Voyons prsent comment cet algorithme se traduit en langage
morphologique.

5.3.2 Expression formelle dun algorithme de segmentation par ligne de

partage des eaux
Le cas des images binaires est introduit en premier lieu. Il sera plus ais de gnraliser ensuite
le principe des fonctions.

Analyse dimages binaires

binaire. Cette image contient une srie de zones dattraction centres autour
Soit une image
dune famille de petits ensembles connexes . Le bassin associ au petit ensemble est le
sous-ensemble de dont la distance godsique est plus petite que celle G . Pour parler
de distance godsique, nous introduisons quelques dfinitions et notations :

Dfinition 8 [Chemin godsique] Un chemin godsique de longueur T entre deux points y et

X 0 x0 x0
d z telle que
z est une famille de T pixels # y
OQPRY bn x0 O A OmPY Fn x0 x0
Kw T et Kw T sont voisins (5.2)
?A
Parmi tous les chemis, le plus court dtermine la distance godsique. La figure 5.4 fournit un
exemple de chemin godsique.

2
0

0 2
F IG . 5.4 Le plus court chemin godsique entre et .

Dfinition 9 [Distance godsique] La distance godsique entre les points y et z est la lon-
gueur du plus court chemin reliant y z ; elle est infinie si un tel chemin nexiste pas.

Notations
H
upwb 6 6 z 6

U
La zone dinfluence de lensemble est note X, et sa frontire
" upwF 6 X, 6 z 6 .

58
Algorithme de construction du squelette par zone dinfluence. Le squelette par zone din-
fluence (SZI) sobtient aisment par lalgorithme suivant :
dans un premier temps, on dlimite les zones des rgions de base ;
pour les autres pixels, il suffit ditrer la dmarche suivante jusqu stabilisation du pro-
cessus : si un pixel a un voisin indic w , alors ce pixel prend le mme indice ; les points qui
nont pas de voisin ou ceux qui en ont deux sont laisss inchangs ;
au terme de ce processus, les pixels sont attribus lune ou lautre zone de dpart .
Cet algorithme simple revient faire crotre des rgions jusqu ce quelles se touchent ; de la
sorte, les contours obtenus sont ferms. La figure 5.5 montre un exemple de squelette godsique.

s

F IG . 5.5 Squelette godsique.

Images en niveaux de gris

Supposons que le relief soit progressivement immerg, lincrment tant dune unit de lu-
minance par tape. Cest la clef de synthse dun algorithme de dtermination de ligne de spa-
ration. Mais avant de passer une description formelle de la construction de la ligne de partage
des eaux, nous proposons le dessin de la figure 5.6 pour illustrer la dmarche.


Notations :
est la fonction tudie.
v C et v C sont les valeurs extrmes de f sur son domaine de dfinition.
*90lO 510H

u v est lensemble constitu par un seuil v .
: :
sont les minima et les bassins correspondants.
: :
Les bassins seront construits tape par tape suite une augmentation progressive du niveau de
leau. Soit x la partie du bassin rempli au temps algorithmique v . Alors
U: 9 : U *
x (5.3)

59
 niveau de l'eau

barrage
barrage

minima
F IG . 5.6 Construction dun barrage au raccord de deux bassins versants.

:
est linconnue. Si laltitude du minimum est , alors : (
Dans cette expression,
U: : : t ( U:
et  ~ pourU: . Lunion de tous les bassins est note
: a U:
et sa
partie immerge au temps v est . Dans ces conditions, C . Il reste
initialiser lalgorithme et donner un schma de construction. Attention, il nest pas question ici
de supprimer des faux bassins.

: 
Initialisation
 C C linitialisation considre que tous les points minima sont des

rservoirs potentiels.

Construction
OQP C X  CG n U: :
Kv v v x M wF (5.4)

avec
* U:
zone dinfluence (de domaine compose des centres contenus dans
cest durant cette tape que seront dtermins les barrages traduits en contours ; ?A
: U*
wF est lensemble des points de c qui, aprs le processus de recherche de zones
dinfluence nont toujours pas de voisin. Il sagit de nouveaux minima, centres de nouvelles
zones dinfluence.
Cet algorithme peut subir quelques modifications destines supprimer les faux contours ; des
dveloppements de ce type sont abondamment dcrits par M EYER (le vritable initiateur de
ces techniques) et B EUCHER [6]. M EYER a galement dvelopp une recherche de lignes de
sparation entre bassins par analogie avec lopration de squelettisation lgrement modifie ; de
telles considrations nous mneraient malheureusement trop loin. Remarquons simplement que
lalgorithme dvelopp est relativement complexe et que, ds lors, il nest gure tonnant que
certains auteurs [7] cherchent des expressions plus agrables.

60
 Le remde communment adopt pour combattre la sur-segmentation est le marquage. Dans
le cas prsent, le marquage consiste slectionner certains minima seulement. On part de la
constatation que le nombre de rgions est gnralement proportionnel au nombre de minima. Le
fait de ne slectionner quune partie des minima entrane la disparition de certaines rgions. En
effet, lors du processus dinondation, ces rgions sont remplies par leau provenant dun bassin
voisin en passant par le point de crte ayant la plus faible altitude. Les bassins inonds sont alors
englobs dans un bassin voisin.
Les avantages de la ligne de partage des eaux par rapport dautres techniques de segmenta-
tion se rsument en dfinitive
la possibilit de travailler sur base dune image de gradient quelconque,
la possibilit deffectuer une pr-slection par un marquage adquat.

61
62
Chapitre 6

Tomographie par rayons X

Auteurs : F RDRIC N OO et J EAN -M ARC WAGNER

Le mot tomographie signifie textuellement visualisation (graphe) de coupes (tranches) au

sein dun corps 3D. Techniquement parlant, il sagit de la mthode utilise dans les scanners
pour visualiser lintrieur dun corps de faon non-invasive. De nos jours, les scanners sont trs
utiliss dans les hpitaux comme moyen de diagnostic. Toutefois, ils servent aussi dans le monde
industriel afin, par exemple, de dtecter des fissures dans des pices mcaniques.
Sur le march, on peut trouver diffrents types de scanners : le scanner rayons X, le scanner
mission de photons, et aussi le scanner rsonance magntique nuclaire. Dans ce chapitre,
nous ne prsenterons que les principes de limagerie par rayons X.

6.1 Introduction
La tomographie par rayons X utilise les proprits dabsorption des rayons X par la matire
pour visualiser lintrieur dun corps 3D. Elle repose sur lobservation suivante : tout faisceau de
rayons X passant au travers dun matriau subit une perte de photons qui a la particularit dtre
;>F$%suivant
diffrente
; le type de matriau travers.  Cette perte sexprime sous la forme suivante :
T (voir la figure 6.1), o est un paramtre, appel facteur dattnuation, qui est
 
propre au matriau considr. On observe que diffrents matriaux correspondent diffrentes

P n
valeurs de et que donc peut tre utilis pour classer les matriaux. Notons que sexprime
en et prend la mme valeur quelque soit langle dincidence du faisceau de rayons X.

? A
10052Y
Considrons une coupe dans un corps donn, comme illustr la figure 6.2, et utilisons
des coordonnes cartsiennes
g40052Y
pour situer un pixel au sein de cette coupe. Le but de la
tomographie par rayons X est destimer la fonction
 qui attribue chaque pixel de la
g10032D
coupe la valeur moyenne du facteur dattnuation sur la surface du pixel. Lorsque la fonction
g40052D
est connue, on obtient aisment une visualisation des structures au sein de la coupe
en reprsentant
1comme
0052Y une image sur un moniteur, avec diffrents tons de gris pour
diffrentes valeurs de .

63
 l

N N + N

rayons X

;
F IG . 6.1 Perte de photons au travers dun matriau ( ).

F IG . 6.2 Visualisation dune coupe.

64
6.2 Mesures
g40052Y
Comme nous venons de le voir, le but de la tomographie par rayons X est de trouver la
fonction dattnuation
10032D
. Pour atteindre cet objectif, on effectue tout dabord des mesures
40052Y
qui fournissent des quations mathmatiques faisant intervenir . Ensuite, on rsout ces
quations pour obtenir .

L
source detecteur

Input: Ni photons
Output: No photons

F IG . 6.3 Principe dacquisition des mesures.

40052Y
g40052Y
Dans les scanners rayons X, linformation accessible sur
40052D
se prsente sous la forme
dintgrales de sur diffrentes droites du plan . On parle dintgrales de lignes.
;
La figure 6.3 illustre la situation. Conceptuellement, on utilise une source de rayons X et un
dtecteur (compteur) de photons. La source envoie un faisceau de photons dans la direction
;
du dtecteur au travers de la coupe, on dtermine le nombre | de photons qui passent, puis, par
;F$%;
le biais de la relation T , on trouve
| RY 8 ; F | 8RY g40052D ;
10052Y
Y ; Y 8 T h t ; g e T (6.1)
| |
 U; ;
 40032D
La quantit h. | constitue une mesure. Il sagit de lintgrale de sur la droite qui
relie la source au dtecteur.
 100 5Y2
g
 100 5Y2
Pour calculer (reconstruire)

de faon exacte, nous verrons que les intgrales de lignes
de doivent tre connues pour toutes les droites qui passent au travers de la coupe tudie.
Il y a deux faons diffrentes de collecter les mesures sur lensemble des droites passant au
travers de la coupe : en gomtrie parallle (voir la figure 6.4) et en gomtrie en ventail (voir
U; ;
la figure 6.5).
En gomtrie parallle, les mesures h. | sont ralises sur des ensembles de droites

parallles. On dplace la source et le dtecteur dans une direction donne pour obtenir les

mesures sur toutes les droites perpendiculaires au vecteur . Ensuite, on applique une rotation
lensemble source-dtecteur afin dobtenir des nouvelles mesures en rptant le mouvement de
b
translation. Le mouvement de rotation seffectue sur un intervalle angulaire de longueur .
En gomtrie en ventail, on utilise tout un banc de dtecteurs. La source envoie simulta-
nment ses rayons en direction de tous les dtecteurs de ce banc de telle sorte que lon obtient
pour une position angulaire donne tout un jeu de mesures correspondant des droites formant

65


Source Detecteur
mobile mobile

F IG . 6.4 Acquisition des mesures en gomtrie parallle.

Banc de detecteurs

source

F IG . 6.5 Acquisition des mesures en gomtrie en ventail.

66
 b
un ventail. Pour couvrir toutes les droites du plan, on considre gnralement un mouvement de
rotation de lensemble source-banc sur un intervalle de longueur I , ce qui, notons-le, conduit
une redondance dordre 2 dans les mesures. Par rapport la gomtrie parallle, on observe que
la gomtrie en ventail permet une acquisition plus rapide des donnes, grce la suppression
du mouvement de translation.
Conceptuellement, lappareillage requis pour la gomtrie en ventail est plus coteux que
celui requis pour la gomtrie parallle. Toutefois, la gomtrie en ventail est prfre la go-
mtrie parallle car elle permet dacqurir les mesures plus rapidement. La vitesse dacquisition
10032D
des mesures est de fait un facteur trs important en tomographie. Dans la discussion ci-dessus,
nous avons fait lhypothse implicite que la fonction ne varie pas au cours du temps.
g10052Y
Lorsque le patient bouge durant lacquisition des mesures (ne serait-ce quen respirant), lex-
pression de peut changer dune intgrale de ligne une autre et la qualit des images
P n
obtenues est alors mdiocre. Les scanners actuels utilisent la gomtrie en ventail et peuvent
collecter les mesures pour une coupe donne en moins de 750 ay , de telle sorte que le patient
ne bouge pratiquement pas.
g40052Y
Pour la formulation mathmatique du problme de reconstruction de partir de ses
intgrales de lignes, notons quil est plus facile de travailler en gomtrie parallle, comme ef-
fectu ci-aprs.

6.3 Reconstruction en gomtrie parallle

6.3.1 Notations et dfinitions
40052Y
O'nUF$  P OPZ bP
Comme illustr la figure 6.6, nous dcrivons les droites dans le plan
laide de deux
coordonnes : y I . La droite dfinie y J y

et par et est note
tandis que la mesure le long de la droite J y est note S y  Mb
. Notons que et y
<X
ne sont pas
<X
des coordonnes polaires : lorsque
 b(F  V
et

sont tels que  b
(
, on a J

F V

y


J y . Notons aussi que J A y J y  S A y S A y

et donc .
 parlant, on dit que S y
g40052D
Mathmatiquement
}0052Y est un chantillon de la transforme de R ADON
40052Y g10032D
de . (La transforme de R ADON de est la fonction qui associe chaque droite du
plan , lintgrale de sur cette droite.) On note cette transforme sous la forme

V4a*< 9 "  
Sy y z y z (6.2)
1 F 5 100? 52Y9g 0H 040052Y
avec \ \3^*_ , \ ^h_ \ et pour .
O
En pratique, lensemble des mesures S y obtenues pour une valeur fixe de avec y
nUF$  P  10052Y
g

, tandis que lensemble des mesures S y obtenues
OQnFest
appel
 P O<PRY bP
projection de
pour y I  10052Y9< 40F0 2F2
et est appel sinogramme. On parle de sinogramme parce que
0  2
les donnes associes au point objet
# # sont uniquement non-nulles

le long de la sinusode y # \ #g y . Lensemble des mesures
 \3^*1_ 00 5Y2
dans le domaine

obtenues pour une fonction quelconque peut donc sexprimer comme une somme de
sinusodes en coordonnes y . Les figures 6.7, 6.8 et 6.9 illustrent les sinogrammes que lon
67
 t
y


= ( sin
, cos )

    
= (cos , sin )
s

x

 
L(, s)

 
g(, s)

10032D
F IG . 6.6 Reprsentation de droites dans lespace .

68
peut obtenir pour un point objet, trois points objet, puis le fantme de S HEPP et L OGAN qui est
largement utilis en pratique pour tester la stabilit numrique des algorithmes de reconstruction.

  
(
f x , y )


s


 

g( , s )

F IG . 6.7 Sinogramme pour un point objet.

6.3.2 Lien entre une image et sa transforme de Radon

540052Y
En 1917, Radon tablit le lien existant entre une image et ses mesures S y telles
que dcrites ci-avant. Cette relation est connue sous lappellation thorme du profil central :
   <9 * 
S \ \3^h_ (6.3)
A 
69
   
(
f x , y )


s


 
   
( )
g , s

F IG . 6.8 Sinogramme pour 3 points objet.

70
 
Echelle de gris [0,2] Echelle de gris [1.0,1.04]
  
(
f x , y )


s


 
   
( )
g , s

F IG . 6.9 Sinogramme du fantme de S HEPP -L OGAN.

71
   0 *
ou encore

S (6.4)
A Dans cette formule, S     <

si lon utilise des notations vectorielles. reprsente la transfor-
me de F OURIER 1D (une dimension) de S y par rapport y , A i.e.

   <9 6 i "!
S y  S y (6.5)
A ?
 * ?  100 32D
#
tandis que est la transforme de F OURIER 2D de value en
   F F
 * %$mV 0 p2 6 i %& 6 i (' ) 510052Y9 F 0 6 i 0 5 F 9 *  F
+*

 ?  ?  ?  
%$~ ? ?
avec .
Le thorme du profil central peut se lire comme suit.

g10032D g40052Y
Thorme 10 [Thorme du profil central] La transforme de F OURIER de la projection de
langle est identique la transforme de F OURIER 2D de
g40052D le long de la droite
de direction qui passe par lorigine dans le domaine frquentiel de .
La figure 6.10 illustre la situation.

6.4 Algorithmes de reconstruction

40052D
Il existe trois mthodes analytiques pour reconstruire partir de ses intgrales de
lignes : (i) la mthode directe de F OURIER, (ii) la mthode du filtrage de la rtroprojection, et
(iii) la mthode de rtroprojection des projections filtres. Dun point de vue pratique, la plus
intressante des mthodes est la troisime car elle est numriquement plus stable.

6.4.1 Mthode directe de F OURIER

g10032D
La mthode directe de Fourier correspond une implmentation directe du thorme du profil
central. Celui-ci nous apprend que la reconstruction de
g10052Y partir de ses intgrales de lignes
est uniquement possible lorsque les projections de
b sont connues pour tout angle situ
 * g10032D
dans un intervalle angulaire de longueur . Lorsque cette condition nest pas satisfaite, il est
impossible dobtenir
g100 32D en tout point , et donc impossible de reconstruire , vu
que la relation entre
10052Y
et sa transforme de F OURIER est biunivoque.
b
Lorsque les projections de
g10052Y sont connues sur un intervalle angulaire de longueur , il
est possible de reconstruire comme expliqu la figure 6.11.
Il sagit de la mthode directe de F OURIER qui peut se rsumer comme suit :
1. Calcul de la transforme de F OURIER 1D des projections par FFT (algorithme de transfor-
g40052Y
me de F OURIER rapide) pour obtenir les chantillons de la transforme de F OURIER 2D
de sur une grille circulaire.

72
 t 1y

/ . - ,
f ( x , y) 2s

0x

3 g(, s, ) 2s

6 4 4
(F15 g )(, )

6 8 4 4
Y (F9 2 f )( 7 cos , sin )

4 4
(F9 2 f )(X, Y )

F IG . 6.10 Illustration du thorme du profil central.

73
F F
y y

D @ H @
K L I (F1g )(, G)
g(, Js)

E E
x x

:
FFT de ;chaque
<
projection

=
Theoreme du
<
profil central

F
Y y
> I M LN
Interpolation 2D (F2 f )()

? E
X x

D C A @
(F2 f )(XB, Y )

F IG . 6.11 Mthode directe de F OURIER .

74
 g40052D
2. Interpolation 2D pour obtenir des chantillons de la transforme de F OURIER 2D de
sur une grille rectangulaire.
g10052Y
3. Calcul de par inversion de F OURIER 2D rapide (FFT 2D).
Concrtement, la mthode directe de F OURIER est trs difficile implmenter de faon numri-
quement stable pour diffrentes raisons que nous naborderons pas dans cette introduction. Ce-
pendant, la mthode directe de F OURIER prsente par rapport aux autres mthodes analytiques
lavantage dtre potentiellement plus rapide.

6.4.2 Mthode du filtrage de la rtroprojection

510032D
PO>10032Dse 510032D
Dans cette mthode, la reconstruction de limage fait en deux tapes : (i) rtropro-

jection des projections S yQO), 4ce
0052Y
qui donne limage
510052Y
(diffrente de malheureu-

sement ...) et (ii) filtrage de afin dobtenir limage recherche.
QO)40052Y9 RO) 0*
Limage est obtenue par rtroprojection des mesures S y :
i
RO>10032D
N0  2
S y \ \3^h_ (6.6)
#
<0  2
Gomtriquement, pour fix, y \ x10052Y\ ^h_ correspond la distance
F 0
sparant lorigine
sur la projection S y (voir figure 6.12). La
QO>10052Y
de la projection orthogonale du point
rtroprojection est alors gale la somme des contributions de chaque projection.
2

10032D

y

0
0  2
y \ \3^h_

F IG . 6.12 Illustration de la rtroprojection.

RO>10052Y 540052D
On observe que
540052D est une version floue de
540052Y
avec valeurs non nulles, en dehors
RO>40052D
du support de
QO>10052Y
. On cherche alors un filtre 2D qui permet de retrouver
540052Y partir de
. La figure 6.13 montre le rsultat correspondant limage dfinie la
figure 6.8.

75
 F IG . 6.13 Rsultat de la rtroprojection pour un fantme compos de 3 points objet.

 100 5Y2
"
RO>4Il005existe
2D une relation directe entre les transformes de F OURIER respectives de et
:
 *   VTS S U O8
(6.7)
 
De l, on dcrit lalgorithme du filtrage de la rtroprojection comme suit :
 O H0
V
1. Rtroprojection des projections pour obtenir .
 O) 0
Q S S
2. Calcul de la transforme de F OURIER de , application du filtre et calcul de la
transforme de F OURIER inverse du rsultat.
 O> H0
Q
Ltape de filtrage est trs difficile implmenter en pratique parce que nest pas support
compact (son support peut sortir de la grille de reconstruction). En pratique, pour obtenir des
RO> 0H
images de qualit satisfaisante en utilisant la mthode du filtrage de la rtroprojection, il faut
5 0H
calculer limage sur une grille de pixels trois quatre fois plus grande que celle utilise
pour . On se retrouve alors avec un algorithme beaucoup plus lent que la mthode dite de
rtroprojection des projections filtres.

6.4.3 Mthode de rtroprojection des projections filtres

linverse de la mthode du filtrage de la rtroprojection, lopration de filtrage est ralise
avant la rtroprojection. On utilise lexpression mathmatique
i
510052Y
0  2
S+W y \ \3^*_ (6.8)
#

o S W y sont les projections filtres. Chaque projection S y est filtre indpendemment des
 09TS YS  Z0
autres grce la formule

XS W S (6.9)
Le filtre
S YS
A
est bien connu en tomographie, A
il porte le nom de filtre rampe. Il est reprsent la
figure 6.14.

76
 Filtre rampe

F IG . 6.14 Filtre rampe.

De l, on dcrit lalgorithme de rtroprojection des projections filtres (filtered backprojection

en anglais ou FBP) :
S YS
1. Transforme de F OURIER 1D de chaque projection S y , application du filtre

rampe
et transforme de F OURIER 1D inverse pour obtenir la projection filtre S W y .
540052D
2. Rtroprojection des projections filtres pour obtenir .
Lavantage de cette dernire mthode est tout dabord de simplifier ltape de filtrage, vu que
celle-ci ne se fait plus qu une dimension. Un autre avantage est que, ds que la premire pro-
jection a t acquise, il est possible dobtenir une premire approximation de limage avant mme
que lacquisition globale des mesures ne soit termine. Ds quune nouvelle projection est mesu-
re, elle est filtre et rtro-projete ; et ainsi de suite jusque la dernire projection. Lalgorithme
de rtroprojection des projections filtres est couramment utilis dans les scanners actuels.
-Q[]\ -Q[  _\ -Q[
La figure 6.15 montre la reconstruction obtenue pour le fantme de S HEPP -L OGAN sur une
grille de I I pixels avec un sinogramme de taille ^ I .

F IG . 6.15 Reconstruction du fantme de S HEPP -L OGAN.

77
78
Index

A Fourier
arbre, 20 transforme discrte, 29

B G
bande passante, 36 godsie, 56
Butterworth, 40 gomtrie
en ventail, 63
C parallle, 63
chain code, 22 gamma, 11
chemin godsique, 56
CMY, 10 H
composante histogramme, 47
DC, 32 galisation, 47
connexit, 18 hue, 10
couleur, 3
I
D idempotence, 35
dconvolution, 35 intensit, 3
DC, 32
distance L
godsique, 56 lacet, 22
ligne de partage des eaux, 52
E LSB, 24
galisation de lhistogramme, 47 luminance, 3, 8
ventail, 63
M
F marquage, 54, 59
facteur dattnuation, 61 marqueur, 55
fantme, 67 module, 30
filtre MSB, 24
idal, 35
linaire, 35 P
passe-bande, 37 pattern matching, 28
passe-bas, 36 phase, 30
passe-haut, 37 pixel, 16
fonction projection, 65
Rectangle, 32 pyramide, 22

79
Q
quadtree, 22

R
rtroprojection, 70, 73
Radon, 65
reconstruction, 65
rehaussement, 43, 45
restauration, 43
ROI, 27

S
saturation, 10
segmentation, 51
seuillage, 52
sinogramme, 65, 67
spectre, 30
squelette
par zone dinfluence, 57

T
teinte, 10
thorme du profil central, 70
tomographie, 61
trame, 16, 19
transforme
de Fourier, 29
transformation
unitaire, 29
transparence, 16

Y
YCbCr, 10
YIQ, 10
YUV, 10

80
Glossaire
CIE Commission internationale de lclairage. Organisme qui a, entre autres, dfini un sys-
tme de reprsentation partir de trois couleurs primaires. . . . . . . . . . . . . . . . . . . . 5
CLUT Color Look Up Table. Liste de couleurs, ainsi que leur numros dindex associs, utili-
se dans le rendu dimages 8 bits. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
CMYK Cyan-Magenta-Yellow-Black. Systme de quatre couleurs de base utilis par les impri-
mantes. Non appropri pour concevoir des pages web graphiques. (RGB est le systme de
couleurs utilis pour les pages web graphiques). . . . . . . . . . . . . . . . . . . . . . . . . . . 12

DCT Discrete Cosine Transform. La transforme en cosinus discrte est une opration dana-
lyse frquentielle proche de la transforme de F OURIER. On lutilise principalement pour le
codage dimages. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
DFT Discrete F OURIER Transform. La transforme de F OURIER discrte sobtient par chan-
tillonnage de la transforme continue. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

entrelacement Processus qui consiste combiner deux images ne contenant respective-

ment que les lignes paires ou impaires pour donner lillusion du contenu. Ce processus est
utilis lintrieur des formats de tlvision analogique PAL, NTSC et Scam. . . . . . . 20

FFT Fast F OURIER Transform. Transforme de F OURIER rapide. Il sagit dun algorithme de
calcul rapide pour lobtention de la transforme de F OURIER discrte (DFT). . . . . . . . 35

gamma Se rfre la luminosit de lcran dun ordinateur. En termes techniques, il sagit de

lajustement de la relation non-linaire entre une tension lectrique et lintensit lumineuse.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

JPEG Joint Photographic Experts Group. Format dimages prsentant de la compression avec
perte. Efficace pour les images du type photographique. . . . . . . . . . . . . . . . . . . . . . 38

LSB Least Significant Bit. Terme dsignant le bit de poids faible dans un byte. . . . . . . . 25

MSB Most Significant Bit. Terme dsignant le bit de poids fort dans un byte. . . . . . . . . . 25

NTSC National Television Systems Committee. Comit qui a normalis le systme de couleur
utilis pour la tlvision analogique aux tats-Unis. Il a donn son nom au dit format. 12,
20

OCR Optical Character Recognition. Terme qui dsigne les techniques optiques de reconnais-
sance de caractres. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
OCV Optical Character Verification. Techniques dinspection de marquage utilise pour
contrler lefficacit de marquage en imagerie. . . . . . . . . . . . . . . . . . . . . . . . . . . 250

81
PAL Phase Alternate Line. Format de tlvision analogique utilis dans la majorit des pays
europens (hormis la France). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1, 12, 20
palette Table indexant les couleurs des pixels dune image. Ce principe est utilis pour le
format GIF. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
pixel Picture Element. Il sagit dun point dune image chantillonne. On parle aussi de
PEL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

RGB Red Green Blue. Systme de reprsentation de couleurs au moyen de trois couleurs de
base. Les tlviseurs et moniteurs reprsentent toutes les couleurs au moyen de 3 lumino-
phores correspondants aux couleurs RGB. Il convient de remarquer que la plupart des crans
ne sont pas calibrs et quil ny a pas de rel standard industriel unique pour la dfinition de
ces composantes RGB, hormis celui dfini par la CIE en 1931. Enfin, les composantes RGB
des systmes PAL et NTSC ne sont monochromatiques. . . . . . . . . . . . . . . . . . . . . . 5
ROI Region Of Interest. Rgion dintrt. Terme utilis en traitement dimages pour dsigner
la zone de limage utile pour des traitements ultrieurs. . . . . . . . . . . . . . . . . . . . . . 28

trame En traitement dimages, la trame est la grille dchantillonnage. On considre gn-

ralement la trame carre mais la trame peut aussi tre rectangulaire ou hexagonale. Dans le
cas du format entrelac, la trame dsigne une image ne contenant que les lignes paires ou
impaires de limage. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17, 19

82
Bibliographie

[1] P. Buser et M. Imbert. Neurophysiologie fonctionnelle IV. Hermann, 1987.

[2] R. Hunt. The reproduction of colour. Fountain Press, fifth edition, 1995.
[3] S. Katzenbeisser and F. Petitcolas. Information hiding techniques for steganography and
digital watermarking. Artech House, 2000.
[4] M. Kunt, G. Grunland, et M. Kocher. Traitement de linformation : traitement numrique
des images, Volume 2. Presses polytechniques et universitaires romandes, 1993.
[5] G. Laurent. Cours de tlvision, tome 1 : rception, norme, gestion, traitement vido. Dunod,
1996.
[6] F. Meyer and S. Beucher. Morphological segmentation. Journal of Visual Communication
and Image Representation, 1(1) :2146, September 1990.
[7] P. Soille and L. Vincent. Determining watersheds in digital pictures via flooding simulations.
In Visual Communications and Image Processing, Vol. 1360, pages 240250, Lausanne, Oc-
tober 1990. SPIE.
[8] M. Sonka, V. Hlavac, and R. Boyle. Image processing, analysis, and machine vision.
Brooks/Cole Publishing Company, second edition, 1999.

83