Imagerie Numérique

Droits d’auteur. Cette séance de travaux pratiques a été mise au point par Alain Seret.
Elle
est mise à la disposition du Département de physique pour tous ses étudiants. Toutefois la
propriété intellectuelle reste totalement celle de son auteur quelles que soient les évolutions
subies par la séance.
Avertissement. Pour cette séance de travaux pratiques, le choix d’un logiciel de traitement
d’image a été posé. Le but de la séance est la découverte de l’image numérique et de quelques
concepts y afférents. Le logiciel en tant que tel doit être perçu comme un outil et non comme
la finalité de la séance.
Image numérique 2/48

Note préliminaire importante. Au cours de cette séance, vous serez amené à
ouvrir des fichiers. Par contre, il ne vous sera jamais demandé de sauvegarder un
fichier image ou un fichier de données. Dès lors, vous devez toujours répondre
par la négative à toute sollicitation du logiciel d’effectuer une sauvegarde d’une
image ou de données, c’est-à-dire utiliser les boutons No ou Cancel. Par
ailleurs, ne fermez les fenêtres que lorsque cela vous est indiqué.

1. LOGICIEL
1.1. ImageJ
ImageJ est un logiciel du domaine public développé et maintenu par le National Institutes
of Health (NIH) des USA. Initialement écrit pour les ordinateurs Macintosh, il a été ensuite
converti en Java et est ainsi devenu multi-plateforme. ImageJ fonctionne sous les systèmes
d’exploitation Linux, Mac OSX et Windows, à la fois en mode 32 et 64 bits. Il est
régulièrement mis à jour, il ne nécessite que des ressources hardware limitées, il est
d’installation aisée et il est totalement gratuit.
Le choix d’ImageJ pour cette séance de travaux pratiques permet à chaque étudiant de
disposer librement du logiciel sur son ordinateur personnel. Le logiciel et de multiples
ressources sont disponibles à http://imagej.nih.gov/ij
Sur les ordinateurs PC mis à la disposition des étudiants lors des séances encadrées de
travaux pratiques est installée la version 1.46r sous le système d’exploitation Windows XP.
1.2. Images
Les images utilisées se trouvent dans le dossier C:/Mes documents/Mes

Images/ImagesPourImageJ. Beaucoup proviennent des exemples qui sont distribués avec
ImageJ. Les autres sont disponibles dans eCampus à la rubrique TP.
1.3. Démarrer ImageJ
Démarrez ImageJ à l’aide d’un double click sur l’icône ImageJ qui figure sur le
bureau.
Sous Windows, une seule fenêtre apparaît. Elle comporte les menus d’ImageJ et la barre
d’outils. Cette dernière peut être personnalisée en cliquant sur la case située à l’extrême
droite et en sélectionnant l’option voulue dans la liste qui est apparue.
Fenêtre ImageJ (version 1.46r) sous Windows (XP)

Sous Mac OSX, les menus d’ImageJ prennent place dans la barre de menus supérieure et une
fenêtre intitulée ImageJ constitue la barre d’outils. Cette dernière est personnalisable via la
dernière case et la liste qui apparaît lorsque vous cliquez sur cette case.
Barre des menus et fenêtre ImageJ (version 1.45d) sous Mac OS X (10.7.5)
Vérifiez la version installée en allant dans Help > About ImageJ… (la version installée
peut aussi être obtenue en plaçant à l’aide de la souris le curseur sur une case vierge qui se
trouve à droite dans la barre des menus).
La version doit être ImageJ 1.46r.
Ne fermez pas cette fenêtre.
Note. Sous Mac OSX, la fenêtre About ImageJ s’obtient via File > A propos de ImageJ.
La figure suivante synthétise la fonction des outils de la barre d’outils dans sa

configuration par défaut.

2. OUVRIR UNE IMAGE
2.1. Pixels
Rappel :
« Une image numérique est constituée d’une mosaïque de cellules élémentaires appelées
pixels (contraction de l’expression anglaise picture cells). En général, les pixels sont de taille
identique et sont arrangés en lignes et colonnes sous forme d’une matrice. Chaque pixel est
repéré par le numéro de la ligne m et celui de la colonne n auxquelles il appartient. L’image
est alors une série d’éléments qui peuvent être dénotés im,n .
Le nombre de lignes et le nombre de colonnes constituent deux des trois paramètres
essentiels qui caractérisent une image numérique. Le troisième paramètre est le type de
compteur associé à chaque pixel: il peut être binaire (2 valeurs = 21, 1 bit informatique), de
256 valeurs (28, 8 bits), de 4 096 valeurs (212, 12 bits), de 65 536 valeurs (216, 16 bits), de 16
777 216 valeurs (224, 24 bits), voire encore plus. Ce compteur sert à stocker sous forme
numérique l’information propre à chaque pixel. »
(extrait de Imagerie médicale – bases physiques, A. Seret et M. Hoebeke, Presses
Universitaires de Liège, 2012)
Quand des valeurs peuvent être positives ou négatives, cette information doit également
figurer dans le compteur. Ceci est réalisé en utilisant un des bits du compteur qui est alors dit
compteur signé. Par opposition, le compteur est dit non signé lorsqu’aucun bit n’est utilisé
pour indiquer le signe.
L’image qui est apparue dans la fenêtre About ImageJ laisse clairement ressortir dans
les régions colorées sa composition en pixels.
Pourquoi les pixels sont-ils peu ou pas visibles dans la région sombre ?
Fermez la fenêtre About ImageJ.
2.2. Fichier image de type connu
File > Open > bridge.

(naviguez si nécessaire pour vous placer dans le dossier image dont il est question au 1.2)
Le logiciel a ouvert dans une fenêtre bridge.gif une image qui est une photographie « noir et
blanc » (plus exactement en dégradé de gris) d’un pont dans une forêt.
Que signifient les indications qui figurent dans la fenêtre (relisez si nécessaire le rappel

qui figure au 2.1) ?
Indication Signification
bridge
gif
512 X 512 pixels
8 bit
L’image a été ouverte par le logiciel sans intervention de l’opérateur. Le « .gif » qui suit
le nom du fichier permet au logiciel de savoir où trouver dans le fichier les informations
indispensables. Celles-ci sont au minimum, le nombre de lignes et de colonnes de pixels, le
type de compteur associé à chaque pixel et la position dans le fichier du premier bit du
premier pixel de l’image. Ces informations et d’autres sont contenues dans une partie du
fichier souvent appelée en-tête (header) et qui généralement précède dans le fichier l’image
proprement dite.
Fermez la fenêtre bridge.gif.

File> Open > mri-stack.
Click sur la petite flèche dans le coin inférieur gauche de la fenêtre.
Quelle est la différence essentielle entre ce fichier et le précédent. Quel paramètre
indispensable le logiciel a-t-il dû trouver dans le header ?
ImageJ ouvre les séries d’images sous forme de piles (stacks). Il est possible de visualiser
chacune des images séparément grâce à la fonction Image > Stacks > Stack to Images qui
crée autant de fenêtres qu’il y a d’images.
Le menu Window permet d’organiser la présentation de multiples fenêtres.

Window > Tile.
Qu’observez-vous ?
Window > Cascade.

Qu’observez-vous ?

A partir d’une série d’images, une pile peut être constituée.
Image > Stacks > Images to Stack.
OK (mais vous pouvez remplir les deux champs Name et Title Contains et
sélectionner les deux options à votre guise).
Click sur la petite flèche dans le coin inférieur gauche de la fenêtre.
Les 27 images défilent à nouveau dans la fenêtre. Une visualisation avec défilement à vitesse
constante d’une série d’images est souvent appelée visualisation en mode ciné. La vitesse de
défilement est généralement réglable. Dans ImageJ, ce réglage s’effectue par Image >
Stacks > Tools > Animation Options… puis en choisissant la vitesse (Speed) voulue (fps
: frame per second ou image par seconde) sur le panneau de commande. Remarquez que ce
dernier vous donne accès à quatre autres paramètres du mode ciné. Vous pouvez les tester si
vous le souhaitez.
Fermez toutes les fenêtres avec images ouvertes.
Il existe de multiples façons pour composer un fichier image. Les plus communes sont
actuellement (dans l’ordre alphabétique) : bitmap, gif, jpeg, jpeg 2000, png, tiff. Elles ont
chacune leurs avantages et leurs inconvénients. L’exposé et la discussion de ceux-ci sortent
du cadre de ces travaux pratiques.
L’imagerie médicale a développé une norme de fichier qui lui est propre et qui convient à
toutes les modalités d’imagerie médicale. Cette norme est le Digital Imaging and
Communications in Medicine, en abrégé DICOM. Le développement de cette norme a
grandement facilité l’échange des images entre les diverses modalités d’imagerie médicale,
leur distribution vers les prescripteurs et les patients, leur archivage centralisé. Elle est
aujourd’hui largement utilisée. ImageJ permet l’ouverture automatique d’un fichier DICOM
(fichier avec extension « dcm »).
File > Open > CT.dcm.
L’image qui apparaît provient du fichier DICOM CT.dcm. Il s’agit de l’image de
positionnement qui permet de définir la région à explorer en tomodensitométrie (CT-scan).
Fermez la fenêtre.
File > Open > Cardio.dcm.
Apparait l’image du fichier DICOM Cardio.dcm. Il s’agit d’un rendu tridimensionnel en
couleurs d’une exploration par tomodensitométrie d’un cœur humain.
La norme DICOM permet d’avoir un accès au header de fichier.

< I > (= pressez la touche i).
Il apparait une fenêtre qui vous montre une série des informations contenues dans un header
DICOM. Ces informations concernent tout autant l’appareil d’imagerie, le praticien de

l’exploration, le patient, que l’image elle-même. C’est ici tout l’intérêt de la norme DICOM,
elle permet d’inclure avec l’image une foule d’autres informations techniques et
administratives.
Pouvez-vous retrouver les informations suivantes ?
Fabricant du CT
Modèle de CT
Date de l’examen
Nombre de bits par pixel
Nombre de lignes de l’image
Nombre de colonnes de l’image
Nombre d’images
Fermez les fenêtres InfoforCardio.dcm et Cardio.dcm.
2.3. Fichier image de type inconnu
Un logiciel de visualisation ne peut ouvrir automatiquement que des fichiers dont le type
a été inclus dans sa conception. Dans ImageJ, cela se fait assez classiquement via File >
Open. Il est parfois nécessaire que l’opérateur précise au logiciel le type du fichier pour qu’il
puisse être ouvert automatiquement. Dans ImageJ, ceci se réalise via File > Import et la
sélection du type parmi la liste proposée.
Certains logiciels permettent à l’opérateur de fournir les paramètres nécessaires à

l’ouverture d’un fichier de type non reconnu par le logiciel. Ceci implique bien entendu que
l’opérateur possède l’information ou soit en mesure de se la procurer.
Une source d’information est clairement le header du fichier. Toutefois, celui-ci est
généralement sous format binaire et ne contient pas d’information explicite sur les différents
paramètres qu’il comporte. Il est alors nécessaire de connaître la structure même du header
pour pouvoir le décoder. Quand il s’agit d’une structure propre à une firme, celle-ci n’accepte
pas nécessairement de la dévoiler. Parfois cependant, les headers sont codés en format texte et
le header peut être lu à l’aide d’un simple éditeur de texte. C’est par exemple le cas de la
norme Interfile qui fut utilisée en médecine nucléaire avant la popularisation du DICOM pour
permettre l’échange de fichiers entre instruments et logiciels conçus par les différentes firmes

actives dans le domaine et qui toutes utilisaient des types de fichier qui leur étaient propres.
ImageJ incorpore un éditeur de texte. Il est accessible via File > Import > Text File…
Quel autre logiciel pourriez-vous utiliser pour lire un fichier header au format texte ?
Dans la norme Interfile, le header et l’image figurent soit dans un seul fichier, soit dans deux
fichiers séparés. Le header comporte le nom du fichier image (identique ou non à celui du
fichier header) ainsi que la position du premier bit du premier pixel de l’image dans le fichier
qui comporte l’image. Cette position est donnée par la valeur de !data offset in bytes.
Ouvrez avec l’éditeur de texte d’ImageJ le fichier Mains.HDR.
Retirez-en les informations suivantes.
Nom du fichier image
Nombre de bits par pixel
Pixel signé ?
Nombre de lignes
Nombre de colonnes
Position du premier bit du premier pixel dans
le fichier image
Nombre d’images
Espacement entre deux images consécutives
Ordre des bytes *

* Les processeurs interprètent l’ordre des bytes (endianness) d’un même nombre dans un sens
ou dans l’autre : big-endian ou little-endian. Les processeurs Intel® utilisent la convention
little-endian, les processeurs Motorola® ou Sun® la convention big-endian.
File > Import > Raw…
Sélectionnez le fichier image qui vous a été indiqué dans le header.
Remplissez tous les champs et cochez les éventuelles options adéquates.
OK.
Apparaît dans une fenêtre, l’image d’une scintigraphie osseuse des mains (mains posées sur le
collimateur) qui présente deux hyperactivités visibles à l’extrémité distale du majeur et de
l’index de la main gauche.
Ouvrez à nouveau le fichier Mains.IMG mais sélectionnez cette fois l’option Little-
endian byte order.

L’image obtenue semble identique et pourtant son contenu quantitatif est incorrect. Placez à
l’aide de la souris le pointeur sur une des hyperactivités et relevez la valeur du pixel (value
dans la fenêtre ImageJ). Faites de même dans l’autre fenêtre image.
Image Value
big-endian
little-endian
Une des valeurs vaut à peine quelques dizaines, alors que l’autre atteint plusieurs
milliers. Or l’avant-avant-dernière ligne du header, !maximum pixel count, donne une valeur
de pixel maximale de 42 !
Ne fermez pas les fenêtres des deux images.
2.4. Informations sur une image
ImageJ permet d’obtenir une série d’informations sur la ou les images de la fenêtre active
en pressant la touche <I>.
Lisez les informations fournies par ImageJ sur l’image main obtenue en big-endian et
sur celle obtenue en little-endian.
Quelle est la seule information qui diffère hormis la valeur du ID (ce ID est interne à
ImageJ) ?
Est-ce cohérent avec les informations contenues dans le fichier header Mains.HDR et à
votre relevé de valeurs des pixels au niveau d’une des hyperactivités de la main gauche ?
Fermez toutes les fenêtres image et de texte.

3. HISTOGRAMME
Rappel :
« L’histogramme d’une image est la fonction qui associe à chaque valeur possible de
l’image le nombre de pixels qui présentent cette valeur. Il constitue un outil simple et il est
fréquemment utilisé dans les manipulations d’image qui visent à l’amélioration des contrastes
ou à la reconnaissance d’objets présents dans une image. »
Ouvrez parmi les exemples l’image blobs.

Analyze > Histogram.
Une nouvelle fenêtre s’ouvre et l’histogramme de l’image Blobs y apparait sous forme d’un
graphique ainsi que quelques indications statistiques.
Déplacez à l’aide de la souris le curseur dans cette fenêtre et observez les valeurs affichées
pour Value et Count dans le coin inférieur droit de la fenêtre. Que signifient ces deux
paramètres ?
Value :
Count :
Le bouton List vous permet d’obtenir le tableau des valeurs de l’histogramme, le bouton Log
de superposer au graphique avec une échelle linéaire un second avec une échelle
logarithmique pour l’axe des ordonnées.
Ouvrez parmi les exemples l’image gel.
Affichez son histogramme.
Quelle est la différence essentielle avec l’histogramme de l’image Blobs ?
Fermez les fenêtres Histogram mais conservez à l’écran les deux fenêtres images
(blobs.gif et gel.gif).

4. ECHELLE DE COULEUR
4.1. Echelle de couleur
Rappel :
« Lors de la visualisation de l’image sur un écran ou de son impression, l’information
numérique de chaque pixel est restituée sous forme d’une nuance de couleur selon un code
appelé l’échelle de couleur. Le choix de l’échelle de couleur relève de l’opérateur. Une
même image peut ainsi prendre un aspect visuel très différent suivant le choix effectué.
Prenons comme exemple une image dont les compteurs sont de 4 bits (24 = 16 valeurs).
Proposons nous de construire une échelle de couleur comprenant les quatre gris suivants: noir,
gris foncé, gris clair, blanc (le noir et le blanc sont considérés comme les deux gris extrêmes).
Une façon de procéder est de décider que les pixels dont les valeurs sont comprises entre 0 et
3 seront noirs, ceux dont les valeurs sont comprises entre 4 et 7 seront gris foncés, ceux dont
les valeurs sont comprises entre 8 et 11 seront gris clairs et ceux dont les valeurs sont
comprises entre 12 et 15 seront blancs. »
Rendez active la fenêtre gel.gif.

Image > Color > Show LUT.
Apparaît une fenêtre qui vous montre la loi de correspondance linéaire utilisée entre les
valeurs des pixels de l’image et les 256 dégradés de gris (y compris le noir et le blanc) utilisés
pour la mise à l’écran de cette image.
Rendez active la fenêtre blobs.gif.
Apparaît à nouveau une fenêtre qui vous montre l’échelle de couleur utilisée pour la mise à
l’écran de l’image Blobs.
Quelle est la différence essentielle avec l’échelle de couleur utilisée pour l’image Gel ?
Inspectez les indications qui figurent dans les deux fenêtres image et faites le lien avec
la différence que vous venez de relever.

ImageJ utilise le mode RGB pour composer les couleurs, c’est-à-dire que chaque couleur
est obtenue par le mélange des trois couleurs primaires rouge (Red), vert (Green) et bleu
(Blue). Le gris est obtenu en utilisant une proportion identique de chaque couleur primaire. La
proportion passe de 0% pour le noir à 100% pour le blanc. La composition en fonction des
trois couleurs primaires de chaque gris de l’échelle de couleur peut être obtenue via le bouton
List…
Clickez sur List…
Comprenez-vous le tableau qui apparaît dans la fenêtre LUT ?
Fermez la fenêtre LUT.

Fermez les fenêtres Look-Up Table.
Fermez la fenêtre image blobs.gif.
4.2. Fenêtrage
Rappel :
« Prenons comme exemple une image dont les compteurs sont de 4 bits (24 = 16 valeurs).
Si toutes les valeurs des pixels sont comprises entre 3 et 10, les différences entre les pixels
seront mieux visualisées avec l’échelle de couleur suivante: noir pour 3 et 4, gris foncé pour 5
et 6, gris clair pour 7 et 8, blanc pour 9 et 10. On procédera de même si on ne souhaite obtenir
un contraste visuel que pour les valeurs des pixels entre 3 et 10, même si certains pixels
présentent des valeurs inférieures à 3 ou supérieures à 10. L’image est alors visualisée dans
une fenêtre de valeurs. Ceci est régulièrement utilisé en radiologie.
Le fenêtrage peut être aisément indiqué en mentionnant les valeurs minimales min et
maximales MAX de l’image entre lesquelles les nuances de couleur sont réparties. »
Image > Adjust > Brightness/Contrast…

Apparaît une fenêtre qui comporte un graphique où sont superposés l’histogramme de l’image
et l’échelle de couleur, quatre curseurs et quatre boutons.
En les manipulant successivement, décrivez l’action de chaque curseur et de chaque
bouton. En particulier, observez l’histogramme et ses éventuelles modifications.

Modification de
Curseur Action
l’histogramme
Minimum (min)
Maximum (MAX)
Brightness
Contrast
Bouton
Auto
Reset
Set
Apply
Fermez la fenêtre B&C.

Fermez la fenêtre image gel.gif.
Rappel :
« Une autre méthode est toutefois régulièrement utilisée, notamment en radiologie. Elle
consiste à donner la valeur médiane dénommée niveau (ou level en anglais) L et la largeur
(ou width en anglais) W de la plage des valeurs couvertes par les nuances de couleur.
L = (MAX + min) / 2

W = MAX - min »
Ouvrez à nouveau l’exemple gel.gif.

Image > Adjust > Window/Level…
Apparaît une fenêtre qui comporte un graphique où sont superposés l’histogramme de l’image
et l’échelle de couleur, deux curseurs et quatre boutons. Ces quatre boutons sont identiques à
ceux de la fenêtre B&C et donnent accès aux mêmes fonctions.
En les manipulant successivement, décrivez l’action des deux curseurs. Faites le lien
avec les curseurs de la fenêtre B&C.
Lien avec les curseurs de

Curseur Action
B&C
Level (L)
Window (W)
Fixez une valeur de Level et une valeur de Window et reportez ces valeurs dans le
tableau ci-dessous.
Ouvrez la fenêtre B&C.
Elle remplace automatiquement la fenêtre W&L.
Reportez les valeurs du minimum et du maximum dans le tableau ci-dessous.
Paramètre Valeur
Level
Window
Minimum
Maximum
Vérifiez les deux relations entre ces quatre paramètres rappelées ci-dessus.
L = (MAX + min) / 2 =

W = MAX – min =
Etablissez les relations qui permettent à l’inverse de calculer MAX et min à partir de L
et W et vérifiez-les pour les données du tableau ci-dessus.
Fermez la fenêtre B&G.

Fermez la fenêtre image gel.gif.
4.3. Choix d’une échelle de couleur
ImageJ comporte une série d’échelles de couleur prédéfinies. Elles sont accessibles via
Image > Look-Up Tables > Sélection de l’échelle souhaitée ou inversion de l’échelle
(Invert LUT).
Ouvrez à nouveau l’image blobs.gif.

L’image apparaît comme vous l’avez vue jusqu’à présent dans un dégradé de gris inversé.
Inversez l’échelle de couleur.
Comparez les deux graphiques dans les deux fenêtres Look-Up Table.
Quelle est la différence ?
Fermez les fenêtres Look-Up Table.

Affichez l’histogramme.

Sélectionnez l’échelle de couleur Fire.
L’image est maintenant en couleur.
Affichez l’histogramme.
Comparez les deux histogrammes. Sont-ils différents ?

La fenêtre qui apparaît vous montre à travers les courbes en couleur comment sont composées
les différentes couleurs de l’échelle. Le bouton List vous permet d’accéder à la même
information mais sous une forme quantitativement plus précise (proportions de rouge, vert et
bleu utilisées pour composer chaque couleur de l’échelle).
Fermez la fenêtre Look-Up Table.
Image > Color > Edit LUT.
Cette fenêtre livre une information similaire à la précédente mais sous une présentation
différente. L’accès à l’information quantitative sur le mélange des trois couleurs primaires se
fait par un double click sur une des cases colorées.
Clickez sur la case de la couleur 48 (colonne 1, ligne 4) puis observez l’image.
Cancel.
La fenêtre Edit LUT offre la possibilité de changer les couleurs et in fine de composer ses
propres échelles de couleur et de les sauvegarder (bouton Save …) et de les récupérer par la
suite (Open…). La modification d’une couleur s’effectue par le réglage des curseurs ou des
champs éditables de la fenêtre obtenue après un double click sur une des cases colorées de la
fenêtre LUT Editor.
Transformez en vert (Green 255 Red et Blue 0) la couleur du niveau de couleur 48
(colonne 1, ligne 4).
LUT Editor > OK.
Afficher l’histogramme.
Quel est l’effet d’un changement d’échelle de couleur sur les valeurs des pixels ?
Fermez les fenêtres Histogram of blobs.

Fermez la fenêtre image blobs.gif.

4.4. Images en plusieurs canaux de couleur.
Ouvrez l’image Fluorescent Cells.

Affichez les informations.
Lorsqu’ImageJ a ouvert ce fichier de type Tiff, il a trouvé des informations indiquant qu’il
s’agit d’un fichier composite qui comporte une pile de trois images à afficher de façon
superposée en utilisant pour chacune un dégradé d’une des trois couleurs primaires, rouge,
vert et bleu.
Image > Hyper Stacks > Channels Tool…ou Maj + <Z>.

Apparaît une fenêtre qui est un panneau de commande.
En composite, il est possible de sélectionner les composants à superposer, Color permet de
n’afficher qu’un composant à la fois.
Fenêtre Channels : choisissez Composite et sélectionnez les trois canaux.
More ».
Split Channels : sépare l’image composite en ses trois composantes.
Merge channels : réunit des images en une image composite.
Convert to RGB : convertit l’image composite en une seule image
couleur RGB.
Make composite : convertit l’image RGB en une image composite.
Une fenêtre identique à celle de départ est apparue.
Fermez la fenêtre Channels et toutes les fenêtres image encore ouvertes.

5. MESURE DE DISTANCES
5.1. Principe général
La mesure d’une distance entre deux points d’une image se fait en général en traçant un
segment de droite entre les deux points ou en positionnant le curseur successivement sur un
point puis sur l’autre, et finalement en activant l’outil de mesure pertinent.
Dans ImageJ, un segment de droite peut être tracé en activant l’outil de traçage de ligne
disponible dans la fenêtre ImageJ (l’épaisseur du trait se règle via Edit > Options > Line
Width…).
Quant aux mesures, elles s’obtiennent via Analyze > Measure et elles s’affichent dans une
fenêtre Results.
Divers paramètres peuvent être fournis par la fonction de mesure. Ceux qui apparaitront dans
la fenêtre Results sont choisis via Analyze > Set Measurements…
Toutefois, certains paramètres sont automatiquement fournis. Pour un segment de droite, il
s’agit de son angle avec « l’horizontale » et de sa longueur.
Analyze > Set Measurements…

Désélectionnez tout ce qui l’est.
OK.
Ouvrez l’image leaf.
Apparaît l’image d’une feuille et d’une règle graduée en cm.
Mesurez la distance entre les graduations 5 et 10 de la règle graduée de la façon suivante.
Tracez un segment de droite entre les traits 5 et 10 de la règle graduée.
Analyze > Measure.
Quelle est la longueur obtenue ?
Quelle est l’unité de longueur ?
L’unité de mesure n’est clairement pas le cm. Ceci provient du fait qu’ImageJ ne dispose pas
de la longueur de l’arête d’un pixel.
Fermez la fenêtre Results.

5.2. Taille du pixel
La longueur de l’arête d’un pixel (supposé carré) est communément appelée la taille du
pixel. La présence d’une règle graduée, ou plus généralement d’un objet de dimension
connue, permet de calculer la taille du pixel.
Quelle est la longueur de la taille du pixel pour l’image leaf ?
ImageJ permet d’éviter ce calcul

Analyze > Set Scale…
Entrez les données pertinentes dans les champs éditables (Pixel Aspect ratio : 1).
OK.
Analyze > Measure.
Quelle est la longueur obtenue ?
Quelle est l’unité de longueur ?
La longueur obtenue correspond-elle à la longueur physique mesurée ?
Remarquez qu’ImageJ n’est guère explicite sur les unités utilisées ! Pour retrouver l’unité de
Lengths, il faut retourner dans Analyze > Set Scale).
Mesurez la longueur de la nervure centrale de la feuille.
Longueur de la nervure centrale :
Fermez la fenêtre Results.

Fermez la fenêtre image leaf.jpg.

5.3. Mesure d’une surface
Ouvrez l’image Thyr qui se trouve en format Interfile dans le dossier Images. Vous
trouverez dans le header la taille du pixel.
Quelle est la taille du pixel ?
Image > Properties.

Modifiez les champs éditables pertinents.
OK.
Apparaît une image de scintigraphie thyroïdienne réalisée avec le traceur iode-123 et une -
caméra munie d’un collimateur parallèle. Cette image est prise de face. Dans ce cas, la
convention en usage dans l’imagerie médicale veut que la gauche (G) du patient se trouve à la
droite de l’image.
Il s’agit d’une image de projection. La mesure de la surface projetée de la thyroïde peut
s’effectuer de la manière suivante.
Pour rendre la tâche plus aisée, agrandissez d’abord l’image à minimum 200% via
Image > Zoom > In.
Contourez l’image de la thyroïde à l’aide de l’outil de dessin d’un contour fermé libre.
Après avoir paramétré l’outil de mesure afin d’obtenir la surface entourée par le contour
dessiné, réalisez la mesure de la surface.
Valeur mesurée de la surface ?
Un contour fermé dessiné sur une image est appelé zone d’intérêt, souvent abrévié en
ROI (Region Of Interest).

5.4. Mesure d’un volume
En l’absence d’images tomographiques, le volume de la thyroïde est évalué soit en

utilisant une formule empirique ou en assimilant chaque lobe à un ellipsoïde de révolution.
Quelle que soit la méthode finalement utilisée, elle demande la mesure du grand axe a et du
petit axe du lobe.
D G
Le volume (V) d’un lobe sera évalué à l’aide de la formule du volume d’un ellipsoïde de
révolution :
Effectuez les mesures puis les calculs suivants.

a( ) b( ) V( )
Lobe gauche
Lobe droit
Thyroïde ----------- -----------
Evaluez la masse de cette thyroïde.

6. MESURE DE CONTRASTES
6.1. Mesures dans une ROI
Les logiciels proposent généralement d’obtenir pour les pixels intérieurs à une ROI, la
valeur moyenne, le nombre de pixels inclus et quelques paramètres statistiques de dispersion
(minimum, maximum, médiane, écart-type,…)
ImageJ offre cette fonctionnalité via l’outil de mesure déjà utilisé précédemment à condition
d’avoir paramétré adéquatement ce dernier afin que s’affiche dans la fenêtre Results les
paramètres souhaités.
Configurer l’outil Mesure afin d’obtenir les valeurs de paramètres suivants : surface,
moyenne, minimum, maximum, écart-type.
Ouvrez Dot_Blot.
Edit > Invert (cette opération est particulière à cet exemple, elle ne doit pas
nécessairement être réalisée avec toutes les images).
Contourez au plus juste le disque qui vous paraît le plus clair à l’aide de l’outil de
traçage d’ovale.
Quelle est la valeur moyenne relevée dans cette ROI ?

V1 =
6.2. Mesure d’un contraste
Déplacez dans la région uniforme qui entoure le disque la ROI sans en modifier les
dimensions.
Valeur moyenne dans la ROI placée dans la région uniforme :
V2 =
Calculez le contraste en utilisant la formule .
Calculez le contraste pour le disque que vous visualisez le moins bien en utilisant la
ROI tracée précédemment.
V1 =
V2 =

C=
La région qui paraît uniforme l’est-elle réellement ?
Pouvez-vous mettre ceci en évidence à l’aide de l’échelle de couleur ?
Fermez toutes les fenêtres ouvertes à l’exception de la fenêtre ImageJ.

7. RÉSOLUTION
7.1. Principe
La résolution (spatiale) d’un instrument d’imagerie peut être quantifiée à travers la

fonction de dispersion ponctuelle (PSF : Point Spread Function) ou la fonction de dispersion
linéaire (LSF : Line Spread Function). Elles peuvent être aisément obtenues en réalisant des
images d’un point, en pratique d’une très petite sphère, ou d’une ligne, en pratique d’une
barre rectiligne très étroite. Le diamètre de la sphère et l’épaisseur de la ligne doivent être
nettement plus petits, par exemple 10 fois, que la résolution de l’instrument. L’objet doit être
adapté suivant la modalité d’imagerie : en radiologie, l’objet doit être opaque aux RX ; en
échographie, il doit être échogène ; en imagerie nucléaire, il est une source radioactive. Si la
résolution varie dans le champ de vue, la mesure est réalisée pour diverses positions dans le
champ de vue. Ainsi pour une -caméra, la mesure est réalisée pour plusieurs distances entre
l’objet source et le collimateur de la caméra car la résolution de la caméra dépend fortement
de cette distance.
La PSF est obtenue en extrayant de l’image les valeurs d’une rangée de pixels qui passe
par le centre de la sphère. Pour la LSF, la rangée de pixels utilisée est une rangée orthogonale
à la barre. Au lieu de communiquer la courbe que forme la PSF ou la LSF, un seul paramètre
est souvent donné, il s’agit de la largeur à mi-hauteur (LMH), ou FWHM (Full Width at Half
Maximum), de la courbe. Elle se calcule comme indiqué sur la figure suivante.
M/2
LMH
AG AD

7.2. Mesure de la résolution d’une -caméra
La résolution d’une -caméra a été mesurée à l’aide d’un capillaire qui contient une
solution de l’émetteur  Tc-99m sous forme de pertechnétate. Le capillaire a été
successivement placé à 10, 15, 20, 25 et 30 cm du collimateur parallèle (basse énergie, très
haute résolution) de la caméra.
Ouvrez l’image L1_R10-Z1-M256 du dossier Images.
Communiquez à ImageJ la taille du pixel.
A l’aide de l’outil adéquat, tracez un court (30 à 50 pixels de longueur) segment de
droite d’épaisseur 1, perpendiculaire au capillaire et passant approximativement par le centre
de celui-ci. La courte longueur du segment de droite n’est pas impérative mais elle rend plus
facile les mesures qui suivent.
Analyze > Plot profile.
Ordonnée (M) du maximum : M =
M1/2 = M/2 =
Repérez sur le flanc gauche du pic l’abscisse (AG) du pixel dont la valeur est la plus
proche de M1/2 : AG =
Repérez sur le flanc droit du pic de l’abscisse (AD) du pixel dont la valeur est la plus
proche de M1/2 : AD =
Calculez la LMH : LMH = AD - AG =
Répétez* les opérations précédentes afin de compléter le tableau ci-après.

Image* M M1/2 AG ( ) AD ( ) LMH ( )
L1_R10
L1_R15
L1_R20
L1_R25
L1_R30
*Toutes ces images possèdent un format identique, il n’est dès lors pas indispensable de
systématiquement consulter les fichiers en-têtes pour les ouvrir.
Tracez le graphique de la LMH en fonction de la distance au collimateur.

En théorie, une relation linéaire devrait être observée. Par ailleurs, le constructeur de la -
caméra annonce une LMH à 10 cm du collimateur de 7,1 mm. Les résultats des mesures ne
sont clairement pas en accord avec les deux assertions précédentes. Une des raisons est
certainement l’approximation très grossière de considérer le pixel avec la valeur la plus
proche de M1/2. Il eut été préférable de, par exemple, réaliser une interpolation linéaire entre
les deux plus proches voisins ou un ajustement de courbe.
Pour une -caméra, la PSF et la LSF sont en très bonne approximation des courbes
gaussiennes. Certains logiciels d’image permettent de faire un ajustement de courbe sur des
points de mesure. C’est notamment le cas d’ImageJ à travers son outil Curve Fitting.
Rendez active la fenêtre image L1_R10-Z1-M256.IMG.
Si le segment de droite n’y est plus présent, tracez-en un nouveau.
Analyze > Plot Profile.
LIST.
Edit > Select All (sélection de toutes les valeurs x et y de la fenêtre Plot Values).
Edit > Copy (les valeurs sélectionnées sont placées dans le tampon mémoire).
Fermez la fenêtre Plot Values.
Analyze > Tools > Curve Fitting …
Fenêtre Curve Fitter.
Sélectionnez à l’aide de la souris toutes les valeurs présentes dans la partie éditable de
la fenêtre et effacez-les.
Vérifiez que la partie éditable de la fenêtre est bien vide.
Copiez dans la partie éditable de la fenêtre le contenu du tampon mémoire ( ! n’utilisez
pas Edit > Paste qui ouvre une nouvelle fenêtre !).
Sélectionnez dans le menu déroulant Gaussian.
Fit.
Le logiciel effectue un ajustement d’une fonction gaussienne sur les points de mesure, les
paramètres de l’ajustement et la fonction apparaissent dans deux nouvelles fenêtres. Le
paramètre d est l’écart-type de la fonction gaussienne. Il est lié à la LMH par la relation (voir
encadré ci-dessous).
√
Calculez la LMH à partir de la valeur de d obtenue.
LMH =

( )
Si ( ) ( ) est la courbe ajustée aux points de mesure, la fonction
( )
gaussienne est ( ) ( ) ( ). Elle présente une valeur maximale de b-a en x
= c.
Comme la fonction gaussienne est symétrique par rapport à ce maximum, il vient
( )
avec ( )
De cette dernière relation, il est facile d’établir que
√
Dès lors,
√ d
7.3. Perception visuelle de la résolution
Les résultats numériques obtenus au point précédent ont une répercussion profonde sur
une image. Afin d’illustrer celle-ci, vous êtes maintenant invité à visualiser trois images d’un
même objet, un ensemble de trois capillaires faiblement espacés, placé successivement à 10,
15 et 20 cm de la caméra.
Comparez visuellement les trois images.
Que pouvez-vous en conclure quant à la distance qui sépare la région explorée d’un
être vivant d’une -caméra ?

8. ETUDE DYNAMIQUE
Sont parfois réalisées des explorations par imagerie qui visent à déterminer l’évolution au
cours du temps d’une région cible d’un organisme. De telles explorations consistent à obtenir
de multiples images de la région prises à divers moments. Cette série d’images est analogue à
un film. Elles permettent de visualiser un phénomène dynamique et, dans certains cas, d’en
déterminer des paramètres cinétiques.
Ouvrez la série d’images Amandine du dossier Images.

Ces images sont celles du passage dans les poumons d’un cheval d’un traceur injecté en bolus
par voie intraveineuse tel qu’il peut être visualisé par une gamma caméra placée de profil.
Pendant le passage du traceur dans les poumons, un secteur apparaît dans l’image. Il y a 150
images réparties en cinq groupes de 30 images. Chaque image correspond à une prise de vue
d’une seconde. Ces informations devraient vous suffire pour décoder le fichier en-tête dont la
structure diffère quelque peu des précédents.
Activer le mode Ciné.

Les deux petits cercles dans le bas de l’image sont deux repères radioactifs placés sur le flanc
du cheval afin d’observer ses déplacements latéraux par rapport à la caméra. Ils sont visibles
sur toutes les images, présentent une intensité relativement constante et se déplacent.
Stoppez le défilement des images.
ImageJ permet de faire défiler les images une à une dans un sens ou dans l’autre en utilisant
Image > Stacks > Next Slice ou < > > pour passer à l’image suivante, ou Image > Stacks
> Previous Slice ou < < > pour revenir à l’image précédente.
Amandine s’est déplacée nettement pendant son examen (pour rappel chaque image
correspond à 1 s).
Quand ce déplacement commence-t-il ?
Quand revient-elle dans sa position initiale ?
Combien de temps ce déplacement a-t-il duré ?
Heureusement ce déplacement précède l’arrivée du traceur dans les poumons.

Activez à nouveau le mode Ciné.

Arrêtez le défilement sur une des images où le « secteur » apparaît le plus clairement.
Adaptez l’échelle de couleur afin d’améliorer la visualisation de l’image.
A l’aide de l’outil de traçage d’un contour polygonal, tracez une ROI qui entoure les
poumons (« le secteur »).
Image > Stacks > Plot Z- axis Profile.
Apparaît un graphique qui montre la variation du nombre moyen de photons détectés par pixel
pour les pixels internes à la ROI polygonale tracée. Le nombre de photons détectés est
proportionnel à la concentration du traceur. Le graphique montre dès lors l’évolution
temporelle de la concentration du traceur dans les poumons d’Amandine (pour rappel chaque
image correspond à 1 s).
Rendez, si elle ne l’est, active la fenêtre Amandine.IMG.

Repérez le numéro des images afin de compléter.
Phase de montée Phase de descente

Début
Fin
List.
Importez dans l’outil d’ajustement de courbe les valeurs correspondantes à la phase de
descente et effectuez un ajustement pour une courbe Exponential.
L’équation de la courbe d’ajustement est

y=
Que vaut b ?
b=
Habituellement la cinétique de déclin de la concentration dans un organe est écrite
( ) ( ) ( )
⁄
Complétez le tableau ci-dessous.

Paramètre Expression en Valeur mesurée Unité
fonction de b
k
τ
T1/2

9. TRANSFORMÉE DE FOURIER
9.1. FFT
ImageJ effectue les transformées de Fourier par l’algorithme de la transformée de Fourier

rapide (FFT : Fast Fourier Transform). Cet algorithme est particulièrement efficient en calcul
numérique, mais il requiert des nombres de pixels qui sont égaux à des puissances de 2.
Ouvrez l’image IsleSurSorgue du dossier Images.

Apparaît une reproduction du tableau de Tiléan « Marché à Isle sur Sorgue ».
Avec l’outil adéquat entourez les personnages avec une ROI carrée de 512 x 512
pixels.
Edit > Copy (copie de l’intérieur de la ROI dans la mémoire tampon de ImageJ).
File > New > Internal Clipboard (création d’une nouvelle image à partir du tampon
mémoire d’imageJ).
Vérifiez que l’image obtenue est bien de 512 x 512 pixels.
La fenêtre Clipboard doit être la fenêtre active.
Image > Type > 8-bits (conversion de l’image couleur en une image de niveaux de
gris). Cette opération est réalisée uniquement afin de faciliter les manipulations qui suivent.
9.2. Transformée de Fourier
Rappel :
La transformation de Fourier convertit une fonction f(x,y) en une nouvelle fonction
F(νx,νy), où les coordonnées d’espace x et y sont remplacées par de nouvelles coordonnées,
les fréquences (spatiales) νx et νy. De la même façon qu’à chaque couple (x,y) correspond une
valeur de f, à chaque couple (νx,νy) correspond une valeur de F. Lorsque f(x,y) décrit une
image, F(νx,νy) est la transformée de Fourier de l’image.
Process > FFT > FFT.

Apparaît la fenêtre FFT of Clipboard. L’image qui y est apparue est la visualisation sous
forme d’une image de F(νx,νy). Le point de coordonnées νx = 0 et νy = 0 se trouve au centre
de l’image. Par ailleurs ImageJ n’utilise pas les coordonnées cartésiennes de fréquence νx et
νy mais les coordonnées polaires ν et θ.

νy
ν ν osθ
ν νy ν si θ
θ
ν ν ν
νx
Si vous déplacez à l’aide de la souris le curseur sur la fenêtre FFT of Clipboard, les
valeurs ν et θ sont indiquées dans la fenêtre ImageJ. ν est la valeur entre parenthèses et θ la
valeur de theta. Value est la valeur de F en un point (ν,θ).
9.3. Transformée de Fourier inverse
La transformation de Fourier est une opération tout-à-fait réversible. Le retour à la

fonction de départ s’effectue par une transformée de Fourier inverse.
FFT of Clipboard doit être la fenêtre active.
Process > FFT > Inverse FFT.
Comparez les images des fenêtres Clipboard et Inverse FFT of Clipboard. Que
concluez-vous ?
Fermez la fenêtre Inverse FFT of Clipboard.
En imagerie par résonance magnétique (IRM), les données acquises par l’instrument sont
la transformée de Fourier de l’image. Une transformée de Fourier inverse leur est appliquée
afin d’obtenir l’image.
9.4. Basses fréquences d’une image
La fenêtre FFT of Clipboard doit être active.

A l’aide de l’outil de traçage d’ovale, dessinez une ROI circulaire dont le diamètre est

compris entre 70 et 140 pixels et placez-la au milieu de l’image (en maintenant < MAJ >
enfoncée l’outil de traçage d’ovale génère automatiquement un cercle).
Edit > Selection > Make Inverse (la ROI devient ainsi la région de l’image
extérieure au cercle).
Edit > Fill (une valeur nulle est attribuée aux pixels de la région de l’image comprise
dans la ROI). Cette opération supprime les contributions des plus hautes fréquences (les plus
grandes valeurs de ν à la transformée de Fourier (F est nulle pour ces valeurs de fréquence).
Process > FFT > Inverse FFT.
Que pouvez-vous conclure sur la contribution des basses fréquences à l’aspect d’une
image ?
En IRM, les séquences d’acquisition très rapides impliquent que seules les données
correspondant aux basses fréquences sont acquises. Les données correspondant aux autres
fréquences sont délibérément abandonnées afin d’obtenir des très courtes durées d’acquisition
des images. Quelle est l’implication sur l’image finale ?
Des filtres dits passe-bas sont souvent utilisés pour réduire le bruit. Ces filtres laissent
intactes les contributions des plus basses fréquences, réduisent celles des fréquences
intermédiaires et annulent celles des plus hautes fréquences.
Outre la réduction du bruit souhaité, quel est l’effet prévisible d’un tel filtre sur une
image ?
Fermez la fenêtre FFT of Clipboard.

9.5. Hautes fréquences d’une image
Rendez active la fenêtre Clipboard.

Générez la transformée de Fourier de l’image qu’elle contient.
Tracez-y une ROI circulaire d’un diamètre inférieur à 40 pixels.
Mettez à zéro les valeurs des pixels intérieurs à la ROI.
Inversez la transformée de Fourier.
Que pouvez-vous en conclure sur la contribution des hautes fréquences à l’aspect d’une
image ?
Les filtres qui permettent le rehaussement des bords des objets (edge enhancement filter)
procèdent par élimination des plus basses fréquences d’une image. Le résultat que vous venez
d’obtenir est analogue à celui produit par de tels filtres.

10. TOMOGRAPHIE
« La tomographie est la technique qui permet d’obtenir l’image d’un volume sous forme
de coupes de plans parallèles, et idéalement jointifs. Cette technique est une des très belles
applications des mathématiques et de l’informatique à la médecine. »
PC : Edit > Options > Appearance > Activer Interpolate zoomed images > OK.
Mac : Edit > Properties > Activer Interpolate zoomed images > OK.
Remarque. Pour les vidéos, choisissez les fichiers avec l’extension .avi sous Windows et avec
l’extension .mov sous Mac OSX.
10.1. Projections et sinogramme
En radiologie et en médecine nucléaire, occasionnellement en IRM, la tomographie

consiste en une acquisition d’une série de projections sous diverses incidences du volume
étudié, suivie d’une reconstruction tomographique.
« Projection signifie que les données acquises sont, en tomographie de transmission, la

somme le long de la direction de projection de l’atténuation de chaque tissu ou, en
tomographie d’émission, la somme du nombre de photons se propageant dans la direction de
projection et atteignant le détecteur. Le contenu numérique des pixels de l’image de la coupe
est l’atténuation (moyenne) des tissus se trouvant dans le pixel en tomographie de
transmission ou le nombre de photons émis dans le pixel et détectés en tomographie
d’émission. »
« La reconstruction tomographique consiste à calculer à partir des données acquises le
contenu numérique de chaque pixel de chaque coupe. Les coupes obtenues sont des images
numériques et ne peuvent être visualisées qu’après conversion de leur contenu numérique en
nuance de couleur comme expliqué au paragraphe 7.2. »
Afin d’éviter les écueils liés à la géométrie conique ou à un détecteur incurvé, la

tomographie d’émission monophotonique (TEMP ou tomoscintigraphie) a été choisie pour
illustrer le sujet. Une TEMP est obtenue classiquement à l’aide d’une -caméra munie d’un

collimateur parallèle et capable d’une rotation sur un arc d’au moins 180° (le plus souvent un
arc de 360° est couvert) autour d’un axe virtuel appelé axe de rotation, qui est parallèle à l’axe
du lit sur lequel est couché le patient comme illustré à la figure suivante.
L’arc de rotation est divisé en un nombre de pas angulaires équidistants que la caméra
parcourt successivement en marquant à chaque pas une période d’arrêt de quelques secondes
pendant laquelle une image 2D, une projection, du volume étudié est enregistrée. En
négligeant la dépendance de la résolution envers la distance qui sépare la source des photons 
et le collimateur, chaque projection est une projection droite (orthogonale) du volume étudié
sur le plan du détecteur de la caméra comme le suggère la figure suivante.
Le repérage dans le plan de projection peut s’effectuer aisément à l’aide d’un système de
deux axes cartésiens X et Y. Ils sont représentés à la figure suivante tels que ImageJ les
dispose.

La projection 1D d’une même coupe transaxiale (tranche) du patient correspond à une
même ordonnée Y pour toutes les positions angulaires du détecteur.
Lorsque les différentes projections 1D d’une même coupe sont disposées l’une en
dessous de l’autre dans l’ordre croissant des positions angulaires, est obtenue une image
appelée sinogramme.
Ouvrez les images LineOff.

Il s’agit d’une TEMP d’un tube capillaire radioactif disposé parallèlement à l’axe de rotation
de la -caméra.
Image > Stacks > Orthogonal Views.
Vu les conventions d’ImageJ, la variable de position angulaire est la variable Z.
Parmi les trois vues (LineOff.img YZ, XZ) laquelle correspond
à une projection ?
à un sinogramme ?
La troisième vue procurée automatiquement par l’outil Orthogonal Views d’ImageJ n’est pas

utile dans ce contexte.
Par quelle action pouvez-vous visualiser les sinogrammes des autres coupes ?
Comprenez-vous à présent l’origine de l’appellation sinogramme ?
Fermez les fenêtres XZ et YZ.
Ouvrez les images LineOn.

Image > Stacks > Orthogonal Views.
Il s’agit à nouveau d’une TEMP d’un tube capillaire radioactif disposé parallèlement à l’axe
de rotation de la -caméra.
Pourquoi l’image qui apparaît dans la fenêtre XZ est-elle cette fois une droite ?
Fermez les fenêtres XZ et YZ.
Ouvrez les images CRANE.

Image > Zoom > Set et choisissez une valeur de zoom (par exemple 200).
Visualisez les sinogrammes de toutes les coupes de cette TEMP osseuse du crâne.
Fermez touts les fenêtres d’images ouvertes.
10.2. Coupes tomographiques
La reconstruction tomographique par méthode de rétroprojection filtrée (voir ci-après) de

cette TEMP osseuse fournit les images contenues dans le fichier CRANE_FBPhann5. Ce
fichier comporte une série d’images 2D, appelées coupes tomographiques. Un simple
empilement des ces images fournit l’image 3D du volume étudié. Toutefois, les médecins
utilisent peu les images 3D pour établir le protocole de l’examen. Ils leur préfèrent les coupes
dans les trois plans de coupes anatomiques traditionnels. La reconstruction tomographique
procure les coupes transverses (ou transaxiales). L’outil Orthogonal Views d’ImageJ permet

la visualisation des deux autres plans de coupe, celui des coupes coronales et celui des coupes
sagittales. Ils sont tous deux perpendiculaires au plan de coupe transverse et sont
perpendiculaires entre eux. Les trois types de coupe sont illustrés à la figure suivante.
Le fichier image CRANE_FBPhann5.img comprend les 64 coupes reconstruites à partir

des projections du fichier CRANE. Chaque coupe comporte 64 x 64 pixels codés avec des
réels de 4 bytes en little-endian, il n’y a pas d’offset pour la première image.
Ouvrez les images CRANE_FBPhann5.img.
Image > Zoom > Set et choisissez une valeur de zoom (entre 200 et 400).
Suite aux conventions d’ImageJ, l’orientation d’une des coupes est un peu particulière.
Laquelle ?
Visualisez les coupes transverses, coronales et sagittales.

En faisant défiler les différents plans de coupe à l’écran, vous opérez comme un médecin
nucléariste lorsqu’il établit le protocole d’un examen tomographique.
Fermez toutes les fenêtres image ouvertes.
10.3. Rétroprojection
« La plupart des techniques de reconstruction tomographique font usage de la

rétroprojection. La rétroprojection est un concept extrêmement simple : elle épand de
manière uniforme sur les pixels les valeurs des projections, c’est-à-dire attribue à chaque pixel
ayant contribué à la projection la même valeur. »
« L’épandage est réalisé pour chaque direction de projection. Dans les pixels, les valeurs
issues des épandages sont additionnées, puis au final divisées par le nombre total
d’épandages ».
Ouvrez le fichier images CoeurMIBI.

Image > Zoom > Set et choisissez une valeur de zoom (par exemple 200).
Vous pouvez maintenant visualiser les 32 projections acquises par la caméra lors d’une
tomoscintigraphie de perfusion myocardique. Pour ce type de TEMP, l’arc d’acquisition est
souvent limité à 180° et débute à -45° (en regardant depuis ses pieds le patient couché sur le
dos, cette position correspond à 10H30). La caméra parcourt l’arc dans le sens des aiguilles
d’une montre. Pour les données qui nous occupent, 32 pas de projection ont été définis.
Ouvrez avec ImageJ le fichier vidéo Coeur_BP*.
Il vous permet de visualiser pas à pas le processus de rétroprojection d’une coupe. La
première rétroprojection correspond à la position -45°, les suivantes aux positions angulaires
successives de la caméra.
Visualisez la vidéo Coeur_BP*.
« La figure 7.14 illustre à la fois la reconstruction tomographique dans le cas de la

tomoscintigraphie et un inconvénient majeur généré par le processus de rétroprojection. La
source des photons γ est supposée quasi-ponctuelle et se trouver dans un milieu sans
absorption ni diffusion. L’acquisition (fig. 7.14a) consiste en 8 projections de la source de
photons γ. La rétroprojection permet de reconstituer la source. Toutefois, il peut être aisément
constaté que la source ainsi reconstruite est le centre d’une étoile. Cet artefact en étoile ne
permet pas une reconstruction basée sur le seul processus de la rétroprojection.
Figure 7.14. Tomographie d’émission γ monophotonique dans le cas d’une

source ponctuelle de photons γ. (a) L’acquisition des données consiste en
l’enregistrement de projections suivant différentes directions. (b) La
rétroprojection est un simple épandage uniforme suivant les directions de
projection. Elle génère des artefacts en étoile. »

10.4. Rétroprojection filtrée
« L’application d’un filtre adéquat aux projections permet d’obtenir une reconstruction
par rétroprojection des projections filtrées qui génère nettement moins l’artefact en étoile

(figure 7.15c,d). Cette technique de reconstruction s’appelle rétroprojection filtrée, Filtered
Back-Projection en anglais, d’où son abréviation usuelle FBP. La rétroprojection filtrée est à
ce jour l’algorithme de reconstruction le plus communément utilisé en tomodensitométrie. »
Ouvrez avec ImageJ le fichier vidéo Coeur_FBPramp*.

Il vous permet de visualiser pour une coupe le processus de rétroprojection des projections
filtrées (par le filtre rampe).
Visualisez la vidéo Coeur_FBPramp*.
« Le filtre le plus adéquat est un filtre dont la transformée de Fourier est une rampe linéaire de
pente unitaire. Il amplifie d’autant plus une fréquence que celle-ci est élevée. Cette propriété
apporte la résolution. Mais il amplifie aussi considérablement le bruit. Ceci est
particulièrement gênant lorsque le nombre de photons collectés par pixel est faible. C’est
pratiquement toujours le cas en tomographie d’émission, mais l’est également parfois en
tomodensitométrie. Pour pallier à cet inconvénient, le filtre rampe est modifié afin de limiter
la contribution des hautes fréquences (figures 7.16). La contribution amoindrie des hautes
fréquences entraîne inévitablement une perte de résolution. La façon dont le filtre rampe est
modifié résulte, par conséquent, d’un compromis entre deux souhaits antagonistes : une image
reconstruite présentant un niveau de bruit le plus faible possible et une perte de résolution
minimale. »
Figure 7.16. Reconstruction par rétroprojection filtrée d’une coupe transverse

d’un cerveau en tomographie d’émission monophotonique. A gauche, le filtre
rampe est utilisé. L’image est inacceptable cliniquement en raison d’une présence
trop importante du bruit. A droite, le filtre rampe est limité vers les hautes
fréquences : l’image obtenue est cliniquement utilisable. Le niveau de bruit y est
plus faible, mais la résolution spatiale y est inférieure. »

Ouvrez avec ImageJ le fichier vidéo Coeur_FBPhann5*.

Il vous permet de visualiser pour une coupe le processus de rétroprojection des projections
filtrées par le filtre rampe limité aux hautes fréquences par la fenêtre de Hanning.

Visualisez la vidéo Coeur_FBPhann5*.
Comparez la dernière image (coupe reconstruite) des trois vidéos.
Quelles sont les différences essentielles entre les trois reconstructions ?
10.5. Reconstruction itérative
« Entre autre afin de pallier aux inconvénients de la rétroprojection filtrée, sont

actuellement développées des méthodes de reconstruction dites itératives.
Les reconstructions itératives démarrent à partir d’une image supposée de la coupe.
Celle-ci peut être obtenue par une autre technique de reconstruction. Mais pour certains
processus, une coupe uniforme (tous les pixels ont la même valeur) suffit comme image de
départ de la coupe. Les projections sont alors mathématiquement calculées à partir de cette
image initiale supposée de la coupe. Cette étape, dite de projection, délivre donc les
projections qui auraient été acquises si l'examen avait été pratiqué sur l’image supposée de la
coupe. Comme cette image de la coupe est différente de l’image réelle, les nouvelles
projections obtenues sont différentes des projections acquises par le tomographe. C'est autour
de la comparaison (par différence, division, ...) entre les projections acquises et celles
fabriquées par projection que s'articule le processus d'itération. Le résultat de la comparaison
est alors l'objet d'une rétroprojection dont le résultat est incorporé à l’image initiale de la
coupe. La nouvelle coupe ainsi obtenue est à nouveau projetée. Les projections ainsi calculées
sont comparées aux projections acquises par le tomographe. S'ensuit une nouvelle
rétroprojection du résultat de cette comparaison qui fournit une nouvelle image de la coupe et
ainsi de suite. »
Ouvrez avec ImageJ le fichier Coeur_MLEM.png

Il contient une image qui présente le résultat de la reconstruction itérative d’une des coupes
(la même que pour les reconstructions de type FBP) lors des itérations successives. L’image
se parcourt de gauche à droite (8 itérations par ligne) et de bas en haut (64 itérations pour
l’image du bas à l’extrême droite).
« Lors de la comparaison entre les projections obtenues par projection de la coupe

reconstruite et les projections réelles issues de l'acquisition, un paramètre traduisant la
ressemblance (moindre carré par exemple) entre celles-ci est calculé. Il permet en quelque
sorte d'évaluer mathématiquement la qualité de la reconstruction et de déterminer le moment
où il faut stopper le processus d'itération.
En comparant les coupes successives de l’image Coeur_MLEM que pouvez conclure :

de l’effet des premières itérations (deux premières lignes) ?
de celui des itérations suivantes ?
10.6. Réorientation (cardiaque)
La TEMP cardiaque est essentiellement utilisée pour l’étude de la perfusion du

myocarde. Elle permet une bonne visualisation du ventricule gauche. Les parois ventriculaires
droites sont plus minces que les gauches et la résolution obtenue en TEMP ne permet que
difficilement une bonne visualisation du ventricule droit. Le ventricule gauche a une structure
relativement symétrique. Toutefois, la position anatomique du cœur dans le thorax place l’axe
de symétrie, appelé grand axe, de façon oblique par rapport aux classiques plans de coupes
anatomiques et l’obliquité est variable de patient à patient. Pour pallier à cette situation, une
réorientation des images est réalisée. Elle consiste à effectuer des rotations du volume
reconstruit (l’ensemble des coupes 2D) afin d’aligner l’axe de symétrie du ventricule dans une
direction perpendiculaire aux coupes transverses. L’opération nécessite une rotation dans le
plan transverse et une rotation dans le plan sagittal comme illustré à la figure suivante.

Après la rotation, les coupes transverses deviennent les coupes « petit axe », les coupes
coronales les coupes « grand axe horizontal », les coupes sagittales les coupes « grand axe
vertical ». Ces trois types de coupe sont illustrés à la figure suivante.
Le fichier image COEUR_FBPbut65.img comprend les 64 coupes reconstruites à partir

des projections du fichier CŒUR. Chaque coupe comporte 64 x 64 pixels codés avec des réels
de 4 bytes en little-endian et il n’y a pas d’offset pour la première coupe.
Ouvrez le fichier COEUR_FBPbut65.img.
Image > Zoom > Set : 300 %
ImageJ ne permet que des rotations dans le plan transverse. Vous ne pourrez, dès lors,
qu’effectuer la première des deux opérations pré-citées.
Réalisez au préalable, comme c’est fait en routine clinique, un centrage du ventricule
gauche dans les coupes transverses. ImageJ vous permet un déplacement dans les coupes par
l’outil accessible via Image > Transform > Translate (pratiquez les translations sans
interpolation).
Effectuez la réorientation. Pour cela utiliser l’outil de rotation libre auquel vous avec
accès dans ImageJ par Image > Transform > Rotate (l’option d’interpolation doit être
active en mode bilinéaire ou bicubique).
Visualisez les trois plans de coupe.

Fermez ImageJ.
FIN

Langue

Imagerie Numérique

Transféré par

Informations du document

Description :

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Formats disponibles

Imagerie Numérique

Transféré par

Description :

Droits d'auteur :

Formats disponibles

Droits d’auteur. Cette séance de travaux pratiques a été mise au point par Alain Seret.

Image numérique 2/48

Image numérique 3/48

Les images utilisées se trouvent dans le dossier C:/Mes documents/Mes

1.3. Démarrer ImageJ

Fenêtre ImageJ (version 1.46r) sous Windows (XP)

Image numérique 4/48

La figure suivante synthétise la fonction des outils de la barre d’outils dans sa

Image numérique 5/48

Fermez la fenêtre About ImageJ.

2.2. Fichier image de type connu

File > Open > bridge.

Image numérique 6/48

512 X 512 pixels

Fermez la fenêtre bridge.gif.

Le menu Window permet d’organiser la présentation de multiples fenêtres.

Window > Cascade.

Image numérique 7/48

La norme DICOM permet d’avoir un accès au header de fichier.

Image numérique 8/48

Nombre de bits par pixel

Nombre de lignes de l’image

Nombre de colonnes de l’image

Fermez les fenêtres InfoforCardio.dcm et Cardio.dcm.

2.3. Fichier image de type inconnu

Certains logiciels permettent à l’opérateur de fournir les paramètres nécessaires à

Image numérique 9/48

Nom du fichier image

Nombre de bits par pixel

Espacement entre deux images consécutives

Ordre des bytes *

Image numérique 10/48

2.4. Informations sur une image

Fermez toutes les fenêtres image et de texte.

Image numérique 11/48

Ouvrez parmi les exemples l’image blobs.

Image numérique 12/48

4.1. Echelle de couleur

Rendez active la fenêtre gel.gif.

Image numérique 13/48

Fermez la fenêtre LUT.

Image > Adjust > Brightness/Contrast…

Image numérique 14/48

Fermez la fenêtre B&C.

Image numérique 15/48

Ouvrez à nouveau l’exemple gel.gif.

Lien avec les curseurs de

Image numérique 16/48

Fermez la fenêtre B&G.

4.3. Choix d’une échelle de couleur

Ouvrez à nouveau l’image blobs.gif.

Fermez les fenêtres Look-Up Table.

Image numérique 17/48

Rendez active la fenêtre blobs.gif.

Fermez les fenêtres Histogram of blobs.

Image numérique 18/48

Ouvrez l’image Fluorescent Cells.

Image > Hyper Stacks > Channels Tool…ou Maj + <Z>.

Image numérique 19/48

5.1. Principe général