Vous êtes sur la page 1sur 6

Représentation de l’Image

A niveaux de gris
Une image à niveaux de gris = luminance ou intensité de la lumière
Une image à niveaux de gris
L’Image et 1ers Traitements est une matrice de taille .

Chaque élément de cette matrice représente un


Photométriques pixel de l’image. Il est noté , , où et
sont respectivement les indices ligne et colonne
du pixel.
∈ 0, 1 et ∈ 0, 1
Les coordonnées , correspondent au M-1

croisement de la ligne avec la colonne .

N-1

Représentation de l’Image Représentation de l’Image


A niveaux de gris En couleur
La valeur du pixel , ∈ 0, 2 1 , où est la taille du code Une image couleur est représentée par
de quantification. 3 matrices chacune de taille .
3 , ∈ 0, 7 Si l’image est représentée dans l’espace
8 , ∈ 0, 255 c’est le plus usité : on dit codage sur RGB, ces 3 matrices correspondraient
un octet aux 3 couleurs R, G et B
0 correspond au noir et 255 correspond au blanc Si elle est représentés dans l’espace HSV,
, ces 3 matrices correspondraient aux
Exemple grandeurs H (teinte), S (saturation) et V
(luminance)

chaque pixel , est associé à 3


valeurs , , , et ,
(cas de l’image RGB)
Représentation de l’Image Représentation de l’Image
En couleur Binaire

Si le convertisseur utilisé code chaque couleur en 8 Est une image de taille , et


(un octet) dont les pixels prennent une des deux
valeurs 0, 1
→ On parle donc d’un codage sur 24 , autrement dit sur 3
octets
→ et chaque pixel prendrait une valeur

∈ 0, 2 1 0, 16777215

Image après acquisition Image après acquisition


Effet de la quantification (codage)
Effet de l’échantillonnage : nombre de pixels = résolution
(optique)

2 256 2 128 2! 64 2" 6

2# 16 2 8 2$ 4 2% 2
Propriétés d’une image
Image après acquisition à niveau de gris
Effet de la quantification (codage) Brillance : intensité moyenne = moyenne des niveaux de gris
0,% +,%
1
( ( ), *
1./ -./

# $ %
2 2 2 Pour modifier la brillance d’une image de à ′, il faudra modifier sa
moyenne vers la nouvelle valeur ′, de manière linéaire.
On retranche à chaque pixel l’ancienne moyenne et la met à la nouvelle
moyenne ′. ' ′

Propriétés d’une image Propriétés d’une image


à niveau de gris à niveau de gris
Contraste
Deux définitions existent :
variation maximale entre valeurs de niveaux de gris
345 6 7, 8 379 6 7, 8
2
:; , ' < ,

écart type des variations des niveaux de gris


0,% +,%
1
2 ( ( , $

1./ -./

étant la moyenne.
Traitements sur image numérique Traitements sur image numérique
Mais d’abord que peut contenir une image
Photométrique : modifications des valeurs des pixels (photons)
Zone homogène (région): ensemble de pixels selon une loi donnée.
représentants des caractéristiques similaires (intensité) →Dans un but de filtrage, restauration, amélioration de contraste (par
Contour : limite entre deux régions dont la différence de ajustement ou étirement d’histogramme),
niveaux de gris est significative
Texture : répartition statistique ou géométrique des Géométrique : translation, rotation, symétrie, fenêtrage,
intensités dans l’image changement d’échelle (re-échantillonnage)

Extraction de primitives : contours, régions, objets, points


d’intérêts, ….

1ers traitements (photométriques) sur l’image 1ers traitements (photométriques) sur l’image
D’abord quelques outils : D’abord quelques outils :
Histogramme : Exemples
Histogramme :
o C’est un outil qui permet de connaitre la répartition des niveaux de
gris sur les pixels de l’image.
o Il permet de connaitre aussi les bornes maximale et minimale des
niveaux de gris.
o Par contre, on perd toute information spatiale
o Il est calculé selon :
Pour tout niveau de gris = ∈ 0, 2 1

> = ?:@A , 1./..0,% =


-./..+,%
1ers traitements (photométriques) sur l’image 1ers traitements (photométriques) sur l’image
D’abord quelques outils : D’abord quelques outils :
Histogramme cumulé:
Pour tout niveau de gris = ∈ 0, 2 1,
Histogramme normalisée
o on définit l’histogramme cumulé par
> =
>C = >D = (>
1EF
o on définit aussi l’histogramme normalisé cumulé par
>C = donne la probabilité, en terme d’occurrence, qu’un pixel
ait un niveau de gris =, >CD = ( >C ) *
1EF
→ on peut dire que c’est une approximation discrète de la >CD = donne la probabilité pour qu’un pixel ait un niveau de gris
densité de probabilité ddp de la variable aléatoire « niveau inférieur ou égale à =
de gris d’un pixel ». → c’est donc une approximation discrète de la fonction de
répartition de la variable aléatoire « niveau de gris d’un pixel ».

1ers traitements (photométriques) sur l’image 1ers traitements (photométriques) sur l’image
D’abord quelques outils : Traitement sur Histogramme :

Amélioration (ou modification) du contraste de


l’image par :
Étirement des niveaux de gris sur toute la dynamique
Ajustement des niveaux de gris sur une dynamique autre

Modification de la brillance d’une image


1ers traitements sur l’image 1ers traitements sur l’image
Traitement sur Histogramme : Traitement sur Histogramme :
Egalisation de l’histogramme Ajustement d’histogramme
Si l’intervalle des niveaux de gris ne s’étend pas de 0 à Exemple d’histogrammes
2 1 ) 255 G@ 8 * alors, il est possible d’appliquer une
transformation les ramenant dans l’intervalle H0, 2 1I
, <
J , 2 1
:; <

Les lois respectives d’ajustement des niveaux de gris

1ers traitements sur l’image


Traitement sur Histogramme :
Ajustement d’histogramme
L

Une loi d’ajustement classique : est la loi gamma K 1,-


M
1,-