Image: Traitement

& Analyse

Système de vision : Partie II

Pr. Aouatif AMINE

Analyse d’image
Échantillonnage

Quantification

Histogramme

Filtrage

Pr. A.AMINE ENSA de Kenitra 2

 Filtrage: Définition

Le principe du filtrage est de modifier la valeur des pixels d'une

image, généralement dans le but d'améliorer son aspect.

En pratique, il s'agit de créer une nouvelle image en se servant des

valeurs des pixels de l'image d'origine.

Il ne faut pas confondre le filtrage avec toutes les transformations de

l'image d'origine : zoom, découpage, projections,

Pr. A.AMINE ENSA de Kenitra 3

 Filtrage: But

 Le lissage local : il s’agit de supprimer le bruit, ou les petites

variations, présent dans une image. L’intensité d’un pixel est
transformée en fonction des intensités sur un petit voisinage du
pixel.

 L’amélioration d’images consiste à modifier les caractéristiques

visuelles de l’image (contraste, ...) pour faciliter son interprétation
par l’oeil humain

 La restauration d’images a pour but de supprimer les

dégradations subies par une image `a l’aide de connaissance a priori
sur ces dégradations. Pr. A.AMINE ENSA de Kenitra 4
 Filtrage: Type

Chaque pixel de la nouvelle image est calculé en prenant en

compte:
•Filtrage Global
La totalité des pixels de l'image de départ. Dans cette catégorie on
trouve, par exemple, les opérations sur les histogrammes ou les
opérations qui nécessitent de passer dans l'espace de Fourier.

•Filtrage Local
Seulement un voisinage du pixel correspondant dans l'image d'origine.
Il est d'usage de choisir un voisinage carré et symétrique autour du pixel
considéré.
Pr. A.AMINE ENSA de Kenitra 5
 Filtrage: Global vs Local

•Filtrage Local

le filtrage est une opération de voisinage : la valeur d’un pixel est

remplacée par la valeur d’une fonction appliquée à ce pixel et à ses
voisins.

•Filtrage Global:

Le passage de l’espace pixel en espace fréquentiel, en utilisant la

transformée de fourrier
Pr. A.AMINE ENSA de Kenitra 6
 Filtrage Local

•Deux catégories de filtres locaux:

filtres linéaires : la fonction appliquée est une combinaison

linéaire
→ utilisation de masques de convolution

filtres non linéaires: une forme non linéaire

Pr. A.AMINE ENSA de Kenitra 7

 Filtre: généralité

Dans l'exemple ci-contre le voisinage du

pixel central est :
•de 3x3 (rayon 1) si on considère les pixels
rouges,
•de 5x5 (rayon 2) si on considère aussi les
pixels oranges
•de 7x7 (rayon 3) si on considère
également les pixels jaunes.

Un filtre est donc caractérisé par :

1. la forme du voisinage (généralement un carré centré sur le pixel)
2. la taille (ou rayon) du voisinage,
3. l'algorithme de calcul de la valeur finale
Pr. A.AMINE ENSA de Kenitra 8
 Filtrage linéaire: Convolution

Un produit de convolution, est un opérateur mathématique qu’on

utilise pour multiplier des matrices entre elles.

Dans le cas d’image, nous mettons en jeu deux matrices très

différentes: la matrice image, très grande et une matrice plus petite
qu’on appelle le noyau parce que c’est le "coeur" de tous les
changements qui vont affecter l’image.
Ce noyau va agir sur chacun des pixels

Pr. A.AMINE ENSA de Kenitra 9

 Filtrage linéaire: Convolution

La convolution de I par h est définie par :

Avec I une image numérique et h une fonction de [x1, x2] × [y1, y2]
à valeurs réelles (noyau de convolution)

Tel que [x1, x2] = [y1, y2] = [−(d-1)/2, (d-1) /2] avec d impair

Les nouvelles valeurs sont calculées par le produit scalaire entre le

noyau de convolution et le voisinage du pixel
Pr. A.AMINE ENSA de Kenitra 10
 Filtrage linéaire: Convolution

Le noyau est composé de la matrice carrée [k] de 3x3 éléments.

Appliquer un filtre de convolution consiste à multiplier chacun des
pixels I(x,y) de la matrice [i] par le noyau [k]
Pr. A.AMINE ENSA de Kenitra 11
Filtrage linéaire: Convolution

Pr. A.AMINE ENSA de Kenitra 12

 Filtrage: Convolution- exemple

Si on applique un produit de convolution de cet exemple au pixel

central on obtient, d'après les règles mathématiques:
(150 × 5) + (-1 × 100) + (-1× 100) + (-1× 100) + (-1× 100)
Pr. A.AMINE ENSA de Kenitra 13
 Filtrage: Problème

Effets de bords:
Un pixel situé sur le bord de l’image n’a pas de voisinage en dehors
de l’image. On ne peut donc pas calculer directement l’élément de
bord obtenu après convolution.

Solution:
Plusieurs méthodes existent pour traiter les bords d’une image : zero-
padding, duplication,….

Pr. A.AMINE ENSA de Kenitra 14

 Filtrage: Solution-effet de bord-

Zero-padding :
Il s’agit du cas le plus simple : le
voisinage en dehors de l’image
est
considéré comme un ensemble de
pixels à valeurs nulles. On a donc
l’apparition de bandes noires sur
les bords :

Pr. A.AMINE ENSA de Kenitra 15

 Filtrage: Solution-effet de bord-

Duplication :
Le voisinage en dehors de l’image
prend la valeur du pixel de l’image
le plus proche . Il n’y a pas cette
fois de phénomène de bandes
noires

Pr. A.AMINE ENSA de Kenitra 16

 Filtrage: Passe-Bas

 Le filtre Passe-bas: diminue le bruit mais atténue les détails

de l’images (de supprimer le contenu
haute fréquence (détails de l’image) )

si tous les coefficients du noyau sont positifs : le filtre

est passe-bas
Pr. A.AMINE ENSA de Kenitra 17
 Filtrage: Passe-Haut

 Le filtre Passe-haut: Accentue les contours (rehaussement)

et les détails de l’images mais amplifie
le bruit

si le noyau contient des coefficients positifs et négatifs. Le filtre

correspondant a en partie ou totalement un comportement
de type passe-haut Pr. A.AMINE ENSA de Kenitra 18
 Filtrage: moyenneur (1)

masque de convolution de taille3 × 3

Après filtrage d’une image, chaque pixel a une valeur de

luminance qui est la valeur moyenne des luminances de
son voisinage (de taille 2×2 pour le filtre 1 et 3×3 pour le
filtre 2) : l’image est donc « lissée ». Pr. A.AMINE ENSA de Kenitra 19
 Filtrage: moyenneur (2)

• C’est un filtre passe-bas

• Rend l’image floue, en particulier les contours
• Élimine les dégradations locales de faibles dimensions

Pr. A.AMINE ENSA de Kenitra 20

 Filtrage: Laplacien

Principe : Le Laplacien mesure la rapidité des changements d'intensité

sur le voisinage. Pour rendre visible les contours

Le coefficient central est ajusté de manière

à ce que la somme des coefficients du filtre
soit égale à zéro. Pr. A.AMINE ENSA de Kenitra 21
 Filtrage: Laplacien

Principe : Le Laplacien mesure la rapidité des changements d'intensité

sur le voisinage. Pour rendre visible les contours

Dans le cas du traitement d'image, les différents noyaux peuvent

remplir ce rôle

Pr. A.AMINE ENSA de Kenitra 22

 Filtrage: Gradient

 Un gradient perm et de visualiser les variations d'un phénomène,

ainsi un dégradé de couleur peut s'appeler un gradient de couleur.
 Les filtres de type gradient, sont des dérivées partielles le long
d'une direction particulière, en général l'un des deux axes cartésiens X
ou Y de limage.


Pr. A.AMINE ENSA de Kenitra 23

Filtrage: Gradient

Direction selon l’axe des X

Pr. A.AMINE ENSA de Kenitra 24

Filtrage: Gradient

Direction selon l’axe des Y

Pr. A.AMINE ENSA de Kenitra 25

 Filtrage: Gaussien

Une fonction gaussienne est définie par:

En traitement d’image la fonction est définie par:

Sigma détermine la largeur de la cloche
Gaussienne

26
Pr. A.AMINE ENSA de Kenitra
 Filtrage: Gaussien

En général un filtre Gaussien avec un sigma < 1 est utilisé pour

réduire le bruit, et si sigma > 1 c'est dans le but de fabriquée
une image qu'on va utiliser pour faire un "masque flou"
plus le sigma est grand, plus le
flou appliqué à l'image sera
marqué.

Pr. A.AMINE ENSA de Kenitra 27

 Filtrage: Gaussien

On peut par exemple choisir d'appliquer d'abord un filtre Gaussien pour

réduire le bruit, avant d'appliquer un filtre Laplacien pour détecter les
points autour desquels les variations de luminosité sont importantes.

Pr. A.AMINE ENSA de Kenitra 28

 Filtrage: Gradient vs gaussien

les contours et les textures sont

lissés. On observe ce phénomène
Les contours diagonaux de
sur les zones d’ombre de l’épaule et
l’image sont mis en évidence :
du visage :

Filtre Passe-haut: Filtre Passe-bas:

Gradient oblique Pr. A.AMINE ENSA de Kenitra
Gaussien
29
 Filtrage: Médian

Ce ne sont pas des filtres de convolution, ni des filtres linéaires:

Si le filtre ne peut pas être exprimé par une combinaison linéaire,
il est appelé " non-linéaire ".

 Filtre non linéaire le

plus utilisé : le filtre
médian
 Remplace la valeur
d’un pixel par la
médiane des valeurs de
 Supprime le bruit
ses voisins
 Préserve l’information de contour
Pr. A.AMINE ENSA de Kenitra 30
 Filtrage: Médian

Ce filtre est utile pour contrer l’effet « Poivre et Sel »

(P& S) c’est-à-dire des faux « 0 » et « 255 » dans
l’image

Image poivre et sel Image filtré

Pr. A.AMINE ENSA de Kenitra 31
Filtrage: Médian vs Moyenneur

Pr. A.AMINE ENSA de Kenitra 32

 Analyse d’image

• Segmentation par approche contour

• Morphologie mathématique

Pr. A.AMINE ENSA de Kenitra 33

Segmentation par approche contour

Pr. A.AMINE ENSA de Kenitra 34

Segmentation par approche contour

Pr. A.AMINE ENSA de Kenitra 35

 Segmentation par approche contour

Le contour est défini comme le lieu des points connexes qui possèdent
une forte transition d’intensité lumineuse ou de texture. Le traitement
qui vise à l’obtenir est appelé extraction de contour, on parle aussi de
détection de contour.

Le processus d’extraction de contour peut être décomposé en

plusieurs étapes distinctes que nous allons les détailler comme suit :

• La mise en évidence des contours.

• L’extraction des contours.
• La fermeture des contours.
Pr. A.AMINE ENSA de Kenitra 36
 Segmentation par approche contour
La mise en évidence des contours

Elle s’obtient par une différentiation de l’image et elle peut s’appliquer

à des images binaires ou non, le but de la détection de contours est
d’obtenir une image binaire où chaque contour est sans discontinuité:

rehausser le contour
suivre le contour

les points du contour correspondent au maximum en valeur absolue

de la dérivée primaire de l’image, on obtient alors un gradient ou de la
dérivée seconde de l’image, on obtient alors un laplacien
Pr. A.AMINE ENSA de Kenitra 37
 Segmentation par approche contour
La mise en évidence des contours

La détection de contours peut être réalisée grâce à des filtres dont les
coefficients ont été soigneusement choisis.

Nous aborderons dans cette présentation 3 filtres : les filtres de Prewitt,

Roberts et Sobel.

Ce jeu de filtres (Prewitt, Roberts et Sobel) est constitué d’une paire de

filtres linéaires , qui détectent le contours dans deux directions
orthogonales (vertical et horizontal)

Pr. A.AMINE ENSA de Kenitra 38

Filtrage de: Prewitt, Sobel, Roberts,
Et Kirsch

Pr. A.AMINE ENSA de Kenitra 39

Segmentation par approche contour
Filtre de Prewitt

Pr. A.AMINE ENSA de Kenitra 40

 Segmentation par approche contour
Filtre de Prewitt

A partir d’une image I, on calcule Gh et Gv, images

correspondant au filtrage de I par h et v.

Ces images contiennent les contours horizontaux et verticaux.

Si l’on souhaite obtenir une image de contour unique ne

tenant pas compte de l’orientation on calcule:

Orientation du contour :
Pr. A.AMINE ENSA de Kenitra 41
Segmentation par approche contour
Filtre de Sobel

Pr. A.AMINE ENSA de Kenitra 42

 Segmentation par approche contour
Filtre de Sobel

Le filtre de Sobel utilise par exemple deux noyaux 3x3, l'un pour l'axe
horizontal (X) et l'autre pour l'axe vertical (Y) Chacun des noyaux est
en fait un filtre gradient, qui sont tous les deux combinés pour créer
l'image finale.

Pr. A.AMINE ENSA de Kenitra 43

 Segmentation par approche contour
Filtre de Sobel
A partir d‟une image I, on calcule G
h
et G
v
, images
correspondant au filtrage de I par h et v.
Ces images
contiennentles
contourshorizontauxetverticaux.
Sil‟on souhaite obteniruneimage
decontouruniquenetenant
pascomptedel‟rientation oncalcule:

Pr. A.AMINE ENSA de Kenitra

44
 Segmentation par approche contour
Filtre de Sobel

Contours
Image d’origine
horizontaux

Contours Contours
diagonaux horizontaux
& verticaux
Pr. A.AMINE ENSA de Kenitra
45
 Segmentation par approche contour
Filtre de Roberts

Pr. A.AMINE ENSA de Kenitra

46
 Segmentation par approche contour
Filtre de Kirsch

Ce détecteur utilise huit noyaux de convolution lui permettant

de détecter des contours en fonction de huit directions: à

Pr. A.AMINE ENSA de Kenitra 47

 La Morphologie
Mathématique

Pr. A.AMINE ENSA de Kenitra 48

 Définition

•Les opérateurs morpho-mathématique (Morphologie

Mathématique) permettent d’améliorer les images de
contours et apporter d’autres fonctionnalités.

•Ils ont été initialement appliqué sur des images N&B

(Matheronet Sarra,1965), ensuite étendus à des images en
nivaux de gris par Doupherty(1978).

•Pour les appliquer sur des images couleurs, on peut les

appliquer séparément à chaque composante couleur et
combiner les résultats Pr. A.AMINE ENSA de Kenitra 49
Objectif: Question??

Pr. A.AMINE ENSA de Kenitra 50

 Définition

Techniques de filtrage et d’analyse basée su rdes théories ensembliste

et algébriques

Un certain nombre de filtres qui permettent de modifier la forme et la

topologie des structures dans l’image

L’idée générale est la comparaison locale des structures dans l’image

avec un élément de référence : l’élément structurant

Morphologie mathématique binaire et en niveau de gris.

Pr. A.AMINE ENSA de Kenitra 51

 Définition

But:
d’étudier la forme, la granularité des objets à l’aide d’ensembles
géométriques simples :

éléments structurants = entités de base de la

morphologie mathématique.

Pr. A.AMINE ENSA de Kenitra 52

 Définition

Stru ct ure é lémen taire qui va se rvir à an alys er loca lemen t ,

par comp araison, les fo rme s d’in térêt .

Cho ix d e s a forme e t d e s a ta ille

En gén éral sy métriq ue, co nne xe , et co nv exe…

Pr. A.AMINE ENSA de Kenitra 53

 Application

• segmentation d’images
• régularisation des formes
• affinage des contours
• détection de défauts

Images binaires → extension aux images en

niveaux de gris
Pr. A.AMINE ENSA de Kenitra 54
 Morphologie: Opérations

Différentes opérations :

 Érosion, dilatation
 Ouverture, fermeture
 Squelettisation

Pr. A.AMINE ENSA de Kenitra 55

 Connexité

Connexité:

Deux points M et P sont connexes s’ils sont mutuellement voisins par

le système de voisinage défini.

3 grands types classiques de connexité :

4-connexité (grille carrée)

6-connexité (grille hexagonale)
8-connexité (maillage carrée).

Pr. A.AMINE ENSA de Kenitra 56

 Définition

Ensemble connexité:

S est connexe si : quel que soit (P,Q) ϵ S x S, il existe un chemin

connexe reliant P à Q.
Pb: grille discrète

L’ensemble des “X” ne délimite pas vraiment l’ensemble des “+”

si on considère les deux en 8-connexité

Pr. A.AMINE ENSA de Kenitra 57

 Définition: Pavage
Solution:

Travailler en 8-connexité pour les courbes, et en 4-connexité

pour les régions (complémentaire des contours), ou inversement.

C’est connu sous le nom de pavage

Un pavage c'est le remplissage du plan avec un motifs sans trous,

sans chevauchements en utilisant des isométries.

Une isométrie est une transformation qui conserve les longueurs,

les angles et les figures. Les translations, les rotations, les
symétries axiales et les symétries glissements sont les isométries
du plan Pr. A.AMINE ENSA de Kenitra 58
Exemple: Pavage

Pr. A.AMINE ENSA de Kenitra 59

Définition: Pavage

Pr. A.AMINE ENSA de Kenitra 60

Définition: Pavage

Pr. A.AMINE ENSA de Kenitra 61

Pavage: Voisinages 4 et 8-connexes

Pr. A.AMINE ENSA de Kenitra 62

 Érosion et Dilatation

Dilatation
– Ajouter un pixel sur les pourtours de la forme
– Boucher les trous
Erosion
– Enlever un pixel sur les pourtours de la forme.
– Les objets de taille inférieure à celle de l'élément
structurant vont disparaître
– Agrandit les trous
Pr. A.AMINE ENSA de Kenitra 63
 Érosion

 Si à t o u t u o n as s o ci e u n e p o s i t i o n B( u ) d e l ’é l é m e n t
s t r u c t u r a n t B , al o r s l ’é r o d é d e l ’e n s e m b l e X p a r B e s t :

L’élément
structurant

Pr. A.AMINE ENSA de Kenitra 64

 Dilatation

 Si à t o u t u o n as so ci e u ne p os it io n B( u) de l’é lé m en t
st r u ct u r an t B, a l o r sl e di la t é de l ’e ns e mb le X p a r B e st :

L’élément
structurant

Pr. A.AMINE ENSA de Kenitra 65

 Érosion et Dilatation

 Deu x pr o pr ié té s de b a se :
 Effets :
Dilatation Érosion
 Bouche les trous plus petits  Elimine les composantes
que B, connexes plus petites que B,
 élargit les caps,  élimine les caps étroits,
 comble chenaux étroits,  élargit chenaux et trous,
 soude deux formes proches.  transforme une presque-île
en île.
Pr. A.AMINE ENSA de Kenitra 66
Érosion et Dilatation

Pr. A.AMINE ENSA de Kenitra 67