TP Traitement d’image 2009/2010 TP Traitement d’image 2009/2010

- rand(L,C) : matrice de L lignes et C colonnes contenant un échantillon de distribution uniforme

TP N°1 Initiation à Matlab sur l'intervalle (0,1).
« Application : traitement d’image » - eye(L,C) : matrice de L lignes C colonnes contenant des 1 sur la diagonale principale et des 0
ailleurs (matrice identité).
- diag(V) : matrice carrée avec le vecteur V sur la diagonale et des 0 ailleurs.
1. INTRODUCTION A MATLAB - Les constantes i, j sont aussi prédéfinies et i = j = (− 1) .

1.1. A propos de Matlab 1.5. Les fonctions

- MATLAB est l'abréviation de MATrix LABoratory. C'est un logiciel pour le calcul numérique - Les fonctions mathématiques de base : abs, sqrt, real, imag, conj, round, fix, floor, ceil, sign,
et la visualisation optimisée pour le calcul matriciel. rem, exp, log.
- MATLAB peut être considéré comme un langage de programmation, il dispose d'une syntaxe - Les fonctions trigonométriques : sin, cos, tan, asin, acos, atan, sinh, cosh, tanh, asinh, acosh,
spécifique mais elle est simple et intuitive. atanh.
- MATLAB propose deux types de fonctionnement : un fonctionnement en ligne de commande - Autres fonctions utiles :
où MATLAB exécute les instructions au fur et à mesure qu'elles sont données par l'utilisateur et - la fonction eig permet d'obtenir les valeurs propres et vecteurs propres d'une matrice.
un fonctionnement via des scripts, dans ce cas MATLAB exécute ligne par ligne un fichier texte - la fonction poly donne le polynôme caractéristique associé à la matrice.
que l'on désigne par programme. - la fonction roots fournit les racines d'un polynôme.
- MATLAB propose également une aide très complète illustrée d'exemple.
- MATLAB dispose également de nombreuses librairies de fonctions spécialisées appelées Remarque : le help de Matlab fournit une explication détaillée de chaque fonction illustrée par
Toolbox. Dans notre cas, nous nous intéressons à Image Processing Toolbox. Ce module contient des exemples. N’hésiter pas à l’utiliser.
les différentes fonctions nécessaires au traitement d’image accompagnées et illustrées par des
exemples. 1.6. Conditions et boucles
Les opérateurs logiques &, | et ~ (respectivement ET, OU et NON logique) opèrent sur des
1.2. Les variables quantités booléennes. La valeur booléenne « faux » est codée 0 et la valeur vrai est codée par
- Les variables manipulées sont en priorité des matrices à éléments réels ou complexes. Un une valeur non nulle. Les commandes IF, ELSEIF et ELSE permettent d'exploiter ces quantités.
scalaire est une matrice 1x1. Un exemple de matrice : a= [1, 2, 3 ; 4, 5, 6] MATLAB dispose aussi des boucles FOR et WHILE.
⎡1 2 3 ⎤
a=⎢ ⎥ 1.7. Manipulations préliminaires
⎣ 4 5 6⎦ a) Générer une matrice A (8x5) dont ses éléments sont des variables aléatoires
uniformément réparties dans l’intervalle [2,5].
- Lorsque les composantes d'un vecteur forment une suite régulièrement espacée, on peut utiliser b) Afficher dans la fenêtre des commandes (Command Window) l’élément A(6,4).
la boucle suivante : a = (0 :2 :10) ce qui est équivalent à a = [0, 2, 4, 6, 8, 10]. c) Afficher la 3ème ligne de la matrice A.
- On accède au premier élément d'une matrice par a(1,1) et à la première ligne de la matrice par d) Pour la troisième ligne de la matrice A, remplacer les éléments ayant une valeur qui
a(1, :). dépasse 3 par une nouvelle valeur qui vaut 0.
Remarque : Il faut respecter les minuscules et les majuscules dans l'appellation des variables. e) Soit B une matrice construite à partir de la matrice A, en retenant les 4 premières lignes
et les 4 premières colonnes. Afficher B.
1.3. Les opérations matricielles
- u * v multiplication matricielle 2. RAPPEL SUR LA NOTION D’IMAGE
- u + v addition matricielle
- u - v soustraction matricielle 2.1 Définitions
- u^v exponentiation
- u. * v multiplication terme à terme u et v -Une image réelle est obtenue à partir d’un signal continu
- u. / v division du tableau u par le tableau v terme à terme. bidirectionnel comme par exemple un appareil photo ou une N j
- u. ^ v exponentiation terme à terme. caméra,…
- A\b résolution du système linéaire Ax=b i
- u’ prend le transposé de u - Sur un ordinateur on ne peut pas représenter des signaux
- inv(A) inverse d'une matrice continus, on travail sur des valeurs discrètes. Une image M
- det(A) déterminant d'une matrice numérique est définie comme un signal fini bidirectionnel
échantillonné à valeurs quantifiées dans un certain espace de
1.4. Les variables prédéfinies couleur. Elle est constituée de points (pixels).
p(i,j)
- ones(L,C) : matrice de L lignes C colonnes contenant des 1.
- zeros(L,C) : matrice de L lignes C colonnes contenant des 0. - Une image numérique est une matrice MxN de valeurs
entières ou réelles prises sur un intervalle borné.
ISSAT Mahdia, Anis Ben Aicha -1- ISSAT Mahdia, Anis Ben Aicha -2-
TP Traitement d’image 2009/2010
2.2 Image binaire
Une image binaire est une matrice MxN où chaque point (pixel) peut prendre uniquement la
valeur 0 ou 1 (p(i,j)=0 ou p(i,j)=1). Les pixels sont, donc, noirs (0) ou blanc (1).

2.2 Image en niveau de gris

Une image en niveau de gris autorise un dégradé de gris entre le noir et le blanc. En général, on
code le niveau de gris sur 8 bits soit, donc, 256 nuances de dégradé. L’expression de la valeur du
niveau de gris devient p (i, j ) ∈ [0,255].

2.3 Image couleur

Une image couleur est la composition de trois images en niveau de gris. On définit donc trois
plans de niveau de gris, un rouge, un vert et un bleu. La couleur finale est obtenue par synthèse
additive des ces trois couleurs. Ainsi, p R (i, j ) ∈ [0,255] , pV (i, j ) ∈ [0,255] et p B (i, j ) ∈ [0,255] .

2.4 Image à valeur réelles

Pour certains calculs sur les images, le résultat peut ne pas être entier, il est donc préférable de
définir l’image de départ et l’image résultat comme des images à valeurs réelles. En général, une
image à valeur réelle est telle que le niveau de gris est compris entre 0 et 1. On a, donc,
p(i, j ) ∈ [0,1] . Dans le cas d’une image couleur, on a p R (i, j ) ∈ [0,1] , pV (i, j ) ∈ [0,1] et
p B (i, j ) ∈ [0,1] .

2.5 Manipulations
On désire créer puis afficher sous Matlab l’image suivante (img0) :

Pour cela, nous allons suivre les étapes suivantes :

a) Créer une matrice C (100x100) tel que chaque élément C(i,j)=0. Utiliser la commande
imshow de Matlab pour afficher la matrice C comme image. Interpréter (quelle couleur
obtiendrez vous). (Utiliser les commandes axis on et colorbar).
b) Faire varier la valeur des éléments C(i,j) de 0 à 1. Afficher pour chaque valeur l’image
correspondante. Interpréter.
c) Transformer la matrice C, pour générer l’image suivante (img1) :
La largeur de chaque bande (noir ou blanc) est 10 pixels

d) Crée la matrice D qui permet d’afficher l’image suivante (img2) :

e) Soit E=C+D. Afficher l’image correspondante à E.

f) Faire les transformations nécessaires sur E pour générer l’image (img0).
g) Afficher sur la même figure les images img1, img2 et img0. (indication : commande subplot)

Note : Ce TP fera l’objet d’un compte-rendu à rendre à la fin de la séance.

ISSAT Mahdia, Anis Ben Aicha -3-

TP Traitement d’image 2009/2010 TP Traitement d’image 2009/2010

TP N°2
1.3 Image polychromatique

1. Représentation matricielle d’une image numérique - À chaque pixel on associe plus qu’une valeur.
- Une image couleur est constituée de 3 matrices correspondantes au système de couleur utilisé
1.1 Définitions (RGB par exemple).
- Chaque pixel est donc représenté par un vecteur de 3 valeurs.
- On désigne par image numérique toute image (dessin, photographie,…) acquise, créée, traitée
ou stockée sous forme binaire.
- L’image numérique est l’image dont la surface est divisée en éléments de tailles fixes appelés
cellules ou pixels, ayant chacun comme caractéristique un niveau de gris ou de couleurs.
- Le pixel est l'unité de base d'une image numérique
- L’image numérique est représentée par une matrice de pixels. Par convention, le centre du pixel
d’indice (i, j) a pour coordonnées (i, j).
- Une image = un ensemble de pixels ou un ensemble de couples d’entiers. À chaque pixel (i,j),
on associe la valeur I(i,j) correspondant à la lumière réfléchie par le point correspondant à ce Image couleur Niveau de Rouge Niveau de Vert Niveau de Bleu
pixel.
Fig. 3 : Représentation matricielle d’une image couleur.
y
1.4 Image indexée
Ligne j pixel(i,j)
- Une image indexée est représentée par une matrice de dimension M lignes x N colonnes et une
palette de couleurs.
- Chaque élément de la matrice représente un index sur la palette.
- La palette est une matrice à 3 colonnes représentant la couleur R, V et B
- Chaque entrée de la palette représente une couleur composée de R, V et B
x
Colonne i
Fig. 1 : Représentation matricielle d’une image.

1.2 Image monochromatique

- L’image monochromatique est une matrice dont chaque pixel contient une seule valeur appelée
luminance ou niveau de gris.
- Pour une image codée sur 8 bits, les niveaux de gris sont compris entre 0 et 255, soit 256
niveaux de gris (n.g). Le niveau de gris 0 correspond au noir tandis que 255 est représenté en
blanc. Fig. 4 : Image indexée et palette associée

2. Les formats d’image

- Une image digitale est généralement stockée dans un fichier selon un arrangement particulier
des pixels. Cet arrangement est connu sous le vocable « format d’image ». Pour pouvoir lire une
image, il est impératif de connaître son format.
- Il existe différents formats d’image :
ƒ BMP (.bmp) : Windows bitmap.
Fig. 2 : Image en niveau de gris et sa représentation matricielle. ƒ GIF (.gif) : Graphics Interchange Format.
ƒ JPEG (.jpg) : Join Photographic Experts Group.
ƒ PNG (.png) : Portable Network Graphics.
ƒ TIFF (.tif) : Tagged Image File Format…
ISSAT Mahdia, Anis Ben Aicha -1- ISSAT Mahdia, Anis Ben Aicha -2-
TP Traitement d’image 2009/2010
- Certains formats utilisent des méthodes de compression d’image pour réduire la taille mémoire
nécessaire. La méthode de compression peut être avec perte (comme c’est le cas du JPEG) ou
sans perte (comme c’est le cas du TIFF).
3. Manipulations
- N’hésiter pas de demander de l’aide MATLAB sur les différentes fonctions.
- Durant ce TP, on utilisera une image la plus connue et la plus célèbre en traitement d’image. Il
s’agit du portrait de la femme Lena. Cette image est exploitée par des milliers de traiteurs d’image
pour évaluer la qualité des algorithmes.
3.1 Lecture, affichage et écriture des images
1) Écrire un script MTLAB qui lit et affiche l’image « lena.jpg » (im1).
- Indications :
ƒ commandes : imread et imshow
ƒ la commande axis permet d’afficher les graduations des axes (largeur et hauteur).
ƒ la commande colorbar affiche la barre des couleurs de l’image.
ƒ la commande title permet de donner et afficher le titre de l’image.
2) Quel est le type de l’image « lena » ? (noir et blanc, noir ou blanc, couleur).
3) La commande imfinfo permet d’afficher plusieurs informations concernant une image.
- Quelle est la taille (en pixel) de l’image « lena » ?
- Sur combien de bit chaque pixel est codé ?
- Vérifier le type de l’image « lena ».
4) Quels sont les niveaux de gris que peut avoir un pixel de l’image « lena » ?
5) Quels sont les niveaux de gris des pixels de coordonnées suivantes : (20,60), (70,30) et
(170,130).
6) La commande pixval permet d’afficher les coordonnées d’un pixel ainsi que son niveau de
gris.
- Exécuter cette commande et déplacer la souris pour choisir 2 pixels A et B appartenants à 2
zones différentes (noire puis blanche).
- Compléter : coordonnées de A : …………., niveau de gris =………………
coordonnées de B : ………….., niveau de gris =………………
7) Considérons un carré qui se situe au centre de l’image « lena » de dimension 100x100 pixels.
- Écrire un scripte MATLAB qui rend ce carré tout blanc.
- Afficher l’image originale de « lena » (im1) ainsi que l’image résultat (im2) sur la même
figure.
- Indication : commande : subplot.
8) Enregistrer l’image (im2) sous les formats suivants : jpg et png.
- indication : commande imwrite.
ISSAT Mahdia, Anis Ben Aicha -3-
TP Traitement d’image 2009/2010
3.2 Conversion des images
1) Ouvrir et afficher l’image « lena_color.tif » puis calculer sa taille théorique en kilo octets.
2) Afficher dans la même figure (1 ligne de 4 images) l’image source de « lena » ainsi que les
composantes R, V et B.
Remarque : une composante couleur est représentée par une matrice. Ainsi, lors de
l’affichage, MATLAB le considère comme une image en niveaux de gris.
3) - Ecrire un script MATLAB qui permet d’afficher en vraies couleurs les différentes
composantes R, V et B (c-à-d la composante rouge en rouge, verte en vert et bleue en bleu).
- Quelles sont les composantes R, V et B du pixel de coordonnées (307,318) ?
4) La commande rgb2gray permet de transformer une image couleur RVB en une image en
niveaux de gris.
- Transformer l’image « lena » en niveau de gris.
- Calculer la taille théorique de l’image résultat et comparer la avec celle de l’image source.
- Interpréter.
5) La commande rgb2ind permet de transformer une image couleur RVB en une image
indexée.
- Transformer l’image « lena » en une image indexée (choisir 400 couleurs pour la palette).
- L’image résultat est représentée par une matrice 512x512 et une autre matrice 400x3. Que
représente chaque élément de ces deux matrices ?
- Quelles sont les composantes couleurs correspondantes à l’index 20 ?
- Écrire un script MATLAB qui calcule le nombre de pixels dont l’index = 20.
- indications : boucle for et command if ou bien commandes find et length.
6) Afficher dans la même figure l’image source ainsi que ces composantes dans le système
YCbCr.
- indication : commande rgb2ycbcr.
7) Afficher dans la même figure l’image source ainsi que ces composantes dans le système
HSV.
- indication : commande rgb2hsv.
3.3 Opérations géométriques sur les images
1) Écrire un scripte MATLAB permettant de faire tourner l’image (im1) de 30 degrés pour
avoir une nouvelle image (im3). Afficher les deux images (im1) et (im3) sur la même figure.
- Indication : commande imrotate.
2) Couper un carré (im4) de l’image (im1) à partir du pixel de coordonnées (200,200). Le carré
est de dimension 120x120. Afficher les deux images (im1) et (im4) sur la même figure.
- Indication : commande imcrop.
3) Écrire un script MATLAB qui permet d’inverser l’image (im1) de bas en haut par deux
méthodes différentes pour avoir l’image (im5). Afficher les deux images (im1) et (im5) sur la
même figure.
ISSAT Mahdia, Anis Ben Aicha -4-
TP Traitement d’image 2009/2010 TP Traitement d’image 2009/2010

TP N°3 4) Changer le pas de quantification de l’image source pour obtenir 64, 32, 16, 8, 4 et 2 niveaux
de gris pour chaque composante couleur R, V et B.

1. Echantillonnage et quantification 5) Conclure.

2.2 Manipulation 2
Une image numérique est une image dont le domaine spatial et la luminosité ont été discrétisés. On
dit qu’on a échantillonné l’espace et qu’on a quantifié la luminosité. On peut la représenter par une
matrice 2D pour une image monochrome et par une matrice 3D pour une image couleur. 1) Convertir l’image couleur «cones.bmp » (im1) en une image en niveaux de gris (im2).

1.1 Echantillonnage
L’échantillonnage consiste à représenter une image par un nombre fini de points. On définit la
fréquence d’échantillonnage comme l’inverse de la période d’échantillonnage Fe=1/Te. La
période d’échantillonnage qui sépare 2 pixels, suivant une direction, correspond à une réalité
physique puisqu’elle est égale à la distance réelle entre 2 points. Si par exemple, Te = 1 mm, cela
signifie qu’on a choisi de représenter un point tous les millimètres. La fréquence serait alors de
1000 points par mètre.
Si l’échantillonnage est le même suivant les 2 directions, on parle d’isotropie. Dans le cas
contraire, on parle d’anisotropie.
2) On désire sous échantillonner par un facteur de 2 l’image (im2). Pour cela, créer une
nouvelle image (im3) en ne prenant qu’un pixel sur deux dans l’image originale (im2).
3) Créer la même version sous échantillonnée sans utiliser des boucles.
4) Afficher l’image ainsi obtenue.
5) Décrire les effets du sous échantillonnage sur l’image.
6) Refaire la même chose avec un facteur 4, 8.

1.2 Quantification 7) Afficher, dans la même figure, l’image source en niveau de gris ainsi que les images sous
échantillonnées de facteur 2, 4 et 8.
La quantification consiste à discrétiser la luminosité (image en niveaux de gris) ou l’espace 8) Conclure.
chromatique (image couleur). On peut coder une image sur autant de niveau de gris qu’on
souhaite. Dans la majorité des cas, une image monochrome est codée sur 8 bits qui fournit 28 =
256 niveaux. Les valeurs prises se situent de 0 à 255 en format non signé et de -128 à 127 en
signé. À présent, si on code chacune des 3 composantes couleurs d’une image, on utilise 3 ∗ 8 =
24 bits ce qui donne 224 = 16777216 couleurs.

2. Manipulations
2.1 Manipulation 1

Soit l’image couleur « cones.bmp ». On désire déterminer l’effet d’une quantification à pas
variable.

1) Transformer l’image source en une image de niveaux de gris.

2) La fonction quant_gray (fournie avec ce TP) permet de changer le pas de quantification

d’une image en niveaux de gris.
- Changer le pas de quantification de l’image pour obtenir 128, 64, 32, 16, 8, 4 et 2 niveaux
de gris.
- Afficher l’image correspondante afin de déterminer le seuil minimal de quantification à
partir duquel certains faux contours apparaissent.

3) À l’aide de la fonction quant_gray, écrire un script MATLAB qui permet de changer le pas
de quantification de l’image couleur « cone.bmp ».

ISSAT Mahdia, Anis Ben Aicha -1- ISSAT Mahdia, Anis Ben Aicha -2-
TP Traitement d’image 2009/2010
TP N°4
Modification d’histogramme
1. Histogramme
L’histogramme est un outil très utilisé en traitement d’images. Il représente la distribution des
niveaux de gris d’une image. On lit en abscisse les différents niveaux de gris et en ordonnée le
nombre de pixels ayant pour valeur ce niveau de gris.
L’histogramme ne contient aucune information relative à l’emplacement des pixels ni sur la
proximité relative de deux pixels. Par contre, l’information qu’il contient peut concerner notamment
la brillance et le contraste d’une image.
Le rehaussement d’image par modification d’histogramme consiste à modifier l’histogramme de
l’image source afin de faciliter l’interprétation visuelle et la compréhension des images.
2. Manipulation 1 : Binarisation d’image
Le but d’une binarisation est de passer une image en noir et blanc, ce qui consiste à avoir que des
pixels noir et blanc.
a) Afficher l’image « cameraman.tif ». On la note « I1 ».
b) Pour calculer l’histogramme d’une image, on utilise la fonction prédéfinie de Matlab
imhist.
- Afficher l’histogramme de l’image I1.
- Déterminer le pic de cet histogramme. Quels types d’informations pouvez vous
tirer de ce pic ?
- Est-ce qu’il y a des pixels tout noir dans l’image I1 (niveau de gris très proche de
zéro) ?
c) Calculer et afficher l’histogramme normalisé de l’image.
Que représente l’histogramme normalisé ?
- Indication : commande numel.
d) On désire binariser l’image « cameraman.tif» c'est-à-dire n’avoir que des pixels noirs ou
blancs. Pour cela, on doit définir un seuil qui permettra de savoir si un pixel deviendra
noir ou blanc. Si le pixel est inférieur au seuil alors le pixel deviendra noir si non le
pixel deviendra blanc. On utilise l’algorithme de Otsu pour déterminer ce seuil. La
commande Matlab graythresh permet de le calculer.
- Écrire un code Matlab qui permet de binariser l’image I1. L’image résultat est
notée I2.
- Afficher sur la même figure les deux images I1 et I2 ainsi que leurs
histogrammes respectifs.
- Tester la commande im2bw de Matlab qui permet de binariser les images en
niveau de gris.
ISSAT Mahdia, Anis Ben Aicha -1-
TP Traitement d’image 2009/2010
3. Manipulation 2 : inversion de la dynamique d’une image
L’image traitée durant cette manipulation est une image médicale représentant une tumeur
cancéreuse.
a) Lire et afficher l’image « cancer.bmp ». On la note « A1 ».
b) Tracer son histogramme sur la même figure. Interpréter.
c) Inverser la dynamique de l’image. Afficher sur la même figure les deux images A1 et A2
ainsi que leurs histogrammes respectifs. Interpréter.
4. Manipulation 3 : Etirement d’histogramme
L’étirement d’histogramme consiste à augmenter la dynamique d’une image. En effet, plus la
dynamique est étalée et meilleure est la qualité de l’image.
a) - Lire et afficher l’image « lezard.bmp ». On la note « B1 ».
- Commenter sur la qualité de l’image B1.
b) - Afficher l’histogramme de l’image B1.
- Déterminer sa dynamique.
c) - Rappeler la méthode d’étirement d’histogramme.
- Déterminer les paramètres de cette méthode.
- Appliquer cette méthode pour étirer l’histogramme de l’image B1. On note l’image
résultat B2
d) - Afficher sur la même figure les images B1 et B2 ainsi que leurs histogrammes
respectifs. Interpréter.
5. Manipulation 4 : Egalisation d’histogramme
a) Rappeler l’objectif et le principe d’égalisation d’histogramme.
b) La commande Matlab histeq permet d’égaliser l’histogramme d’une image.
- Egaliser l’histogramme de l’image B1.
c) - Afficher sur la même figure l’image B1 et l’image égalisée B3 ainsi que leurs
histogrammes respectifs.
- Interpréter.
d) - Afficher sur la même figure les images B1, B2 et B3 ainsi que leurs histogrammes
respectifs
- Comparer la qualité des images B2 et B3. Interpréter.
ISSAT Mahdia, Anis Ben Aicha -2-
TP Traitement d’image 2009/2010

TP N°5
Restauration d’image

1. La restauration

La restauration est l’ensemble des techniques qui servent à retrouver la qualité de l’image d’origine.
Tris méthodes de restaurations sont envisageables : la restauration par connaissance à priori, la
restauration par connaissance à posteriori et la restauration par filtrage.

Le but de ce TP est de mettre le point sur les différentes méthodes de filtrage.

Fonctions utilisées : imread, imshow, imnoise, fspecial, imfilter, medfilt2, nrfiltdemo…

2. Filtrage linéaire d’une image en niveau de gris

- Lire et afficher l’image « lena1.bmp ».

- Déclarer H un noyau qui correspond à un filtre moyenneur de taille 3x3.
- Calculer le produit de convolution de l’image par ce filtre.
- Filtrer l’image avec le filtre moyenneur de taille 3x3, 5x5 puis 7x7.
- Comparer visuellement les résultats obtenus.
- Ecrire une fonction Matlab qui permet de calculer le PSNR.
- Appeler cette fonction pour calculer le PSNR de chaque image.
- Quelle est la meilleure image dans le sens de PSNR ?
- Refaire le même travail avec le filtrage Gaussien. Varier à chaque fois la variance du filtre.

3. Filtrage linéaire d’une image couleur

- Lire l’image « lena2.bmp ».

- C’est une image couleur. Proposer une méthode pour filtrer cette image par un filtre linéaire
moyenneur de taille 3x3.
- Augmenter la taille du filtre. Interpréter.

4. Filtrage non linéaire

- Lire et afficher l’image « cameramen.bmp ».

- Ajouter un bruit de type `sel et poivre’ à l’image. Afficher sur la même figure les deux
images (originale et bruitée).
- Afficher les histogrammes des deux images. Interpréter.
- Filtrer l’image bruitée par les filtres non linéaires suivants : médian puis
minimum/maximum.
- Interpréter les résultats obtenus.
- Filtrer l’image bruitée par un filtre moyenneur de taille 5x5.
- Comparer visuellement les images obtenues par les filtres non linéaires et celle obtenue par
le filtre moyenneur. Conclure.

ISSAT Mahdia, Anis Ben Aicha -1-