Académique Documents
Professionnel Documents
Culture Documents
Master en Informatique
et Télécommunications
Professeur A. HAOUARI
Chapitre I: Généralités;
définitions principales
1
24/02/2008 21:33
Définition de l’Image
Représentation d’image
2
24/02/2008 21:33
Représentation d’image
♦ Une image 2D f(x,y) scalaire réelle peut être vue comme une
surface en 3D :
Représentation d’image
3
24/02/2008 21:33
Représentation d’image
2) Représentation échantillonnée
Σi Σj δ( x - i ∆x , y - j ∆y ) Peigne de Dirac 2D 7
Représentation d’image
Image Numérique:
• Une forme discrète d'un phénomène continu.
• Elle est généralement bidimensionnelle.
Il y a 3 types d’image
4
24/02/2008 21:33
Représentation d’image
image codée
Image couleur
8bits/pixel/couleur
Image codée
Image en niveaux 8bits/pixel
28 =256 niveaux
de gris de gris
Représentation d’image
3) Représentation matricielle ou vectorielle
♦ Représentation matricielle
On considère l'image comme un ensemble de points, les pixels.
(pixels = picture elements = éléments images = les plus petits
constituants d'une image). Chaque point est défini par sa couleur.
10
5
24/02/2008 21:33
Représentation d’image
♦ représentation vectorielle
11
Représentation d’image
12
6
24/02/2008 21:33
13
14
7
24/02/2008 21:33
Représentation d’image
Représentation d’image
Représentations fréquentielles
16
8
24/02/2008 21:33
17
Représentation d’image
Transformée de Fourier 2D
Dans ce cas, l’espace de travail est l’espace de Fourier: on passe
de l’espace image à l’espace de Fourier par une transformation de
Fourier bidimensionnelle.
DFT
18
9
24/02/2008 21:33
Représentation d’image
Haute
fréquence
fx
fy
DFT
Basse
fréquence
fx
19
fy
Représentation d’image
Ex1
DFT
20
10
24/02/2008 21:33
Représentation d’image
Ex2: Fenêtrage fréquentiel
21
Représentation d’image
22
11
24/02/2008 21:33
IMAGERIE NUMRIQUE:Traitement
23
APPLICATIONS
Robotique (Industrie)
Assemblage, Reconnaissance de pièces, Contrôle de qualité
Véhicule autonome, etc.
24
12
24/02/2008 21:33
APPLICATIONS
Reconnaissance des
pièces mécaniques
25
Cassure
Cheveux Inclusions
Analyse
Analysede
deDEFAUTS
DEFAUTSsur
surdes
desBOUTEILLES
BOUTEILLES 26
13
24/02/2008 21:33
APPLICATIONS
Télédétection:
Météo, Cartographie, Analyse des ressources terrestres
Astronomie. etc.
APPLICATIONS
28
14
24/02/2008 21:33
29
APPLICATIONS
30
15
24/02/2008 21:33
APPLICATIONS
Applications militaires
Guidage de missiles,
reconnaissance arienne sous-
marine, etc.
Missile à guidage laser
Détection et protection
des véhicules de combat
31
APPLICATIONS
32
16
24/02/2008 21:33
APPLICATIONS
Imagerie médicale
Tomographie, Aide au diagnostique, Comptage du nombre de
cellules, Suivi de formes anatomiques
etc.
33
APPLICATIONS
Rayons-X
Médecine nucléaire
34
17
24/02/2008 21:33
APPLICATIONS
L’image de la
Détection des tumeurs cancéreuses à rétine humaine
partir d’une mammographie (Rayons X)
35
APPLICATIONS
Sécurité
Reconnaissance d'empreintes, visages, signatures
Détection de mouvement, etc.
36
18
24/02/2008 21:33
APPLICATIONS
37
38
19
24/02/2008 21:33
a1
a C ’est
2 M. X
a 3
#
a i
# Comparaison
a
n
Bibliothèque
39
40
20
24/02/2008 21:33
• Scène
– Ensemble des objets qui se trouvent dans le champ de
vision
• Source lumineuse
– Soleil
– Éclairage ambiant
– Projecteurs
– Laser
– Autres
42
21
24/02/2008 21:33
43
• Capteur
– Caméra vidéo
– Appareil photo
– Caméra numérique
– Caméra thermique, 3-D, multispectrale, à haute vitesse, ...
• Numériseur
– Numériseur de trame vidéo.
– Numériseur à balayage (scanner).
44
22
24/02/2008 21:33
Types de capteurs
23
24/02/2008 21:33
• Processeur
– Ordinateur
– Unité de traitement de signal (DSP)
– Logique programmée
– Circuit intégré dédié
– Ordinateurs parallèles
• Affichage (facultatif)
– Moniteur vidéo
– Moniteur d’ordinateur
47
• Logiciel
– Progiciels spécialisés
• Aphelion, Visilog, KBVision …
– Outils mathématiques
• Matlab, Maple, Mathématica …
– Programmation
• C, C++, Java, …
48
24
24/02/2008 21:33
Capteurs
49
Capteurs
En Matrice
50
25
24/02/2008 21:33
51
sens de parcours
séquentiel d’une image
52
26
24/02/2008 21:33
53
Bas Niveau
Transmission, Compression
Rehaussement, Restauration
Traitement Super-résolution
d’images Détection contours, Segmentation
Suivi de forme
Vision Stéréovision
Reconnaissance des formes
27
24/02/2008 21:33
55
56
28
24/02/2008 21:33
Analyse
Théorie du numérique
Statistique
signal
Informatique Traitement
d’images Théorie de
l’information
Électronique Neurophysiologie
Théorie des
Optique systèmes
57
58
29
24/02/2008 21:33
Traitement
numérique des signaux
Traitement
d’images
59
60
30
24/02/2008 21:33
Numérisation d’images
61
échantillonnage
1 pixel
quantification
0 1 2 3 4 5 6 7
0 5 7 6 5 4 3 2 1 1
1 5 0 7 6 5 2 3 2 0
2 3 4 0 5 3 3 5 2 2
5 7 6 0 6 6 6 4 3 3
1 7 5 0 4 5 6 5 4 5
0 2 1 5 0 0 7 6 5 6
1 3 1 2 7 0 0 0 0 1
1 2 3 2 4 6 7 5 4 7 1 pixel (3 bits)
2 1 2 3 5 1 1 5 2 6
1 0 1 1 2 2 3 6 4 4 codage 1 0 1 stockage
binaire 62
31
24/02/2008 21:33
Numérisation d’images
63
Échantillonnage
32
24/02/2008 21:33
Échantillonnage
65
Échantillonnage
66
33
24/02/2008 21:33
Échantillonnage
• L ’échantillonnage M-D de f(x, y) est réalisé en prélevant des
échantillons espacés périodiquement. Le signal échantillonné est
donné par:
• fe(x,y) = f(x,y).Σi Σj δ( x - i ∆x , y - j ∆y )
∆x pas d’échantillonnage dans la direction x
∆y pas d’échantillonnage dans la direction y
67
Échantillonnage
Σi Σj δ( x - i ∆x , y - j ∆y ) Peigne de Dirac 2D
1 k =+∞ l=−∞ k k
Fe (u, v) = ∑ ∑ F
∆x∆y k =−∞ l=−∞
u −
∆x
, v −
∆y
68
34
24/02/2008 21:33
Théorème d’échantillonnage
1 1
≥ 2umax ; ≥ 2vmax f e ≥ 2 f max_ image
∆x ∆y
Hypothèses
♦ Les fréquences maximales du signal sont connues
♦ Le signal est stationnaire 69
Échantillonnage
♦ L’image échantillonnée est donc :
~
f e ( x, y) = ∑∑ f (i∆x, j∆y)δ ( x −i∆x, y − j∆y)
i j
70
35
24/02/2008 21:33
Échantillonnage
71
Quantification
♦ Définitions
♦ Quantification uniforme
♦ Quantification non-uniforme
72
36
24/02/2008 21:33
Quantification
73
Quantification
min(f)=m max(f)=M
r0 r1 ri rn-1
37
24/02/2008 21:33
•Perte de netteté
• Détails moins visibles/ moins précis
• Perte de résolution
75
76
38
24/02/2008 21:33
77
39
24/02/2008 21:33
Pavages et maillages
40
24/02/2008 21:33
•4 horizontaux et verticaux
• (i+1, j), (i-1, j), (i, j+1), (i, j-1)
• 4-voisins de P ->N4(p)
• le point central P(i, j)
81
Adjacence connectivité
82
41
24/02/2008 21:33
i
Pour le maillage triangulaire (correspondant au
pavage hexagonal), il n'y a qu'une seule relation
d'adjacence, appelée 6-adjacence.
83
42
24/02/2008 21:33
♦(i+1, j), (i-1, j), (i, j+1), (i, j-1), (i+1, j+1), et (i-1, j-1) pour des
axes formant un angle de 60° ;
♦(i+1, j), (i-1, j), (i, j+1), (i, j-1), (i+1, j+1), et (i-1, j-1) pour des
axes formant un angle de 120°.
j j
i i
85
43
24/02/2008 21:33
Remarques
1) n est la longueur du chemin.
2) Un chemin de longueur n comporte donc n+1 pixels et n
transitions
3) En maillage carré tout 4-chemin est un 8-chemin
4) Dans toute la suite, on se limitera au cas du maillage carré.
Distances
87
44
24/02/2008 21:33
Connexité
Définition
Soit X un ensemble de pixels. On dit que X est k-connexe si pour
tous p, q dans X, il existe un k-chemin de p à q entièrement inclus
dans X.
89
90
45
24/02/2008 21:33
Définition
On appelle une composante k-connexe de X une partie k-connexe
maximale de X.
91
92
46
24/02/2008 21:33
93
47
24/02/2008 21:33
Définition:
L’unique composante de S dont les éléments sont connectés
au bord du support de l’image est définie comme étant le fond
de l’image.
Les autres composantes de S sont définies comme étant les
trous de S.
Si S n’a pas de trou, on dit que S est simplement connexe. 95
48
24/02/2008 21:33
98
49
24/02/2008 21:33
Propriétés
Un arc est simplement connexe
Courbe: définition
Une composante S est dite une courbe si elle est connexe et si
chacun de ses points a exactement deux voisins.
99
Définition
L’ensemble des points de la composante S qui ont un voisin (au
sen de la connexité dans S ) dans S compose la frontière de S
Définition
Dans le cas où S est simplement connexe, les points de S qui ne
sont pas points frontières, sont définies comme des points
intérieurs à la composante S
100
50
24/02/2008 21:33
51
24/02/2008 21:33
52