24/02/2008 21:33

Master en Informatique
et Télécommunications

Traitement d’Image Numérique

Professeur A. HAOUARI

Chapitre I: Généralités;

définitions principales

1
 24/02/2008 21:33

Généralités; définitions principales

L’objectif de ce chapitre est de donner les définitions de base
utilisées dans le domaine de l’Imagerie Numérique, de
comprendre le processus de formation de l’image numérique à
partir d’une scène 3D et un survol rapide des domaines
d’application.

Définition de l’Image

♦ L’image est une représentation d’une personne ou d’un objet

par la peinture, la sculpture, le dessin, la photographie, le film,
etc.
♦ C’est aussi un ensemble structuré d’informations qui, après
affichage sur l’écran, ont une signification pour l’œil humain.
3

Représentation d’image

1) Représentation continue (analogique)

♦ Image = fonction d’au moins deux variables réelles

y Image : f(x,y) image 2D
y Volume : f(x,y,z) «image» 3D
y Séquence d’image : f(x,y,t)
y Séquence de volumes : f(x,y,z,t) «image» 4D

♦ Les valeurs prises par f(.) peuvent être

y Scalaires (intensité lumineuse)
y Vectorielles (couleur (RVB, ..), imagerie multispectrale,
image de paramètres...)
y Réelles ou complexes
4

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 :

♦ Si f(.) représente une intensité lumineuse

Représentation d’image

♦ Une image est la projection plane d’une scène 3D

3
 24/02/2008 21:33

Représentation d’image
2) Représentation échantillonnée

• Échantillonnage d’une fonction f(x,y)

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

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

Image binaire image codée

2 niveaux: noir 1bit/pixel
et blanc 9

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.

Une image matricielle (bitmap) est décrite par

– un tableau de pixels
– les informations de couleur de ces pixels

10

5
 24/02/2008 21:33

Représentation d’image

♦ représentation vectorielle

Les images vectorielles décrivent les objets qu'elles contiennent

par leurs caractéristiques géométriques, sous forme de
"vecteurs" et dans un espace donné.

11

Représentation d’image

Une image vectorielle est décrite par :

– un ensemble d’objets géométriques 2D
– leurs positions dans l’image
– leurs propriétés de couleur, d’épaisseur, etc.

12

6
 24/02/2008 21:33

Vectorielle ou matricielle: Avantages et inconvénients

Image vectorielle Image matricielle

création Logiciel de dessin Logiciel de retouche

d’image
Acquisition Difficile Facile

modification Facile Difficile

Redimensionnement Insensible Sensible

Taille mémoire Petite Grande

13

Ex: Redimensionnement d’une image

14

7
 24/02/2008 21:33

Représentation d’image

Image naturelle – Plusieurs

moyens d'acquisition: caméra,
microscope, tomographie,
infra-rouge, satellite, …

Image artificielle – Plusieurs

outils de représentation:
synthèse d'images, réalité
virtuelle, visualisation
scientifique, jeux vidéo, etc.
15

Représentation d’image
Représentations fréquentielles

Notion de fréquence spatiale:

Dans ce cas, l’espace de travail est l’espace image. On parlera
de deux types de fréquences:

♦ Les basses fréquences qui caractérisent les zones

homogènes, ou continues par rapport à une propriété de
l’image telle que l’intensité lumineuse (niveau de gris) ou
la texture.
♦Les hautes fréquences qui caractérisent les détails et les
contours dans l’image.

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.

Transformée de Fourier Discrète 2D (DFT)

M −1 N −1
1 m u nv
F (u, v ) =
MN
∑∑
m=0 n=0
f [ m , n ] ex p ( − 2 j π (
M
+
N
))

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

♦ Dans ce cours : image = information issue d'un capteur

(caméra, …).

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.

Cartographie et délimitation Suivi du cyclone 27

des inondations

APPLICATIONS

Les images satellitaires et aériennes

servent à :
♦ la classification des types de cultures
♦ l'évaluation de la santé des cultures
♦ l'estimation de la production totale
d'une récolte
♦ la cartographie des caractéristiques
du sol

28

14
 24/02/2008 21:33

Surveillance des feux de forêts

Image visible Image infrarouge thermique

29

APPLICATIONS

L'identification de la couverture du sol

établit la ligne de base à partir de
laquelle des activités de suivi (et de
détection) des changements peuvent
être effectuées, et fournir des
informations préliminaires pour les
cartes thématiques
Couverture et
utilisation du sol

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.

Rayons-X Image IRM

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

Lecture Automatique de Documents

38

19
 24/02/2008 21:33

Un système d ’identification de l ’individu

Échantillonnage Détection Extraction de Vecteur de

Décision
et Codage de Contours Paramètres Paramètres

a1 
a  C ’est
 2 M. X
a 3 
 
# 
a i 
 
#  Comparaison
a 
 n

Bibliothèque
39

40

20
 24/02/2008 21:33

ACQUISITION D’UNE IMAGE NUMÉRIQUE

1. I(x,y) continue 2. I(x,y) numérisée (échantillonnée et quantifiée)

scène Caméra Numériseur Image

(CCD, Vidicon) numérique
1. Projection 2D d’une scène 3D
I(x,y) représente l’intensité de la
lumière au point (x,y) Pixel
(picture element)
2. Matrice où la valeur de chaque 0: noir
élément représente l’intensité 255: blanc
discrète de la lumière 41

• 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

Processus de formation de l’image

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

• CCD:Charged Coupled Device

– Meilleure qualité
– Moins de bruit
– Demande plus de puissance (100X)
– Plus sensible

• CMOS: Complementary Metal Oxide Semiconductor

– Généralement moins cher
– Plus de bruit,
– Demande moins de puissance
– Moins sensible 45

Caractéristiques d'un capteur image

- Rapport signal sur bruit

- Sensibilité
- Sensibilité spectrale
- Fonction de transfert
- Correction Gamma
- Résolution
- Temps d'intégration
- Saturation
- Rémanence
46

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

• Principe général (ex: photodiode)

– L'énergie incidente est convertie en signal électrique
– La sortie est proportionnelle à la lumière
– Un filtre pour augmenter la sélectivité

49

Capteurs
En Matrice

50

25
 24/02/2008 21:33

CCD couleur (Charge-Coupled Device)

Avec filtre, puis

interpolation (Note:
tri-CCD aussi
possible avec un
système optique
(prisme) et 3
matrices CCD)

51

sens de parcours
séquentiel d’une image

pour des raisons d’optimisation, c’est dans ce sens que

seront rangés les pixels dans le tableau image

52

26
 24/02/2008 21:33

TRAITEMENT D’IMAGERIE NUMRIQUE

53

TRAITEMENT D’IMAGES VS VISION

Bas Niveau
Transmission, Compression
Rehaussement, Restauration
Traitement Super-résolution
d’images Détection contours, Segmentation

Suivi de forme

Vision Stéréovision
Reconnaissance des formes

Haut Niveau Compréhension de l’image

54

27
 24/02/2008 21:33

EXEMPLES DE TRAITEMENT DIMAGES

55

L’IMAGE NUMRIQUE EN NIVEAUX DE GRIS

56

28
 24/02/2008 21:33

Le Traitement d’Images et les autres disciplines

Analyse
Théorie du numérique
Statistique
signal

Informatique Traitement
d’images Théorie de
l’information

Électronique Neurophysiologie
Théorie des
Optique systèmes
57

Relation entre le Traitement d’Images

et le Traitement des Signaux

58

29
 24/02/2008 21:33

Position du traitement d’images :

Traitement
numérique des signaux

Traitement
d’images

Analyse de Reconnaissance Intelligence

scènes de formes artificielle

59

Chaîne complète de traitement d’images et vidéo

60

30
 24/02/2008 21:33

Numérisation d’images

Numérisation: étape essentielle pour passer d’une

représentation continue à une représentation discrète
– Échantillonnage
– Quantification

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

Les images en couleurs sont représentées par leurs composantes.

Chaque composante est représentée à son tour comme une image

63

Échantillonnage

• Étape nécessaire quand le signal sous-jacent est analogique

• Dans le cas 1-D l ’échantillonnage est bien expliqué, bien connu,

bien compris et bien utilisé.

• La généralisation, sans faire attention, de 1-D à M-D est

dangereuse!

– La nature des signaux M-D est presque toujours différente de

celle des signaux 1-D.

– Les contraintes des applications et des réalisations sont

différentes.
64

32
 24/02/2008 21:33

Échantillonnage

65

Échantillonnage

♦Dans le cas 1-D on utilise le théorème bien connu de

l’échantillonnage : Un signal analogique peut être entièrement
reconstruit à partir de ses échantillons s ’il est échantillonné au
moins au double de sa fréquence maximum.
– La fréquence maximum doit être connue (peut être mesurée
avec des analyseurs de spectre)
– Le signal doit être stationnaire (transformée de Fourier)
– La condition est donnée pour la reconstruction du signal
analogique

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

La relation dans le domaine fréquentiel devient:

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

Un signal analogique 2D peut être entièrement reconstruit à

partir de ses échantillons pour autant que les fréquences
d’échantillonnage soient au moins deux fois plus grandes que les
fréquences maximales du signal

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

Avec un capteur à matrice :

70

35
 24/02/2008 21:33

Échantillonnage

71

Quantification

♦ Définitions
♦ Quantification uniforme
♦ Quantification non-uniforme

72

36
 24/02/2008 21:33

Quantification

Définition:La quantification désigne la limitation du nombre de

valeurs différentes que peut prendre I(x,y).

• Quantification : discrétisation de l'espace des couleurs ou

niveaux de gris, elle définit le nombre de couleurs utilisées pour
dessiner l'image

73

Quantification

le principe : codage des valeurs réelles en valeurs entières de

manière optimale i.e. remplacer toute valeur située entre 2
niveaux de décision consécutifs di et di+1 par un niveau de
reconstruction ri avec [m, M] la gamme dynamique du signal à
quantifier
d0 d1 di di+1 dn

min(f)=m max(f)=M

r0 r1 ri rn-1

contrainte : nouvelle image ressemblant le plus possible à l'image

74
initiale

37
 24/02/2008 21:33

Effets de l'échantillonnage : pixelisation

•Perte de netteté
• Détails moins visibles/ moins précis
• Perte de résolution

75

Effets de la quantification à l'acquisition

76

38
 24/02/2008 21:33

Effets de la quantification à l'acquisition

8 bits (256 niv.) 4 bits (16 niv.) 2 bits (4 niv.)

• Apparition de faux contours

• Bruit de quantification
• Effet visible à l’œil en dessous de 6/7 bits
• Quantification sur 8 bits pour l’affichage

77

Effets de l’éclairage à l'acquisition

Éclairage non uniforme !

Correction de l'éclairage

Une bonne acquisition Des traitements facilités 78

39
 24/02/2008 21:33

Relation entre les pixels

Pavages et maillages

Il y a 3 types: triangulaire, carré, et hexagonal.

On place un point au centre de chaque pavé, et on joint par une

ligne ceux parmi ces points dont les pavés correspondants se
touchent par un côté. Cela donne le maillage correspondant au
pavage, comme illustré ci-dessous : 79

Relation entre les pixels

Comme le maillage forme un réseau, les pixels sont les points à

coordonnées entières selon deux axes. Donc tout pixel se code
comme un couple (i,j) d'entiers.

En maillage carré il est d'usage de prendre le premier axe i

orienté vers le bas et le deuxième axe j orienté vers la droite
80

40
 24/02/2008 21:33

Relation entre les pixels

Dans un maillage carré (aussi appelé grille), tout pixel a 2 types

de voisins, à savoir ses 4 voisins selon les axes, et ses 4 voisins
selon les diagonales. La relation de proximité entre deux voisins
axiaux est plus forte que celle entre deux voisins diagonaux.

•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

Relation entre les pixels

• 4 diagonaux
• (i+1, j+1), (i+1, j-1), (i-1, j+1), (i-1, j-1)
• 4-voisins diagonaux de P ->ND(p)
• le point central P(i,j)

Adjacence connectivité

Dans le cas du maillage carré, la notion du voisinage permet de

définir deux types d’adjacence:

82

41
 24/02/2008 21:33

Relation entre les pixels

deux pixels p et q sont dits

• 4-adjacents s'ils sont voisins suivant un axe,
• 8-adjacents s'ils sont voisins suivant un axe ou une diagonale.
j

i
Pour le maillage triangulaire (correspondant au
pavage hexagonal), il n'y a qu'une seule relation
d'adjacence, appelée 6-adjacence.
83

Relation entre les pixels

Étant donné un pixel (i,j), en maillage carré les pixels adjacents à

(i, j) sont :
♦(i+1, j), (i-1, j), (i, j+1), et (i, j-1) pour la 4-adjacence ;
♦ les mêmes, plus (i+1, j+1), (i+1, j-1), (i-1, j+1), et (i-1, j-1)
pour la 8-adjacence.

On vérifie les relations suivantes :

♦(i, j) est 4-adjacent à (i', j') si et seulement si |i-i'| + |j-j'| = 1.
♦(i, j) est 8-adjacent à (i', j') si et seulement si
max(|i-i'|, |j-j'|) = 1.
84

42
 24/02/2008 21:33

Relation entre les pixels

En maillage triangulaire, les pixels 6-adjacents à (i, j) sont:

♦(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

Relation entre les pixels

Chemins

Soit k le nombre désignant l'adjacence choisie, c.à.d. k = 4 ou 8

pour le maillage carré du plan (k = 6, pour le maillage cubique de
l'espace tri-dimensionnel et k = 6 pour le maillage triangulaire du
plan). On parlera donc de la relation de k-adjacence entre les
pixels (ou voxels).
définition
Un k-chemin du pixel p au pixel q est une suite x0, ..., xn (où n est
un entier naturel) de pixels tels que
•x0 = p et xn = q,
•pour i = 0, ..., n-1, xi est k-adjacent à xi+1. 86

43
 24/02/2008 21:33

Relation entre les pixels

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

Relation entre les pixels

définition

La k-distance dk(p,q) entre deux pixels p et q est la longueur

minimum d'un k-chemin de p à q. Il s'agit bien d'une distance
dans le sens qu'elle vérifie les axiomes suivants :
♦ dk(p, p) = 0, et pour p différent de q on a dk(p, q) > 0
(identité et positivité) ;
♦ dk(p, q) = dk(q, p) (symétrie) ;
♦ dk(p, r) est plus petit que ou égal à dk(p, q) + dk(q, r)
(inégalité triangulaire).
88

44
 24/02/2008 21:33

Relation entre les pixels

Dans le cas du maillage carré il est facile de voir que si p et q sont

de coordonnées (i, j) et (i', j') respectivement, alors
d4(p, q) = |i-i'| + |j-j'| et
d8(p, q) = max(|i-i'|, |j-j'|).

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

Relation entre les pixels

Toutes les composantes (de

1 à 5 ) sont 4-connexes

les composantes 8-connexes sont:

♦ la réunion des ensembles 1 à 3
♦la réunion des ensembles 4 et 5.
Remarque

90

45
 24/02/2008 21:33

Relation entre les pixels

♦ L'ensemble vide et les singletons {p} sont k-connexes ;

♦ Étant donné une famille d'ensembles k-connexes ayant un pixel
p en commun, la réunion de ces ensembles est k-connexe.
♦ En maillage carré tout 4-chemin est un 8-chemin, donc un
ensemble 4-connexe sera toujours 8-connexe
Un ensemble n'étant pas toujours connexe, on peut alors le
décomposer en ses composantes connexes.

Définition
On appelle une composante k-connexe de X une partie k-connexe
maximale de X.
91

Relation entre les pixels

♦ Si X est non-vide, les composantes k-connexes de X forment

une partition de celui-ci, c.à.d. elles sont non-vides,
mutuellement disjointes, et recouvrent X.
♦ Pour un pixel p de X, la composante k-connexe de X contenant
p est la réunion de toutes les parties k-connexes de X
contenant p.

♦ En maillage carré une composante 8-connexe de X est la

réunion d'une ou plusieurs composantes 4-connexes de X
reliées entre elles par des connexions en diagonale.

92

46
 24/02/2008 21:33

Relation entre les pixels

Pixels objets et pixels fond

Le support d’une image peut être divisé en deux classes:
♦ La classe des points objets notée S et
♦ La classe des points fond notée S
Définition
P et Q deux éléments de S sont connectés dans S s’il existe
un chemin connexe inclus dans S , reliant P à Q.

Des exemples illustrant cette définition sont donnés par la figure

ci-après;

93

Relation entre les pixels

Sur cette figure, les éléments de S sont représentés par x, le

fond est constitué des autres éléments.
Définition
Une composante connexe est par définition une classe
d’équivalence de la relation d’équivalence " être connecté dans
S"
94

47
 24/02/2008 21:33

Relation entre les pixels

En utilisant la notion de connexité, la classe des points fond

notée S peut être subdivisé en deux régions: la région fond et
la régions composée de trous définies de la façon suivante:

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

Relation entre les pixels

Les points notés • constituent le fond.

Les points notés x constituent la composante 8-connexe S1
Les points notés o constituent le trou de S1
Les points notés + constituent la composante simplement connexe
S2 96

48
 24/02/2008 21:33

Relation entre les pixels

Définition
Un trou est un point de S intérieur à S , c’est-à-dire que tout
chemin connexe reliant ce point au bord du support de l’image
passe par un point de S
Remarque
La notion de connexité permet de définir un grand nombre de
concepts topologiques tels que composante, intérieur, extérieur,
frontière.
En effet, en analyse d’image, des méthodes couramment utilisées
s’appuient sur la notion de frontière des composantes, des
paramètres associés à la géométrie et à la forme s’en déduisent.
97

Relation entre les pixels

Pour cela, il est nécessaire de définir les notions d’arc, de courbe

et de frontière en discret.
Définition
Un ensemble de points S est un arc si S est connexe et si chacun
de ses points exceptées les extrémités, a exactement deux
voisins.

98

49
 24/02/2008 21:33

Relation entre les pixels

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

Relation entre les pixels

On peut alors définir les notions de frontière et de point intérieur:

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

Relation entre les pixels

S est une composante 4-connexe

X Points intérieurs ƒ Points frontières
101

Relation entre les pixels

S est une composante 8-connexe

X Points intérieurs ƒ Points frontières

102

51
 24/02/2008 21:33

Relation entre les pixels

S composante 8-connexe; non simplement connexe

x Points intérieurs; ƒ Points frontières extérieurs
x Points frontières intérieurs 103

52