Académique Documents
Professionnel Documents
Culture Documents
UNIVERSITE D’ANTANANARIVO
----------------------
ECOLE SUPERIEURE POLYTECHNIQUE
-----------------------
MENTION TELECOMMUNICATION
Devoir à Rendre
Domaine : Sciences de l’Ingénieur
Mention : Télécommunication
Parcours : STI
par :
Traitement d’Image
Numérique
Les systèmes informatiques ne peuvent fonctionner que selon une logique à deux états
telle que, de façon schématique, le courant passe ou ne passe pas. Les informations
sont donc transformées en impulsions électriques. Ces impulsions sont le seul langage
qui puisse être compris par l'ordinateur. Ces deux états logiques sont
conventionnellement notés 1 ou 0, et déterminent une logique dite binaire. Toute
information à traiter devra être représentée sous forme binaire.
Le principal objectif est de faciliter le traitement automatique des données dans un but
analytique.
Pour convertir un mot binaire par exemple en nombre décimal, il suffit de multiplier la
valeur de chaque bit par son poids, puis d'additionner chaque résultat.
=5
2. Compression de données :
4. Compression de l’image :
La compression d'image est une application de la compression de données sur des
images numériques. Cette compression a pour utilité de réduire la redondance des
données d'une image afin de pouvoir l'emmagasiner sans occuper beaucoup d'espace
ou la transmettre rapidement.
5. Codage entropique :
Le codage entropique est une méthode de codage de source sans pertes, dont le
but est de transformer la représentation d'une source de données pour sa
compression ou sa transmission sur un canal de communication.
Le codage entropique utilise des statistiques sur la source pour construire un code,
c'est-à-dire une application qui associe à une partie de la source un mot de code, dont
la longueur dépend des propriétés statistiques de la source. On utilise donc en général
un code à longueur variable, qui attribue les mots de codes les plus courts aux
symboles de source les plus fréquents.
6. Transformation de l’image :
Le principe est de changer la valeur de chaque pixel d’une image I pour obtenir
une nouvelle image I’. Cette image résultat a la même taille que l’image I, mais
avec des propriétés plus importantes.
Cette transformation est notée t :
Il y a 3 types de transformation :
Ponctuelles (pixel à pixel) : la nouvelle valeur I’ (x, y) est obtenue à partir de I
(x, y) seulement.
Ex : Filtrage
Globales : la nouvelle valeur I’ (x, y) est obtenue à partir de l’ensemble des
valeurs de l’image initiale I.
7. La quantification de données :
La quantification de donnée est la manière de déterminer la valeur la plus proche
F d’arriver d’une valeur d’entrée donnée d’un espace E
Ex : dans le cas d’une transformation analogique-numérique
Elle sert à compresser les données.
Le RLE : Les lettres RLE signifient Run-Length Encoding. Il s'agit d'un mode de
compression parmi les plus simples : toute suite de bits ou de caractères identiques est
remplacée par un couple (nombre d'occurrences ; bit ou caractère répété).
Exemple : AAAAAAAAZZEEEEEER donne : 8A2Z6E1R, ce qui est beaucoup plus court.
13. PSNR :
PSNR (sigle de Peak Signal to Noise Ratio) est une mesure de distorsion utilisée en
image numérique, tout particulièrement en compression d'image. Elle permet de
quantifier la performance des codeurs en mesurant la qualité de reconstruction de
l'image compressée par rapport à l'image originale.
Où d est la dynamique du signal (la valeur maximum possible pour un pixel), dans le
cas standard d'une image codée sur 8-bits, d=255.
a. Définition :
Cette technique fait partie des techniques de codage par la méthode spatiale, elle est
excellente pour la compression d’image naturelle ou synthétique.
Cette technique stocke les données pertinentes dans une table appelée Table de
Données, et met dans une autre table de meme taille que l’image originale appelée Bit
Plane, les codes correspondant à chaque pixel.
b. Méthode de lecture :
Lecture horizontale l
Lecture verticale
Lecture Zig Zag
Dans cotre cas, pour ce document, nous n’allons utiliser essentiellement que la
méthode de lecture horizontales.
c. Principe :
Dans la technique Binary Plane, on utilise le code pour créer la table Binary Plane :
Code « 1 » : est utilisé pour indiquer que le pixel courant est différent du pixel
de référence. Dans ce cas le pixel courant est enregistré dans la table de
données.
Code « 0 » : est utilisé pour indiquer que le pixel courant correspond au pixel
de référence. Ceci ne nécessite pas de stockage de pixel courant.
d. Quantification :
Avec :
Dans ce travail nous allons voir comment réaliser la technique Binary Plane (BP).
f. Binary Plane :
C’est une technique simple à implémenter, il s’agit juste d’appliquer la technique avec
une lecture de données horizontales.
Algo de codage :
La première chose à faire est de créer la table Bit Plane table de données initialement
vide.
Etape n°5 :
Retour à l’étape n° 3 qu’à la fin de la lecture
On continue à comparer (étape n°3) le pixel tant qu’il y a encore un pixel dans la liste
de lecture de l’image.
a) Critère d’arrêt : Fin de la lecture de l’image.
b) Exemple :
La valeur du pixel de référence est initialement nulle, la valeur du pixel courant est
égale au premier pixel en haut à gauche donc PC= 253 à l’adresse (1,1).
On crée une table bit plane de même taille que l’image donc 6x6 et une table de
données que nous allons nommer data.
On remplace alors la valeur du pixel de référence par 253 (PR = 253) et celui du pixel
courant par le prochain dans la lecture 252 (PC = 252).
On compare alors le pixel courant avec la fourchette de référence. Ici PC, est compris
dans la fourchette de référence, on met la valeur « 0 » dans la table bit plane à
l’adresse (1,2), la table de données et le pixel de référence ne sont pas modifiées. On
continue la lecture.
Le pixel courant devient le prochain dans la lecture c.-à-d. 122 (PC).
On compare PC avec la fourchette de référence, on constate qu’il n’y a pas de
correspondances, donc la valeur à la position (1,3) du bit planes est mise à ‘1’, ensuite
on rajoute la valeur de PC dans la table de données, on a donc data = [253, 122].
On remplace alors la valeur du PR par 122. On continue la lecture PC = 252.
La nouvelle fourchette de référence est :
Data = [253 122 252 255 122 91 96 252 91 122 91 122 91 255 196 194 97 95 196 194
91]
SIMULATION
Dimension Taux de
Original Décompressé PSNR MSE
originale compression
TABLEAU DE RESULTAT
INTERPRET ATION
On constate que plus la résolution de l’image est grande plus la valeur du taux de compression diminue
mais la qualité de l’image compte lui reste nette par rapport à l’image compressé de petite résolution. On
peut aussi dire que plus l’image est grande, plus sa qualité de reconstruction augmente.
Formule :