TD2 : Vision embarquée (Atténuation de bruits, filtres morphologiques, détection de

contours)
Zouhour Ben Azouz
AU : 2020-2021

Exercice 1 :
Différentes transformations ont été appliquées à l’image de la figure 1.a. Les résultats de ces
transformations sont illustrés sur les figures 1.b, 1.c, 1.d et 1.e. Identifier et expliquer la
transformation qui a permis d’obtenir chacune de ces images.

Figure 1 : (a) Image originale. (b), (c), (d) et (e) sont des résultats de transformations de
l’image (a).

Exercice 2:

L’image de la figure 2, est une image de niveaux de gris dont les valeurs sont codées sur 4
bits. Un bruit impulsionnel est ajouté à cette image comme le montre la figure 3.

1
1. Le masque suivant définit un filtre gaussien. Quel est l’effet de ce filtre. Comparer le
au filtre moyenneur.

Appliquer ce filtre gaussien sur les points : I(1,5) et I(6,3).

2. Expliquer le principe du filtre médian. Appliquer un filtre médian de taille 3×3 sur les
points : I(1,5) et I(6,3).

3. Comparer et interpréter les résultats obtenus par l’application du filtre gaussien et du

filtre médian.

Figure 2 : Les niveaux de gris des pixels d’une image.

Figure 3 – Image de la figure 3 après ajout d’un bruit impulsionnel.

2
Exercice 3 :
1. Expliquer le principe de base des algorithmes de détection de contours.
2. On désire extraire les contours de l’image I1 dont les niveaux de gris sont illustrés sur
la figure 4.a, en utilisant l’algorithme de Canny. Les approximations des normes et des
directions du gradient d’intensités de cette image sont fournies respectivement sur les
figures 4.b et 4.c.
a) Préciser l’approche utilisée pour calculer ces approximations.
b) Appliquer l’algorithme de Canny sur l’image 4.a en utilisant les approximations
fournies. Préciser les paramètres adoptés. Justifier les résultats obtenus pour
chaque pixel. Utiliser les tableaux de la page 4 pour visualiser vos résultats
intermédiaires ainsi que le résultat final de la détection de contours.

7 7 7 7 7 7 7 7
6 6 6 6 6 6 6 6
8 8 7 12 12 12 7 8
7 7 13 14 14 14 13 7
8 8 12 13 13 13 12 8
6 6 12 12 12 12 12 6
7 6 6 11 11 11 6 6
6 6 6 6 8 6 6 6
(a)

0,76 2,07 3,66 4,25 3,66 2,07

2,26 4,83 5,79 5,5 5,79 4,83
3,46 4,98 3,49 2 3,49 4,98
4,03 4,41 2,13 1,25 2,13 4,41
3,76 5,32 3,93 2,75 3,93 5,36
2,03 4,65 4,98 4 4,98 4,73

(b)

90 90 90 90 90 90
135 135 135 90 45 45
0 135 135 90 45 45
0 0 45 90 135 0
45 45 45 90 135 135
45 45 45 90 135 135

(c)
Figure 4: (a) Niveaux de gris d’une image. (b) et (c) sont respectivement les approximations
du module et de la direction du gradient d’intensité.

3
4
Exercice 4 :

Figure 5 : De gauche à droite : Images binaires I et J

Expliquer la chaîne de traitement à effectuer pour obtenir l’image J de l’image I
(figure 5). Pour illustrer chacun de ces traitements, présenter l’image résultat
correspondante et donner les éventuels filtres, opérateurs et éléments structurant
utilisés.

Exercice 5 : Expliquer la chaîne de traitement à effectuer pour obtenir l’image J de l’image I

(figure6). Pour illustrer chacun de ces traitements, présenter l’image résultat correspondante et
donner les éventuels filtres, opérateurs, éléments structurant utilisé.

Figure 2 : De gauche à droite : Images binaires I et J

5
6