Vous êtes sur la page 1sur 39

Youssef ZOUHIR

Année Universitaire : 2019/2020

1
Plan du Cours – Partie A – Traitement Numérique du Signal

❑ Ch1 – Signaux Numériques

❑ Ch2- Transformer de Fourier Discrète (TFD)

❑ Ch3 – Systèmes Numériques & Filtres Numériques

2
Z. Youssef
Plan du Cours – Partie A – Traitement Numérique du Signal

Chapitre I

3
Z. Youssef
Plan du Cours – Partie B – Traitement d’Images

❑ Ch1 – Généralités

❑ Ch2- Transformations d’Images

❑ Ch3 – Rehaussement et Restauration d’Images

❑ Ch4 – Compression d’Images

Références :
• Notes de cours : Traitement d’images du professeur Kamel HAMROUNI
• Notes de cours : Traitement d’images du professeur Nawres KHALIFA 4
Z. Youssef
Chapitre I

5
Z. Youssef
Plan : chap-1 – Généralités

▪ Introduction

▪ Domaines d’application

▪ Représentation numérique des Images


▪ Résolution Spatiale et colorimétrique

▪ Représentation d’une image en niveau de gris

▪ Eléments de colorimétrie
▪ Système RGB

▪ Système CMY , …

▪ Processus de traitement d’images

6
Z. Youssef
Introduction

• L’image constitue l’une des principales sources d’informations


• Une scène contient une quantité importante d’informations
qu’il serait intéressant d’extraire
• Ceci nécessite le traitement et l’analyse de l’image

7
Z. Youssef
Introduction

• L’image constitue l’une des principales sources d’informations


• Une scène contient une quantité importante d’informations qu’il serait
intéressant d’extraire
• Ceci nécessite le traitement et l’analyse de l’image

• Le traitement d’images admet donc deux motivations principales :


o Recherche d’information pour une interprétation par l’homme

o Analyse des informations pour la prise de décision

• Durant ce cours, nous allons étudier les principales techniques de base du


traitement d’images afin de pouvoir ensuite s’adapter à d’autres situations
nécessitant des techniques plus évoluées.

8
Z. Youssef
Introduction
• Une chaîne de traitement d’images peut se schématiser par la pyramide
suivante (figure 1) où on identifie les différentes phases d’acquisition, de
prétraitements, de traitement et d’analyse et enfin d’interprétation.

9
Figure 1 : Chaîne de traitement d’images Z. Youssef
Intérêt et domaines d’application du traitement d’images

• Le système visuel humain capte les images et les envoie au cerveau pour
traitement

• Le cerveau humain tire les informations utiles pour la reconnaissance des


visages, des objets, des couleurs …, ainsi que pour la prise de décision.

• Vu le nombre important de détails présents dans une scène, le cerveau est


obligé de traiter les images et de ne garder que les informations utiles pour
pouvoir agir en temps réel.

• Ce système complexe a incité les chercheurs à copier le modèle du cerveau


pour faire le traitement des images numériques sur des ordinateurs et de
l’appliquer dans plusieurs domaines nécessitant une analyse précise des
images.

10
Z. Youssef
Intérêt et domaines d’application du traitement d’images

En médecine : le traitement des images radiologiques, scanner, IRM,


échographiques permet d’apporter une aide appréciable au diagnostic
(localiser la tumeur,...). Evolution du 2D vers le 3-D et même le 4D

Imagerie Médicale (détection de zones)

En Biologie: Classification cellulaire, étude des virus et microbes, …


En Géologie: Étude des nappes d’eau, des réserves de pétrole, …
11
Z. Youssef
Intérêt et domaines d’application du traitement d’images

En agriculture : le traitement des images satellitaires (ou télédétection) permet


de collecter des informations (zone urbaine, zone rurale..)

Images Satellitaires (segmentation)

En industrie : la vision permet aux robots d’appréhender leur environnement et


d’agir en conséquence pour l’inspection, l’assemblage ou le contrôle de la qualité.
Dans le traitement automatique de documents : reconnaissance de l’écriture, ..
12
Z. Youssef
Intérêt et domaines d’application du traitement d’images

Image aérienne

image perturbée image restaurée


par un bruit sel-poivre avec un filtre « STACK »

Élimination des composantes nuisibles (bruit..).


13
Z. Youssef
Intérêt et domaines d’application du traitement d’images

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
Applications :
Système d’identification des individus
Bibliothèque 14
Z. Youssef
Représentation d’une image numérique

• Une image est une projection 2D d’une scène 3D


• Une image peut être considérée comme une fonction à deux dimensions
z=f(x,y) où (x,y) représente les coordonnées d’un point du plan et z
représente la couleur ou niveaux de gris (l’intensité lumineuse) du point
(x,y)
y

• Pour être traitée par l’ordinateur, une image doit être numérisée.
• L’opération de la numérisation nécessite un échantillonnage du plan (X,Y)
et une quantification de l’axe z portant la couleur. 15
Z. Youssef
Echantillonnage spatial

▪ Il consiste à diviser le plan (x,y) en petites


surfaces selon un maillage : Y
▪ Carrée
▪ Triangulaire
▪ Hexagonal
i-ème ligne
▪ Associer à chaque petite surface R(x,y) une
valeur unique m(i,j) représentant sa couleur Pixel (i,j)
j-ème colonne
moyenne x

▪ Chaque élément est dit pixel (Comme


« Picture Element »)
▪ Maillage carré --> trame carrée
▪ Le plus utilisé
▪ Maillage triangulaire --> trame hexagonale
▪ Maillage hexagonal --> trame triangulaire

16
Z. Youssef
Echantillonnage spatial

▪ Maillage carré --> trame carrée


▪ Le plus utilisé

▪ Maillage triangulaire --> trame hexagonale


▪ Maillage hexagonal --> trame triangulaire
▪ Celui-ci est plus intéressant, mais il n’est pas très
fréquent car il est difficile à mettre en œuvre.

▪ Il est plus intéressant puisque les 6 voisins d’un pixel


sont situés à égale distance, ce qui n’est pas le cas pour le
maillage carré.

17
Z. Youssef
Quantification

▪ Elle désigne la limitation du nombre de


valeurs (niveaux de gris) que peut avoir la
couleur d’une zone
▪ Le nombre de valeurs est une fonction du
nombre de bits réservés à chaque pixel
▪ Exemple: une quantification opérée sur 8 bits
permettra de coder 256 niveaux, et sur 12 bits
4096 niveaux

▪ Une image numérique est une image


échantillonnée et quantifiée

18
Z. Youssef
Résolution d’une image
▪ Résolution spatiale
La résolution spatiale d’une image peut être définie par :
o Nombre de pixels par unité de mesure
o Nombre de pixels dans l’image
Exemple: 32x32, 64x64, 128x128, 256x256, 512x512, …
Effet de la résolution spatiale sur la qualité de l’image

A titre indicatif, une image 512x512 a une qualité équivalente à une image TV
19
pouces en centimètres → 1 in (pouce) = 2.54 cm Z. Youssef
Résolution d’une image
▪ Résolution colorimétrique
La résolution colorimétrique est définie par :
o Nombre de niveaux que peut avoir un pixel
--> nombre de bits réservés pour chaque pixel.

Par ordre de qualité croissante, on peut avoir :


o Image binaire (noir ou blanc) : un pixel peut avoir deux niveaux et
il peut être codé sur un seul bit
o Image en niveaux de gris (noir et blanc) : un pixel peut avoir 256
niveaux et il peut être codé sur 8 bits (=1octet).
o Image en couleurs naturelles : un pixel est représenté par un vecteur
à trois composantes représentant les coordonnées de sa couleur dans
un espace de couleurs. Chaque pixel est donc représenté sur trois
octets (ou 24 bits).
20
Z. Youssef
Résolution d’une image
▪ Résolution colorimétrique
La résolution colorimétrique est définie par :
o Nombre de couleurs (ou niveaux) que peut avoir un pixel
--> nombre de bits réservés pour chaque pixel.
Par ordre de qualité croissante, on peut avoir :
o Image binaire (noir ou blanc) : un pixel peut avoir deux niveaux et
il peut être codé sur un seul bit.
o Image en niveaux de gris (noir et blanc) : un pixel peut avoir 256
niveaux et il peut être codé sur 8 bits (=1octet).
o Image en couleurs naturelles ??
Image en couleurs naturelles : un pixel est représenté par un
vecteur à trois composantes représentant les coordonnées de sa
couleur dans un espace de couleurs. Chaque pixel est donc
représenté sur trois octets (ou 8x3 bits =24 bits). 21
Z. Youssef
L’image numérique
▪ Image en niveau de gris
Une image numérique en niveau de gris est représentée par :
o Matrice de pixels
o Chaque pixel est codé sur 8 bits
0 <= m(i,j) <= 255
o La valeur du pixel représente son niveau de gris

▪ Image en couleur ???


Déf = Image en couleur est constituée de trois matrices correspondantes
22
aux composantes du système couleur utilisé. Z. Youssef
Eléments de colorimétrie
▪ Les systèmes de représentation des couleurs :

▪ Kunt et al. a démontré qu’en combinant trois longueurs


d’ondes particulières, il est possible de synthétiser presque
toutes les couleurs existantes. Les trois couleurs de base
sont dites « couleurs primaires ».

▪ Une couleur peut donc être représentée dans un espace à trois


dimensions → Espace des couleurs est tridimensionnel
▪ Il existe plusieurs systèmes de représentation:
• Système RGB (Red Green Blue)
• Système CMY (Cyan Magenta Yellow)
• Système XYZ
• Etc.
23
Z. Youssef
Système RGB (Red Green Blue)
▪ Dans le cas d’un mélange additif RGB, des couleurs
primaires R (Red) G (Green) et B (Blue) sont pondérées par
leur intensité respectives a, b et c et projetées sur un écran
noir avec un certain recouvrement.

▪ C’est pour cela que le système RGB est dit aussi système
additif. Les couleurs RGB sont dites couleurs primaires
de lumière. La Commission Internationale d’Eclairage Système RGB (RVB)
(CIE) a défini en 1931 les longueurs d’ondes des couleurs
(0,0,255)
primaires RGB : R= 700 nm, G=546.1 nm et B = 435.8 nm. Blue (0,255,255)
Cyan
▪ Dans le système RGB, une couleur est
définie par trois coordonnées (r, g, b). Magenta
(255,0,255) Blanc
(255,255,255)
▪ L’origine correspond à la couleur noire
(0,0,0). Le blanc est obtenu lorsque
r=g=b=valeur maximale (255,255,255). Sur la (0,255,0)
Green
droite reliant l’origine au sommet du cube, on
trouve tous les points de l’espace vérifiant Noir
(0,0,0)
r=g=b et donc les couleurs grises. (255,0,0)
Red
Yellow
24
En total, vous avez 256256256=2563 =16.777.216 couleurs!!! (255,255,0)
Z. Youssef
Système CMY: Cyan Magenta Yellow
Dans le système RGB, la détermination de la couleur s’opère
par addition de couleurs sur une surface noire, donc
absorbante de couleurs. Ce système ne convient pas dans le
cas de l’imprimerie où on travaille avec des surfaces
blanches. On utilise alors le système soustractif CMY.
▪ CMY est un système soustractif. Système CMY
▪ Les couleurs de base sont dites des couleurs
Yellow Red
primaires de pigments

▪ CMY est surtout utilisé en imprimerie ou on travaille Green


avec des surfaces blanches Noir

▪ CMY se trouve exactement à l’opposé de RGB


L’origine correspond à la couleur blanche. Le noir est obtenu
lorsque c=m=y=valeur maximale. Blanc Magenta
Cyan
▪ Le passage entre les systèmes est facile Blue
NB :
→ Espace des couleurs est tridimensionnel
→ Une couleur est définie par un vecteur de trois coordonnés (c,m,y) ou (r, g, b)
25
Z. Youssef
L’image numérique
▪ Image numérique en couleur
o Une image en couleur naturelle est constituée de trois matrices de pixels
correspondantes aux composantes du système couleur utilisé (RGB)
→ Un pixel est représenté par un vecteur à trois composantes
représentant les coordonnées de sa couleur dans un espace de couleurs.
→ Chaque pixel est donc représenté sur 3x8 bits =24 bits (ou trois
octets).
0 <= m1(i,j) <= 255 , 0 <= m2(i,j) <= 255, 0 <= m3(i,j) <= 255

Niveau Red Green Blue


26
Fig: Image couleur et sa représentation matricielle Z. Youssef
L’image numérique
▪ Image en couleur
Dans la figure, on donne un exemple d’une décomposition d’une image couleur
sur les trois plans de couleur.
0 <= m1(i,j) <= 255 , 0 <= m2(i,j) <= 255, 0 <= m3(i,j) <= 255

Niveau Red Green Blue

Fig : Exemple de décomposition d’une image couleur en 3 plans de couleur

27
Z. Youssef
L’image numérique
▪ Image en couleur
Dans la figure, on donne un exemple d’une décomposition d’une image couleur
sur les trois plans de couleur.

Fig : Exemple de décomposition d’une image


couleur en 3 plans de couleur
28
Z. Youssef
La table des couleurs « Color LUT »

▪ C’est une table de correspondance des Couleurs (Color Look Up Table LUT).

▪ Elle est composée de trois colonnes représentant chacune une composante


de couleur dans le système considéré (généralement RGB).

▪ La restitution d’une image se fait pixel par pixel. Pour chaque pixel, le code
est consulté dans la color LUT (r,g,b) et envoyé au système de visualisation.

29
Z. Youssef
Les caractéristiques des images numériques
▪ Profondeur de bits
▪ C’est le nombre de bits nécessaire pour représenter un pixel dans l’image numérique.
▪ Plus ce nombre est élevé, plus on aura de détails dans l’image.

▪ La dynamique d’une image


La dynamique d'une image correspond à l'étendu de la gamme de couleurs ou de
niveaux de gris que peuvent prendre les pixels.

→ L'intervalle [nmin, nmax] de niveaux de gris, dans lequel sont


compris tous les pixels de l'image. 30
Z. Youssef
Les caractéristiques des images numériques
▪ Exemple
Exemple 1 : Si l’image est quantifiée avec un seul bit, alors chaque pixel aura une des deux
valeurs possibles 0 ou 1 (noir ou blanc). Ceci correspond à une image binaire.
Exemple 2 : Une image en niveau de gris (monochrome) quantifiée avec 8 bits par pixel aura
une dynamique maximale de D=[0 : 255]. Ainsi l’échelle des niveaux de gris est comprise
entre 0 et 255 (0 pour le noir absolu et 255 pour le blanc absolu) Figure-A.

Figure-A : Dynamique maximale d’une image en niveaux de gris

Exemple 3 : Une image en couleur (RVB) quantifiée avec 24 bits par pixel
(8bits/pixel/composante colorimétrique) aura une dynamique maximale de D=[0 : 255] pour
chaque composante de la couleur (Figure B).

31
Figure-b : Dynamique maximale d’une image en couleurs Z. Youssef
Les caractéristiques des images numériques

▪ Poids d’une image


▪ Le poids d’une image numérique est l’espace de la mémoire qu’elle occupe sur
un support de stockage numérique (disque dur de l’ordinateur, CD…).
▪ Poids = nombre total de pixels x nombre de bits par pixel

Exemple 1 : On considère une image monochromatique quantifiée avec 8 bits/pixel, de


résolution 100x100 pixels. Son poids sera 100x100x8=80000 bits=10000 octets=9,665 Ko

Exemple 2 : On considère une image RVB quantifiée avec 8 bits/pixel/composante


colorimétrique, de résolution 100x100 pixels. Son poids sera 100x100x24=240000 bits=30000
octets=29,29 Ko

Avec 1024 Octets= 1 Ko


32
Z. Youssef
Les différents types d’images numériques
Image 2D
• Il s'agit d'une matrice bidimensionnelle de valeurs. Ces valeurs
(luminance, couleurs, ...) sont issues de l'échantillonnage d'une image fixe.
Image 2D+t
• Comme t représente le temps, les images 2D + t désignent une animation,
une séquence vidéo ou les images d'un film.
• A l’aide d’une caméra on capte 25 images fixes par seconde. En
juxtaposant ces images dans un fichier, on obtient un flux vidéo. La lecture
de ces 25 images en une seconde nous donne l’impression de voir une
scène réelle avec ses personnages et ses mouvements.
Image 3D
• Une image 3D est une image de synthèse fixe qui comporte un troisième
axe pour la profondeur.
Image 3D+t
• Une image 3D+t est une séquence d’images 3D animée. Son principe est
le même que le 2D+t.
33
Z. Youssef
Les différents formats d’images numériques :

▪ 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 ou bien
d’utiliser un logiciel qui le connaît.
▪ Il existe différents formats d’image :
- le format BMP (plate-forme WINDOWS)
- le format GIF, compression, codage sur 8 bits donc limité à 256 niveaux
- le format JPEG (transfert d’image à travers le Web), bon rapport qualité/ espace
- le format PSD, natif au logiciel Adobe Photoshop. Codage sur 8, 16, 24 ou 32 bits
- le format TIFF (Tagged-Image File Format) ,le plus universel
- le format PDF : utilisé par Adobe Acrobat®, le logiciel de publication électronique
d'Adobe pour Macintosh, Windows, UNIX® et DOS.
- DICOM utilisé en imagerie médicale
▪ Certains de ces formats sont compressés afin de réduire l'espace physique
nécessaire au stockage du fichier ou pour diminuer le temps de transfert sur le
réseau. 34
Z. Youssef
Processus de traitement et d’analyse d’images

35
Z. Youssef
Processus de traitement et d’analyse d’images

La chaîne de traitement d’images comprend quelques étapes


qu’il est intéressant de passer en revue en vue de
présenter le contenu de ce cours.
La figure-1.1 présente un diagramme montrant ces
différentes étapes.
• Eclairage et saisie : Un capteur d’image permet de saisir
et de représenter une scène réelle par une image
qualifiée « d’image brute » ou « d’image source ». Dans
cette étape, il existe un certain nombre d’aspect dont il
faut tenir compte à savoir :
➢ l’éclairage de la scène influe beaucoup sur la qualité de
l’image
➢ Le capteur est généralement une caméra. Il délivre en
général un signal analogique, dans quel cas il faudra
penser prévoir une carte de numérisation d’image dont
le rôle est d’échantillonner le signal analogique pour
obtenir une image numérique. D’autres caméras sont
numériques et délivrent donc directement une image
numérique.
36
Z. Youssef
Processus de traitement et d’analyse d’images

• Traitement : La phase de traitement qui est souvent appelée « pré-


traitement » vise à améliorer la qualité de l’image. En effet, l’image brute
contient généralement des dégradations. On utilise alors des techniques de
rehaussement et de restauration, soit pour améliorer la qualité visuelle, soit
pour essayer de retrouver l’image d’origine.
• Segmentation : Une fois l’image améliorée, on passe à une étape de
segmentation pour isoler et localiser les régions d’intérêt car l’image
contient beaucoup d’informations, et on est intéressé par certaines d’entre
elles. Cette étape est connue sous le nom de segmentation, car les objets
sont considérés comme des segments. Parmi les techniques de
segmentation, nous verrons celles qui opèrent par détection de contour et
celles qui opèrent par détection de régions.
• Analyse : L’objectif de cette étape est d’analyser les objets retenus en vue
d’en extraire des caractéristiques chiffrées.
• Diagnostic : Sur la base des caractéristiques obtenues on peut énoncer des
décisions.
37
Z. Youssef
Questions ?

38
Z. Youssef
Références :
• Notes de cours : Traitement d’images du professeur Kamel HAMROUNI
• Notes de cours : Traitement d’images du professeur Nawres KHALIFA

39
Z. Youssef