Université de Carthage Année universitair2020/2021

Institut National des Sciences Appliquées et de Technologie

Module : Traitement d’images GL4

TD n°2

Exercice 1 :

L’image de la figure 1 est une image de taille 10×10 pixels dont les valeurs de niveaux de gris
sont codées sur 4 bits. Cette image représente un cercle sur un fond sombre.

Figure 1 : à gauche est représentée l’image I et à droite sont représentés les niveaux de gris des pixels de
l’image I ainsi que leurs coordonnées.

Un bruit de type impulsionnel est ajouté à cette image tel que :

Figure 2 : Image I ajoutée d’un bruit impulsionnel.

1) Appliquer un filtre moyenneur de taille 3×3 sur les points : I(1,1), I(6,3), I(4,4), I(8,4),
I(1,5), I(5,5), I(3,6), I(8,8), I(4,1), I(8,1), I(2,8), I(5,8).
Quel est l’effet de ce filtre ?
2) Appliquer un filtre médian de taille 3×3 sur les points : I(1,1), I(6,3), I(4,4), I(8,4), I(1,5),
I(5,5), I(3,6), I(8,8), I(4,1), I(8,1), I(2,8), I(5,8).
Quel est l’effet de ce filtre ?
3) Appliquer un filtrage adaptatif sur les points : I(1,1), I(6,3), I(4,4), I(8,4), I(1,5), I(5,5),
I(3,6), I(8,8), I(4,1), I(8,1), I(2,8), I(5,8).
Quel est l’effet de ce filtre ?

Exercice 2:
L’image de la figure 3 est une image de taille 8×8 pixels et dont les valeurs des niveaux de
gris sont codées sur 8 bits.

Figure 3 : à gauche est représentée l’image I et à droite sont représentés les niveaux de gris des pixels de
l’image I ainsi que leurs coordonnées.

Sur l’image I de la figure 3, on distingue deux croix. On souhaite appliquer une série de pré-
traitements afin d’obtenir l’image J de la figure 4.
En utilisant des opérations de binarisation, des filtrages morphologiques et des opérateurs
logiques, expliquer le plus précisément possible la chaîne de traitement à mettre en œuvre afin
d’obtenir l’image résultat J de la figure 4. Pour illustrer chacun de ces traitements, il est
demandé de représenter l’image résultat correspondante et de donner les opérateurs,
éléments structurants, seuils et images utilisés.
 Figure 4 : Image J traitée

Exercice 3: segmentation en régions

1) Qu'est-ce qu'une propriété d'homogénéité ? Donnez un exemple. Comment une telle

propriété peut-elle être utilisée pour la segmentation d'une image en régions ?
On veut utiliser l'algorithme du Split&Merge pour segmenter l'image ci-dessous.

0 0 1 0 8 8 9 8
0 1 5 5 9 8 8 8
1 1 1 1 8 9 9 8
1 1 1 1 9 9 9 8
8 9 9 9 0 1 3 3
8 8 8 9 0 0 0 0
9 9 8 9 0 0 0 0
8 9 9 9 1 0 0 0

On rappelle que l’algorithme est itératif. Chaque itération comprend deux étapes : une division
et une fusion et utilise un critère d’homogénéité (pour cette image on peut choisir comme critère
d’homogénéité (MAX – MIN) R  1 (MAX et MIN désignent respectivement la valeur
maximale et la valeur minimale de la région R)
Le processus de segmentation peut être représenté sous la forme d’un arbre (quadtree) où
chaque nœud représente une région. On supposera ici que la fusion ne peut se faire qu’entre les
sous régions provenant du même nœud dans l’arbre.
2) Dessiner et numéroter les partitions obtenues après chaque étape de division-fusion.
Donner le quadtree correspondant aux différentes itérations en indiquant le numéro de région
sur chaque nœud terminal de l’arbre.
3) Cette segmentation est-elle satisfaisante d’après vous ?