Vous êtes sur la page 1sur 20

Remerciement

La rédaction de ce projet présente une


opportunité, de remercier Mr
Abelghani BOUDHAR pour tous ses
explications, ses efforts et sa patience
durant cette semestre.
Table des matières
I. Introduction ..................................................................................................................................................... 5

I.1. Définition................................................................................................................................................ 5

I.2. Image en couleur .................................................................................................................................. 5

I.3. Image en niveaux de gris ................................................................................................................... 6

I.4. Définition d’un MNT ........................................................................................................................... 6

II. Matériels utilisé................................................................................................................................................ 6

III. Objectifs du Projet........................................................................................................................................ 6

IV. Partie 1 : Statistique sur les bandes ........................................................................................................... 7

IV.1. Lecture des fichiers images........................................................................................................... 7

A) Lecture du fichier image multiband ‘ITM. .............................................................................. 7

B) Lecture du fichier image ‘ MNT’ .................................................................................................. 8

C) Lecture du fichier image ‘ BV-Rheraya’.................................................................................... 8

VI.2. Comparaison entre réflectances (moyennes, maximales,minimales et l’écart type

sur les 7 bandes) sur toute l’image ............................................................................................................ 9

VI.3. Sauvegarder les résultats dans un fichier texte ou Excel................................................... 9

VI.3.Affichage des images et les histogrammes des deux bandes (R et PIR)sur une seule

figure ... ............................................................................................................................................................. 10

VI.4 Stockage des deux variables Rouge=R et PIR=PI. ............................................................... 10

V. Partie 2 : Traitements intra -et inter- bandes ...........................................................11

V.1. Calculs des indices spectraux ........................................................................................................ 11

A) L’Indice de Végétation Brut. ....................................................................................................... 11


B) L’indice de végétation Normalisé(NDVI) ............................................................................... 11

C) L’indice de brillance (IB) ............................................................................................................ 12

V.2. Enregistrement de chaque indice sous format image « tif » . .............................................. 13

A) Enregistrement de L’Indice de Végétation Brut ................................................................... 13

B) Enregistrement de L’indice de végétation Normalisé(NDVI) .......................................... 13

C) Enregistrement de l’Indice de brillance (IB) ....................................................................... 13

V.3. Présentation des histogrammes des trois indices . ............................................................... 14

A) L’Indice de Végétation Brut ........................................................................................................ 14

B) L’indice de végétation Normalisé(NDVI). .............................................................................. 14

C) L’indice de brillance (IB) ............................................................................................................ 15

V.4. Classification à partir de l’indice NDVI (carte d’occupation du sol ). ............................ 15

V.5. Calculer la surface de chaque classe sur toute l’image (en m² et en %). ......................... 17

A) Surface en m² ................................................................................................................................... 17

V.6. Extraire les mêmes informations sur le bassin versant de Rheraya ................................. 17

A) Surface en m² ................................................................................................................................... 17

B) Surface en % .................................................................................................................................... 17

V.7. Superposition de l’image NDVI avec le bassin versant Rheraya. ...................................... 18

V.8. Les altitudes supérieures à 2500 mètres et sur le bassin versant de Rheraya. .............. 19

V.9 Extraction des courbes de niveaux à partir de MNT. .................................................................

VI. Conclusion ............................................................................................................................................... 20


I. Introduction
I.1. Définition

Une image numérique est un tableau de pixels . Autrement dit, une image est une matrice MxN de valeurs
entières prises sur un intervalle borné [0,Ng] où Ng est la valeur maximale du niveau de gris.

p(i,j) est le niveau de gris du pixel de coordonnées ligne i et colonne j dans l'image. p(i,j) ∈[0, Ng]. Les
valeurs des niveaux de gris sont des entiers.

I.2. Image en couleur :

Fig : Image en couleur

Une image couleur est la composition de trois (ou plus) images en niveaux de gris sur trois (ou plus)
composantes. On définit donc trois plans de niveaux de gris, un rouge, un vert et un bleu. La couleur finale
est obtenue par synthèse additive des ces trois (ou plus) composantes.
I.3. Image en niveaux de gris

Une image ne niveaux de gris autorise un dégradé de gris entre le noir et le


blanc. En général, on code le niveau de gris sur un octet (8 bits) soit 256
nuances de dégradé. L'expression de la valeur du niveau de gris avec Ng =
256 devient : p (i, j) ∈ [0, 255].

Fig : Image en niveaux de gris

I.4. Définition d’un MNT

Un Modèle Numérique de Terrain (MNT) est une


représentation 3D de la surface d'un terrain ou d'une planète,
créée à partir des données d'altitude du terrain. Le MNT ne
prend pas en compte les objets présents à la surface du terrain
tels les plantes et les bâtiments. Un Modèle Numérique
d'Élévation (MNE) est une représentation des élévations sur
un terrain comprenant les plantes et les bâtiments.

II. Matériels utilisé


 Logiciels « Matlab ‘version 2013’ ».

 Images numériques : -'TM2004'

- 'MNT30'
- 'BV_Rheraya'

III. Objectifs du Projet


L’objectif de ce Projet est de prendre en main les outils de traitement d’image `à l’aide du logiciel Matlab :

 Lecture des images multi - spectrales sous matlab.


 Réalisation des histogrammes d’une image.
 Calculs des indices spectraux.
 Calcules géométrique (surface, altitude) sur les images.
 Réalisation des traitements intra- et inter- bandes (classification).
IV. Partie 1 : Statistique sur les bandes
IV.1. Lecture des fichiers images.
A) Lecture du fichier image multiband ‘ITM’.
Le fichier ‘ITM’ il s’agit d’une image multibande formée de 7 bandes, avec une résolution spatiale
de 30 m et 2787 lignes , 17857colonnes.
La commande utile pour la lecture de l’image ITM c’est « multibandread » :

nbcol = 1785;
nbli= 2787;
nbd=7;%(B, V , R, PIR, MIR, IRthérmiqe, MIR)
ITM=multibandread('TM2004',[nbli,nbcol,nbd],'uint8=>uint8',0,'bsq','ieeele',{'Band','Direct',1:7
});

-'TM2004' : le nom du fichier image.


-[nbli, nbcol, nbd] : désigne le nombre de ligne, nombre de colonne et nombre de bandes.
-'uint8=>uint8' : Désigne le format des données à lire,
-'bsq':Band-séquentielle, Méthodes prises en charge de l'entrelacement des bandes
- 'ieeele' : Chaîne spécifiant l'ordre d'octets dont laquelle les données sont stockées.
 Lecture de toutes les bandes de l’image ITM.
L’instruction ci-dessous permet l’affichage de toutes les bandes de l’image ITM :

B=ITM(:,:,1),subplot 331,imshow(B),title('ITM1');
V=ITM(:,:,2),subplot 332,imshow(V),title('ITM2');
R=ITM(:,:,3),subplot 333,imshow(R),title('ITM3');
PIR=ITM(:,:,4),subplot 334,imshow(PIR),title('ITM4');
MIR=ITM(:,:,5),subplot 335,imshow(MIR),title('ITM5');
IRthermiqe=ITM(:,:,6),subplot 336,imshow(IRthermiqe),title('ITM6');
MIR2=ITM(:,:,7),subplot 337,imshow(MIR2),title('ITM7');

TM1= Bleu

TM2= Vert

TM3= Rouge

TM4= PIR

TM5= MIR

TM6= Infrarouge .T

TM7= MIR
B) Lecture du fichier image ‘ MNT’.
MNT=multibandread('MNT30',[nbli,nbcol,1],'int16=>int16',0,'bsq','ieeele',{'Band','Direct',[1]});
imagesc(MNT),colorbar
title('MNT');

Il s’agit d’un Modèle Numérique de Terrain (MNT) , formée d’une seul bande, avec une résolution
spatiale de 30 m , 2787 lignes et 17857colonnes.

C) Lecture du fichier image ‘ BV-Rheraya’.

BV=multibandread('BV_Rheraya',[nbli,nbcol,1],'int8=>int8',0,'bsq','ieeele',{'Band','Direct',1});
imshow(BV) ;
imagesc(BV), title('BV-Rheraya-MARRAKECH(Maroc)');

0 0 0
0 0 0
0 0 0

1 1 1
1 1 1
1 1 1

Fig : Masque du bassin versant Rheraya


VI.2. Comparaison entre réflectances (moyennes, maximales,minimales
et l’écart type sur les 7 bandes) sur toute l’image

for i=1:7
ITM=multibandread('TM2004',[nbli,nbcol,nbd],'uint8=>double',0,'bsq','ieee-
le',{'Band','Direct',[i]});
stat(i,1)=min(min(ITM))
stat(i,2)=max(max(ITM))
stat(i,3)=mean2(ITM)
stat(i,4)=std2(ITM)
end

Tableau : Statistiques sur les bandes de l’image ‘ITM’


Band N° Valeur minimale Valeur maximale Valeur moyenne Ecart type
1 39.0000 255.0000 87.8498 24.2870
2 12.0000 255.0000 46.6495 17.3851
3 11.0000 255.0000 63.3852 24.9511
4 3.0000 255.0000 78.3380 18.7270
5 3.0000 254.0000 113.4482 35.1573
6 74.0000 204.0000 160.0559 17.3415
7 1.0000 225.0000 63.9854 23.4790

<minimum> est la valeur minimale de pixel dans la bande, <maximale> est la valeur de pixel maximum
dans la bande, {Moyenne} est la valeur moyenne de pixel, {std_deviation} est l'écart type .

VI.3. Sauvegarder les résultats dans un fichier texte ou Excel.

save('statistiques.txt','stat','-ascii');
xlswrite('statist.xlsx',stat);

Fichier .xlsx Fichier .txt


VI.3. .Affichage des images et les histogrammes des deux bandes (R et
PIR)sur une seule figure.

figure; subplot 221


imshow(R),title('R')
subplot 222
imshow(PIR),title('PIR')
subplot 223
imhist(R),title('hist R') ;
subplot 224
imhist(PIR),title('hist PIR')

 La commande imhist permet de calculer et d’afficher l’histogramme des images en niveaux de gris.
 L’histogramme affiche le nombre de pixel pour chaque niveau de gris dans les deux
l’images ci-dessous.
 On remarque d’après les histogrammes obtenu que la fréquence des pixels de la bande Rouge et
Proche Infrarouge sont différent.

VI.4 Stockage des deux variables Rouge=R et PIR=PIR.

ROUGE=R
PIR=PIR
V. Partie 2 : Traitements intra -et inter- bandes.
V.1. Calculs des indices spectraux.
La soustraction d'image est souvent utilisée pour identifier les changements survenus entre des
images obtenues à des dates différentes.
Les rapports plus complexes entre des sommes et des différences de bandes spectrales ont
été développés, appelés indices. Il existe une très grande variété de ces indices qui s'appliquent à
des études sur la végétation, les sols, ... .

A) L’Indice de Végétation Brut.

Différence Végétation Index renseigne sur une couverture suffisante ou non du sol par la végétation.

Permet une bonne discrimination des éléments du paysage.

Tableau : Représentent la méthode de calcul de DVI sous Matlab.

Indice Fonction L’instruction


function
DVI= PIR -R
Y=DVI (M, N)
DVI=DVI (PIR, R) ;
Y= (M-N)
end

B) L’indice de végétation Normalisé(NDVI).


C’est le plus connu des indices. Son principe repose sur le fait qu'un couvert végétal absorbe
l'énergie dans la bande rouge et réfléchit beaucoup dans le PIR.

C'est une transformation très utilisée pour surveiller l'état de la végétation à l'échelle
continentale ou du globe.

Pour calculer l’indice de végétations avec Matlab il faut transformer le deux bandes ‘R’ et ‘PIR’ en
codage « double » ou « single » au lieu de « unit8 » :

A=im2single(PIR);
C=im2single(R);

Tableau : Représentent la méthode de calcul de NDVI sous Matlab.


Indice Fonction L’instruction
function
Z=NDVI(X,Y)

NDVI= (PIR-R)/(PIR+R) moy1=(X-Y)


moy2=(X+Y) NDVI=NDVI (A, C) ;

Z= (moy1./moy2)
end
C) L’indice de brillance (IB) :

l'indice de brillance est construit à partir des canaux rouge (R) et proche infrarouge (PIR) suivant

un calcul IB= (PIR2+R2)1/2. L'indice de brillance représente la moyenne des brillances de


l'image. Cet indice est donc sensible à la brillance des sols, reliée à son humidité
et à la présence de sels en surface. Il caractérise surtout l’albédo.

L'indice de brillance permet d'estimer si l'élément de surface observé est clair ou foncé. Ce dernier
cas est causé par différents phénomènes qui peuvent se combiner :
a) la surface a été humidifiée (après des précipitations ou par irrigation)
b) la rugosité de la surface a augmenté (par le travail du sol, par ex.)
c) le couvert végétal a augmenté.

Tableau : Représentent la méthode de calcul de IB sous Matlab.


Indice Fonction L’instruction
function
indiceIB=IB(a,b);
d=a.^2; IB=IB (A, C) ;
IB= (PIR2+R2)1/2
s=b.^2;
indiceIB=sqrt(d+s);
end
V.2. Enregistrement de chaque indice sous format image « tif » .

A) Enregistrement de L’Indice de Végétation Brut.

Instruction Affichage

imwrite(DVI, 'DVI.tif','tif') ;

B) Enregistrement de L’indice de végétation Normalisé(NDVI).

Instruction Affichage

N= double(NDVI);
Z=imshow (NDVI,'DisplayRange', [-1 1]);
imwrite(Z,'NDVI.tif','tif');

C) Enregistrement de l’Indice de brillance (IB) :

Instruction Affichage

M=double(IB);
imwrite(M,'IB.tif','tif');
V.3. Présentation des histogrammes des trois indices .
A) L’Indice de Végétation Brut.

Fig: Représentent l’histogramme de DVI. Fig: Représentent l’image de DVI.


L’histogramme de l’image DVI représentent la soustraction des valeurs numériques contenant dans chaque
Pixels des deux bandes (PIR, R). D’après celui-ci on remarque que la fréquence des valeurs obtenues qui
sont plus répondu est comprise entre (0-25).

B) L’indice de végétation Normalisé(NDVI).

Fig: Représentent l’histogramme de NDVI.

Fig: Représentent l’image de NDVI.

Le résultat du NDVI est une image présentant un gradient croissant d’activité végétale allant du noir
signifiant l’absence de couverture, au blanc qui rend compte d’une activité chlorophyllienne très élevée. Par
conséquent, il est utilisé pour discriminer les sols nus et les surfaces végétalisées.
C) L’indice de brillance (IB) :

Fig: Représentent l’histogramme de IB.


Fig: Représentent l’image de IB.

D’après l’Indice de brillance on obtient une image avec des zones de dégrée de brillance différentes, les
valeurs de IB d’après l’histogramme ci-dessous est comprise entre [0 -1].

V.4. Classification à partir de l’indice NDVI (carte d’occupation du sol ).


Code:
NL=size(NDVI,1);
NC=size(NDVI,2);
class=zeros(NL,NC);
for i=1:nbcol;
for j=1:nbli;
% % classe N° 1 pour NDVI<0 «Eau et neige»
if NDVI(j,i)<0;
class(j,i)=NDVI(j,i);
class(j,i)=1;
end
% % classe N° 2 pour 0.01<NDVI <0.2 Sol nu,
if NDVI(j,i)>0.01 & NDVI(j,i)<0.2 ;
class(j,i)=NDVI(j,i);
class(j,i)=2;
end
% % % classe N° 3 pour 0.2<NDVI <0.4 : végétation moins dense,
if NDVI(j,i)<0.4 & NDVI(j,i)>0.21 ;
class(j,i)=NDVI(j,i);
class(j,i)=3;
end
% % % classe N° 4 pour NDVI>0.4 pour une végétation dense
if NDVI(j,i)>0.41;
class(j,i)=NDVI(j,i);
class(j,i)=4;
end
end
end
figure,imagesc(class);
Avec la programmation sous matlab on peut faire la classification des images, par exemple dans notre cas
on fait la division de l’image NDVI obtenu en 4 classes différentes comme il est présenté dans la carte ci-
dessous :

 Couleur Vert : classe «Eau et neige».

 Couleur Cyan : classe «Sol nu».

 Couleur Rouge : classe «végétation moins dense ».

 Couleur Bleu : classe «végétation dense ».

Carte : Représente une classification à partir de l’indice NDVI .


bandes de l’image ‘ITM’
V.5. Calculer la surface de chaque classe sur toute l’image (en m² et en %).

A) Surface en m² Class n°1 Class n°2 Class n°3 Class n°4

for c=1:4
nbr=class(find(class==c))
T(c)=length(nbr);
Surf(c)=T(c)*900
end

 Classe n°1 «Eau et neige» :

 Classe n°2 «Sol nu» :

 Classe n°3«végétation moins dense » :

 Classe n°4 «végétation dense » :

V.6. Extraire les mêmes informations sur le bassin versant de Rheraya

A) Surface en m²

Nbpixels=BV(find(BV==1))
surface_BV=length(Nbpixels)*res.^2 Surface_BV = 222208200 m²

B) Surface en %

surf_totale=(nbcol*nbli)*res.^2
sufen_pourcentage=(surface_BV./surf_totale)*100

Suface en pourcentage = 4.9630 %

D’après ces résultats on remarque que la surface du bassin versant Rheraya est très important, ce qui
signifie que leurs propriétés physiques est aussi très important tel que : densité drainage, densité
hydraulique
V.7. Superposition de l’image NDVI avec le bassin versant Rheraya.

ITM=multibandread('TM2004',[nbli,nbcol,nbd],'uint8=>uint8',0,'bsq','ieeele',{'Band',
'Direct',1:7});

R=ITM(:,:,3);
PIR=ITM(:,:,4);
ROUGE=R;
PIR=PIR;
A=im2single(PIR);
C=im2single(R);
NDVI=NDVI(A,C);

BV2=im2single(BV);
NDVI2=im2double(NDVI);
Superposition=NDVI2.*BV2;
imagesc(Superposition),title('superposition-image NDVI et le Basin versant
Rheraya');

Carte : Représente superposition de l’image NDVI et le Basin versant Rheraya

.
Cette carte montre que la répartition de la couverture végétale dans le bassin versant Rheraya est
différent, elle augmente en allant du Sud vers le Nord, joue un role très important dans le freinage.
Plus ce que la densité de la végétation est augment plus que la vitesse de ruissellement est diminué et la
capacité d’infiltration est importante.
V.8. Les altitudes supérieures à 2500 mètres et sur le bassin versant de Rheraya.

for j=1:nbcol;
for i=1:nbli;
if MNT(i,j)<2500;
ALT(i,j)=MNT(i,j);
ALT(i,j)=0;
end
if MNT(i,j)>2500;
ALT(i,j)=MNT(i,j);
ALT(i,j)=1;
end
end
end
imagesc(ALT),title('carte des altitude superieurs a 2500 m');

Carte : Représente des altitudes de MNT supérieurs à 2500 m.


.

Les majorités des zones de la région Rheraya dont les altitudes sont supérieure a 2500 sont localisés au
Sud-Est.
V.9 Extraction des courbes de niveaux à partir de MNT.

clc
clear
close all
nbcol = 1785;
nbli= 2787;
nbd=1;
res=30;
MNT = multibandread('MNT30',[nbli,nbcol,1],'int16=>uint16',0,'bsq','ieee-
le',{'Band','Direct',[1]});
figure;
contour(flipud(MNT),20);
axis square ,title ('Carte MNT transformer en courbes de niveaux '); colorbar;

Carte : Représentent les courbes de niveau

. ’countour’ on peut extraire les courbes de niveau d’un MNT (voir la carte
Grace à la commande
ci-dessus).
Dans cette carte obtenue on remarque que les courbes de niveau dont la valeur numérique est très
Important (représentent des grandes altitudes ) est localisé au Sud.

VI. Conclusion :
A travers ce travail j’ai évolué mes compétences concernent le traitement des images de télédétection, et
j’ai élargi mes connaissance aussi en programmation et surtout ce qui est intéressant à l'analyse et
l'interprétation d'un problème.

Les programmes réalisés dans ce travail ont été faite en langage Matlab.

Vous aimerez peut-être aussi