TD du module

‘Traitement d’Images :
concepts de base’

S. Le Hégarat-Mascle
01/09/2016
Exercice 1 : (cours Définitions fondamentales et prétraitements)

Différents prétraitements ont été appliqués à l’image I1. Les résultats de ces traitements sont
montrés sur la Figure 2 tandis que les histogrammes sont donnés dans la Figure 3 mais dans le
désordre.

1) Associez les histogrammes de la Figure 3 aux images de la Figure 2.

2) En vous aidant des histogrammes associés, déterminez quel prétraitement a permis de
passer de l’image I1 à chacune des images de la Figure 1.

Figure 1 : image I1 d’une roue d’engrenage et son histogramme H1.

Figure 2 : images I2 à I11 en sortie de différents prétraitements de l’image I1.

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 2

Figure 3 : dans le désordre, histogrammes H2 à H11 des images I2 à I10.

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 3

Exercice 2 : (cours Définitions fondamentales et prétraitements)

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

0 1 2 3 4 5 6 7 8 9
0 6 5 4 3 2 2 3 4 5 6
1 5 4 3 2 1 1 2 3 4 5
2 4 3 2 1 14 14 1 2 3 4
3 3 2 1 14 12 12 14 1 2 3
4 2 1 14 12 8 8 12 14 1 2
5 2 1 14 12 8 8 12 14 1 2
6 3 2 1 14 12 12 14 1 2 3
7 4 3 2 1 14 14 1 2 3 4
8 5 4 3 2 1 1 2 3 4 5
9 6 5 4 3 2 2 3 4 5 6
Figure 4 : image I11 d’un cercle et valeurs des pixels de l’image en fonction de leurs coordonnées.

Un bruit de type impulsionnel est ajouté à cette image tel que : I11(1,1)=I11(3,6)=I11(4,4)=I11(4,8)=0 et
I11(5,1)=I11(5,5)=I11(6,3)=I11(8,8)=15.

Figure 5 : image I12 après ajout d’un bruit impulsionnel sur l’image I11.

1) Quel est le paramètre du bruit ?

2) Appliquer un filtre moyenneur de taille 3×3 sur les pixels de I12 de coordonnées (1,1), (3,6),
(4,4), (4,8), (5,1), (5,5), (6,3), (8,8), (1,4), (1,8), (8,2), (8,5). Quelle est l’erreur quadratique
moyenne sur ces pixels ?
3) Appliquer un filtre médian de taille 3×3 sur les pixels de I12 de coordonnées (1,1), (6,3), (4,4),
(8,4), (1,5), (5,5), (3,6), (8,8), (4,1), (8,1), (2,8), (5,8). Quelle est l’erreur quadratique moyenne
sur ces pixels ?

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 4

Exercice 3 : (cours Définitions fondamentales et prétraitements)

L’image de la Figure 6 est une image à niveaux de gris de taille 10×10 pixels dont les valeurs des
niveaux de gris sont codées sur 4 bits. Cette image représente une forme rectangulaire et une forme
en losange sur un fond non uniforme.

0 1 2 3 4 5 6 7 8 9
0 8 9 8 6 8 9 8 9 8 9

1 7 8 7 4 7 8 10 8 15 8

2 8 6 4 5 4 9 8 9 8 7

3 7 4 5 2 3 4 7 8 10 8

4 8 9 4 3 4 6 8 6 8 9

5 7 8 7 4 9 8 7 8 6 8

6 8 0 8 6 8 12 11 12 13 7

7 7 8 7 8 8 13 12 10 12 8

8 8 5 8 0 8 12 14 12 11 9

9 6 8 6 8 7 8 9 8 7 8

Figure 6 : image I13 d’un rectangle et d’un losange et valeurs des pixels de l’image en fonction de
leurs coordonnées.

1) Tracer l’histogramme de l’image ?

2) Choisir les seuils optimaux d’après l’histogramme pour binariser l’image et retrouver les deux
formes recherchées
3) Détaillez et expliquez le plus précisément et le plus rigoureusement possible les traitements
à réaliser pour obtenir l’image résultat I14 de la Figure 7. Pour illustrer chacun de ces
traitements, il est demandé de représenter l’image résultat correspondante et de donner les
éventuels filtres, opérateurs, éléments structurants, seuils,...utilisés.

0 1 2 3 4 5 6 7 8 9
0 0 0 0 0 0 0 0 0 0 0

1 0 0 0 1 0 0 0 0 0 0

2 0 0 1 1 1 0 0 0 0 0

3 0 1 1 1 1 1 0 0 0 0

4 0 0 1 1 1 0 0 0 0 0

5 0 0 0 1 0 0 0 0 0 0

6 0 0 0 0 0 1 1 1 1 0

7 0 0 0 0 0 1 1 1 1 0

8 0 0 0 0 0 1 1 1 1 0

9 0 0 0 0 0 0 0 0 0 0

Figure 7 : image I14 idéale du rectangle et losange recherchés et valeurs des pixels de l’image en
fonction de leurs coordonnées.

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 5

Exercice 4 : (cours Introduction à la morphologie mathématique (cas binaire))

L’image de la Figure 8 est une image à niveaux de gris de taille 8×8 pixels dont les valeurs des niveaux
de gris sont codées sur 4 bits. Cette image représente deux formes en croix.

0 1 2 3 4 5 6 7
0 0 0 0 0 0 0 51
0
0 0 102 0 0 0 51 153
1
0 102 153 102 0 51 153 153
2
0 0 102 0 51 153 153 153
3
0 0 0 51 153 204 153 153
4
0 0 51 153 204 255 204 153
5
0 51 153 153 153 204 153 153
6
51 153 153 153 153 153 153 153
7
Figure 8 : image I15 de deux croix et valeurs des pixels de l’image en fonction de leurs coordonnées.

0 1 2 3 4 5 6 7
0 0 0 0 0 0 0 0 0

1 0 0 1 0 0 0 0 0

2 0 1 1 1 0 0 0 0

3 0 0 1 0 0 0 0 0

4 0 0 0 0 0 1 0 0

5 0 0 0 0 1 1 1 0

6 0 0 0 0 0 1 0 0

7 0 0 0 0 0 0 0 0

Figure 9 : image I16 idéale des deux croix recherchées et valeurs des pixels de l’image en fonction
de leurs coordonnées.

1) Sur l’image I15 de la Figure 8, on distingue deux croix. On souhaite appliquer une série de
prétraitements afin d’obtenir l’image I16 de la Figure 9. 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 I16 de la Figure 9. Pour illustrer chacun de ces traitements, il est demandé de
représenter l’image résultat correspondante et de donner les opérateurs, éléments
structurants, et seuils utilisés.

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 6

Exercice 5 : (cours Introduction à la morphologie mathématique (cas binaire))

L’image couleur I17 de la Figure 10 représente la plaque d’immatriculation d’un véhicule automobile.
Afin de lire le contenu de cette plaque, on souhaite analyser cette image. Pour cela, une première
opération est effectuée à partir de l’image I17 de la Figure 10. Les résultats sont représentés sur les
images de la Figure 11 ainsi que leurs histogrammes respectifs.

Figure 10 : image I17 d’une plaque d’immatriculation.

Figure 11 : images résultats de prétraitements de l’image I17 et histogrammes associés.

1) Quel prétraitement a permis d’obtenir les images de la Figure 11 ? Expliquer à quelles zones
de l’image correspondent les différents pics de chacun des histogrammes respectifs. Dans le
cadre de la lecture de la plaque d’immatriculation, expliquer pourquoi la dernière image,
notée par la suite I18, de la Figure 11 est la plus adéquate à exploiter.

Figure 12 : images résultats de prétraitements de l’image I18.

2) Différents traitements sont ensuite appliqués à partir de l’image I18 de la Figure 11. Les
résultats de ces traitements sont représentés sur les images de la Figure 12. Déterminer le
plus précisément possible les traitements effectués sur les images de la Figure 12 en
justifiant, pour chaque image, votre réponse.

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 7

Exercice 6 : (cours Introduction à la morphologie mathématique (cas binaire))

L’image I19 de la Figure 13 représente une cellule humaine vue au microscope. Afin de détecter la
maladie du cancer, on souhaite analyser cette image.

Figure 13 : image I19 d’une cellule vue au Figure 15 : image I20 des contours de l’image I19.
microscope.

Pour cela, une série de traitements est effectuée à partir de l’image I19 de la Figure 13. Les résultats
de ces traitements sont représentés sur les images de la Figure 14.

Figure 14 : images résultats de prétraitements de l’image I18 conduisant à l’image I19 (en bas à droite)

1) Déterminer le plus précisément possible les traitements effectués à partir de l’image I19 et
ayant conduit successivement aux images présentées sur la Figure 14 en justifiant, pour
chaque image, votre réponse. Les types d’opération, les valeurs des paramètres et les
éventuels filtres utilisés ainsi que les images sources devront être précisés le plus
rigoureusement possible.
2) Dans le cas d’une image binaire, comme I19, comment peut-on obtenir le contour des objets,
comme sur l’image I20 de la Figure 15, à partir d’opérateurs simples de morphologie
mathématique et binaires ?
3) Proposez une mesure la plus simple possible de la régularité du contour.

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 8

Exercice 7 : (cours Détection de contours)

Sur les images I21 et I22 des Figures 16 et 17, on distingue des formes sur un fond non uniforme du à
un défaut d’éclairage.
0 1 2 3 4 5 6 7 8 9 10 11 12 13
0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0
1 i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a

2 i0-2ai0-2a i0-2a i0-2a-bi0-2a-bi0-2a-b i0-2a i0-2a i0-2a i0-2a i0-2a i0-2a i0-2a i0-2a

3 i0-a i0-a i0-a-b i0-a-b i0-a-b i0-a-b i0-a-b i0-a i0-a i0-a i0-a i0-a i0-a i0-a
4 i0 i0 i0-b i0-b i0-b i0-b i0-b i0 i0 i0 i0 i0 i0 i0

5 i0-a i0-a i0-a-b i0-a-b i0-a-b i0-a-b i0-a-b i0-a i0-a i0-a i0-a i0-a i0-a i0-a

6 i0-2ai0-2a i0-2a i0-2a-bi0-2a-bi0-2a-b i0-2a i0-2a i0-2a i0-2a i0-2a i0-2a i0-2a i0-2a
7 i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a+b i0-a+b i0-a+b i0-a i0-a i0-a

8 i0 i0 i0 i0 i0 i0 i0 i0+b i0+b i0+b i0+b i0+b i0 i0

9 i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a+b i0-a+b i0-a+b i0-a+b i0-a+b i0-a i0-a
10 i0-2ai0-2a i0-2a i0-2a i0-2a i0-2a i0-2a i0-2a+bi0-2a+b i0-2a+b i0-2a+bi0-2a+b i0-2a i0-2a
11 i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a i0-a+b i0-a+b i0-a+b i0-a i0-a i0-a
12 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0

13 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0 i0

Figure 16 : à gauche, valeurs des niveaux de gris des pixels de l’image I21.paramétrée par i0, a et b ; à
droite, image I21 pour i0=10, a=2 et b=4.
0 1 2 3 4 5 6 7
0 13 13 12 12 12 11 11 11
10
1 13 12 12 12 11 11 11
10
2 12 12 8 7 6 5 10
10
3 12 12 7 6 5 4 10
9
4 12 11 6 5 4 3 10
9
5 11 11 5 4 3 2 9
9
6 11 11 10 10 10 9 9
8
7 11 10 10 10 9 9 9

Figure 17 : à gauche, image I22 ; à droite, valeurs des niveaux de gris des pixels de I22.

Traitement de I21
1) Réaliser le filtrage linéaire de l’image I21 pour i0=15, a=4 et b=4, avec le filtre de convolution
suivant :
-1 1 0
2) On veut fermer le contour en filtrant l’image par le même filtre après rotation de +90°.
Expliquer pourquoi cela ne donne pas de résultat satisfaisant.
3) En supposant que l’on connait l’orientation du défaut d’illumination (verticale ici), proposez
un traitement qui permette de récupérer les contours manquants.

Traitement de I22
4) En s’inspirant de l’approche précédente et en exploitant le filtre de convolution H1 :
-1 -1 0
H1= -1 0 1
0 1 1
Proposez une solution pour détecter les coins du carré de I22 malgré le défaut d’illumination.

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 9

Exercice 8 : (cours Détection de contours)

On considère un système de détection des lignes haute-tension embarqué sur un hélicoptère en basse
altitude (il s’agit de détecter les lignes comme des obstacles à éviter). Soit l'image 11×11, I, suivante, prise
de nuit sous éclairement des projecteurs de l’hélicoptère (les lignes, métalliques, sont supposées briller
plus que les nuages).

4 1 1 1 2 2 5 2 7 7 7
3 2 2 3 2 4 7 7 3 4 4
3 3 3 7 7 7 3 4 4 6 7
4 7 7 7 3 3 3 6 6 6 3
7 3 3 3 6 6 6 2 3 6 6
7 6 6 6 2 2 5 5 6 3 4
6 2 2 2 5 5 2 2 4 4 2
3 5 5 5 2 2 4 5 1 1 1
5 5 2 2 4 4 1 1 1 1 1
3 5 4 4 2 2 1 1 0 0 0
5 3 5 2 2 2 1 4 1 0 1

Figure 1 : image acquise I.

1) Compléter l’histogramme H(n) et l’histogramme cumulé C(n) où n est le niveau de gris (l’image est
codée sur 3 bits). Tracer ces histogrammes.

125
100
n 0 1 2 3 4 5 6 7 75
C(n) 4 20 63 93 121 Série1
H(n) 4 16 19 16 14 50
Série2
25
0
0 5 10

2) On veut détecter automatiquement deux distributions l’une Gaussienne et l’autre uniforme à

partir des histogrammes. On extrait d’abord la distribution uniforme.

a- Quelle est la forme géométrique de l’histogramme d’une distribution uniforme, et quelle est la
forme géométrique de l’histogramme cumulé d’une distribution uniforme ?
b- Expliquez pourquoi on considère généralement plus robuste de travailler à partir de
l’histogramme cumulé.
c- En déduire les limites vraisemblables de la partie uniforme de H ? Justifiez.
d- Est-ce qu’elle représente les câbles ou le paysage ? Justifiez.

3) Compléter le seuillage supérieur ou égal à la valeur de niveau de gris 4, de l'image I, donnant

l’image résultat J =

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 10

 1 0 0 0 0 0 1 0 1 1 1
0 0 0 0 0 1 1 1 1
0 0 1 1 0 1 1
1 1 0 0 0 1 1 1 0
1 0 0 0 1 1 1
1 1 1 1 0 0 1
1 0 0 0 1 1 0 0 1 1 0
0 1 1 1 0 0 0
1 1 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0 0
1 0 1 0 0 0 0 1 0 0 0

4) On s’intéresse à la détection des câbles électriques, supposés rectilignes, parallèles, équidistants

et allant au moins par 3. De plus on suppose que la mise au point de la caméra est optimale : les
câbles sont d’épaisseur 1 pixel dans l’image et distants de 1 pixel également. On choisit une
approche à base d’opérateurs de morphologie mathématique.

a- Justifiez le choix de l’élément structurant élémentaire B, pour nettoyer du bruit dans J sans
perturber la détection des droites.
B = 1* 1 où * marque le centre
b- Effectuer une ouverture par B (sur la figure suivante on a redessiné en ‘fond’ l’image de la
question 3). Sur les bords de l’image on restreindra l’élément structurant à son intersection avec
l’image. Vous pourrez tracer en précisant ce dont il s’agit un résultat intermédiaire sur l’image en
coloriant les pixels avec une couleur C1 (gris foncé par exemple) tandis que le résultat final sera
tracé en coloriant les pixels avec une couleur C2 (gris clair par exemple). On note J’ le résultat.

1 0 0 0 0 0 1 0 1 1 1
0 0 0 0 0 1 1 1 1
0 0 1 1 0 1 1
1 1 0 0 0 1 1 1 0
1 0 0 0 1 1 1
J’= 1 1 1 1 0 0 1
1 0 0 0 1 1 0 0 1 1 0
0 1 1 1 0 0 0
1 1 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0 0
1 0 1 0 0 0 0 1 0 0 0
Quel type de bruit cette opération a-t-elle supprimé ?

c- Justifiez le choix de l’élément structurant V, notamment sa taille, pour détecter les câbles par
érosion. Vt =
1 1* 1
d- Effectuez l’érosion par V de J’. Pour traiter les bords, on considérera ici que J’ est bordée de
double rangées de 0. On note J’’ le résultat.

1 0 0 0 0 0 1 0 1 1 1
0 0 0 0 0 1 1 1 1
0 0 1 1 0 1 1
1 1 0 0 0 1 1 1 0
1 0 0 0 1 1 1
J’’= 1 1 1 1 0 0 1
1 0 0 0 1 1 0 0 1 1 0
0 1 1 1 0 0 0
1 1 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0 0
1 0 1 0 0 0 0 1 0 0 0

5) Donnez la transformée de J’’ vue en cours qui permettra finalement de détecter les câbles
automatiquement.

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 11

 Le tableau suivant calcule linéairement les valeurs bi=fi(a) où i∈[1,15] et fi est linéaire.
a b1 b2 b3 b4 b5 b6 b7 b8 b9 b10 b11 b12 b13 b14 b15
-3 33 36 28 20 23 35 12 15 18 30 22 25 14 17 20
-2,75 31 33 26 19 22 33 12 14 17 28 21 24 14 16 19
-2,5 28 31 24 18 20 30 11 14 16 26 20 22 13 16 18
-2,25 26 28 22 16 19 28 11 13 15 24 18 21 13 15 17
-2 23 25 20 15 17 25 10 12 14 22 17 19 12 14 16
-1,75 21 22 18 14 16 23 10 11 13 20 16 18 12 13 15
-1,5 18 20 16 13 14 20 9 11 12 18 15 16 11 13 14
-1,25 16 17 14 11 13 18 9 10 11 16 13 15 11 12 13
-1 13 14 12 10 11 15 8 9 10 14 12 13 10 11 12
-0,75 11 11 10 9 10 13 8 8 9 12 11 12 10 10 11
-0,5 8 9 8 8 8 10 7 8 8 10 10 10 9 10 10
-0,25 6 6 6 6 7 8 7 7 7 8 8 9 9 9 9
0 3 3 4 5 5 5 6 6 6 6 7 7 8 8 8
0,25 1 0 2 4 4 3 6 5 5 4 6 6 8 7 7
0,5 -2 -3 0 3 2 0 5 5 4 2 5 4 7 7 6
0,75 -5 -5 -2 1 1 -3 5 4 3 0 3 3 7 6 5
1 -7 -8 -4 0 -1 -5 4 3 2 -2 2 1 6 5 4

Précisez chacune de ces relations fi où i∈[1,15].

a- Les lignes étant parallèles, justifiez que l’on recherche pour chaque valeur de a le (ou les) mode(s)
principal(aux) parmi les valeurs de b.
b- Complétez les deux dernières colonnes du tableau suivant qui détecte ce(s) mode(s).
a mode 1 nb occ mode 2 nb occ
-3 20 2 / 0
-2,75 33 2 19 2
-2,5 18 2 20 2
-2,25 28 2 13 2
-2 25 2 17 2
-1,75 18 2 16 2
-1,5 18 2 20 2
-1,25 11 3 13 3
-1 12 10 3
-0,75 11 4
-0,5 8 10 6
-0,25 7 4
0 6 5
0,25 4 3 6 3
0,5 5 3 0 2
0,75 3 3 -5 2
1 4 2 2 2
c- En déduire le nombre de lignes à haute tension sur l’image, ainsi que leur inclinaison. Justifiez
votre réponse.

Polytech Paris Sud, Et4EES, TD TI (S. le Hégarat-Mascle) Page 12