Master Ingénierie des Systèmes Embarqués, Réseaux & Télécommunications

Traitement des signaux multimédia & Réseaux

de capteurs

Pr. Ilham EL MOURABIT A.U: 2021/2022

 Plan général du Cours

1 2 3
Partie I : Traitement, Partie II : Traitement Partie III : Réseau de
Codage et compression de la parole Capteurs
numérique d’images

Pr. I. EL MOURABIT 2
 • Chapitre 1 : Introduction au traitement d’image
Partie I : • Chapitre 2 : Amélioration de la qualité de l’image
Traitement, Codage & • Chapitre 3 : Extraction des caractéristiques de l’image

Compression d’images • Chapitre 4 : Reconstruction et Segmentation d’image

• Chapitre 5 : Codage et Compression des images

Pr. I. EL MOURABIT 3
 Chapitre 1 :
Introduction au
traitement d’image

Pr. I. EL MOURABIT

4
Introduction
• Historique:

Pr. I. EL MOURABIT 5
Introduction
• Vision Globale :

Pr. I. EL MOURABIT 6
Introduction
• Sciences connectées au traitement d’images:
DSP
Neurophysiologie Algèbre
linéaire

Traitement
Optique Statistiques
d’images

Théorie de
Electronique l’information
Informatique

Pr. I. EL MOURABIT 7
Introduction
• Du traitement d’images à la vision artificielle:

Transmission

Compression Suivi

Représentation Amélioration Détection Compréhension

Bas niveau Haut niveau

§ Pourquoi le traitement d’images?

§ Le futur est au multimédia : les images sont partout
§ Les applications sont multiples

Pr. I. EL MOURABIT 8
Introduction
• Domaines d’application :
• Télédétection : météo, cartographie, astronomie
• Imagerie médicale : aide au diagnostic, tomographie, suivi automatique, reconstruction
3D
• Applications militaires : guidage de missile, reconnaissance terrestre
• Robotique : reconnaissance et assemblage des pièces, véhicules autonomes, contrôle de
qualité
• Sécurité : identification de visages, reconnaissance d’empreintes digitales, tatouage
d’image, data hiding
• Divertissement : HDTV, images haute qualité DVD, compression (normes JPEG et MPEG)

Pr. I. EL MOURABIT 9
Introduction
• C’est quoi une image ?

• Une image est avant tout un signal à deux dimensions.

• Souvent, cette image représente une réalité trois dimensions.

• D'un point de vue mathématique :

• Une image est une matrice de nombres représentant un signal
• Plusieurs outils permettent de manipuler ce signal

• D'un point de vue humain :

• Une image contient plusieurs informations sémantiques
• Il faut interpréter le contenu au-delà de la valeur des nombres

Pr. I. EL MOURABIT 10
Introduction
• Formation d’images :
• Il existe plusieurs systèmes de formations d’images.

Pr. I. EL MOURABIT 11
Système visuel humain
• Le système visuel humain est l'ensemble
des organes participant à la perception
visuelle humaine. Son rôle est de percevoir
et d'interpréter les images reçues.
• L'image est analysée au sein de la rétine et
le résultat de ce traitement est envoyé au
reste du système visuel par le nerf optique.
• Le cortex visuel dans le cerveau humain est
responsable des traitements des images. Il
effectue des traitements de bas niveau
(orientation, contours) mais aussi de haut
niveau (formes, mouvements). Diagramme simplifié de l’œil humain

Pr. I. EL MOURABIT 12
Système visuel humain
• Formation d’image dans l’œil :
• Dans une caméra ordinaire, la lentille a une longueur focale fixe, et la focalisation sur les
différentes distances est achevée par la variation de la distance entre la lentille et le plan
d’image.
• Dans l’œil humaine, l’inverse est vrai; la distance entre la lentille et le plan d’image (la
rétine) est fixe, et la longueur focale demandée pou r avoir un focus est obtenue par la
variation de la forme de lentille.

Pr. I. EL MOURABIT 13
Représentation graphique de l’œil regardant un palmier
Acquisition d’image

Pr. I. EL MOURABIT 14
Acquisition d’image

Source d’illumination ou d’énergie

Réflexion des rayons lumineux sur un élément de la

scène

Pr. I. EL MOURABIT 15
Acquisition d’image

Collection d’énergie entrante par le système

d’imagerie (lentille)

Pr. I. EL MOURABIT 16
Acquisition d’image

Projection de la scène capturée sur le

plan focal de la lentille

Pr. I. EL MOURABIT 17
Acquisition d’image

La matrice de capteurs, qui coïncide

avec le plan focal, produit des sorties
proportionnelles à l’intégral de la
Pr. I. EL MOURABIT
lumière reçue par chaque capteur 18
Acquisition d’image
• Capteur – principe général
• L’énergie incidente est convertie en un signal
électrique.
• La sortie est proportionnelle à la lumière.
• Filtre pour augmenter la sélectivité

Pr. I. EL MOURABIT 19
Acquisition d’image
• Capteur CCD (Matrice 2D)
• Caméra numériques CCD :
• Matrice CCD (Charged Coupled Devices)
• Système d’acquisition numérique le plus utilisé
• La réponse est proportionnelle à l’intégrale de
l’énergie lumineuse qui atteint chaque élément
• Pour la couleur, on utilise trois capteurs par
pixel réagissant à des longueurs d’ondes
différentes (Rouge, Vert et Bleu)

Pr. I. EL MOURABIT 20
Acquisition d’une image numérique
Définition d’une image réelle :
• Une image est la projection d’une scène 3D sur un plan
• Elle peut être définie comme une fonction à deux variables 𝑓 𝑥, 𝑦

• (𝑥, 𝑦) est la position d’un point de l’espace sur le plan de projection

• 𝑓(𝑥, 𝑦) est l’intensité ( ou brillance) au point de coordonnées (𝑥, 𝑦)

• Une image est un plan analogique dans lequel les intensités sont réelles.

Pr. I. EL MOURABIT 21
Acquisition d’une image numérique
• L’image numérique :
𝑓(0,0) 𝑓(0,1) … 𝑓(0, 𝑁 − 1)
𝑓(1,0) 𝑓(1,1) … 𝑓(1, 𝑁 − 1)
𝑓 𝑥, 𝑦 =
⋮ ⋮ ⋮
𝑓(𝑀 − 1,0) 𝑓(𝑀 − 1,1) … 𝑓(𝑀 − 1, 𝑁 − 1)

• Les valeurs f(x,y) sont la réponse du capteur au phénomène observé

• Les valeurs f(x,y) sont des valeurs de voltage continu
• Ces valeurs doivent être converties vers le domaine numérique :
• Conversion Analogique/Numérique
• Deux procédés sont impliqués pour numériser une image :
Numérisation = Echantillonnage + Quantification

Pr. I. EL MOURABIT 22
 Echantillonnage et quantification d’image
• Une image peut être continue par rapport à l’amplitude et les coordonnées x, y.
• Pour la convertir en forme numérique, on doit l’échantillonner dans les coordonnées et
l’amplitude.
• La numérisation des coordonnées est appelée échantillonnage.
• La numérisation des valeurs d’amplitude est appelée quantification.

Image continue projetée sur Résultat de l’échantillonnage

un réseau de capteurs et la quantifications de l’image

Pr. I. EL MOURABIT 23
 Résolution des images
Résolution spatiale

• Elle est définit par l’échantillonnage spatial de l’image.

• L'échantillonnage est le procédé de discrétisation spatiale d'une image consistant à
associer à chaque zone rectangulaire 𝐑 𝒙, 𝒚 d'une image continue une valeur unique
𝑰 𝒙, 𝒚 .
• On parle de sous-échantillonnage lorsque l'image est déjà discrétisée et qu'on diminue le
nombre d'échantillons.

Pr. I. EL MOURABIT 24
 Résolution des images
Résolution tonale
• La quantification désigne la limitation du nombre de valeurs différentes que peut prendre
𝑰 𝒙, 𝒚 .
• L’intensité 𝑰 est quantifiée sur 𝒎 bits et peut prendre 𝑳 = 𝟐𝒎 valeurs : 𝑰 ∈ [𝟎, … , 𝟐𝒎 −
𝟏]. 𝑳 est appelée la dynamique de l’image.
• 𝒎 = 𝟏 : 2 valeurs possibles (images binaires)
• 𝒎 = 𝟖 : 256 valeurs possibles (images en niveaux de gris)
• 𝒎 = 𝟏𝟔 : 65535 valeurs possibles (images en couleurs)
• Une quantification trop faible provoque des faux contours.

Pr. I. EL MOURABIT 25
Résolution des images
Exemple 1 :

Pr. I. EL MOURABIT 26
Résolution des images
Exemple 2 :

Pr. I. EL MOURABIT 27
Représentation des images

Pr. I. EL MOURABIT 28
 Représentation des images
Caractéristiques d’une image :

• Surface divisée en éléments de taille fixe appelés pixels (picture element), et définie par :
• Le nombre 𝑴 de pixels en largeur et le nombre 𝑵 de pixels en hauteur obtenus après
échantillonnage.
• L’étendue 𝑳 des intensités que peut prendre chaque pixel après quantification.
• Les valeurs des pixels I, appelées aussi Intensités ou niveaux de tons.

Pr. I. EL MOURABIT 29
 Représentation des images
Format d’images numériques :
• Données brutes : raw data
• Standards universels : gif, bitmap, tiff, ppm, eps, …
• Standards médicaux : DICOM, ACR-NEMA, …
• Standards propriétaires : Philips®, Siemens®, …

• Exemple :
• BMP (Bitmap) : matrice de bits codés en couleur jusqu’à 24 bits/pixel
• GIF : format compressé avec codage 8 bits/pixel
• JPG (Jpeg) : format de compression DCT d’images photographiques

Pr. I. EL MOURABIT 30
 Types d’images
Images naturelles et artificielles
• Image naturelle : Plusieurs moyens d’acquisition
• Caméra, microscope, tomographie, infrarouge, satellite, …
• Image artificielle : Plusieurs outils de représentation
• Synthèse d’image, réalité virtuelle, visualisation scientifique, …

Pr. I. EL MOURABIT 31
Types d’images
Les trois principaux types d’images

Pr. I. EL MOURABIT 32
Types d’images
Les trois principaux types d’images

Deux valeurs possibles d’intensité (0

ou 1) pour les pixels

𝐼 𝑥, 𝑦 ∈ {0,1}

Pr. I. EL MOURABIT 33
Types d’images
Les trois principaux types d’images

•Image en niveaux de gris :

• Quantification des luminances sur
𝐼 𝑥, 𝑦 ∈ 0,255 l’intervalle 𝟎, 𝟐𝟓𝟓
• Codage sur 8 bits (1 octet) :
𝟐𝟎 − 𝟏 ≤ 𝒌 ≤ 𝟐𝟖 − 𝟏
• Convention : noir = 0 et blanc = 255

Pr. I. EL MOURABIT 34
Types d’images
Les trois principaux types d’images

𝐼! 𝑥, 𝑦 ∈ 0,255
𝐼" 𝑥, 𝑦 ∈ 0,255
𝐼# 𝑥, 𝑦 ∈ 0,255

Pr. I. EL MOURABIT 35
Types d’images

Pr. I. EL MOURABIT 36
Palette de couleurs :
Pour afficher une image, il faut définir une palette de couleur (colormap) qui fait la
correspondance entre les intensités {𝒊𝟏, … , 𝒊𝑳 } des pixels et les niveaux de gris ou les
couleurs.

Pr. I. EL MOURABIT 37
Espace couleur
Les systèmes de représentation de la couleur
• Les systèmes de représentation des couleurs ont pour objectif de représenter la couleur
perçue par un ensemble de points dans un espace à 3 dimensions.
• Il existe plusieurs systèmes de représentation des couleurs ou espaces de couleur dont
les principaux d'entre eux sont :
• Espace RVG/RGB
• Espace CMJN/CMYK
• Espace HLS/HSV

Pr. I. EL MOURABIT 38
Espace couleur
Espace RVB/RGB :
• Espace le plus couramment utilisé. L'espace RVB (Rouge Vert Bleu) ou RGB (Red Green
Blue) est basé sur la synthèse additive.
• La télévision, les caméras et les moniteurs des ordinateurs utilisent ce système lors de
l'affichage et de l'acquisition des images.
• Chaque couleur est représentée par 3 valeurs qui sont les quantités de rouge, de vert et
de bleu qu'elle contient.
• Les valeurs sont comprises entre 0 et 1 (valeurs normalisées), ou 0 et 255 lors du codage
des couleurs sur 8 bits Par exemple : (0,0,0) = noir , (1,1,1) = blanc, (1,0,0) = rouge, (0,1,0)
= vert, (0,0,1) = bleu, (0,1,1) = cyan, (1,0,1) = magenta, (1,1,0) = jaune.

Pr. I. EL MOURABIT 39
Espace couleur
Espace RVB/RGB :
• On représente souvent l'espace RVB comme un cube de
dimensions 1x1x1, placé à l'origine d'un repère à trois
dimensions dont les axes indiquent la quantité de
Rouge, de Vert et de Bleu.
• Chaque couleur correspond à un point C de coordonnée
(Rc, Vc, Bc) situé dans le cube. Les couleurs Rouge, Vert,
Bleu, Cyan, Magenta, Jaune , Noir et Blanc sont situées
aux sommets du cube. Le Noir (0,0,0) est situé à l'origine
du repère.

Pr. I. EL MOURABIT 40
Espace couleur
Espace RVB/RGB :
• Les couleurs primaires sont situées sur les 3 axes à la distance 1.
• La diagonale principale du cube est une droite tracée entre l'origine (0,0,0) et le point (1,1,1) .
• Les couleurs situées sur cette ligne ont des quantités égales de Rouge, de Vert, et de Bleu. Ce
sont donc les différents niveaux de gris, variant du Noir en (0,0,0) au Blanc en (1,1,1).
• Difficile de se faire une idée de la luminosité dans ce mode colorimétrique :
𝑳 = 𝟎. 𝟑𝑹 + 𝟎. 𝟓𝟗𝑮 + 𝟎. 𝟏𝟏𝑩

Pr. I. EL MOURABIT 41
Espace couleur
Espace CMJN/CMYK :
• L'espace CMJN (Cyan Magenta Jaune Noir) / CMYK (Cyan Magenta Yellow Black) est basé
sur la synthèse soustractive des couleurs.
• Il est utilisé spécifiquement dans l'imprimerie. Pour chaque couleur, on indique la
quantité d'encre Cyan, Magenta, Jaune et Noir permettant de la reproduire.
• On peut simplement passer de l'espace RVB à l'espace CMJN :

𝑪=𝟏−𝑹 , 𝑴=𝟏−𝑮 , 𝑱=𝟏−𝑩

Pr. I. EL MOURABIT 42
Espace couleur
Espace HLS/HSV :
• TLS (Teinte, Luminance, Saturation ) ou HSV (Hue, Saturation, Value) ou HLS (Hue,
Luminance, Saturation) espace qui permet de décomposer une couleur en trois
composantes plus intuitives qui sont la teinte (Hue), la saturation et la luminance(Value).

• Il se base sur la décomposition de la couleur en une couleur pure du spectre de l'arc en

ciel à laquelle est ajoutée un gris (addition de R,V,B à parts égales).

Pr. I. EL MOURABIT 43
Espace couleur
Espace HLS/HSV :
• La teinte indique la couleur pure qui est
prépondérante dans la couleur. Les teintes
peuvent-être représentées par un angle sur un
cercle.
• La saturation correspond à la proportion de
couleur pure. Elle varie entre 0 et 1. S=0 : gris S=1 :
couleur pure .Plus la saturation est faible plus la
couleur est délavée. Plus la saturation est élevée,
plus la couleur est vive.
• La luminance caractérise l'intensité totale du point
lumineux coloré.

Pr. I. EL MOURABIT 44
Espace couleur
Espace HLS/HSV :
• Les formules de passage entre l'espace HLS et l'espace RVB :

𝟏
𝑳= 𝑹+𝑮+𝑩
𝟑
𝟑
𝑺=𝟏− 𝒎𝒊𝒏 𝑹, 𝑮, 𝑩
𝑹+𝑮+𝑩

𝟎. 𝟓 𝑹 − 𝑮 + 𝟎. 𝟓(𝑹 − 𝑩)
𝑯 = 𝒂𝒓𝒄𝒄𝒐𝒔
𝑹−𝑮 5 + (𝑹 − 𝑩)(𝑮 − 𝑩)

Pr. I. EL MOURABIT 45
Relations entre pixels
Voisinage d’un pixel :
• Un pixel p à la position (x, y) a quatre voisins horizontaux et verticaux dont les
coordonnées sont:
𝒙 + 𝟏, 𝒚 , 𝒙 − 𝟏, 𝒚 , 𝒙, 𝒚 + 𝟏 , 𝒙, 𝒚 − 𝟏
• Cet ensemble de pixels, noté 𝑁* (𝑝), est appelé le 4-voisinage de p ou voisinage d’ordre
4.
• La distance entre chaque pixel voisin et le pixel central est égale à une unité.
• Si le pixel p se situe sur la bordure de l’image, certains voisins se situent à l’extérieur de
l’image.
• Les quatre voisins diagonaux de p, notés 𝑁+ (𝑝), sont définis par les coordonnées :

𝒙 + 𝟏, 𝒚 + 𝟏 , 𝒙 − 𝟏, 𝒚 − 𝟏 , 𝒙 − 𝟏, 𝒚 + 𝟏 , 𝒙 + 𝟏, 𝒚 − 𝟏
Pr. I. EL MOURABIT 46
Relations entre pixels
Voisinage d’un pixel :

Pr. I. EL MOURABIT 47
Relations entre pixels
Distances et mesures :
• Soient p,q et z trois pixels ayant les coordonnées 𝑥, 𝑦 , 𝑠, 𝑡 𝑒𝑡 𝜈, 𝜔 , respectivement.
On dit que D est une fonction de distance ou métrique si
a. 𝐷 𝑝, 𝑞 ≥ 0 𝐷 𝑝, 𝑞 = 0 𝑠𝑠𝑖 𝑝=𝑞
b. 𝐷 𝑝, 𝑞 = 𝐷 𝑞, 𝑝 , 𝑒𝑡
c. 𝐷 𝑝, 𝑧 ≤ 𝐷 𝑝, 𝑞 + 𝐷(𝑞, 𝑧)

• La distance euclidienne entre p et q est définie comme :

𝑫𝒆 𝒑, 𝒒 = (𝒙 − 𝒔)𝟐 +(𝒚 − 𝒕)𝟐
• Les pixels ayant une distance inférieure à r de (x,y) sont les pixels appartenant au disque
défini par le rayon r et centré au point (x,y).

Pr. I. EL MOURABIT 48
Relations entre pixels
Distances et mesures :

• La distance D4 appelée aussi distance de Manhattan entre p et q est définie par :

𝑫𝟒 𝒑, 𝒒 = 𝒙 − 𝒔 + 𝒚 − 𝒕
• Dans ce cas, les pixels ayant une distance 𝑫𝟒 𝒙, 𝒚 inférieure ou égale à r forment un
diamant centré au point (x,y).
• Par exemple, les pixels ayant une distance 𝑫𝟒 ≤ 𝟐 du point (x,y) forment les contours
iso-lignes suivants :
2
2 1 2
2 1 0 1 2
2 1 2
2
Pr. I. EL MOURABIT 49
Relations entre pixels
Distances et mesures :

• La distance D8 appelée aussi distance de Tchebychev entre p et q est définie par :

𝑫𝟖 𝒑, 𝒒 = 𝒎𝒂𝒙 𝒙 − 𝒔 , 𝒚 − 𝒕
• Dans ce cas, les pixels dont la distance 𝑫𝟖 est inférieure ou égale à r forment un carré
centré au point (x,y).
• Par exemple, les pixels ayant une distance 𝑫𝟖 ≤ 𝟐 du point (x,y) forment les contours
iso-lignes suivants :
2 2 2 2 2
2 1 1 1 2
2 1 0 1 2
2 1 1 1 2
2 2 2 2 2
Pr. I. EL MOURABIT 50
Opérations sur les images
Opérations linéaires vs non-linéaires
• Soit H un opérateur qui produit l’image g(x,y) en sortie, ayant l’image f(x,y) en entrée :

𝐻 𝑓(𝑥, 𝑦) = 𝑔(𝑥, 𝑦)
• H est un opérateur linéaire si, pour deux images 𝑓/ et 𝑓0 et deux scalaires 𝑎/ et 𝑎0 , on a :

𝐻 𝑎/ 𝑓/ 𝑥, 𝑦 + 𝑎0 𝑓0 (𝑥, 𝑦) = 𝑎/ 𝐻 𝑓/ 𝑥, 𝑦 + 𝑎0 𝐻 𝑓0 𝑥, 𝑦
= 𝑎/ 𝑔/ 𝑥, 𝑦 + 𝑎0 𝑔0 𝑥, 𝑦
• H est non-linéaire sinon.

Pr. I. EL MOURABIT 51
Opérations sur les images
Opérations linéaires vs non-linéaires

• Exemple :
• Montrer que le maximum (max) est un opérateur non linéaire.
0 2 6 5
• Prenez comme exemple les deux images 𝑓$ = et 𝑓% =
2 3 4 7

Pr. I. EL MOURABIT 52
Opérations sur les images
Addition de deux images :
• L’addition de deux images f et g de même taille est une nouvelle image h de même taille dont
chaque pixel correspond à la somme des valeurs des pixels des images originales :
∀ 𝑥, 𝑦 ℎ 𝑥, 𝑦 = 𝑓 𝑥, 𝑦 + 𝑔 𝑥, 𝑦

• L’image de droite est la somme des deux images de gauche. Notez que cette somme a des valeurs
entre 0 et 510.
Pr. I. EL MOURABIT 53
Opérations sur les images
Addition de deux images :
• Il est possible de réaliser l’addition des deux images sans dépasser l’intervalle défini des
intensités :
• ∀ 𝑥, 𝑦 ℎ 𝑥, 𝑦 = 𝑚𝑖𝑛 𝑓 𝑥, 𝑦 + 𝑔 𝑥, 𝑦 ; 255

• L’addition d’images peut permettre

• De diminuer le bruit d’une vue dans une série d’images
• D’augmenter la luminance en additionnant une image avec
elle-même.

Pr. I. EL MOURABIT 54
Opérations sur les images
La soustraction de deux images :
• La soustraction de deux images est utilisée par exemple pour détecter des
changements ∀ 𝑥, 𝑦 ℎ 𝑥, 𝑦 = 𝑓 𝑥, 𝑦 − 𝑔 𝑥, 𝑦

• L’image de droite est la différence des deux images de gauche. Notez que cette somme a
des valeurs entre -255 et 255.
Pr. I. EL MOURABIT 55
Opérations sur les images
La soustraction de deux images :
• Pareil à l’addition, il est possible de limiter les valeurs de l’image résultante dans
l’intervalle prédéfini des intensités de pixels par les deux images d’origine :

∀ 𝑥, 𝑦 ℎ 𝑥, 𝑦 = 𝑚𝑎𝑥 𝑓 𝑥, 𝑦 − 𝑔 𝑥, 𝑦 ; 0

• La soustraction d’images peut permettre

• La détection de défauts
• La détection de mouvements

Pr. I. EL MOURABIT 56
Opérations sur les images
La soustraction de deux images :

Pr. I. EL MOURABIT 57
Opérations sur les images
La multiplication d’une image par un coefficient :
• La multiplication d’une image f par un ratio (facteur) peut se définir par :

∀ 𝑥, 𝑦 ℎ 𝑥, 𝑦 = 𝑚𝑖𝑛 𝑓 𝑥, 𝑦 × 𝑟𝑎𝑡𝑖𝑜 ; 255

• La multiplication d’images peut permettre d’améliorer le contraste ou la luminosité.

Pr. I. EL MOURABIT 58
Opérations sur les images
La division de deux images :
• La division de deux images permet notamment de corriger une illumination non
1 2,3
homogène. ∀ 𝑥, 𝑦 ℎ 𝑥, 𝑦 =
4 2,3

• La figure illustre la suppression de l’ombre sur une image.

Pr. I. EL MOURABIT 59
Opérations sur les images
Opérateurs logiques :
• Les opérateurs logiques
fonctionnent aussi sur les
images.

Pr. I. EL MOURABIT 60
Opérateurs logiques :
• Les opérateurs logiques
fonctionnent aussi sur les
images.

Pr. I. EL MOURABIT 61
Transformations géométriques

• Les transformations géométriques sont parmi les modifications les plus répandues que
peut subir une image (translation, rotation, cisaillement…)
• Le tableau suivant résume ces transformation avec leurs modèles mathématiques?

Pr. I. EL MOURABIT 62
 Identité

Echelle

Rotation

Translation

Cisaillement vertical

Cisaillement horizontal
Pr. I. EL MOURABIT 63