MASTER

Informatique, Télécommunications et Imagerie

I. T. I

2008 – 2009
 IM2 – Aspects fondamentaux
du traitement d’images
IM2.1- Introduction

IM2.2- Formation et acquisition de l’image

IM2.3- Numérisation de l’image

IM2.4- Outils fondamentaux

 IM2.1– Introduction
 Lumière?
rayonnement d’énergie électromagnétique

onde électromagnétique - photon

• La vitesse de la lumière : C ( vide )

• La vitesse de propagation : V ( milieu )

C
V 
n
 Lumière: onde électromagnétique

 La lumière monochromatique est doté

- d’une fréquence (Hz)

- d’une longueur d’onde λ(m)

V
 
f
 Lumière: onde électromagnétique

rayons  rayons X ultraviolet violet rouge infrarouge radar radio

103 100 102 380 780 104 106 1014

http://www.cambridgeincolour.com/tutorials/color-perception.htm
 Lumière: onde électromagnétique

 La couleur varie en fonction de la longueur d’onde

[ 380 ,…,780 nm ]

http://www.cambridgeincolour.com/tutorials/color-perception.htm
 L’oeil humain:
Comparable à une chambre photographique:

 Une « chambre noire »

sphérique emplie de
l’humeur vitré,
 Un « objectif » fovéa

cornée et cristalin,
 Un « diaphragme » Tâche

l’iris percé d’un trou de aveugle

diamètre variable, la Ref: http://perso.wanadoo.fr/jeanpierre.gadbois/yeux.htm

pupille
 La « surface sensible »
constituée par la rétine
 La rétine

 Formée de capteurs sensibles reliés par les fibres du

nerf optique

Les différentes couches de la rétine Ref: http://perso.calixo.net/~jmg/TPE_2/oeil2.htm

La rétine

Temporal Nasal

http://www.caip.rutgers.edu/~feher/SandP/a_fig5.jpg
 La rétine

 Cellules photo-réceptrices: deux catégories:

- Les bâtonnets

• 120 millions dans chaque oeil

- Les cônes

• 6 à 7 millions dans chaque oeil

• 3 types de cônes  modèle de couleur 3D

 La rétine

• Type de cône manquant  daltonisme

Test d’Ishihara : Un individu à vision normale voit un 8.

Un déficient rouge-vert voit un 3.
 CCD

ELECTRONIQUE
ASSOCIEE

Analogique
Signal

Signal
Numérique
 La rétine / CCD

Comparaison

- Rétine :140 millions de photorécepteurs

- Appareil photo numérique haut de gamme (2004) :

10 millions de pixels
 Représentation colorée d’image
Système de couleurs additif

La lumière (couleur) est émise d’une source lumineuse

• Modèle RGB (RVB) bleu
(0,0,1)

blanc
noir (1,1,1)
(0,0,0) vert
(0,1,0)

rouge
(1,0,0)
jaune
(1,1,0)

Magenta =Bleu + Rouge Cyan = Bleu + Vert

Jaune = Vert + Rouge
Blanc = Bleu + Vert + Rouge
Représentation colorée d’image
Système de couleurs soustractif

Blanc – Bleu = Rouge + Vert = Jaune

 Représentation colorée d’image

• Modèle YIQ
- Le modèle YIQ est une variante du modèle RGB
 Y composante luminosité

 I et Q sont les composantes de chrominance

- La relation entre les modèles YIQ et RGB

Y  0.299 0.587 0.114   R 
 I   0.596 0.275 0.321 G 
    
Q  0.212 0.523 0.311   B 
 Perception de la couleur

 Teinte (Hue)
– Déterminée par la longueur d’onde dominante

– Ex : rouge, jaune, pourpre, …

 Perception de la couleur
 Saturation
– Indice de pureté
– Distance du gris de même intensité
 Perception de la couleur

 Luminance (Lightness)
– Intensité de lumière que la couleur réfléchit/transmet
– Brillance (brightness) pour émission
 Domaines d’applications:

• Communications (diffusion de la TV, vidéoconférence,

éducation à distance, surveillance, …)

• Télédétection (cartographie, agriculture, météorologie,

surveillance de désastres, …)

• Médical (rayons X, tomographie, RMN, ultrasons, …)

• Industrielles (robotique, control de processus, …)

 Exemples d’images numériques
(visible)

rayons  rayons X ultraviolet violet rouge infrarouge radar radio

103 100 102 380 780 104 106 1014
 Exemples d’images numériques
(imagerie thermique)

rayons  rayons X ultraviolet violet rouge infrarouge radar radio

103 100 102 380 780 104 106 1014
 Exemples d’images numériques
(imagerie radar)

rayons  rayons X ultraviolet violet rouge infrarouge radar radio

103 100 102 380 780 104 106 1014
 Exemples d’images numériques
(imagerie :IRM)

rayons  rayons X ultraviolet violet rouge infrarouge radar radio

103 100 102 380 780 104 106 1014
 Exemples d’images numériques
(imagerie de fluorescence)

rayons  rayons X ultraviolet violet rouge infrarouge radar radio

103 100 102 380 780 104 106 1014
 Exemples d’images numériques
(imagerie radiologique)

rayons  rayons X ultraviolet violet rouge infrarouge radar radio

103 100 102 380 780 104 106 1014
 Exemples d’images numériques
(imagerie PET)

rayons  rayons X ultraviolet violet rouge infrarouge radar radio

103 100 102 380 780 104 106 1014
Exemples d’images numériques
(Bio-médicale)

Microscopie optique
Systèmes à base de Traitement d’image
 Les étapes du traitement numérique
d’une image
 3 étapes fondamentales :

– Acquisition : scène physique représentation

numérique.

– Traitement : Extraction de l’information pertinente

par segmentation.

– Analyse et interprétation : description structurelle de

l’image.
IM2.2- Formation et acquisition de l’image

 Formation de l’image:
distribution d’intensité lumineuse “ luminance”, “ brithness”


I ( x, y )   c( x, y, t ,  ) s( )d 
0
C(x,y,λ,t): la distribution d’énergie de la source
S(λ): sensibilité du capteur

I(x,y): traduit l’évolution de l’intensité de la lumière au

point de coordonnées spatiales (x,y)
IM2.2- Formation et acquisition de l’image

 Acquisition Projection 2D d’une scène 3D

Image
Scène Image Numériseur
numérique
3D 2D

1- I(x,y) continue 2- I(x,y) numérisée

 IM2.3- Numérisation de l’image

 Numérisation

Discrétisation de l’espace et de l’intensité

• Echantillonnage

• Quantification
 IM2.3- Numérisation de l’image
 Echantillonnage spatial:
– Discrétisation de l’espace 2D,

– ex : caméra CCD standard : échantillonnage par

construction ( 512 x 512 = 262144 pixels)
 IM2.3- Numérisation de l’image
 Quantification (en puissance 2)

– Type :

1 bit – 2 niveaux de gris (images binaires)

8 bits – 256 niveaux (images en tons de gris)

12 bits – 4096 niveaux (radiographies)

IM2.3- Numérisation de l’image

16 bits – 65536 niveaux (radiographies + images)

24 bits – 3 x 8 bits (images couleurs RGB, …)

Numérisation = Échantillonnage + Quantification

 IM2.3- Numérisation de l’image

 Numérisation

Pixel

Scalaire Vecteur
Ex : niveaux de gris Ex : couleur RGB
 IM2.3- Numérisation de l’image

 la fonction I(x,y) : tableau (ou matrice) de nombres

x et y sont des variables discrètes:

x = 0, 1, 2, . . ., N-1; y = 0, 1, 2, . . ., M-1;

 la mémoire de l’image: de NXM cases de n bit chacun

N = M = 256 ou 512
Image numérique
(niveaux de gris)
Image numérique
(couleur RGB)
Image numérique
(multispectrale)
 Exemples

Image binaire

Image 8 bits

Image RGB
 Exemples

Image binaire

Image 8 bits
Image RGB
 Quelques formats d’images
• TIFF (Formats de numérisation)

• GIF, BMP (Formats d’affichage graphique point

à point)

• JPEG, MPEG (Formats d’archivage et de

compression)
• DICOM (Formats d’archivage et de
transmission d’images médicales)

• Etc.
 Résolution

256x256 128x128 64x64

32x32 16x16 8x8

 IM2.4- Outils fondamentaux

 Voisinages et métriques associées

(i-1,j-1) (i-1,j) (i-1,j+1)

• Connectivité
– 4-connectivité
– 8-connectivité (i,j-1) P(i,j) (i,j+1)

(i+1,j-1) (i+1,j) (i+1,j+1)

 IM2.4- Outils fondamentaux
• Métrique D4 (city block)

D4 ( P, Q)  iP  iQ  jP  jQ , D4 ( P, Q)  1
4 voisins adjacents , D4 = 1

• Métrique D8 (checkboard)

D8 ( P, Q)  max( iP  iQ , jP  jQ ), D8 ( P, Q)  1

8 voisins adjacents , D8 = 1
 IM2.4- Outils fondamentaux

• Distance euclédienne D

D( P, Q)  (iP  iQ )  ( jP  jQ )
2 2

- 4 voisins adjacents , D = 1 et 4 voisins adjacents, D= √2

 IM2.4 Outils fondamentaux
 Quelques définitions

• Transformée de Fourier discrète 2D

N 1 N 1
1
F ( , )   f ( x, y) e  i 2 ( x  y )/ N
 ,   0, 1, 2,  , N  1
N x 0 y 0

N 1 N 1
1
f ( x, y)   F ( ,  ) e i 2 ( x  y )/ N
x , y  0, 1, 2,  , N  1
N  0  0
 IM2.4- Outils fondamentaux

• La convolution 2D

M 1 N 1
f ( x, y)  g ( x, y)   f (m, n) g ( x  m, y  n)
m0 n 0

• La corrélation 2D
M 1 N 1
f ( x, y)  g ( x, y)   f (m, n) g ( x  m, y  n)
m0 n 0
 IM2.4- Outils fondamentaux

• Statistique et probabilité

1 N 1
- moyenne   E  x   xn
N n 0

- Variance   E ( x   )   E x   
2 2 2 2

- Écart-type    2

count (n)
- Probabilité Pr(n) 
N
 IM2.4- Outils fondamentaux

• Définitions du SNR

 xmax  xmin 
SNR  20log10   dB
  

  im 
SNR  20log10   dB
 n 
FIN