Académique Documents
Professionnel Documents
Culture Documents
Cours TI G.KHAISSIDI 1
Sommaire
Cours TI G.KHAISSIDI 2
Chapitre I : Introduction au traitement d’image
Le traitement d'images est une branche du traitement de signal dédiée aux images et vidéo.
Le traitement d'images est l'ensemble des opérations effectuées sur l’image, afin d’en
améliorer la lisibilité et d’en faciliter l’interprétation. C'est, par exemple, le cas des
opérations de rehaussement de contraste, élimination du bruit et correction d’un flou. C'est
aussi l'ensemble d’opérations effectuées pour extraire des "informations" de l’image comme
la segmentation et l'extraction de contours.
Avant le traitement d'images, on peut aussi effectuer des opérations de prétraitement qui
sont toutes les techniques visant à améliorer la qualité d'une image. De ce fait, la donnée de
départ est l'image initiale et le résultat est également une image.
Historique
Cours TI G.KHAISSIDI 3
morphologie mathématique
Analyse du mouvement
Vision active
Domaines d’applications :
Compression d’images
Reconnaissance de l’écriture,
Imagerie satellitaire
Cours TI G.KHAISSIDI 4
techniques et les cadres théoriques utilisés pour faire parler une image sont de natures très
diverses. On pourra voir l'image ou un élément d'image comme :
L’acquisition d’une scène réelle consiste en un dispositif optique qui forme une image à
partir de cette scène. Le numériseur forme une image numérique (échantillonnage et
quantification).
Distance focale : distance entre la lentille et le point focal
Point focal : point à proximité du capteur CCD où les rayons lumineux convergent
Capteur tri-CCD : ensemble de trois capteurs CCD transformant les intensités
lumineuses en chaque pixel en signal électrique
Capteur : Principe général (ex. Photodiode)
- L’énergie incidente est transformée en énergie électrique.
- La sortie est proportionnelle à la lumière.
- Ajout de filtre pour augmenter la sélectivité
- Pour la couleur, on utilise trois capteurs par pixel réagissant à des longueurs d’ondes
différentes (rouge, vert et bleu).
Une image est une représentation planaire d’un objet quelconque. Mathématiquement,
c'est une fonction bidimensionnelle de la forme f(x, y), où f(x0, y0) est la valeur de f aux
coordonnées (x0, y0). Donc, c'est un processus continu 2D résultant d’une mesure physique.
L’amplitude de f est appelée intensité (ou niveau de gris) de l’image au point de
coordonnées (x, y).
Cours TI G.KHAISSIDI 5
Si une image est générée par un processus physique, f(x, y) correspond à l’énergie irradiée
par ce processus. Exemples de processus physiques : Emission et réflexion d’ondes
lumineuses, Rayonnement infrarouge, rayons X, Echo ultrason, etc…
Quand les valeurs de l’amplitude de f et des coordonnées (x,y) sont des quantités discrètes,
l’image est appelée image numérique. Une image numérique est donc composée d’un
nombre fini d’éléments, ayant chacun un emplacement et une valeur donnés. Ces éléments
sont appelés pixels (PICture Element).
Pour numériser une image, on passe par de procédés : échantillonnage et quantification.
- Echantillonnage spatial : discrétisation des coordonnées de l’image réelle.
- Quantification des luminances : discrétisation des intensités de l’image réelle.
L’échantillonnage spatial définit la taille du plus petit élément de l’image (pixel).
La quantification des luminances définit plus le petit changement d’intensité dans l’image
Cela définit la taille (en bits) de l’image .
Cours TI G.KHAISSIDI 6
Définition d’une image numérique
Cours TI G.KHAISSIDI 7
Images d’intensités
Cours TI G.KHAISSIDI 8
format compressé avec codage couleur sur 8 bits/pixel
bien adapté aux images graphiques (les logos)
JPG ( jpeg): compression d’images photographiques
compression DCT
TIFF (compressé ou non)
PNG (portable network graphic)
DICOM : Imagerie médicale
EPS : format postscript avec codage couleur sur 8, 16, 24 ou 32 bits.
PSD : format correspondant au logiciel Adobe Photoshop
format très répandu, peut coder la couleur sur 8, 16, 24 ou 32 bits.
Etc……
Relation entre pixels : Voisinage
Connexité : Notion fondamentale en traitement d’images
- Topologie
- Algorithmes de suivi de contours, croissance de région, ...
- Deux pixels voisins peuvent être agrégés
On trouve généralement deux types de connectivité ou connexité :
- Voisinage 4 connexité : on considère les 4 voisins directs horizontaux ou verticaux du
pixel.
- Voisinage 8 connexité : on considère les 8 voisins directs horizontaux, verticaux et
diagonaux du pixel
Dans certaines applications, La connexité peut s’étendre aux voisins indirects (i.e. pas de la
première couronne)
Illustration du voisinage
Cours TI G.KHAISSIDI 9
Chapitre II : Restauration et rehaussement
1. Opérations ponctuelles
Son but est d’obtenir une image qui soit la plus proche possible de l’image idéale qui aurait
été obtenue si le système d’acquisition était parfait.
Il existe trois grandes catégories d’opérations appliquées à une image. La figure suivante
illustre les trois grandes transformations
Propriétés de l’image
Une image peut être définit par sa luminance et son contraste.
Pour une image couleur, la moyenne est calculée pour chaque canal.
Cours TI G.KHAISSIDI 10
Changements de luminance uniquement
Définition 1 : variation maximale entre valeurs de niveaux de gris min et max dans l’image :
Cours TI G.KHAISSIDI 11
2. Histogramme
Cours TI G.KHAISSIDI 12
Exemples
Deux images différentes (en termes de contenu sémantique) peuvent aussi avoir le même
histogramme. Il ne code pas d’information spatiale.
Histogramme normalisé
Fonction Hn donnant la probabilité (en termes de fréquence d’occurrence) qu’un pixel ait
pour niveau de gris k :
Cours TI G.KHAISSIDI 13
3. Étirement d’histogramme
Cette phase a lieu juste après l’acquisition des images et a pour objectif d’améliorer la
qualité de l’image en vue de sa segmentation ou d’un traitement postérieur.
Plusieurs problèmes visuels peuvent affectés une image et détériorent sa qualité. Afin
d’améliorer la qualité visuelle de l’image, différentes méthodes existent :
Transformation linéaire
Transformation linéaire avec saturation
Transformation linéaire par morceau
Transformation non-linéaire
Egalisation de l’histogramme
Transformations Ponctuelles
Principe
Une transformation ponctuelle t change un niveau de gris i dans l'image initiale I en un
niveau de gris i' pour obtenir l'image résultat I'. Elle est donc définie par une table de
correspondance ou LUT (Look-Up Table) qui définit, pour chaque niveau de gris i, le nouveau
niveau i'=t(i).
Représentations de la LUT se fait soit à travers un tableau soit un graphe
Cours TI G.KHAISSIDI 14
Etirement d’histogramme
L’étirement ou l’étalement d’histogramme est une transformation linéaire qui permet
d’améliorer le contraste et consiste à utiliser toute la dynamique [0 255].
On cherche une transformation linéaire gl’ dans l’intervalle [0 255] en fonction de gl initiale
appartenant à l’intervalle [min max]. le min et le max représente respectivement la valeur
minimale et maximale des niveaux de gris de l’image initiale. PIXMAX est généralement 255
si l’image est en niveaux de gris et codée sur 8bits.
Cours TI G.KHAISSIDI 15
Transformation linéaire
Transformation linéaire
Cours TI G.KHAISSIDI 16
Égalisation de l’histogramme
L’égalisation d’histogramme a pour but de rendre l’histogramme le plus plat possible. Elle
permet :
Une distribution uniforme des niveaux de gris
Une maximisation de l’entropie de l’image
Une image donnant une information maximale
Egalisation d’histogramme
Cours TI G.KHAISSIDI 17
Résumé de la méthode et remarques :
- L'égalisation de l'histogramme : Consiste à regrouper des ensembles de niveaux de
gris de valeurs voisines, pour obtenir un nouveau niveau de gris en quantité
approchant Nx*Ny / 256; fournit de nouveaux niveaux uniformément répartis sur [0,
255].
- Remarques sur l'amélioration par égalisation d'histogramme : On obtient une image
améliorée pour la visualisation (amélioration subjective). Il est impossible d'obtenir
une égalisation parfaite. Cette méthode peut améliorer une image quand la
correction de dynamique est inefficace.
Cours TI G.KHAISSIDI 18
Plusieurs autres opérations possibles basées sur la forme générale de la transformation
g(x,y)= P*f(x,y) + L
Avec g est l’image résultante et f est l’image initiale. Il faut éviter g(x,y)<0 & g(x,y)>K-1
(K-1 intensité maximale est généralement 255).
Décalage additif : P=1 et –(K-1)< L<(K-1)
Mise à l’échelle multiplicative : L=0 et P>0
Inversion : P=-1 et L= 255
Cours TI G.KHAISSIDI 19
Chapitre III : Filtrage
1. Définition du bruit
Différents types de bruit peuvent affecter une image et introduire des distorsions
importantes. Par conséquent, plusieurs phases de traitement et d’analyse seront
pratiquement impossibles à réaliser.
Parmi les types de bruit on trouve :
- Bruit lié au contexte de l’acquisition : bougé, dérive lumineuse, flou, poussière,….
- Bruit lié au capteur : distorsion de la plage des niveaux de gris, distorsion
géométrique, mauvaise mise au point,….
- Bruit lié à la numérisation : codage, quantification, échantillonnage (moiré, effet
poivre et sel),….
- Bruit de transmission : les erreurs de transmission font apparaître des valeurs
aberrantes.
- Bruit de compression : les techniques de compression d’image avec perte produisent
une distorsion dans l’image (effet de bloc).
Cours TI G.KHAISSIDI 20
Afin d’éliminer ces différents types de bruit et rendre l’image résultante la plus proche
possible de la scène réelle, plusieurs techniques de filtrage existent tel que :
- Le filtrage fréquentiel.
- Le filtrage temporel ou spatial.
- Le filtrage non linéaire.
2. Filtrage fréquentiel
Cours TI G.KHAISSIDI 21
Les basses fréquences sont les changements lents d’intensité qui reflètent les régions
homogènes ainsi que le flou.
Les hautes fréquences représentent les changements rapides d’intensité, les textures, les
arrêtes, les coins, les contours et aussi le bruit.
La plus grande partie d’énergie d’une image se situe dans les basses fréquences.
Un filtre passe-bas fait passer les basses fréquences
- Elimine les hautes fréquences, diminue le bruit.
- Permet de lisser, d’adoucir les arêtes.
Un filtre passe-haut fait passer les hautes fréquences
- Met en évidence les arêtes, les contours, les ombres.
- Augmente le bruit dans l’image.
Une image peut être représentée par un signal 2D. Sa transformée de fourier donne
l’intensité en fonction de la fréquence. On peut appliquer des filtres passe-bas et passe-haut
sur l’image pour faire ressortir certaines gammes de fréquences.
Voilà un exemple qui illustre le spectre de fourier et le spectre rehaussé d’une image
donnée.
Dans le spectre de fourier à 2D les hautes fréquences se situe loin du centre de la TF, les
basses fréquences quant à eux, ils sont proche du centre de la TF.
La composante continue est située au centre de l’image.
Cours TI G.KHAISSIDI 22
Transformée de Fourier
Cours TI G.KHAISSIDI 23
3. Filtrage spatial par convolution
Cours TI G.KHAISSIDI 24
Cours TI G.KHAISSIDI 25
Le masque de convolution représente un filtre linéaire permettant de modifier l'image.
On divisera le résultat de la convolution par la somme des coefficients du masque. Pour
éviter de modifier la luminance globale de l'image, la somme des coefficients doit être égale
à 1.
Cours TI G.KHAISSIDI 26
Les filtres passe-bas linéaire éliminent le bruit dans l’image, adoucit les contours mais
rend l’image flou. Plus le filtre grossit, plus le lissage devient important et plus le flou
s’accentue. Afin de remédier à ce problème, certaines méthodes proposent d’utiliser le
filtrage passe-bas non linéaire.
4. Filtrage non linéaire
Cours TI G.KHAISSIDI 27
Le filtre médian retient une valeur d’intensité telle que dans le voisinage, il y ait autant
d’intensités supérieures que d’intensités inférieures à cette valeur. Ce filtre permet de
préserver les contours dans une image et donc il n’introduit pas de flou.
D’autres filtres passe-bas non linéaires existent. Ci-dessous quelques exemples de filtres.
Cours TI G.KHAISSIDI 28
Cours TI G.KHAISSIDI 29
Cours TI G.KHAISSIDI 30
Cours TI G.KHAISSIDI 31
Autres filtres
- Autres filtres d’ordre
- Filtres homomorphiques
- Filtres morphologiques
- Autres filtres adaptatifs
- Etc……
Cours TI G.KHAISSIDI 32
Chapitre IV : Segmentation
Les traitements « bas niveau » ont pour but d’extraire l’information utile et
pertinente contenue dans l’image en regard de l’application considérée. Ces
traitements opèrent sur des données de nature numérique et doivent donc simplifier
l’image sans trop la dégrader. Le résultat d’un tel traitement donne une description
structurelle de l’image sans qu’il y ait de lien avec le contexte de la scène réelle.
Ces régions peuvent être caractérisées soit par leurs frontières (Extraction de
contours) soit par les pixels qui les composent (segmentation en régions
homogènes).
- Le seuillage
- La segmentation en régions
- L’extraction de contours
- Les contours actifs
- Etc……
Cours TI G.KHAISSIDI 33
1. Seuillage
Le seuillage est une méthode simple et très populaire pour le traitement des images
numériques. Ce n’est pas une méthode de segmentation en régions. Le seuillage est une
technique basée sur l’approche pixel (pas région ni contour). Mais on l’utilise souvent en
segmentation (avec post-traitements).
Le seuillage peut être :
- Global : un seuil pour toute l'image
- Local : un seuil pour une portion de l'image
- Adaptatif : un seuil s'ajustant selon les parties de l'image
Cours TI G.KHAISSIDI 34
Seuiller implique généralement l'analyse de l'histogramme :
• Différentes caractéristiques image donne naissance à des modes dans un
histogramme (bimodale)
• EN général les pics (modes) de l'histogramme correspondant à des primitives image
différentes vont se chevaucher
Le choix du seuil se fait soit manuellement en se basant sur l’histogramme de l’image à
traiter, soit en utilisant des algorithmes automatique de calcul du seuil.
Cours TI G.KHAISSIDI 35
Une fois le seuillage globale n’est plus efficace. On peut utiliser le seuillage local adaptatif
Pour ce faire, on divise l’image en sous images et on traite chacune d’elles avec son propre
seuil. Le choix de la dimension de sous images est important et dépend de la nature du
problème et de l’image initiale.
Avant de traiter chaque sous image, nous devons d’abord vérifier la variance de tons de gris
pour décider s’il existe un besoin de segmentation. Le critère d’homogénéité est défini de
différentes manières (variance, écart type, max-min,….).
Cours TI G.KHAISSIDI 36
Exemple de seuillage adaptatif :
2. Extraction de contours
Cours TI G.KHAISSIDI 37
Cours TI G.KHAISSIDI 38
Cours TI G.KHAISSIDI 39
Cours TI G.KHAISSIDI 40
Cours TI G.KHAISSIDI 41
3. Extraction des régions d’intérêt
Cours TI G.KHAISSIDI 42
Cours TI G.KHAISSIDI 43
La géométrie du découpage a une influence directe sur le résultat de la segmentation. La
méthode Quad-Tree fait apparaître des régions carrées. Il existe d’autres types de
division (triangle, pyramide), le choix du type de division se fait en fonction des formes
que l’on souhaite segmenter et dépend de chaque application.
Après la phase de division, on procède à la fusion des régions homogènes détectées par
l’algorithme de division. L’algorithme le plus connu est SPLIT and MERGE.
Cours TI G.KHAISSIDI 44
Cours TI G.KHAISSIDI 45
En général, il est préférable de regrouper les petites régions en premier. L’ordre dans
lequel s’effectue le regroupement des régions a une influence sur le résultat.
Cours TI G.KHAISSIDI 46
La performance de cette méthode est très dépendante de l’initialisation (germes). Elle
dépend aussi de l’ordre de traitement dans lequel sont ajoutés les pixels dans une
région. L’implémentation de cet algorithme est relativement simple et rapide.
Cours TI G.KHAISSIDI 47
Chapitre V : morphologie mathématiques
Cours TI G.KHAISSIDI 48
Les opérateurs morphologiques sont très utilisés sur les images binaires mais
peuvent aussi être appliqués sur des images en niveaux de gris. Ils permettent de
modifier la morphologie des objets afin de corriger le résultat de la segmentation.
Cours TI G.KHAISSIDI 49
Le principe de la morphologie est binaire est :
1. Erosion
Elle permet d’éroder les formes, diminuer leur taille. Les éléments de petites tailles
disparaissent.
Cours TI G.KHAISSIDI 50
2. Dilatation
Elle permet de dilater les formes, augmenter leur taille. Elle remplie les trous de petites
tailles.
Cours TI G.KHAISSIDI 51
3. Ouverture et fermeture
Cette opération permet de supprimer les éléments de petites tailles comme le bruit tout en
conservant la taille des formes.
Cours TI G.KHAISSIDI 52
La fermeture est une dilatation suivie d’une érosion.
Cette opération permet de remplir les trous de petites tailles tout en conservant la taille
des formes.
Cours TI G.KHAISSIDI 53
Exemples d’application des différentes opérations de la morphologie mathématique sur
une image.
Cours TI G.KHAISSIDI 54
Cours TI G.KHAISSIDI 55
L’érosion et la dilatation sont deux opérations opposées de la morphologie mathématique. Alors
que les filtres vus dans ce cours se concentrent sur la modification de niveaux de gris des pixels,
la morphologie mathématique cherche à modifier la forme des objets. Ainsi, le rôle d’une érosion
est de réduire la taille des objets dans une image alors que la dilatation va chercher à les
agrandir.
Elle est utilisée pour un post traitement afin de corriger les déformations dû à la phase de
segmentation et aussi pour éliminer le bruit, remplir les trous.
Dans certaines applications, on a besoin d’imbriquer plusieurs fois les différentes opérations
morphologiques pour obtenir des résultats satisfaisants.
Cours TI G.KHAISSIDI 56