3

signal dédié aux signaux 2D (images) et 3D (vidéo) etc..

et de mathématique appliquée

Introduction

Enseignant : Sami GUEDAIEM

2 4

- Imagerie médicale
- Vision Industrielle
- La Robotique
- Les Véhicules autonomes (Conduite automatique)
- La météo
- La cartographie
Plan du cours
-
- Les applications militaires : Guidage de missiles
-
5 7

:
Echantillonnage Filtrage Détection de contour
Amélioration :
Restauration :
dégradation telle que la transmission
Segmentation : Image originale

Analyse d'image : la reconnaissance des éléments et des informations

contenus dans une image.
Reconnaissance
Reconnaissance de formes : identifier les objets présents dans une image Segmentation de formes Reconstitution 3D

extraction des informations

synthétiques des images pour faciliter l'accès à leur contenu.
Compression

6 8

3.1 Définitions :

Compression
Avec ou sans perte scène.
Tatouage Transmission Restitution
Décodage,
récupération de la
Stéganographie marque, du message -
caché

caméra,
Capteur :
radar, IRM,
Acquisition Rayons X

3.2 Dimensions :
a. Image 2D : fonction de
Prétraitement Segmentation Reconnaissance
détection de Analyse, classification, b. Image 3D : Volume (images anatomiques 3D, Hologramme) : fonction de
Filtrage, restauration,
Amélioration contours, extraction décision
c. Image 2D+t : Vidéo: fonction de
d. Image : fonction de
luminance moyenne, contraste moyen, couleur prédominante, taux d'acuité moyen
(précis ou flou), uniformité des couleurs, présence de certains objets
9 11 Plan du Cours
Chapitre 2 : Prétraitements
Introduction
5.1 Définition :
Pour des images 3D volumique Partie I : Amélioration
Une image numérique désigne toute image acquise,
on parle de voxel (volumic Pixel) 1.
traitée et sauvegardée sous forme binaire Introduction 3.Rehaussement de contraste
Une image numérique matricielle est une matrice Inversion Dynamique
Position du problème
Transformation logarithmique
pixels » (picture
Correction gamma
elements) rehausseur
Dilatations linéaires
Rehaussement de contraste par Laplacien
Une image numérique matricielle est définie par : Transformations linéaires par morceaux
2. Améliorations par manipulation Partie II : Restauration
Sa définition : le nombre de pixels en longueur
1. Objet de la Restauration
et en largeur.
Définition 2. Le bruit
La profondeur de ses couleurs : 8bits, 16 bits, 3. Filtres de Lissage
etc.. Filtrage linéaire par convolution de masque
Effet des
Sa table de couleurs (ou palette pour les images Filtrage non linéaire
Contraste et Luminance
Filtrage fréquentiel
indexées) Recadrage Dynamique Egalisation (ou

Dans ce cours nous nous intéressons uniquement aux images matricielles

10 Plan du Cours 12 Plan du Cours

Chapitre 3 : Segmentation

Introduction Partie I : Approche Contour Partie II : Approche Région

Introduction 1. Définitions 1. Définition
1. Acquisition 2. Etapes de la détection de contours 2. Segmentation par seuillage
Quelques aspects du traitement 3. Filtres de dérivée première (étroits) a) principe de base b) Seuillage global et
2. Echantillonnage
Approximation de la dérivée première
Principe seuillage local c) Détection des vallées
Filtre de Roberts
Filtre de Prewitt 3. Segmentation par croissance de régions
image discrétisée Filtre de Sobel
a) principe de base b)critère d'homogénéité
Filtre de Kirsch
3. Quantification Fusion des gradients c)Méthode de croissance de régions
numérique? contour Fusion des gradients
4. Codage des couleurs automatique multi-germes
Sélection des points du
5. Compression 4. Filtres de dérivée seconde (larges) 4. Méthode Split-Merge
Principe a) principe de base b)critère d'homogénéité
6.
Approximations de la dérivée seconde
5. Méthode k-means
7. Espaces colorimétriques Variantes
Sélection des points de contours a)principe de base b) Algorithme
5. Fermeture et codage de contours c)Avantages et inconvénients
 15 Introduction
Comment obtenir une image numérique? Et comment définir ses caractéristiques?
La numérisation

de nuances) .
La numérisation est une discrétisation de l'espace par échantillonnage et une
discrétisation de la couleur par quantification.

1. Acquisition

2. Echantillonnage

3. Quantification Profondeur des couleurs

Enseignant : Sami GUEDAIEM
4. Codage des couleurs

5. Compression Format et Poids

14 Introduction 16
Introduction
Processus de numérisation :
Une image numérique désigne toute image acquise, traitée et sauvegardée sous forme binaire
Acquisition Pavage y
matrice de pixels caractérisée, entre autres, par sa taille
ou sa définition (LxH pixels), la profondeur de ses couleurs (nombre de bits) , son poids , etc.. Echantillonnage
R(x,y) f(x,y)
Largeur
0
y : indice de
colonne

x
Pixel (x,y)
Ayant un
niveau de
Compression Codage
gris f(x,y)

x : indice
de ligne Image Numérique
17
1. Acquisition 19
2. Echantillonnage
1. Acquisition : 2.1. Echantillonnage : limite le nombre de pixels (résolution spatiale)

(souvent rectangulaire) R(x,y) une valeur unique f(x,y).

La résolution spatiale représente le nombre de pixels par unité de longueur. Elle est
exprimée en ppp « points par pouce » (1 pouce = 2.54 cm) ou plus fréquemment en dpi
Onde Lumineuse (spectre visible) : Photographie
« dots per inch ». La résolution définit la netteté et la qualité d'une image. Plus la
Les appareils modernes utilisent des capteurs CCD.
La définition
(Charge-Coupled Device) est un
numérique en largeur et en hauteur (le nombre de colonnes et nombre de lignes ex
1600x1200 c-à-d 1600 pixels en largeur et 1200 pixels en hauteur).
de photodiodes qui permet de convertir un rayonnement Exemple :
du domaine optique en un signal électrique.

Exercice : on numérise une feuille

numérique. A4 (210 x 297 mm
scanner avec une résolution de 100
Ces capteurs équipent les appareils photo numériques, dpi. Déterminer la définition (taille)
les scanners, les caméscopes, les portables, etc..

18
1. Acquisition 20
2. Echantillonnage
Remarque :
Les termes Résolution et Définition sont souvent confondus (à tord) dans le langage de
:
la photo numérique!
Echographie, échographie Doppler
Exemple
(ondes acoustiques, ultrasons)
Pour afficher ou imprimer une image
Type Taille Résolution Définition
Scanner X (rayons X)
numérique on fait correspondre un LCD 1280x1024
Radar, Lidar
matrice) à un pixel « physique » de LCD 1280x1024
IRM
LED 1600x1200
Tomographie (TEP)

- Sa forme : carré / rectangle

- Sa taille : Hauteur x Largeur
- Sa structure : couleur, profondeur, résolution

de
valeurs.
21
2. Echantillonnage 23
2. Echantillonnage
Exercice :

sous-
échantillonnage
16x16 8x8

4x4
Image en niveaux de gris codé sur 4 bits

22
2. Echantillonnage 24
2. Echantillonnage
rééchantillonage)
b) Sur-échantillonnage : ajouter des pixels
Réduction de la définition : sous-échantillonnage
Interpolation du plus proche voisin : copie des pixels
Agrandissement (zoom) : sur-échantillonnage
a) Sous-échantillonnage :
8 8 11 11
2 15 9 3 8 8
8 11 8 8 11 11
8 7 7 12 5 5
5 7 5 5 7 7
48 x 48
5 5 4 5 5 5 7 7
5 6 1 8 15 12
6 8 240 x 240

Cet algorithme est le plus simple et le plus rapide.

Cette technique ne donne pas des résultats satisfaisants et

2 3
5 1
25
2. Echantillonnage 27
2. Echantillonnage
rééchantillonage) rééchantillonage)
Interpolation bilinéaire (b-spline ): Interpolation bicubique : Même principe que le filtre bilinéaire mais plus complexe
Attribuer à chaque pixel une moyenne pondérée des 4 pixels voisins (voisinage de Von
Neumann). la fonction utilisé pour interpoler est une fonction continue, dérivable et
bicubique
Cette technique donne des images plus lisses que la méthode du plus proche voisin mais qui
elle prend en compte les 16 voisins du pixel (4x4) : estimer la dérivée en utilisant
floue. les voisins.

8 ? 11 ? 3
Cette méthode donne des contours encore plus
8 11 3 ? ? ? ? ? lisses avec un effet de pixellisation plus faible.

5 7 0 5 ? 7 ? 0
meilleur compromis entre qualité et rapidité.
1 9 12 ? ? ? ? ? 48 x 48
48 x 48
1 ? 9 ? 12 240 x 240
F = griddedInterpolant(double(I));
240 x 240 F.Method cubic';

F = griddedInterpolant(double(I)); filtres de bell, de Hermite, de Mitchell, de

F.Method = 'spline'; Lanczos

26
2. Echantillonnage 28
3. Quantification
rééchantillonage) 3. Quantification : (résolution tonale)
Interpolation bilinéaire : La quantification désigne la discrétisation tonale limitation du nombre de valeurs
que peut prendre chaque pixel.
Son principe consiste à approximer chaque valeur échantillonné par un multiple
y1 y y2 entier d'une quantité élémentaire q appelée "pas de quantification" ou quantum.
On utilise le plus souvent une quantification scalaire uniforme où le pas de
x1 quantification est constant.

x Il existe deux modes de quantification :

Par arrondi :
q

x2 n (n+1/2) (n+1) on associe à xe(t) le code n ou la valeur nq

(n-1) (n-1/2)
xe(t)
Par troncature :
Autre Méthode :
Chercher a, b, c et d à partir des 4 points voisins Système de 4 équations à 4 inconnus
n (n+1) on associe à xe(t) le code n ou la valeur nq
(n-1)
xe(t)
29
4. Codage des couleurs 31
5. Compression
Définitions :
stocker ou à transmettre peut être très grand.
Le signal quantifié est codé sur m bits Chaque pixel est représenté par un mot binaire codé sur
Il existe des techniques de compression qui permettent de réduire ce volume
un nombre fini de bits le pas de quantification = plage de variation du signal / 2m
Le nombre de bits utilisés pour représenter la couleur d'un pixel dans une image est appelé
- TIFF,
profondeur des couleurs et il est exprimé en bit par pixel (bpp).
PNG, PICT,
pour une profondeur de m bits, la valeur du pixel varie entre 0 et 2m-1
- Techniques destructives : augmentent le taux de compression au détriment
Exemples : Une profondeur de couleurs plus grande plus grande échelle de nuances JPEG
1 bit = 2 possibilitées ; (0 ou 1) possibilité de coder 2 couleurs par pixel
4 bits = 16 possibilitées Format Compression Couleurs Propriétaire
par pixel RAW Non compressé 16384 Oui
8 bits = 256 possibilités codage de 256 couleurs par pixel. la valeur du pixel varie entre 0 et 255 BMP Non compressé 2 à 16 millions Non
: JPEG Destructive 16 millions Non
GIF non destructive 2 à 256 avec palette Brevet Unisys Logos
TIFF Sans ou avec perte 16 millions Brevet Aldus corporation
PNG non destructive 2 à 256 ou 16 millions Non
Poids = Nombre de pixel total x profondeur des couleurs

30
4. Codage des couleurs 32

Selon le mode de codage des couleurs on distingue

Images binaires : Image Noir & Blanc (1 bit/pixel)

un pixel peut être soit blanc (1) soit noir (0)
Images en niveaux de gris (m bits)
chaque pixel peut prendre une teinte de gris parmi
niveaux allant de 0 (noir : luminosité nulle) à -1
(blanc : luminosité maximale)
4 niveaux de gris (2 bits) : ( de 0 à 3)
16 niveaux de gris (4 bits) : ( de 0 à 15)
256 niveaux de gris (8 bits) : de 0 à 255
33 35

Images en couleurs
Il existe plusieurs mode pour représenter la couleur. Le plus
canaux : La luminance est la partie qui
24 bits/pixel (Mode true color) : 1 octet pour le rouge, 1 octet
pour le vert et un octet pour bleu 16.7 millions de couleurs. lumineuse (niveau entre noir
et blanc)
Y = 0,299 R + 0,587 V + 0,114 B
tridimensionnelle MxNx3
Image originale en couleur luminance
32 bits : on ajoute une quatrième composante: le canal alpha qui
permet de gérer la transparence des points matrice MxNx4

Images indexées : images à palettes :

On utilise une palette de couleurs

attachée à . La valeur de chaque
pixel correspond à de sa couleur Composante rouge Composante verte Composante bleue
dans cette palette (LUT ou Look Up
Table) le but est de réduire la taille de
(1 octet par pixel + LUT)

34
7. Espaces colorimétriques 36
7. Espaces colorimétriques
Décrire les couleurs distinguées par la vision humaine (présentes dans le spectre Espace TSL : Teinte-Saturation-Luminosité
électromagnétique de la lumière visible)
Teinte : Elle est exprimée par un nombre qui
Espace RVB : Synthèse additive donne la position angulaire de la couleur sur le
cercle chromatique. (rouge : 0, jaune :60)
Le mélange de deux couleurs primaires donne une nouvelle plus
Saturation : Intensité de la coloration . Elle

La couleur la plus claire du système est le mélange de toutes les couleur pâle.
sources primaires. Luminosité : Clarté et brillance de la couleur.
Espace CMJ : synthèse soustractive
Saturation maxi (= 1)

La source lumineuse est le blanc du papier. Chaque dépôt de

colorant sur le papier va soustraire une certaine quantité de
luminosité au papier.
Lorsque les 3 primaires se recouvrent, la totalité de luminosité
Saturation mini (= 0)
du papier est soustraite
37
7. Espaces colorimétriques 39
7. Espaces colorimétriques
Espace YCbCr : Espace YIQ: (utilisé dans le standard de TV NTSC)
Y : La luminance : signal en niveaux de gris crée par un mélange Trois composantes :
de rouge, vert et bleu : Y = 0,299 R + 0,587 V + 0,114 B Y : luminance
I : la phase (In-phase)
Cb : Chrominance bleu : Cb = Y-Bleu
Q : la quadrature
Cr : Chrominance rouge : Cr= Y-rouge

Fonction de conversion sous Matlab : rgb2ycbcr

Matlab : fonctions rgb2ntsc et ntsc2rgb

Fonction de conversion sous Matlab : ycbcr2rgb

38
7. Espaces colorimétriques 40
7 Espaces colorimétriques
Espace YUV : (utilisé dans le système de diffusion TV Pal)
Trois composantes : 1 luminance (Y) et 2 chrominance (U et V) Autres Espaces colorimétriques
TSL : Teinte-Saturation-Lumière
TSV : Teinte-Saturation-Valeur
CIE XYZ 1931 (CIE : Commission internationale de l'éclairage)
CIE xyY

CIELAB et CIELUV
YDbDr
YPbPr
Exercice : Ecrire un programme (Matlab, c, Java) permettant la
conversion RGB-