Académique Documents
Professionnel Documents
Culture Documents
Images Numériques
(L’image médicale)
Pr. ZOUAGUI T.
prof.zouagui@gmail.com
1
Qu’est ce qu’une image ?
• Une image est la représentation
bidimensionnelle d’une scène 3D
2
Qu’est ce qu’une image ?
Stream Video
ƒ(x,y) : image 2D
3
Qu’est ce qu’une image ?
• 2D. Il s’agit d’une matrice bidimensionnelle de
valeurs (luminance, couleur, …) issues par exemple
de l’échantillonnage d’une image fixe (ƒ(x,y))
• 2D+t. Comme t représente le temps, les images
2D+t désignent une animation, une séquence vidéo
ou les images d’un film (ƒ(x,y,t))
• 3D. Images médicales issues d’un scanner X, IRM,
… (ƒ(x,y,z))
• 3D+t. Images 3D animées comme par exemple
l’imagerie cardiaque, images de synthèse 3D
animées (ƒ(x,y,z,t)) 7
4
Qu’est ce qu’une image ?
Images numériques
• On crée une image numérique en 3 étapes
– Acquisition
• Caméras, scanners, radars, sonars, …
– Échantillonnage
• Discrétisation de l’espace
• Un échantillon est appelé ‘pixel’ (picture element)
• Le nombre d’échantillons détermine la résolution
– Quantification
• Discrétisation des valeurs des échantillons
• Codage informatique sur 1, 2, 4, 8, 16, 24, …bits
10
5
Images numériques
• Image numérique ƒ(x,y) représentée par une
matrice = ensemble de pixels
11
Images numériques
• Quelques éléments simples d’une image
Une Texture
Un contour
12
6
Numérisation
Numérisation
14
7
Échantillonnage et quantification
Échantillonnage
Peigne de Dirac
∆x = ∆ y
Image échantillonnée
16
Découper l’image en pixels et ne conserver que les valeurs pour les points (x,y) = (m ∆x, n ∆y)
8
Quantification
17
9
Représentation des images
numériques
(0,0) L : Largeur
X
I (x , y )
=
Niveaux de gris
H : Hauteur
[xn , ym ]
y Coordonnées
du pixel
Image en niveaux de gris 19
Représentation en 3D 20
y
10
Résolutions des images
Résolution spatiale
22
11
Résolution spatiale
Résolution spatiale
1024 * 1024 512 * 512 256 * 256
128 * 128 64 * 64 32 * 32
12
Résolution tonale
2 grey levels (1 bpp) 4 grey levels (2 bpp) 8 grey levels (3 bpp)
25
16 grey levels (4 bpp) 64 grey levels (6 bpp) 128 grey levels (7 bpp) 256 grey levels (8 bits per pixel)
Résolution tonale
256 grey levels (8 bits per pixel) 128 grey levels (7 bpp) 64 grey levels (6 bpp) 32 grey levels (5 bpp)
16 grey levels (4 bpp) 8 grey levels (3 bpp) 4 grey levels (2 bpp) 2 grey levels (1 bpp)
13
Résolution tonale
(8 bits/pixel)
(3 bits/pixel) (1 bit/pixel)
27
IMAGE BINAIRE
14
Résolution et taille d’une image
29
Type d’images
• Images binaires
• Images en niveaux de gris
• Images couleurs
• Images naturelles/artificielles
• Images matricielles/vectorielles
• Images 2D, 2D+t, 3D, …
30
15
Image binaires
31
32
16
Images en niveaux de gris
33
34
17
Trichromie
Triangle de Maxwell
35
Images couleurs
• On garde l’information couleur: ‘intensité
lumineuse’ et ‘chromaticité’ (luminance et
chrominance)
• Un pixel est codé par 3 valeurs numériques
– La signification de ces valeurs dépend du type de
codage choisi
– Le plus courant (stockage et visu.): RVB (RGB)
– Quelques autres: CMY, XYZ, HSL, YUV, …
• Exemple: RVB - chaque valeur code une composante
couleur sur 8 bits, donc 28 × 28 × 28 couleurs possibles
36
18
Espace RVB (RGB)
19
• Une image couleur est décrite par 3 matrices
Ici, les valeurs r,g,b sont comprises entre 0 et 1. Souvent ces valeurs sont
entières, entre 0 et 255.
Images couleurs
= + +
20
Espace CMJ
41
Espace XYZ
42
21
43
44
22
• Représentation TLS ou TSV est la plus utile
pour la segmentation et la reconnaissance
– Représentation plus physique de la couleur
– En anglais Hue, Saturation, Value (HSV ou HSI)
• V = intensité du pixel
• HS = couleur du pixel
T: Codée comme
un angle θ entre 0
et 2π
45
Espace YUV
• Système de type luminance - chrominance
– La décomposition YUV sert de base aux
standards vidéo Pal/Secam (européen)
– Représentation qui permet de dissocier
l’information ‘luminance’ Y de l’information
‘chromaticité’ UV
– Y correspond à la partie monochrome (niveaux de
gris) de l’image de départ
46
23
47
• Système YIQ
– Utilisé dans le système NTSC (TV américaine)
• Système de type YCbCr
– Espace de type luminance-chrominance
48
24
Systèmes de couleurs
49
• Ι = (R+G+B) / 3
( + +
) /3
25
Vraies ou pseudo Couleurs
• Vraies couleurs
– Image qui apparaît à l’œil humain comme le sujet
original
• Pseudo couleurs (fausses)
– On assigne des couleurs à une image en niveaux
de gris en utilisant une table ou une fonction
51
Images TEP
52
26
Images naturelles et artificielles
• Images naturelles
– Plusieurs moyens d’acquisition
• Caméra, microscope, scanner, satellite, …
• Images artificielles
– Plusieurs outils de représentation
• Synthèse d’images, réalité virtuelle, visualisation
scientifique, …
53
27
Systèmes de coordonnées
Origin f(0,0)
x x
f(x,y)
f(?,?)
y
y
Pavages du plan
• Un pavage du plan est une partition du plan
en cellules élémentaires (pixels). Il n’existe
que 3 pavages réguliers du plan R2.
Tesselle
56
Le pavage est ‘choisi’ pour couvrir au mieux la plan image
28
Pavages et maillages
• A tout pavage du plan, on peut associer un
graphe où les sommets (nœuds) représentent
les cellules élémentaires, et où les arêtes
représentent la relation d’adjacence entre les
cellules. Un tel graphe est un maillage du
plan
57
Voisinage
• Voisinage d’un pixel
– Un pixel p(x,y) possède 4 voisins horizontaux et
verticaux qui forment ce que l’on appelle le 4-
voisinage
– Un pixel possède aussi 4 voisins diagonaux,
pixels qui ont un sommet communs avec p(x,y)
(8-voisinage)
N8(p)= N4(p)+ Nd(p)
N4(p)
N8(p)
58
p(x,y) Nd(p)
29
Voisinage
• Voisinage d’un pixel
Connexité
• Propriété de liaison entre deux pixels qui fait
qu’on les considère faisant partie de la même
région dans une image
• Différents types de connexité
– 4-connexité , 8-connexité, connexité mixte
60
30
Pour les images 3D, on a une connexité 6, 18 ou 26
61
Voisinage et connexité
• V : ensemble des valeurs de niveaux de gris
• 4-connexité :
– 2 pixels p et q (à valeurs dans V) sont 4-voisins si
q appartient à N4(p)
• 8-connexité :
– p et q sont 8-voisins si q appartient à N8(p)
• Connexité mixte (m-connexité) :
– 2 pixels p et q sont m-voisins si
• q appartient à N4(p) ou q appartient à Nd(p) et
l’ensemble N4(p)∩N4(q) ne comporte pas de pixels
dont les valeurs sont dans V.
62
31
Chemin (path)
Chemin (path)
64
32
Mesure de distances
65
Mesure de distances
• 3 types de distances
– Euclidienne De(p,q)
• Pixels appartenant à un
disque de rayon r
– City-block D4(p,q)
– Chess-board D8(p,q)
33
• Exemple de calcul de distances
(8,2)
(1,1)
67
Formats d’images
68
34
Formats d’images
69
Formats d’images
70
35
Formats d’images : DICOM
• Le format DICOM (Digital Imaging and
Communications in Medicine) a été créé en
1985 pour standardiser les images issues de
la radiologie. C’est donc une norme
internationale, pour la gestion informatique et
l’interopérabilité des équipements d’imagerie
médicales.
71
72
36
Formats d’images : DICOM
• La production quotidienne massive d'images
médicales ne peut être archivée dans un
format commun de type JPEG au risque de
perdre des données associées à l'image
telles que le nom du patient, le type
d'examen, l’hôpital, etc.
• Le format DICOM permet de rendre unique
chaque image produite et de lui associer des
informations spécifiques.
73
37
Bruit et flou
• Bruit
– Valeur du pixel = mesure
– Toute mesure est bruitée (perturbation atmosphérique,
défauts de capteurs, …)
– 2 types de bruit: additif et multiplicatif
– Réduction ou élimination du bruit: filtrage
– Évaluation en calculant le SNR ou RSB
• Flou
– Problème de déconvolution 75
76
38