Master 1 IB - Traitement de l’Image Médicale (TIM)

Images Numériques
(L’image médicale)

Pr. ZOUAGUI T.

USTO – Faculté GE - Département d’Électronique

prof.zouagui@gmail.com

Qu’est ce qu’une image ?

• Une image est un signal 2D, fourni par un
capteur photosensible. Souvent cette image
représente une réalité 3D
– Projection 2D d’une scène 3D

1
 Qu’est ce qu’une image ?
• Une image est la représentation
bidimensionnelle d’une scène 3D

• Il y a une perte irréversible de l’information

contenue dans l’image : information moins
riche que dans la scène initiale

Qu’est ce qu’une image ?

• Définition d’une image

– C’est la représentation d’un phénomène physique
dans une partie de ℜn
• Image continue = fonction de 2 variables
– Fonction ƒ : ℜ2 ℜn , (x,y) ƒ(x,y)
– n est le nombre de composantes de l’image
(n≥1). Dans ce cas, l’espace ℜ2 est appelé plan
image
– Support de l’image: sous-ensemble de ℜ2 de
surface finie, en général un rectangle, de côtés
Lx, Ly ou L, H 4

2
 Qu’est ce qu’une image ?

• Formulation générale Image 3D

Stream Video

– (x,y,z) coordonnées spatiales

– λ longueur d’onde, t temps
– Ι intensité ou niveau de gris de l’image au point de
coordonnées (x,y,z)
– ƒ fonction descriptive du phénomène physique
– Image : fonction définie dans un espace multi-
dimensionnel 5

Qu’est ce qu’une image ?

ƒ(x,y) : image 2D

ƒ(x,y,t) : séquence vidéo

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

Qu’est ce qu’une image ?

• Exemples de Fonction descriptive ƒ

– Luminance (photographie)
– Luminance Infra Rouge
– Coefficient d’absorption des rayons X (scanner)
– Densité de protons (IRM)
– Concentration radioactive (TEP)
– Impédance acoustique
– Profondeur, hauteur, distance (images Radar)
–…
8

4
 Qu’est ce qu’une image ?

• D’un point de vue mathématique

– Une image est une fonction ƒ(x,y). Pour chaque
position (x,y), ƒ(x,y) représente l’intensité de la
lumière (signal) en ce point (Ι=ƒ(x,y))
– 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
9
des nombres.

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

Une zone homogène

Un contour

12

6
 Numérisation

Image numérique = description dans un espace discret de R2 d’une image continue 13

Numérisation

14

7
 Échantillonnage et quantification

• Échantillonnage: Prélèvement périodique

des échantillons d’un signal analogique
• Quantification: l’amplitude du signal
échantillonné est représenté par un nombre
fini de valeurs d’amplitude (niveaux de
quantification)
• Codage: les niveaux de quantification sont
codés sous la forme d’un mot binaire sur K
bits
15

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

• La quantification désigne la limitation du

nombre de valeurs différentes que peut
prendre Ι(i, j), nombre déterminé en pratique
par le nombre de bits sur lequel on code la
valeur numérique en question.

17

Représentation des images

numériques
• Matrice de dimension L × H
• Chaque élément a une valeur entière dans
l’intervalle N=[Nmin,Nmax]
• Le nombre de bits requis pour représenter
les niveaux de gris dans l’intervalle N est K
• La relation entre K et N est : N=2K
• Le nombre de bits pour stocker une image
est donc: B = L × H × K × c
– c=1 image niveaux de gris, c=3 image couleur18

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 des images

numériques
I (x , y )
x

Représentation en 3D 20
y

10
 Résolutions des images

• Résolution spatiale (définition d’une image)

– Mesure de la finesse des détails
d'une image pour une dimension donnée.
• Résolution de tons de gris (tonale)
– Le plus petit changement discernable

• Une image a donc une résolution de LxH

pixels et une résolution de tons de gris de K
bits ou de N niveaux (tons)
21

Résolution spatiale

(a) : image originale

(b) - (e) : résolution

divisée par 2

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

Résolution et taille d’une image

• La résolution mesure le nombre de pixels dans une

surface donnée (unité: dpi = dots per inch)
– Résolution d’un écran 72-96 dpi dpi: Pixels par pouce
ou points par pouce
– Résolution d’un fax 200 dpi
– Résolution d’une imprimante laser 300 à 2400 dpi
– Résolution d’un scanner de bureau 300 à 2400 dpi

• Résolution et dimension physique détermine la

taille d’une image
– VGA: 640x480, SVGA: 800x600, HDTV: 1920x1080,
UXGA: 1600x1200, WUXGA: 1920x1200
28
Résolution en dpi = Taille en pixels / Nombre de pouces

14
Résolution et taille d’une image

930 dpi 300 dpi

150 dpi 72 dpi

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

• Images qui contiennent que deux valeurs

– 0 pour le noir
– 1 pour le blanc

31

Images en niveaux de gris

• L’équivalent d’une photo ‘noir & blanc’
• On ne garde que l’information ‘intensité
lumineuse’ (luminance)
• Un pixel est codé par une seule valeur
numérique
– En général, codage sur 8 bits (1 octet) donc
28=256 valeurs possibles: [0 – 255]

32

16
Images en niveaux de gris

33

Images en niveaux de gris

34

17
 Trichromie

• Le principe de la trichromie réside dans la

découverte qu’il suffit d’un triplet de couleurs
pures pour restituer – par mélange de ces 3
composantes qu’on peut qualifier de
primaires – l’intégralité des couleurs
– 3 sources lumineuse primaires
(r,g,b) qui varient en intensité de
0 à 100 %

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)

• RVB: espace de couleurs additif

– Couleurs primaires rouge, vert et bleu mélangées
pour former d’autres couleurs
– Dans cet espace, une couleur est représentée
par un triplet (r,g,b)
• r donne l’intensité de la composante rouge
• g donne l’intensité de la composante verte
• b donne l’intensité de la composante bleue
• Espace choisi à cause de la structure de l’œil
humain
37

Espace RVB (RGB)

- Couleurs contenues dans un cube

- La restitution des images sur écran
38
utilise cette représentation RVB

19
• Une image couleur est décrite par 3 matrices

0.56 0.82 0.75

0.65 0.87 0.31

0.16 0.56 0.92

0.19 0.84 0.71
0.37 0.93 0.73
0.48 0.38 0.02

Ici, les valeurs r,g,b sont comprises entre 0 et 1. Souvent ces valeurs sont
entières, entre 0 et 255.

RVB: les 3 informations ne sont pas entièrement décorrélées 39

Images couleurs

= + +

Rouge (700 nm) Vert (546,1 nm) Bleu (435,8 nm)

Composante R Composante V Composante

40 B

20
 Espace CMJ

• Les couleurs sont contenus dans un cube

• La restitution des images sur papier utilise
cette représentation CMJ (synthèse
soustractive)

41

Espace XYZ

• Système de référence colorimétrique défini

par la CIE (compagnie internationale de
l’éclairage)
– Transformation linéaire de l’espace RGB
– Toutes les couleurs du spectre visible sont
contenues dans un triangle

42

21
 43

Espace TSL ou TSV

• Système de type luminance - chrominance
• Cette représentation permet de dissocier
l’information ‘luminance’ de l’information
‘chromaticité’
– Teinte (T), Saturation (S),
Luminance (L) (ou V: Valeur)
– Les couleurs sont contenus dans
un ovoïde

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

ou S: Codée comme un rayon entre 0 et 1

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

Autres systèmes de couleurs

• Système YIQ
– Utilisé dans le système NTSC (TV américaine)
• Système de type YCbCr
– Espace de type luminance-chrominance

48

24
 Systèmes de couleurs

49

Conversion Couleurs Niveaux

de gris
?

• Ι = (R+G+B) / 3

( + +
) /3

• Ι = a1*R + a2*G + a3*B a1+a2+a3=1

• a1=0.299, a2=0.587, a3=0.114 50

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

Vraies ou pseudo Couleurs

• Pseudo couleurs (fausses)

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

Images matricielles et vectorielles

• Images matricielles ou bitmap

– Description à l’aide d’une matrice de points
• Image vectorielles
– Description à l’aide de courbes et d’équations
mathématiques
– Représentation d’entités géométriques (cercle,
rectangle, segment)
– Utilisation en CAO, cartographie, dessin, …

• On étudiera principalement les images bitmap

dans ce module 54

27
 Systèmes de coordonnées

• Système le plus couramment utilisé:

Origin f(0,0)
x x

f(x,y)

f(?,?)
y
y

Mathématiques Traitement d’images 55

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

N4(p) ND(p) N8(p)= N4(p)+ Nd(p)

ou ou ou
V4(p) VD(p) V8(p) 59

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)

• Un chemin entre les pixels p(x,y) et q(s,t) est:

– La séquence de pixels distincts de coordonnées
• (x0,y0), (x1, y1), … (xn,yn)
• (x0, y0)= (x,y) ; (xn, yn)=(s, t)
• (xi,yi) et (xi-1,yi-1) sont adjacents pour i dans [0,n]
– n est la longueur du chemin
– Si (x0,y0)=(xn, yn), on a un chemin fermé
– On définit plusieurs chemins suivant le type de
connexité choisi
• Chemin 4-connexe, chemin 8-connexe et chemin m-
connexe 63

Chemin (path)

64

32
 Mesure de distances

• Pour des pixels p, q et z avec des

coordonnées (x,y), (s,t) et (v,w)
respectivement, D est une fonction de
distance ou métrique si:
et

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)

D4 : longueur du plus court chemin connecté entre p et q (4-connexité)

66
D8 : longueur du plus court chemin connecté entre p et q (8-connexité)

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

Formats d’images : DICOM

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

Critères de qualité et mesures de

distorsion
• Erreur quadratique moyenne

• Rapport signal sur bruit (SNR)

• Rapport signal sur bruit Crète (PSNR)

d = valeur maximale
d=255, image codée 8 bits 74

37
 Bruit et flou

• 2 défauts majeurs: le ‘Bruit’ et le ‘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