Traitement d’image

Noureddine ABOUTABIT, Ph.D

INTRODUCTİON
Introduction et définitions

Dr.Ing. ABOUTABIT 1
 Introduction
• Image ?
Image : représentation d’une personne ou d’une chose par la peinture, la sculpture,
le dessin, la photo, le film .... (Larousse)
Vision : Perception du monde extérieur par les organes de la vue.

Association Image-Vision:
• Pour l’image intervient donc la notion de représentation  interprétation plus ou
moins objectif du monde extérieur.
• La vision humaine incorpore une interprétation partielle subjectif : une scène est
vue différemment par chaque individu suivant le contexte personnel par exemple.

Une machine de vision est forcément objective. L’être humain est subjectif.

Introduction
• Image ?:
Image = support d’information
Image = représentation d’un paramètre physique sur un plan.
Une image est avant tout un signal 2D (x,y).
Souvent, cette image représente une réalité 3D (x,y,z).

D'un point de vue mathématique :

Une image est un matrice de nombres représentant un signal
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 des nombres

Dr.Ing. ABOUTABIT 2
 Introduction
• Types d’images:

Image artificielle
Image naturelle

Image naturelle – Plusieurs moyens d'acquisition

caméra, microscope, tomographie, infrarouge, satellite, IRM, rayons X, …
Image artificielle – Plusieurs outils de représentation
synthèse d'images, réalité virtuelle, visualisation scientifique, …

Introduction
• Types d’images :

Image en niveaux de Image binaire, I(x,y) є {0, 1} Images couleurs

gris, I(x,y) є [0….255]
IR (x,y) IG (x,y) IB (x,y)

Dr.Ing. ABOUTABIT 3
 Introduction
• Un peu d’histoire:

Années 1950

21ème siècle

Introduction
• Traitement d’image : buts
Feature extraction
Détection de
Image Amélioration contours
Extraction de Reconnaissance de
numérique primitives formes
Restauration Détection de
régions

Analyse
Codage
Segmentation
Compression Traitements de
base

…bas niveau……………………………………………………..haut niveau…..

Dr.Ing. ABOUTABIT 4
 Introduction
• Amélioration :
Contraste, dynamique, bruit ...

Image moins contrastée Image améliorée

Introduction
• Restauration :
Elimination de dégradations : exemple flou

Image avec flou Image restaurée

D’après Schouten 2002

Dr.Ing. ABOUTABIT 5
 Introduction
• Codage et compression :

Introduction
• Synthèse :
Modèles fractals, Modélisation 2D, Modélisation 3D, mouvement ...

Dr.Ing. ABOUTABIT 6
 Introduction
• Segmentation :

Approche contour

Image d’origine

Approche région

Introduction
• Exemples d’applications :
meteorologie
radar
robotique

surveillance
microscopie
Traitement
d’image

astronomie imagerie
ultrason

sismologie navigation Reconnaissance

autonome aerienne ou
cartographie

Dr.Ing. ABOUTABIT 7
 Introduction
• Applications :

Drone militaire
Imagerie médicale

Télédétection

Contenu du cours
Traitement d’images
• Introduction : définitions, vision humaine
• Formation d’image : radiométrie, types d’images, colorimétrie, numérisation
• Rehaussement d’image : histogramme, amélioration du contraste
• Filtrage : convolution numérique, filtrage passe-bas
• Segmentation d’image : approche région, approche contour
• Traitement des images binaires : pavage, maillage, distance, fermeture des contours,
étiquetages des composantes connexes,
• Texture, extraction de primitives de texture : gray-level co-occurrence matrix (GLCM) ,
Local Binary Patterns (LBP).

Dr.Ing. ABOUTABIT 8
 FORMATİON D’İMAGES
NUMÉRİQUES
Formation de l’image, numérisation, colorimétrie, Formats d’image

Formation de l’image
• Acquisition des images :
Emission et réflexion Réflectivité, CCD, CMOS, Barrettes
de la lumière viisble luminance... CCD, ...
Rayonnement IR Luminance IR (chaleur) Bolomètres

Echo ultra sonore Distance, densité de Echographie, sonar, ...

tissus, ...
Résonance Présence d’un corps IRM, RMN, ...
magnétique chimique, ...
Echo Distance, spécularité Radar, SAR, ...
électromagnétique de surfaces
Absorption des rayons Densités de tissus Radiographie,
X tomographie...

Dr.Ing. ABOUTABIT 9
 Formation de l’image
• Acquisition des images :
 Une image au sens optique du terme, est une certaine quantité
d’informations véhiculée par des ondes électromagnétiques caractérisées par
leur longueur d’onde et leur énergie.
 La longueur d'onde est la distance séparant deux crêtes successives d'une onde
périodique. On la dénote communément par la lettre grecque λ (lambda).
Mathématiquement, on peut la définir ainsi : si l'onde peut être représentée par une
fonction périodique f qui prend comme argument la distance x, alors la longueur d'onde
est :
le plus petit λ > 0 tel que pour tout x, on ait: f (x + λ) = f (x)
 La longueur d'onde est proportionnelle à la période, et donc inversement
proportionnelle à la fréquence, le nombre de sommets de même signe qui traversent un
point en une durée d'une seconde. La longueur d'onde est égale à la vitesse de l'onde
divisée par la fréquence de passage. Lorsque l'onde une onde électromagnétique dans le
vide, cette vitesse est la vitesse de la lumière c dans le vide, et la relation s'écrit :
λ=c/ν
où :
λ = longueur d'onde
c = 3×108 m/s
ν = fréquence de l'onde

Formation de l’image
• Acquisition des images :
 Ces ondes lumineuses correspondent à une émission d’énergie, sous forme de
photons, due aux transitions atomiques de corps chauffés.
 Classification des ondes lumineuses :

Rayons Rayons Rayons Ultra- Visible İnfra- Micro- TV radio 50Hz

cosmiques gamma X violet rouge onde

10-5 nm 10-3 nm 10 nm500 nm 1500 nm 5m 1000m

Violet bleu vert jaune rouge

380 500 555 600 720

Dr.Ing. ABOUTABIT 10
 Formation de l’image
• Lumière:
 Lumière visible : Détectée par l’oeil
 Lumière chromatique : Composée de plusieurs longueurs d’onde
 Lumière monochromatique : Une seule longueur d’onde (LASER)
 Lumière achromatique : Seule l’énergie est prise en compte (niveaux
de gris)

Formation de l’image:
Œil et lumière :
• En 1801, Tomas Young (1773-1829) médecin, linguiste et physicien, montre que la
perception des couleurs peut être expliquée par la présence de 3 nerfs rétiniens excités
respectivement par le rouge, le vert et le violet.
• Un demi-siècle plus tard, Hermann Ludwig Ferdinand von Helmholtz (1821-1894) physicien
et physiologiste, redécouvre et développe la théorie de Young : 3 couleurs fondamentales
qui correspondent à 3 types de terminaisons nerveuses. C’est la synthèse de ces 3 couleurs
primaires qui permet au cerveau humain de percevoir toutes les nuances colorées de la
nature.
• Nous ne percevons donc les couleurs et les détails fins qu’en pleine lumière et grâce à 3
types de photorécepteurs sensibles à des longueurs d’onde spécifiques : les cônes bleus
(= 430nm)*, les verts (= 530nm)*, rouges (= 630nm)*.
 désigne la distance parcourue par l’onde pendant une période.

* Nanomètre : 1 nm = 10-9 m

Dr.Ing. ABOUTABIT 11
 Couleur : Sensibilité spectrale

• Spectre du visible :
380 420 480 540 590 610 780  (nm)
violet bleu vert jaune orange rouge
IR UV

• Les couleurs proviennent de la séparation de la lumière blanche

naturelle en composantes absorbées et composantes réfléchies.
• Toute source lumineuse visible est composée d’un mélange d’ondes
électromagnétiques cohérentes (couleurs pures), dont la longeur
d’onde est comprise entre 0,4 μm (violet) et 0,7 μm (rouge).

Dr.Ing. ABOUTABIT 12
 • Toute autre couleur est engendrée par un mélange de ces couleurs
pures selon plusieurs critères :

Pour coder les couleurs: on doit trouver l’espace de représentation

des couleurs qui soit à la fois facile à manipuler et soit pertinent
pour l’analyse d’images couleur.

• La trichromie : il suffit d’un triplet de couleurs pures pour restituer

l’intégralité des couleurs (en mélangeant ces 3 composantes)

Le cercle de Newton peut ainsi se “résumer” en un

triangle de primaires.

Dr.Ing. ABOUTABIT 13
 • Synthèse additive synthèse soustractive :

• Acquisition de la couleur : chez l’humain

Les dispositifs d’acquisition de la couleur fonctionnent
habituellement par une combinaison locale de capteurs sélectifs
sensibles à certaine partie du spectre lumineux.

La partie centrale de la rétine

(fovea) se trouvent les cellules
photoréceptrices appelées
cônes. Ces dérnières sont de 3
types selon leur spectres de
sensibilité.
L’oeil ne présente pas la même
sensibilité aux différentes
longueur d’ondes.

Dr.Ing. ABOUTABIT 14
 Couleur
• Espace couleur RVB:
L’espace RVB est l’espace vectoriel engendré par les 3 composantes primaires
(Rouge, Vert, Bleu). L’ensemble des couleurs produites se représente comme
l’intérieur d’un cube :

Triangle de Maxwell ou plan de Luminance.

La teinte est donnée par la position sur le périmètre
du triangle.
La saturation est représentée par la distance de la
couleur au blanc.

Couleur
• Espace couleur RVB

Mais il existe aussi d’autres

codages de la couleur
que RVB…

Dr.Ing. ABOUTABIT 15
 Couleur
• Espace couleur HSV ou TLS:
Cet espace de représentaiton des couleurs est le plus proche de l’aspect
physiologique de la vision humaine (notamment en ce qui concerne la teinte).
L’analyse d’images couleur utilise fréquement cet espace.

Teinte : angle
Luminance : axe vertical Saturation: module S

Couleur
• Espace couleur XYZ:
C’est le système de coordonnées (surtout utilisé en télédiffusion) dans lequel
il n’y a pas de coordonnées négatives pour les couleurs visibles.

Matrice de passage

Dr.Ing. ABOUTABIT 16
 Formation de l’image
• Acquisition des images :

Monde Image
Caméra Numérisation
réel numérique

Numérisation
• Numérisation :

Une image numérique est une image échantillonnée et

quantifiée.

Dr.Ing. ABOUTABIT 17
 Numérisation
Colonnes

Echantillonnage : L’image analogique f(x,y)

est divisée en N lignes et M colonnes.
L’intersection d’une ligne et d’une colonne

Lignes
définit un pixel (une zone rectangulaire). La Pixel de
valeur assignée aux coordonnées [i , j] avec valeur f(i, j)

{i=0,1,2,...,M-1} et {j=0,1,2,...,N-1} est

notée f(i, j).

On parle de sous-échantillonnage lorsque l'image est déjà discrétisée et

qu'on diminue le nombre d'échantillons.

Numérisation
• L’échantillonnage est limité par la capacité du capteur (ex. caméra), donc le
nombre de pixels disponible (ou autre limite imposée).
• La quantification est limitée par la quantité de tons (de gris) définie dans
l’intervalle.
• Une image numérisée est représentée par une matrice de dimension M * N.
• Chaque élément (pixel) a une valeur entière dans l'intervalle [Lmin , Lmax].
• Le nombre de « bits » requis pour représenter les niveaux de gris dans
l’intervalle « L » est « K ».
• La relation entre « K » et « L » est :
L = 2K
• Le nombre de bit pour entreposer une image est donc :
b = M * N * K (taille de l’image)

Dr.Ing. ABOUTABIT 18
 Numérisation

• Résolution spatiale
Le plus petit détail discernable
• Résolution tonale (de tons de gris)
Le plus petit changement discernable
• Une image a donc une résolution spatiale de M X N pixels et une
résolution de tons de gris de K bits ou de L niveaux ou tons

Numérisation
Résolution spatiale : échantillonnage

Résolution tonale : quantification

Dr.Ing. ABOUTABIT 19
 Formats d’image
• Format de fichiers pour sauvegarder les images :
TIF, GIF, JPEG, PNG, PPM, PGM, BMP, ...
• Chaque format a ses particularités :
- Entête contenant les informations de l'image.
- Pixels de l'image codés de différentes façons.
• Formats sans compression :
- Formats les plus simples,
- Les pixels codés directement (les uns après les autres).
- Exemples : PGM (images en niveaux de gris 8bits),
PPM (images couleur RVB 24bits).
BMP (images couleurs 24bits).

Formats d’image
• Formats avec compression :
Les pixels sont compressés pour réduire la taille du fichier à sauvegarder.
- compression sans perte : sans modification des valeurs des pixels
exemple: PNG
- compression avec perte : valeurs des pixels modifiées pour réduire
encore la taille du fichier.
exemple: JPEG

JPEG est très bien pour visualiser les images (vision humaine) mais très
mauvais pour le traitement d'image, car on perd beaucoup
d'informations.

Dr.Ing. ABOUTABIT 20
 TRAİTEMENTS D’İMAGE
Environnement de travail : MATLAB

Traitement d’image avec Matlab

• Matlab :
 langage performant pour le calcul technique.
 calcul, visualisation et programmation sont intégrés.
 Environnement facile à utiliser.
 Utilisation en :
 Math et calcul
 Développement algorithmique
 Acquisition des données
 Modélisation simulation et conception de prototypes.
 Analyse des données
 Réalisation de graphique scientifique
 Développement d’application y compris la construction d’interface graphique.

Dr.Ing. ABOUTABIT 21
 Traitement d’image avec Matlab
• Matlab :
 Matlab peut être pratiqué de façon interactive ou avec des commandes.
 Caractérisé par la forme matricielle de l’élément principal “donnée”
 Matrice dont le dimensionnement n’est pas requit.
 Matlab = matrix laboratory.
 Matlab est l’outil standard de calcul pour plusieurs cours en mathématique,
ingénierie et science.
 Industriellement, Matlab est utilisé dans la recherche, le développement et
l’analyse.
 Matlab est complété par plusieurs familles de solutions spécifiques pour des
applications. Ces familles sont nommées tooboxels.
 Image processing toolbox est une collection de fonctions Matlab (M-functions
ou M-files) qui etendent les capacités de l’environnement Matlab pour des
solutions aux problèmes du traitement numérique d’image.

Traitement d’image avec Matlab

Menu
• Matlab :

Editeur
Répertoire
actuel
workspace

Historique des
commandes

Fenêtre de
commande

Dr.Ing. ABOUTABIT 22
 Traitement d’image avec Matlab
• Matlab :

Aide :
• Soit par le menu help/matlab help ou raccourci f1
• soit par commande : help “nom de la commande ou fonction “

Traitement d’image avec Matlab

• Matlab : fonction basique pour le traitement d’image
Lecture d’une image :
imread(‘filename’) ou A=imread(‘filename’)
Affichage d’une image :
imshow(A)
Ecriture d’une image :
imwrite(A,‘filename’)
imwrite(A,‘filename’,’tif’) jpg, bmp ...
imwrite(A,‘filename’,’jpg’,’quality’,q) q =0 à 100
Information du fichier image :
imfinfo(‘filename’)

Dr.Ing. ABOUTABIT 23
 Traitement d’image avec Matlab
• Matlab : classes des données

Dr.Ing. ABOUTABIT 24