12/11/2022

Traitement Numérique des

Images
Objectif du cours: Acquérir les outils et les compétences pour
développer des applications en traitement d’images
numériques – Se familiariser avec les différents maillons
constituant une chaîne de traitement depuis d’acquisition
jusqu’à la prise de décision en passant par les traitements
dits de « bas niveau »

I. F-E. FATANI

Traitement Numérique des Images (I)

Plan

• Aspects généraux du traitement d’images (Systèmes de T.I.,

Vision, Représentation des images, Transformées 2D)

• Codage et compression

• Amélioration et restauration d’images

• Analyse d’image – Représentation et description (traitements

morphologiques, Segmentation, Analyse de formes et extraction
d’attributs)

1
 12/11/2022

Traitement Numérique des Images

Bibliographie

[1] « Introduction au traitement des images », A. MARION, Dunod,

1996
[2] « Traitement numérique des images », M. KUNT, Presses
Polytechniques Romanes, 1991
[3] « Digital Image Processing », R. GONZALEZ, Plenum Press, 1996
[4] « Digital Image Processing », W. PRATT, Academic Press: New
York, 1991
[5] « Image precessing Handbook », H. RUSS, 1996

Chapitre I

Aspects généraux du traitement

numérique des images

2
 12/11/2022

Aspects Généraux du Traitement

d’Images
Introduction

Image ?  Signaux multidimensionnels I ( x, y, z, t )

Techniques de traitement des signaux (notamment) à deux dimensions

Electronique
Théorie du signal

Traitement d’Image Informatique

Optique
Psycho vision
Sciences Humaines

Aspects Généraux du Traitement

d’Images
Domaines d’application nombreux et variés :

 Imagerie scientifique (astronomie, microscopie)

 Imagerie aérienne et spatiale (télédétection)
 Imagerie médicale (radiographie X, échographie)
 Imagerie industrielle (robotique, contrôle automatique)
 Télécommunication (TV)
 Imagerie militaire

3
 12/11/2022

Aspects Généraux du Traitement

d’Images
Quelques exemples d’application :

 Comptage de cellules sanguines par détection des contours

 Amélioration du contraste de l’image par égalisation

d’histogramme

 Elimination du bruit impulsionnel par filtrage du type

médian

 Labellisation de régions dans un matériau industriel de type

acier

Aspects Généraux du Traitement

d’Images
Analyse
Traitement
Synthèse
description

• Synthèse d’image: création d’une image à partir d’une description

• Analyse d’image: extraction d’attributs à partir d’une ou plusieurs images en vue
d’une description de la scène
• Traitement d’image: traitements dits de « bas niveau »

Implémentation des Techniques de T.I :

• Logicielle (Optimas, Visilog, Khoros, Matlab, etc)
• Matérielle (Matrox, LSI Logic, etc)
• Hybride (DSPs multimédia)

Introduction du parallélisme & traitement hiérarchique

4
 12/11/2022

Architecture d’un système de TI

Stockage

Milieu de
Source propagation Traitement
Acquisition
Scène (Objets)
(caméra, scanner, …)

Périphériques (robots,…) Restitution

+
Communication

• Un objet lumineux émet de la lumière/Un objet éclairé reçoit et réfléchit une quantité de
lumière, qui dépend de la nature de l’objet

 On voit, on photographie, on filme les objets grâce à la lumière qu’ils réfléchissent

Acquisition des Images

• Lumière = rayonnement d’énergie électromagnétique
• A chaque radiation (  ) correspond une couleur pure

• La plupart des couleurs visibles correspondent à un mélange de plusieurs couleurs pure

Remarque : L’œil humain n’est pas pareillement sensible à toutes les couleurs

5
 12/11/2022

Chapitre II

Codage & compression

Motivation de la compression
• Utilisation massive des données numériques
 pb de stockage/transmission

– Mise en place de nouveaux réseaux d’accès :

Communication avec les mobiles, Internet
– Nouveaux services et application :
TVoDSL, streaming, photo numérique

• Image fixe : format CIF (352x288 pixels, 24 bits/pixel)  43

secondes pour une transmission à 56 kbit/s

Réduire la quantité de données à stocker ou à transmettre !

6
 12/11/2022

Peut-on compresser l’information ?

• Shannon a fourni une réponse affirmative d’un point de vue

théorie de l’information qui peut se décomposer en deux parties :

– Théorème du codage source sans bruit

– Compression avec distorsion pour certaines applications

(audio/vidéo)

Théorie débit-distorsion R(D)

Représentation de la source

Méthodes réversibles (CR<3)

Débit

Entropie

Méthodes non réversibles

Distorsion

7
 12/11/2022

Comment ?

• Réduction des redondances:

– Spaciales (DPCM, DCT)

– Temporelles (estimation/compensation de mouvement)
– Psychovisuelles
– Statistiques (codage entropique)

• Introduction de « déviation acceptables » (si possible)

Critère de choix en compression

• Taux de compression (compression rate CR)

Nombre de bits utilisés par le signal original

Nombre de bits utilisés par le signal compressé

• Mesure de qualité ?

EQM  1  x m, n   xori. m, n 

N tot  rec.
2

 2552 
PSNR  10 log10  
 EQM 

+tests subjectifs !

8
 12/11/2022

Composant d’un système de codage

Caméra Codage
Analyse Quantification
binaire

Modèle Paramètres Modèle Bruit

Canal
De source De quantification De source

Display Quantification décodage

Synthèse
Inverse binaire

Classification des méthodes de compression

• Basée sur le type de données :

– Audio
– Images, vidéo
– Modèles 3D
– …

• Basé sur le type de compression :

– Sans pertes (taux de compression modestes, CR de 1,5 à 3)
– Avec pertes (CR>50 possible)
– Nearly lossless (CR≈5, erreur absolue < 2)

• Codage de première/deuxième génération

9
 12/11/2022

Standards de compression d’images fixes

• Pourquoi ?
– Interopérabilité.
– Disponibilité, réduction des coûts, choix.
– Définition par consensus, comité avec une grande variété de
participants.
– Opportunité de recherche.
• Seule la syntaxe et le décodeur sont standardisés:
– Optimisation possible du codeur
– Réduction de complexité possible en vue de
l’implémentation
– Pas de garantie de qualité
• Historique des standards :
– Standard JPEG: finalisé en 1997
– Standard JPEG2000 : finalisé en 2001

Traitement Numérique des Images (II)

Aperçu du cours

• Introduction aux techniques sans pertes

– Codage entropique
– Codage prédictif
• Codage avec pertes :
– Codage par transformée
• Standards de compression d’images fixes
• Codage résistant aux erreurs

10
 12/11/2022

Codage binaire (ou entropique)

• Codage sans perte: message décodé identique

• Schéma de principe

Symbole ai Codage binaire Mot-code ci

(longueur li)

Table de probabilité pi

• Appliqué directement aux symboles originaux d’une source discrète

(ex : pixels), ou aux symboles convertis d’une source discrète ou
continue (ex: coefficients transformés).
• Débit binaire (bit/symbole)=longueur moyenne en sortie de codeur
• Décodage de façon instantanée  condition de préfixe

Exemple de codage entropique: Huffman

• Associe un mot de code binaire de longueur variable à un symbole de la
source

• Principe: construction d’un code book pour tous les symboles/ on associe
les mots de code les plus courts aux symboles les plus fréquents

Symbole Probabilité Mot code Longueur

A 0.5
1 «1» 1

B 0.2143 1
1.0
« 01 » 2
0
C 0.1703 1
0.5 « 001 » 3
0
D 0.1154
0 0.2857 « 000 » 3

Débit binaire: R   pi li  1.7857 Entropie: H   p log  p   1.7707

i 2 i

11
 12/11/2022

Huffman: codage vectoriel

Codage arithmétique
• Idée de base:
– Représenter une séquence de symboles par un intervalle de longueur égale à
sa probabilité
– Intervalle caractérisé par ses bornes inférieure (l) et supérieure (u), et sa
longueur d (= proba)
– Mot de code pour la séquence = bits communs aux représentations binaires
de l et u

• L’intervalle est calculé séquentiellement à partir du premier symbole

– Intervalle initial déterminé par le 1er symbole
– Intervalle suivant = sous-intervalle déterminé par le symbole qui suit

12
 12/11/2022

Encodage

Codage d’image par transformée

• Réduction des redondances spatiales :

– Codage prédictif
– Codage par transformée

• Codage par transformée : représentation d’un vecteur (bloc de

pixels) comme une superposition de vecteurs de base
– Décorrélation
– Concentration de l’énergie

13
 12/11/2022

Discrete Cosine Transform (DCT)

• DCT à deux dimensions de taille NxN pixels :

2 N 1 N 1
 2m  1u   2n  1v 
- directe : X u, v   CuCv  xm, n cos  cos 
N m 0 n 0  2N   2N 

2 N 1 N 1
 2m  1u   2n  1v 
- inverse : xm, n    C C X u, v cos
u v  cos 
N u 0 v 0 2N   2N 

 2
lorsque   0
avec : C   2
 1 sin on


Vecteurs de base de la DCT (N=8)

14
 12/11/2022

Standard de compression
des images fixes JPEG

• JPEG (Joint Photographic Expert Group) : compression

appliquée aux images fixes de qualité photographique

• Créé pour l’industrie de l’impression à la fin des années 1980.

Devenu standard de compression en 1992

• Aujourd’hui largement répandu

• Différents modes : Lossless, Hierarchical, Progressive, Baseline

L’algorithme JPEG Baseline

Schéma de principe d’un système de codage JPEG

découpage en
Y Cr Cb + blocs de 8x8
pixels

DPCM

DCT Q Zig-Zag Huffman 01011…

RLE

15
 12/11/2022

Standard de compression
des images fixes JPEG

• Décodage = opérations inverses

• 1ère étape : découpe de chaque composante de l’image en blocs

de 8x8 pixels disjoints + compression indépendante des blocs

Quantification des coefficients DCT

Quantification uniforme par division par une constante N et arrondi

(N=4 ou 8 dans l’exemple)

D.C.T
80 7

-9 1
10 2
arrondi DCT =
Coef.
-1 0
8 3

9 4
Tableau de coef.

16
 12/11/2022

Quantification des coefficients DCT

• Dans JPEG, chaque coefficient DCT X(u,v) est divisé par une constante Q(u,v)

• Table des Q(u,v) = table de quantification.

Exemple de matrice de quantification

pour la luminance
(1)

Œil très sensible aux basses

fréquences (1), peu sensible
aux hautes fréquences (2).
(2)

Après quantification, annulation de nombreux coefficients DCT

Lecture en zig-zag

• Bloc 8x8 après quantification = vecteur de longueur 64 contenant de

nombreux zéros  grouper les coefficients non nuls au début du
vecteur.

17
 12/11/2022

Codage entropique du coefficient DC

• Signal de différence : DCn-DCn-1

• Détermination de la catégorie correspondante :

Valeur Catégorie DC
0 0
-1,1 1
-3,-2,2,3 2
-7..-4,4…7 3

• On transmet le code de Huffman associé à la catégorie + nombre fixe

de bits égal à la valeur de la catégorie.

Codage entropique des coefficients AC

• Codage par plage appliqué sur le reste des coefficients

(coefficients AC).
• Codage par paires (Zero Run, Category).
• Catégorie = nombre de bits nécessaires pour coder la
valeur absolue du coefficient non nul qui suit.
• Deux codes particuliers : suite de 16 zéros consécutifs
+ (0,0) = fin de bloc (EOB)

18
 12/11/2022

Exemple d’image compressées par

l’algorithme JPEG

Image originale CR=6 CR=13 CR=17

CR=20

36
image:cameraman
34 image:Lena

32

30

28
PSNR(dB)

26

24

22

20

18

16
0 10 20 30 40 50 60 70
q jpeg

19