Université des Sciences et de la Technologie Houari Boumediene

Faculté d'Électronique et d'Informatique

TRAVAIL DEMANDE

MODULE : RDIV

SELMI manel 181831063830

MOULOUDJ Anis 181831083078
1) Améliorer la qualité des images en niveaux de gris et l’image teinte H et V  :
Les images au niveau de gris :

Figure1 : image 25 Originale Figure2 : image 25_gn1

Figure3 : image 25_gn2 Figure4 : image 25_sp

L’image teinte H et V :
En H :

En V :
  La fonction égalisation d’histogramme permet d’améliorer la qualité
d’image dans les deux cas image gris et image teinte H et V.
Afficher Les histogrammes des 4 images Avant et après  :
Image Originale :

Figure 6 : L’histogramme après Figure 7 : L’histogramme avant

L’égalisation l’égalisation
Image bruite (image25_gn1) :

Figure 8 : L’histogramme avant Figure 9 : L’histogramme après

L’égalisation l’égalisation
Image bruite (image25_gn2) :
Figure 10 : L’histogramme avant Figure 11 : L’histogramme après
L’égalisation l’égalisation
Image bruite (image25_sp) :

Figure 12 : L’histogramme avant Figure 13 : L’histogramme après

L’égalisation l’égalisation

 Les images occupent toute la dynamique entre 0 et 255

 Après l’égalisation l’histogramme dans les quatre images devient
uniforme donc une bonne qualité d’image
 La dynamique de L’image bruite gn1 et gn2 distribué vers la droite donc
vas vers les tons clairs
2) Binarisation les images en utilisant différentes valeurs de seuil :
Programme
threshold (ImgGray, dst, 0, 255, THRESH_BINARY);
imshow("image seuillee", dst);
waitKey(0)

 On a utilisé seuillage binaire donc l’image sortie elle est égale à zéro
lorsque la valeur est inférieure au seuil est la valeur max-val dans le cas
contraire.
 Transformer l’image au niveau de gris en une image dont les valeurs de
pixels ne peuvent avoir que la valeur 1 OU 0
 Binariser : c’est représenté l’image en deux classes : l’objet et le fond

Seuil 150 :

Seuil 110 :
Seuil 50 :

Seuil 0 :

Plus les valeurs sont grandes ou ils sont petits plus on perd l’information de
l’image
o Pour un seuil = 255 l’image noir
o Pour un seuil = 0 l’image blanc
5) Superposer l’image masque à l’image originale pour obtenir l’image de
l’objet :
 On a multiplié le masque par les valeurs de l’image gray point par point
pour obtient une image masquée
 On a annulé toute la partie juste la partie centrée de l’image