Académique Documents
Professionnel Documents
Culture Documents
Analyse d’images
Ines KETATA
Maître Assistante à l’ISIMED- Université de Gabes
1
Objectifs du cours
de l’image numérique.
2
Contenu
1. Définitions préliminaires
2. Image matricielle
3. Numérisation
Analyse d’images
4. Systèmes de couleurs
5. Traitement d’image
7. Segmentation d’images
3
Chapitre
1
Analyse d’images
Définitions préliminaires
4
1- Définitions préliminaires
Définition de l’image
Types d’images
Domaines de recherche
Difficultés
5
1- Définitions préliminaires
1-1 Qu'est-ce qu'une image ?
6
1- Définitions préliminaires
1-2 Perception de l’image ?
7
1- Définitions préliminaires
1-2 Perception de l’image ?
8
1- Définitions préliminaires
1-3 Image numérique
9
1- Définitions préliminaires
1-3 Image numérique
x =
58 59 60 61 62 63 64 65 66 67 68 69 70 71 72
y = 41 210 209 204 202 197 247 143 71 64 80 84 54 54 57 58
42 206 196 203 197 195 210 207 56 63 58 53 53 61 62 51
Analyse d’images
10
1- Définitions préliminaires
1-3 Image numérique
11
1- Définitions préliminaires
1-4 Deux types d’images
Image vectorielle
Analyse d’images
Principe :
Définie par des coordonnées
numériques et des formules
mathématiques :
indépendance du facteur échelle,
pas de perte qualité.
13
1- Définitions préliminaires
1-4 Deux types d’images
Image matricielle
Analyse d’images
Principe :
Définie par une dimension fixe
et un nombre de couleurs fixe.
dépendance du facteur échelle,
Risque de perte qualité.
14
1- Définitions préliminaires
1-5 Le traitement d’images
Ciel
Arbres
Arbre
Maison
Voiture
15
1- Définitions préliminaires
1-6 Traitement d’images
Objectifs
Analyse
•Détection
•Estimation
Amélioration •Segmentation
• correction de couleur •Modélisation
• correction d’histogramme Restauration
• compensation
Analyse d’images
• correction de contraste
Vision par
ordinateur
Codage Reconnaissance de
• compression forme
• transmission • primitives
• adéquation à un standard • description sémantique
Manipulation
• Cryptage
• Tatouage
16
1- Définitions préliminaires
1-6 Traitement d’images
Chaîne typique
Acquisition
Transmission
Segmentation
numérique de Interprétation
Classification
primitives
Amélioration
Restauration paramètres symboles
sémantique
Ecran
Visualisation Film
Stockage
17
1- Définitions préliminaires
1-6 Traitement d’images
Applications
Télévision numérique,
Vidéo,
Cartographie,
Analyse d’images
Robotique,
Inspection,
Sécurité,
Bases de données,
Médecine,
Météorologie,
Armement.
18
1- Définitions préliminaires
1-6 Traitement d’images
Domaines de recherches
Debruitage d’images,
Analyse d’images
Indexation d’images,
Compression d’images,
Cryptage d’images,
Classification d’images,
Reconnaissance de caractères
19
1- Définitions préliminaires
1-6 Traitement d’images
20
1- Définitions préliminaires
1-6 Traitement d’images
postal.
Difficultés
Bruit,
Dégradation,
Analyse d’images
Flou,
Perte d’information,
Sécurité,
Apprentissage
22
Chapitre
2
Analyse d’images
Image Matricielle
23
2- Images Matricielles
Les pixels sont les plus petits éléments employés par les
moniteurs et imprimantes d'ordinateur pour représenter
des caractères, des graphiques et des images.
Un pixel est :
un pas de discrétisation.
25
2- Image Matricielle
2-2 La dynamique d’une image
binaire,
en niveau de gris,
ou en couleurs « vrai ».
26
2- Image Matricielle
2-3 Dimension
255
Hauteur
0
27
2- Image Matricielle
2-4 Représentation discrète d’une l’image
L : nombre de lignes
C : nombre de colonnes
[1,M]p : M+1 valeurs d ’intensité, sur un espace à
p dimensions (p= nombre de plan~ matrice)
28
2- Image Matricielle
2-5 Image binaire
29
2- Image Matricielle
2-6 Image en niveau de gris
255
30
2- Image Matricielle
2-6 Image en niveau de gris
33
2- Image Matricielle
2-8 Image en « vrai couleur »
Une image
couleur
Les trois plans RVB
Chaque plan a 256 nuances de
Analyse d’images
couleurs
34
2- Image Matricielle
2-9 Résolution
36
2- Image Matricielle
2-9 Résolution
Résolution en luminance
37
2- Image Matricielle
2-10 Histogramme
Définitions :
Histogramme
18
Analyse d’images
16
14
h(i) : fréquence
12
10
Série1
8
6
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
i : couleur
Histo(i)=Card{Pixel(x,y)=i}
39
2- Image Matricielle
2-10 Histogramme
Exemple :
• le pixel ayant un niveau de gris = 2 est présent 17 fois
• le pixel ayant un niveau de gris = 10 est présent 4 fois
40
2- Image Matricielle
Analyse d’images
2-10 Histogramme
41
2- Image Matricielle
Analyse d’images
2-10 Histogramme
42
2- Image Matricielle
2-10 Histogramme
Algorithme
Pour C de 1 à n
Pour L de 1 à m
NiveauGris = I(C,L);
h(NiveauGris) = h(NiveauGris) +1;
fin
fin
43
2- Image Matricielle
2-11 Contour
Contour
44
2- Image Matricielle
Analyse d’images
2-11 Contour
45
2- Image Matricielle
2-12 Texture
La texture décrit :
Analyse d’images
46
2- Image Matricielle
2-12 Texture
bois
47
2- Image Matricielle
2-13 Formats d’images
Sans perte
avec perte
les formats en vrai couleurs;
et à couleur indexée.
non compressés.
48
2- Image Matricielle
Analyse d’images
2-13 Formats d’images
49
2- Image Matricielle
2-13 Formats d’images
Compression :
50
2- Image Matricielle
2-13 Formats d’images
Compression
basée sur un système qui permet une compression plus
importante avec une perte de qualité imperceptible à l'oeil nu.
Analyse d’images
Usages
Internet.
51
2- Image Matricielle
2-13 Formats d’images
52
2- Image Matricielle
2-13 Formats d’images
55
Chapitre
3
Analyse d’images
Numérisation
56
3- Numérisation
3-1 Principe
horizontal et en vertical).
scanner
Analyse d’images
image réelle
caméra numérique
numériseurs
58
3- Numérisation
3-2 Echantillonnage et Quantification
Scène
Echantillonnage Quantification
0
1 Pixel
2
3
4
Analyse d’images
5
6
7
1 Pixel (3bits)
1 1 0
Chaine de traitement
59
3- Numérisation
Analyse d’images
3-2 Echantillonnage et Quantification
4
Analyse d’images
Systèmes de couleurs
61
4- Systèmes de couleurs
4-1 Les espaces des couleurs
Synthèse additive :
Combinaison de trois faisceaux lumineux de couleurs
rouge, verte et bleue à proportions variées pour
produire la plupart des couleurs.
Les trois faisceaux lumineux de couleurs rouge, verte et bleue,
chacune fournie un tiers de la gamme des longueurs d'ondes
Analyse d’images
du spectre de la lumière.
S2
G
S1
Analyse d’images
S3
R
B
64
4- Systèmes de couleurs
4-1 Les espaces des couleurs
Synthèse soustractive :
Utilisation de trois couleur de base le cyan, le magenta
et le jaune pour supprimer certaines couleurs de la
couleur blanche et obtenir une couleur souhaitée.
chacun des trois couleurs de base absorbe les ondes d'une
primaire additive (le rouge, le vert ou le bleu) et réfléchit les
Analyse d’images
66
4- Systèmes de couleurs
4-1 Les espaces des couleurs
Le codage RGB,
Le codage CMYK,
Le codage HSV,
Le codage CIE,
Le codage YUV,
Le codage YIQ.
68
4- Systèmes de couleurs
4-1-1 Codage RGB
Synthèse additive
Analyse d’images
Synthèse soustractive
Analyse d’images
Cubes RGB
Cubes CMY
Analyse d’images
71
4- Systèmes de couleurs
4-1-4 Codage HSV
73
4- Systèmes de couleurs
4-1-4 Codage HSV
RGB HSV
V = max ( R, G, B ),
V - min( R, G, B)
Analyse d’images
S = ,
V
G-B si V = R
V - min ( R, G, B)
B-R si V = G
H = 2 +
V - min( R, G, B)
+ R -G
4 V - min( R, G, B) si V = B
74
4- Systèmes de couleurs
4-1-5 Codage CIE La*b*
75
4- Systèmes de couleurs
4-1-5 Codage CIE La*b*
76
4- Systèmes de couleurs
4-1-6 Codage YUV
77
4- Systèmes de couleurs
4-1-6 Codage YUV
RGB YUV
R
U = - 0.147 - 0.289 + 0.463 G
V + 0.615 - 0.515 - 0.100 B
78
4- Systèmes de couleurs
Analyse d’images
4-1-6 Codage YUV
79
4- Systèmes de couleurs
4-1-6 Codage YIQ
80
4- Systèmes de couleurs
4-2 Algorithme de conversion couleur
http://www.cs.rit.edu/~ncs/color/t_convert.html
Analyse d’images
http://www.cs.rit.edu/~ncs/color/
81
Partie
2
Analyse d’images
Traitement de l’image
numérique
82
Chapitre
5
Analyse d’images
Traitement d’image
83
5- Traitements d’images
Objectif:
Amélioration de la qualité du signal afin de faciliter
l’extraction de l’information recherchée.
Rehaussement de contraste
Filtrage du bruit
Etc.
I x, y dxdy
Analyse d’images
1 L -1 C -1
f x, y
yx
I= =
dxdy LC x = 0 y = 0
yx
85
5- Traitements d’images
5-2 Contraste
86
5- Traitements d’images
5-2 Contraste
Autres définitions :
1 L -1 C -1
C=
LC x =0 y =0
( f ( x, y ) - I ) 2
Analyse d’images
87
5- Traitements d’images
5-3 Amélioration
locales:
J(x0,y0) = f[I(V)]V: voisinage de (x0,y0)
Filtres,..
88
5- Traitements d’images
5.4 Améliorations Ponctuelles
Manipulation d’histogrammes :
Image originale
Analyse d’images
décalage : Brillance
Étirement : Contraste
89
5- Traitements d’images
5.4 Améliorations Ponctuelles
I x, y dxdy
1 L -1 C -1
f x, y
yx
I= =
dxdy LC x =0 y =0
yx
Analyse d’images
f x, y f x, y + I
90
5- Traitements d’images
5.4 Améliorations Ponctuelles
F(x,y)=f(x,y)+n
Analyse d’images
f’(x,y) 255
f ' ( x, y ) = ( f ( x , y ) - min)
max - min
Analyse d’images
255
( f ( x , y ) - min)
0 ,1
max - min
0
min max f(x,y)
92
5- Traitements d’images
5.4 Améliorations Ponctuelles
93
5- Traitements d’images
5.4 Améliorations Ponctuelles
255
f ' ( x, y ) = ( f ( x , y ) - S min )
S max - S min
Analyse d’images
f ' ( x, y ) 0 f ' ( x, y ) = 0
f ' ( x , y ) 255 f ' ( x , y ) = 255
94
5- Traitements d’images
5.4 Améliorations Ponctuelles
95
5- Traitements d’images
5.4 Améliorations Ponctuelles
96
5- Traitements d’images
5.4 Améliorations Ponctuelles
Égalisation de l’histogramme
Est une transformation des niveaux de gris dont le
principe est d’équilibrer le mieux possible la
distribution des pixels dans la dynamique ( on cherche
à obtenir un histogramme plat)
Analyse d’images
97
5- Traitements d’images
5.4 Améliorations Ponctuelles
Égalisation de l’histogramme
* H c I
N max
I '=
NP
H c f x , y
fn ew x , y = N m ax *
Analyse d’images
L*C
98
5- Traitement d’image
5.4 Améliorations locales
Se proposent généralement de :
Bruit Bruit
Originale impulsionnel
gaussien
Haute fréquence
Basse fréquence
100
5- Traitements d’images
5.4 Améliorations locales
Filtre gaussien
Analyse d’images
Filtre adaptatif
101
5- Traitements d’images
5.4 Améliorations locales
Principe de convolution :
ci
Analyse d’images
i =1
i =1
104
5- Traitements d’images
5.4 Améliorations locales
lissage
1 3 1 2 7 0 0 0 0 1
1 2 3 2 4 6 7 5 4 7
2 1 2 3 5 1 1 5 2 6
1 0 1 1 2 2 3 6 4 4
0 5 7 6 5 4 3 2 1 1
1 3 4 4 5 4 3 3 2 0
2 4 4 4 4 4 4 3 2 2
Novelle valeur du pixel central 5 4 4 3 4 5 4 4 4 3
1 4 4 3 3 4 5 5 5 5
(0+5+7+1+5+0+2+3+4)/9 = 43
(5+7+6+5+0+7+3+4+0)/9
= (7+6+5+0+7+6+4+0+5)/9 0 2 3 3 4 5 3 5 5 6
1 3 2 3 5 4 4 3 3 1
1 2 2 3 3 4 4 4 4 7
2 2 2 3 5 3 3 5 4 6
106
1 0 1 1 2 2 3 6 4 4
5- Traitements d’images
5.4 Améliorations locales
Filtre gaussien
- u 2 + v 2
g (u , v) =
1 2
*e 2 2
2
– On choisit la taille du filtre (pixel)
Analyse d’images
– On prend
w
5 Exemple w = 3 = 3/ 5
• Propriété du filtre gaussien Filtre : 0.0277 0.1110 0.0277
g (u, v) = 0.1110 0.4452 0.1110
séparable
1. Filtrer l'image avec le filtre
gaussien 1D vertical 0.0277 0.1110 0.0277
2. Filtrer le résultat avec le filtre
gaussien 1D horizontal
Filtres 1D : 0.1664 0.6672 0.1664
107
5- Traitement d’image
5.4 Améliorations locales
108
5- Traitement d’image
5.4 Améliorations locales
109
5- Traitements d’images
5-5 Conclusion
quantitatives.
à suivre ….
110