Infographie et Reconnaissance de Formes

- Partie III -
Master SIDI

Faculté des Sciences et Techniques – Errachidia / 2022-2023

Histogramme
Histogramme
▪ Définition

Les histogrammes d’image synthétisent visuellement la distribution d’une variable numérique continue
en mesurant la fréquence à laquelle certaines valeurs apparaissent dans l’image.

▪ En ordonnée (Nb Pixel) le nombre de canaux ou

pixels qui ont cette valeur.

▪ En abscisse (Val.) les différentes valeurs

possibles pour un canal ou pixel.

▪ Dans cet exemple d’histogramme, nous avons

2000 pixels qui ont la valeur 100.

3
Histogramme
▪ Image en noir et blanc
Une image en noir et blanc a un histogramme très basique (binaire) qui n'a que 0 ou 1 valeurs.

4
Histogramme
▪ Image en niveaux de gris
L’histogramme d’une image en niveaux de gris mesure la distribution des niveaux de gris dans
l’image. Pour un niveau de gris x, l’histogramme permet de connaitre la probabilité de tomber sur un
pixel de valeur x en tirant un pixel au hasard dans l’image.

Concrètement, l’histogramme d’une image à valeurs entières est construit de la manière

suivante: pour chaque niveau de gris x, on compte le nombre de pixels ayant la valeur x.

NB. de pixels ayant x

x
5
Histogramme
▪ Image en niveaux de gris
Formellement, pour une fonction f:E→[0..n]⊆N, l’histogramme de f est une fonction Tf:[0,n]→N
qui, à chaque niveau de gris v, associe le nombre d’éléments x de E tel que f(x)=v :

Tf(v)=|{x ∈ E | f(x)=v}|

6
Histogramme
▪ Image en niveaux de gris Son histogramme est une fonction qui, à chaque
valeur de niveau de gris c ompris entre 0 et 4, associe
Exemple : le nombre de pixels ayant cette valeur :

Soit l’image de 5 pixels par 5

pixels de côté avec des valeurs
comprises entre 0 et 4 :

Où bien, sous forme de diagramme baton :

7
Histogramme
▪ Image en niveaux de gris
Remarque :
L’histogramme ne contient aucune information spatiale et des images très différentes peuvent avoir
des histogrammes similaires. Par exemple les deux images ci-dessous ont le même histogramme:

8
Histogramme
▪ Image en niveaux de gris
L’histogramme permet d’obtenir rapidement une information générale sur l’apparence de l’image.
Une image visuellement plaisante aura généralement un histogramme équilibré (proche d’une
fonction plate).

Exemples : Quand l’histogramme est tassé sur la gauche, l’image est trop sombre :

9
Histogramme
▪ Image en niveaux de gris
L’histogramme permet d’obtenir rapidement une information générale sur l’apparence de l’image.
Une image visuellement plaisante aura généralement un histogramme équilibré (proche d’une
fonction plate).

Exemples : Quand l’histogramme est tassé au centre, l’image est grisâtre et manque de contraste :

1
Histogramme
▪ Image en niveaux de gris
L’histogramme permet d’obtenir rapidement une information générale sur l’apparence de l’image.
Une image visuellement plaisante aura généralement un histogramme équilibré (proche d’une
fonction plate).

Exemples : Quand l’histogramme est trop creusé au centre; les noirs sont trop noirs, les blancs trop
blancs (on dit que l’image est saturée) :

11
Histogramme
▪ Seuillage
Le seuillage est une opération qui consiste à saturer les pixels clairs (seuillage haut) ou sombres
(seuillage bas) d’une image tout en laissant les autres inchangés. Un pixel ayant la valeur Vmin
ou Vmax est dit saturé car sa valeur ne peut plus être augmentée ou diminuée.

Exemple de Seuillage haut :

On se donne une valeur de seuil t dans V, et la fonction de transformation sht: V → V est définie ainsi :

x si x ≤ t
∀ x ∈ V, sht(x)=
Vmax sinon.

L’image de droite montre un

L’image de gauche est une seuil haut réalisé sur cette
image hématologique sur image : les pixels gris clairs
laquelle ont voit des cellules sont maintenant blancs; les
sanguines. pixels plus sombres n’ont pas
été modifiés.

12
Histogramme
▪ Seuillage
Le seuillage est une opération qui consiste à saturer les pixels clairs (seuillage haut) ou sombres
(seuillage bas) d’une image tout en laissant les autres inchangés. Un pixel ayant la valeur Vmin
ou Vmax est dit saturé car sa valeur ne peut plus être augmentée ou diminuée.

Exemple de Seuillage bas :

On se donne une valeur de seuil t dans V, et la fonction de transformation sbt: V → V est définie ainsi :

x si x > t
∀ x ∈ V, sbt(x)=
Vmin sinon.

L’image de droite montre un

L’image de gauche est une seuil bas réalisé sur cette
image hématologique sur image : les pixels sombres sont
laquelle ont voit des cellules maintenant noirs; les pixels
sanguines. clairs n’ont pas été modifiés.

13
Histogramme
▪ Seuillage
Le seuillage est une opération qui consiste à saturer les pixels clairs (seuillage haut) ou sombres
(seuillage bas) d’une image tout en laissant les autres inchangés. Un pixel ayant la valeur Vmin
ou Vmax est dit saturé car sa valeur ne peut plus être augmentée ou diminuée.

Exemple de Seuillage combiné :

On se donne une valeur de seuil bas tb dans V et une valeur de seuil haut th dans V, et la fonction de
transformation st: V → V est définie ainsi : Vmin si x ≤ tb
∀ x ∈ V, sbt(x)= x si tb < x ≤ th
Remarque : Vmax sinon.
Le cas particulier d’un
L’image de droite montre un
seuillage combiné où tb=th
exemple de seuil combiné
produit une image binaire (ne reprenant les effets des deux
contenant que Vmin et Vmax) et exemples ci-dessus.
la transformation est une
binarisation. 14
 Histogramme
▪ Normalisation d’histogramme
Normaliser l’histogramme d’une image f consiste à
appliquer une transformation d’histogramme à l’image
afin d’étendre la plage de valeur de f à l’ensemble des
valeurs disponibles. Concrètement, si l’on note fmin et fmax
la valeur minimale et la valeur maximale de l’image, on
souhaite trouver une transformation norm telle que
norm(fmin)=Vmin (Vmin étant la valeur minimale que l’on
souhaite atteindre) et norm(fmax)=Vmax (Vmax étant la
valeur maximale que l’on souhaite atteindre).
Exemple :
Soi la fonction affine (ax + b) de transformation
nt: E → V est définie ainsi :

∀ x ∈ E, norm(x) = (x − fmin) * (Vmax − Vmin) / (fmax− fmin) + Vmin

15
Histogramme
▪ Histogramme cumulé
L’histogramme cumulé mesure la distribution cumulée des niveaux de gris dans une image.
L’histogramme cumulé se calcule donc simplement à partir de l’histogramme. L’histogramme cumulé,
noté Cf, d’une image f : E→[0..n] ⊂ N est définie par :

∀ v ∈[0,n], Cf(v)=|{p ∈ E | f(p) ≤ v}|

v

= ෍ 𝑇f(v)
𝑖=0

16
Histogramme
▪ Histogramme cumulé
Exemple :
Soit l’image de 5 pixels par 5 pixels avec des valeurs comprises entre 0 et 4 :

0 1 2 2 3 On obtient l’histogramme et l’histogramme cumulé :

0 1 2 2 3
Valeur de niveau de gris 0 1 2 3 4
0 1 2 2 4
0 1 2 2 4 Nombre de pixels 5 5 10 2 3
0 1 2 2 4 Valeur de niveau de gris 5 10 20 22 25

Où bien sous forme d’une courbe (avec l’histogramme en bâton) :

L’histogramme cumulé est une courbe croissante dont la

valeur maximale est égale au nombre de pixel dans l’image.

17
Histogramme
▪ Histogramme cumulé
Exemple :
L’histogramme cumulé de l’image de gauche comprend 2 phases presque plates (valeurs sombres et claires) et
augmente brutalement dans les valeurs intermédiaires : cette image est mal équilibrée.

Dans l’image de droite, on peut observer que

l’histogramme est bien étalé sur toute la
plage de valeurs. L’histogramme cumulé est
proche de la diagonale. Les niveaux de gris
comprenant peu de valeurs sont tassés
(visible sur les extrémités de l’histogramme),
alors que les niveaux de gris comprenant
beaucoup de pixels sont étalés (milieu de
l’histogramme).

→ Cette transformation est appelée

l’égalisation de l’histogramme cumulé.

18
Histogramme
▪ Égalisation d'histogramme
L'égalisation d'histogramme est une méthode d'ajustement du contraste d'une image numérique
qui utilise l'histogramme. Elle consiste à appliquer une transformation sur chaque pixel de l'image, et
donc d'obtenir une nouvelle image à partir d'une opération indépendante sur chacun des pixels.
Cette transformation est construite à partir de l'histogramme cumulé de l'image de départ.

L'égalisation d'histogramme permet de mieux répartir les intensités sur l'ensemble de la plage de
valeurs possibles, en « étalant » l'histogramme. L'égalisation est intéressante pour les images dont la
totalité ou seulement une partie, est de faible contraste (l'ensemble des pixels sont d'intensité
proches).

19
Histogramme
▪ Égalisation d'histogramme
La méthode d’égalisation d'histogramme consiste à appliquer une transformation T
indépendamment sur chaque pixel de l'image. Cette transformation est construite à partir de
l'histogramme cumulé.

Pour une image I on définit :

▪ L : le nombre de niveau de grisde l’image

▪ 𝑛𝑘 :le nombre d'occurrences du niveau 𝑥𝑘
▪ 𝑛 : le nombre total de pixelsde l'image

La transformation T qui à chaque pixel de valeur 𝑥𝑘 de l'image d'origine associe une nouvelle valeur
définie par :

20
Histogramme
▪ Image en couleur
Si on a une image en couleur il nous faut maintenant avoir les nuances sur les trois canaux (Rouge,
Vert et Bleu). On a donc 3 courbes :

L’histogramme se retrouve dorénavant quasiment partout. Essentiellement dans les logiciels de

retouche photo tels que Photoshop, Lightroom, Camera Raw et encore bien d’autres.

21
Histogramme
▪ Image en couleur
Pour comprendre si un histogramme est correct cela est très simple, si toutes les valeurs sont collées du côté
gauche ou du côté droit de votre histogramme c’est qu’il y a un problème d’exposition. Pour qu’un histogramme
soit bon il suffit que les valeurs soit réparties sur l’ensemble de l’histogramme sans que les pixels soient
collés aux extrémités. On évite donc d’avoir des blancs purs et des noirs purs.

HISTOGRAMME SOUS-EXPOSÉ HISTOGRAMME EXPOSÉ A GAUCHE

22
Histogramme
▪ Image en couleur
Pour comprendre si un histogramme est correct cela est très simple, si toutes les valeurs sont collées du côté
gauche ou du côté droit de votre histogramme c’est qu’il y a un problème d’exposition. Pour qu’un histogramme
soit bon il suffit que les valeurs soit réparties sur l’ensemble de l’histogramme sans que les pixels soient
collés aux extrémités. On évite donc d’avoir des blancs purs et des noirs purs.

HISTOGRAMME EXPOSÉ À DROITE HISTOGRAMME SUREXPOSÉ

23
Histogramme
▪ Image en couleur
Pour comprendre si un histogramme est correct cela est très simple, si toutes les valeurs sont collées du côté
gauche ou du côté droit de votre histogramme c’est qu’il y a un problème d’exposition. Pour qu’un histogramme
soit bon il suffit que les valeurs soit réparties sur l’ensemble de l’histogramme sans que les pixels soient
collés aux extrémités. On évite donc d’avoir des blancs purs et des noirs purs.

HISTOGRAMME EXPOSÉ À DROITE HISTOGRAMME CORRECTEMENT EXPOSÉ

24
Histogramme
▪ Image en couleur
Sur les histogrammes, ci-dessous, on peut voir que la répartition des pixels est concentrée sur la partie gauche. Ce qui nous montre
que la photographie est sous exposée. Elle apparaît donc très sombre.
Histogramme
▪ Image en couleur
Sur les histogrammes, ci-dessous, on voit facilement que la photo est sur exposée. Le ciel ne contient presque plus d’information à
certains endroits, ainsi que sur les reflets dans l’eau. On y voit que des tâches de couleurs. D’ailleurs les couleurs paraissent saturées.
Histogramme
▪ Image en couleur
Les histogrammes suivant nous montrent respectivement les couches Rouge, Verte, et Bleu qui sont correctement exposées. Sur la
droite, le calque de réglage exposition n’affecte pas la photo (réglage sur 0).