MULTIMEDIA

TRANSFORMATIONS
PONCTUELLES DANS
LES IMAGES
NUMÉRIQUES

1.0

IMMXL2CH03

ATIAMPO KODJO ARMAND @ UVCI 2018

05 MAI 2018
 Table des
matières
.......................................................................................................................................................20
Objectifs...........................................................................................................................................5
Introduction......................................................................................................................................7
I - Opérations de base sur les images numériques...........................................................................9
A. L'histogramme et les propriétés de base des images numériques.........................................9
B. Opérations de base sur les images........................................................................................12
II - Introduction au Filtrage numérique.........................................................................................19
A. Bruit dans les images numériques.......................................................................................19
B. Filtrage dans les images numériques...................................................................................21
III - Binarisation d'une image........................................................................................................27
IV - FIltrage...................................................................................................................................29
Conclusion.....................................................................................................................................33

3
4
Objectifs

À la fin de cette leçon, vous serez capable de :

 Connaître les opérations de base applicables à une image
numérique ;
 Savoir manipuler les notions de base des filtres ;

5
 Introduction

Dans cette leçon ,nous étudierons au niveau le plus élémentaire les opérations de base que
vous pouvez effectuer sur des images numériques. La leçon précédente nous a permis de
savoir qu'une image numérique est tout simplement une matrice de nombres , et donc pour
transformer une image , il nous suffit simplement de pouvoir modifier les valeurs des pixels
qui la composent.Pour ce faire les opérateurs classiques tels que l'addition peuvent être
étendus aux images numériques.
Les notions apprises ici, se retrouvent pour la plupart dans la majorité des logiciels utilisés
par les spécialistes et leur compréhension vous facilitera grandement leur mise en œuvre
lors de l’étude des logiciels tels que Photoshop
Quelques références bibliographiques
 Sylvie Alayrangues, Traitement d'Images : Introduction et Filtrage Spatial ,Licence Pro
- IUT Bordeaux I 2004 /2005
 O. Losson & F. Cabestaing, UE3 : Analyse des Images, Transformations ponctuelles,
LPro GPI Vision Industrielle,USTL
 Ben Mefteh Hamdi, Initiaition au multimédia, 2013-2014

7
Opérations de
I
I-

base sur les

images
numériques

Objectifs
A la fin de cette section , l’étudiant sera capable :
 De savoir manipuler les propriétés d'une image à partir
de son histogramme
 De savoir manipuler les opérations de base sur les
images

A. L'histogramme et les propriétés de base des

images numériques

Dans la leçon précédente nous avons présenté la notion d’histogramme, nous allons
voir que sa bonne interprétation nous permet de connaître les premières
caractéristiques de l'image

Rappel : Définition de l'histogramme

Un histogramme est un graphique statistique permettant de représenter la
distribution des intensités des pixels d'une image, c'est-à-dire le nombre de pixels
pour chaque intensité lumineuse.
Par convention on le note h(i)=nombre de pixels ayant l'intensité (le niveau de gris)
i

Remarque
Dans le cas des images couleurs en vraies couleurs (RVB), il faut tracer un
histogramme par couleur

Exemple
Nous sommes dans le cas d'une image en niveau de gris. Chaque pixel est codée

9
 Opérations de base sur les images numériques

sur 8 bits==> 256 niveaux de gris

Voici l'image

Son histogramme est le suivant :

L'histogramme montre la distribution des pixels

Fondamental : Informations issues de l'histogramme

La luminance : moyenne des niveaux de gris. La luminance (la brillance) est la
quantité d'énergie (lumière) reçue par unité de surface (pixel) nommé dans la
pratique Intensité lumineuse I.
La variance σ2 et l'écart-type σ = amplitude moyenne de la variation des niveaux
de part et d'autre de la moyenne.
La dynamique de l'image : nombre de niveaux [imin, imax] réellement présents.
Le contraste de l'image : peut être estimé par l'écart-type σ . Il est d'autant plus
élevé que l'histogramme est « étalé » horizontalement
Les modes : pics significatifs pour certaines plages de niveaux de gris,
correspondant à des ensembles de pixels intéressants.

10
 Opérations de base sur les images numériques

Exemple : Luminance de l'image

Les images présentent deux exemples de luminances possibles dan une image
Luminance faible ==>valeur moyenne assez faible

Luminance forte==> valeur moyenne assez élevée

Exemple : Contraste de l'image

L’exemple suivant montre l'image d'un clown avec un faible contraste et un fort
contraste.
contraste faible

La moyenne de l'image est moy=125 et son ecart-type est σ= 33.79

Contraste fort

11
 Opérations de base sur les images numériques

La moyenne de l'image est moy=120 et son écart-type est σ=63.28

Plus le contraste d'une image est élevée plus sa variance est grande et plus sa
dynamique est importante. Par contre une augmentation de la dynamique ne
signifie pas une augmentation de la luminence

Exemple : Modes d'une image

La figure suivante présente l'exemple d'une image bimodale. On a deux modes
comme on peut le constater sur l'histogramme qui présente deux zones de forte
concentration des pixels.

Cette image est ensuite binarisée pour obtenir une image en noir et blanc

B. Opérations de base sur les images

Avant de voir quelques opérations elementaires ur les images, nous allons definir ce
qu'on appelle transformation ponctuelle dans le traitement et l'analyse des images
numériques

Défi nition : Transformation ponctuelle

Une transformation ponctuelle t change un niveau de gris i d'un pixel dans
l'image initiale I en un niveau de gris i' pour obtenir l'image résultat I'.
Elle est donc définie par une table de correspondance ou LUT (Look-Up
Table) qui définit, pour chaque niveau de gris i, le nouveau niveau i'=t(i).

12
 Opérations de base sur les images numériques

Syntaxe
La LUT est souvent représentée sous la forme d'un tableau ou d'un graphe

Remarque
Une LUT change les niveaux de gris présents dans les images , donc par la même
occasion modifie l'histogramme de l'image

Exemple : Identité I' = I

cette transformation fait correspondre à chaque pixel de l'ancienne image sa valeur
dans la nouvelle image

13
 Opérations de base sur les images numériques

Exemple : négatif I' = 255 - I

Cette transformation permet de construire le négatif d'une image dans la plage [0,
255]. Ainsi si par exemple un pixel vaut dans l’image initiale I= 63 alors dans
l'image finale ce pixel aura la valeur de niveau de gris I'=255 - 63=192

Défi nition : Opérations arithmétiques de base sur les images

Soient I1 et I2 deux images de même taille. Nous avons les résultats suivants
 L'image addition est l'image I' qui vérifie
I'(x, y)= min(I1(x, y) + I2(x, y) , 255) pour tout pixel de coordonnées (x, y)
 L'image soustraction est l'image I' qui vérifiée :
I'(x, y)=max(0, I1(x, y) - I2(x, y)) pour tout pixel de coordonnées (x, y)
 L'image multiplication est l'image I' qui vérifie
I'(x,y)=min(I1(x,y)*I2(x,y), 255)
 L'image division est l'image I' qui vérifie I'(x, y)= I 1(x, y)/I2(x, y)

Remarque
Il faut prendre garde lorsqu’on effectue ces opérations aux effets de débordement
de la plage [0, 255]. Généralement , la plupart des logiciels commerciaux et libres
du marché intègrent des précautions. Des opérations de recadrage de la dynamique
sont effectuées

Utilisations principales
 L'addition d'image sert à améliorer la luminance de l'image(addition d'une
constante ou d'une image avec elle-même). Elle intervient également dans
la réduction du bruit dans une série d'images
 La soustraction et la division d’image trouvent leur utilisation dans la
détection des changements(entre une image t une image de référence) ou
dans la détection des mouvements et dans l'amplitude des

14
 Opérations de base sur les images numériques

changements(division) .
 La multiplication d'images généralement intervient par combinaison avec
l'addition d' images à créer un effet de superposition d'images

Exemple : Addition d'images.

Nous allons illustre le principe de l'augmentation de luminance sur une image
numérique. Considérons l'image Ide l’écureuil de la leçon précédente . Cet une
image en couleurs RVB.

Nous allons ajouter à cette image la constante 60. Nous obtenons I' = I + 60.

Comme il s'agit d'une image couleur , il faut noter que la constante a été ajoutée
sur chacune des composantes Rouge , Vert et Bleu de l'image

Exemple : Détection du mouvement dan deux images

Nous allons montrer dans cet exemple, une illustration de la détection des
changements entre deux images par soustraction. Soit l’image I 1 suivante

15
 Opérations de base sur les images numériques

et l'image I2

Si nous effectuons la différence des deux images, nous obtenons une image I' qui
traduit le déplacement de la voiture

Exemple : Superposition de deux images

Nous allons considérer les deux images I1 de l’écureuil et I2 du bord du fleuve.

A l'aide d'une combinaison linéaire nous allons superposer les deux images. La
nouvelle image I' se calcule en chaque pixel (x,y) par
I'(x, y)=k x I1(x, y)++(1 -k) x I2(x,y) avec k compris dans l'intervalle [0, 1].
Si on pose k =0.35 ,voici le resultat

Si on pose k =0.5 ,voici le résultat

16
 Opérations de base sur les images numériques

Si on pose k =0.75 ,voici le résultat

17
Introduction au
II
II -

Filtrage
numérique

Objectifs
A la fin de cette section, l'étudiant sera capable de :
 Savoir manipuler les notions de bases sur les filtres

A. Bruit dans les images numériques

Le bruit proprement dit dans les images numériques est une granulation aléatoire
qui s'ajoute aux informations présentes dans l'image. Il est particulièrement visible
dans les zones peu éclairées où le rapport signal/bruit est faible, mais aussi dans les
parties uniformes telles qu'un ciel bleu. Il a pour conséquence la perte de netteté
dans les détails.

19
 Introduction au Filtrage numérique

Exemple : Bruit de fond d'une zone mal éclairée

L'image suivante présente le bruit de fond d'une image numérique d'une zone mal
éclairée

Fondamental : Caractéristiques du bruit

On distingue deux types de bruits qui s'accumulent dans une image numérique :
 Le bruit de chrominance, qui est la composante colorée des pixels
bruités : il est visible sous la forme de taches de couleurs aléatoires,
 Le bruit de luminance, qui est la composante lumineuse des pixels
bruités : il est visible sous la forme de taches plus foncées ou plus claires
donnant un aspect granuleux à l'image.

Exemple
Dans l'exemple suivant, nous illustrons les bruits de luminance et de chrominance
dans notre image de bruit de fond. Les différents bruits sont obtenus après
transformation de l'image de l"espace colorimétrique RVB vers l'espace Lab.

La bruit de luminance est dans l'image de gauche et les bruits de chrominance dans
les bandes a et b sont dans les images de centre et de droite. le bruit de
chrominance est très important. L'image de luminance est elle aussi affectée d'un
bruit

Remarque
 Quelque soit la qualité des équipements utilisés l'image est toujours affecté
par du bruit
 Le bruit chromatique est le plus visible, ainsi que le plus facilement
neutralisante. Le traitement du bruit de luminance, par contre, mène
rapidement à une perte de netteté de l'image.
 Le bruit affectant l’image est d'origine diverses ,. Il existe des bruits qui sont
liés aux caractéristiques des caméras et appareils photographiques et à
l'environnement

20
 Introduction au Filtrage numérique

Remarque
 En image numérique, le bruit est généralement traité par des outils
logiciels(la plupart des logiciels d’imagerie numérique intègrent des modules
de réduction du bruit).
 La réduction logicielle du bruit a sa contrepartie : la création d'un flou
d'image. Une correction trop importante du bruit a pour conséquence la
diminution du niveau de détail d'une image.

B. Filtrage dans les images numériques

Défi nition : Principe du filtrage

Le principe du filtrage est de modifier la valeur des pixels d'une image,
généralement dans le but d'améliorer son aspect. En pratique, il s'agit de créer une
nouvelle image en se servant des valeurs des pixels de l'image d'origine.

Méthode : Formulation mathématique du filtrage

Un filtre est une transformation mathématique (appelée produit de convolution)
permettant de modifier la valeur d'un pixel en fonction des valeurs des pixels
avoisinants, affectées de coefficients.
Le filtre est représenté par un tableau (une matrice) appelé masque , caractérisé
par ses dimensions et ses coefficients, dont le centre correspond au pixel concerné.

Exemple : Principe de calcul de convolution

Considérons une portion d'une image numérique suivante

et le masque de convolution suivant

21
 Introduction au Filtrage numérique

0 1 0

0 0 0

0 0 0
.
Nous voulons estimer la valeur du produit de convolution au pixel 50 (pixel dans la
case de bord en rouge). Pour ce faire nous allons considérer la portion de l'image
entourée en vert qui représente ce qu'on appelle voisinage d'ordre 3 du pixel. le
pixel marqué en rouge est le centre du voisinage.

À gauche se trouve la matrice de l'image: chaque pixel est indiqué par sa valeur. Le
pixel initial est encadré de rouge. La zone d'action du noyau est encadrée de vert.
Au centre, se trouve le noyau et, à droite, le résultat de la convolution.
Voici ce qui s'est passé: le filtre a lu successivement, de gauche à droite et de haut
en bas, les pixels de la zone d'action du noyau et il a multiplié chacun d'eux par la
valeur correspondante du noyau et additionné les résultats. Le pixel initial a pris la
valeur 42 : (40*0)+(42*1)+(46*0) + (46*0)+(50*0)+(55*0) + (52*0)+(56*0)+(58*0)
= 42 (le filtre dépose ses résultats sur une copie de l'image et pas directement dans
l'image). Nous constatonsons que le filtre a diminué l'intensité du pixel

Remarque
 Dans le cas d'une image couleur , il faut effectuer le filtrage pour chacune ds
composantes
 GIMP par exemple utilise des matrices de convolution 5x5 ou 3x3
 Les logiciels rencontrés dans la pratique implémentent ces filtres avec de
tailles prédéfinies

Dans la suite , nous allons voir quelques uns de ces filtres

Filtre de lissage
Le masque ci-dessous rend l'image plus floue. On dit que c'est un filtre passe-bas
appelé filtre moyenneur . Appliquer ce masque à une image numérique revient en
fait à remplacer la valeur de chaque pixel par la moyenne des 9 pixels formant un
carré.
Masque de convolution
1/9 1/9 1/9

1/9 1/9 1/9

1/9 1/9 1/9

22
 Introduction au Filtrage numérique

Exemple
Exemple de filtrage de l'image du bruit de fond. Le résultat obtenu après filtrage par
un filtre moyenneur d'ordre 3 et un filtre moyenneur d'ordre 5

Filtre médian
La technique de filtre médian est largement utilisé en traitement d'images
numériques, car il permet de réduire le bruit tout en conservant les contours de
l'image.
L'idée principale du filtre médian est de remplacer chaque pixel par la valeur
médiane de son voisinage

Exemple
Considérons neuf pixels en niveaux de gris, dont une valeur est aberrante (ici 255):
2 4 12

2 255 3

7 9 3
Le filtre médian va d'abord trier ces valeurs par ordre croissant :
2, 2, 3, 3, 4, 7, 9, 12, 255
et prendre la valeur médiane (la cinquième valeur), ici la valeur 4. La sortie du filtre
donnera :
2 4 12

2 4 3

7 9 3

23
 Introduction au Filtrage numérique

Exemple
Nous illustrons le résultat du filtrage par des filtres médian d'ordre 3 et d'ordre 5

Filtre d'accentuation
Le masque ci-après rendra l'image plus nette. C'est un filtre passe-haut.
0 -0.5 0

-0.5 4 -0.5

0 -0.5 0
Attention ! Il peut arriver que la nouvelle valeur ne soit plus comprise entre 0 et
255. Il faudra donc toujours prendre min(x, 255) et max(x, 0), où x est la nouvelle
valeur.

Exemple
Dans cet exemple, nous illustrons le rehaussement du contraste sur l'image du bruit
de fond a partir du masque de filtre spécifié

Filtre de Sobel (Gradient de l'image)

L'opérateur calcule le gradient de l'intensité de chaque pixel. Ceci indique la
direction de la plus forte variation du clair au sombre, ainsi que le taux de
changement dans cette direction. On connaît alors les points de changement
soudain de luminosité, correspondant probablement à des bords encore appelés
contours. La valeur du masque est :

24
 Introduction au Filtrage numérique

-1 0 1

-2 0 2

-1 0 1

Exemple
Nous illustrons dans l'exemple suivant la détection des contours de l’image Léna à
l'aide du filtre de Sobel. le résultat nous donne une image qui fait ressortir les
contours des objets présents dans l'image

Remarque
 La liste des filtres présentés ici n'est pas exhaustive
 Les filtres passe-bas servent généralement à éliminer le bruit présent dans
les images numériques
 Les filtres passe-haut permettent de faire ressortir les détails contenus dans
l'image. Ils sont très utilisés dans la détection des contours des objets

25
Binarisation
III
III -

d'une image

Exercice 1
On considère l'image numérique suivante

et le tableau des niveaux de gris représentant cette image.

Lequel des tableaux ci dessous représente l'histogramme de cette image

Niveau de 2 100 150 200

gris i

h(i) 31 16 21 12

Niveau de 2 100 150 200

gris i

h(i) 31 16 21 12

Niveau de 2 100 150 200

gris i

h(i) 3 16 21 12

Niveau de 2 100 150 200

gris i

h(i) 25 16 21 12

Aucun

27
 Binarisation d'une image

Exercice 2
En se plaçant dans les hypothèses de la question précédente , quelle est la
dynamique de l'image ? Donnez la reponse souss la forme : imin..imax

Exercice 3
En reprenant l'image de l'exercice 1, on veut étaler l'histogramme du noir au blanc.
on se propose pour cela d'utiliser des transformations. lesquelles de ces
transformations peuvent-elles être utilisées ?

transformation linéaire

correction gamma de l'image avec

>1

binarisation de l'image

négatif de l'image

I' = I+ 127

Exercice 4
On veut binariser cette image. Quel seuil proposez-vous ?

28
 FIltrage
IV
IV -

Exercice 1
On considère l'image J suivante :

ainsi que les 3 filtres suivants

Quel est le résultat de l'application du filtre F2 sur l'ima

29
 FIltrage

0 0 3 -3 0 0
0 0 3 -3 0 0
0 0 3 -3 0 0
0 0 3 -3 0 0
0 0 3 -3 0 0
0 0 3 -3 0 0

0 0 3 3 0 0
0 0 3 3 0 0
0 0 3 3 0 0
0 0 3 3 0 0
0 0 3 3 0 0
0 0 3 3 0 0

1 1 3 -3 0 0
1 13 -3 0 0
1 1 3 -3 0 0
1 1 3 -3 0 0
1 13 -3 0 0
1 1 3 -3 0 0

0 0 3 0 0 0
0 0 3 0 0 0
0 0 3 0 0 0
0 0 3 0 0 0
0 0 3 0 0 0
0 0 3 0 0 0

Exercice 2
En reprenant les hypothèse de l'exerice précédent, lesquelles des affirmations
suivantes sont correctes ?

L filtre F1 a dégradé les zones uniformes de l'image

Le filtre F1 a entraîné un dégradé à la frontière des 2 zones uniformes et à

préserver les zones uniformes

Le filtre F2 a mis à zéro toutes les zones uniformes et a marqué la frontière

entre les deux zones

Le filtre F1 calcule le contraste de l'image

Aucune des réponses

Exercice 3
En reprenant les hypothèses de la question 1, La quelle des affirmations suivantes
concernant le résultat de l'application du filtre F3 à l'image est verifiée ?

30
 FIltrage

Le filtre F3 a amélioré la dynamique de l'image

Dans la zone frontière entre les zones uniformes, le filtre F 3 a rehaussé le

contraste

Le filtre F3 est un filtre détecteur de bords

Le filtre F3 conserve les zones uniformes

31
 Conclusion

Dans cette leçon ,nous avons étudié quelques une des opérations de base couramment
utilisées en traitement de l'image. Ces opérations permettent soit de modifier la qualité de
l'image soit d'en faire ressortir certains détails selon les applications. Leur implémentation
est dans la plupart des logiciels utilisés et leur compréhension en facilite leur utilisation.

33