UNIVERSITE DE M'SILA Année universitaire : 2020/2021

Faculté de Technologie Option ; Master2 (ESEM)

Département d’Électronique Enseignant : Y. BRIK
Examen S3 Matière : Vision artificielle

Nom : Prénom :

Questions de cours : (8 pts) (-1 pour chaque mauvaise réponse)

1. Donner des exemples de filtres d'extraction de contours : spatial, fréquentiel ?

Spatial : ……………………………....……. Fréquentiel : ……………………….…………………….
2. Quelle est la différence entre le deep learning et le machine learning ?
………………………………………………………………………………………………………………
………………………………………………………………………………………………………………
3. Lorsqu’on inverse l’histogramme d’une image autour de son axe de niveaux de gris, on obtient :
………………………………………………………………………………………………………………
4. Citer deux approches pour segmenter une image ?
(1) ……………………………………………….. (2) ……………………………………………………
5. Citer un avantage et un inconvénient de l’opérateur Laplacian ?
Avantage : …………………………………………………………………………………………………
Inconvénient : ……………………………………………………………………………………………..
6. Définir l'échantillonnage et la quantification des images numériques ?
Echantillonnage : ………………………………………………………………………………………….
Quantification : …………………………………………………..………………………………………..
7. Le filtre gaussien se réalise par la convolution, oui non ?
8. Quel est l'effet d'un filtrage par la matrice de convolution suivante ?
Un flou 0 0 0
Un éclaircissement 0 2 0
Aucun effet (image inchangée) 0 0 0

Exercice : (12 pts)

Soit l’image I à niveaux de gris (codée sur 3 bits) de taille 4×5 pixels.

1 6 3 6 1
6 5 2 5 6
6 4 3 4 6
1 6 2 6 1
Image I

Partie I :
I.1- Combien le poids de l’image I en octet ?
Le poids de I = ……………………………….= …….. octets
I.2- Donner l’image négative G de l'image I ?
G(i,j) = f[I(i,j)] = …………………………. Image G

1/2
Partie II :
On veut améliorer la qualité de l’image I par l’égalisation de l’histogramme
Donner les nouvelles valeurs des pixels suivants : (1,1), (2,4), (3,3) et (4,2) ?
 Calcul de l'histogramme :
hist =

 Normalisation de l'histogramme :
hist_N =

 Calcul de l'histogramme cumulé :

C=

 Transformation de niveaux de gris de l'image :

I2(1,1) = ……………………………….... = ……..
I2(2,4) = ……………………………….... = ……..
I2(3,3) = ……………………………….... = ……..
I2(4,2) = ……………………………….... = ……..
Remarque : toute valeur comprise entre 0 et 0.99 devient 0 après la transformation.

Partie III :
Un bruit est ajouté à l'image I tel que : I(3,4)=0, I(2,5)=7, I(4,3)=7, I(2,2)=0
Quel est le meilleur filtre de taille 3x3 qui peut être appliqué sur ce bruit, et donner les valeurs des
pixels débruités ?
Le filtre est ………………………………….
Bruit Pixel débruité
I2(3,4) = 0
I2(2,5) = 7
I2(4,3) = 7
I2(2,2) = 0

Partie IV :
Maintenant on fait la convolution de l’image I avec le masque h définit comme suit :
−1 2 −1
𝒉𝒉 = X. � 2 −4 2 �
−1 𝑦𝑦 −1
1- Nommer ce masque, son rôle et donner et les valeurs de x et y ?
………………………………………………………………………………………………..…
……………………………………………..……………………………………………..……..
2- Mentionner un avantage et un inconvénient de ce masque ?
Avantage :……………………………………………………………………………………………
Inconvénient : ………………………………………………………………………………………
3- Donner le résultat de la convolution sur les pixels suivants : (4,1) et (3,3)
I(4,1)*h= …………………………… I(3,3)*h= ……………………………..

2/2
 UNIVERSITE DE M'SILA Année universitaire : 2020/2021
Faculté de Technologie Option ; Master2 (ESEM)
Département d’Électronique Enseignant : Y. BRIK
Examen S3 Matière : Vision artificielle

Corrigé-type de l'examen (S3)

Questions de cours : (8 pts) (-1 pour chaque mauvaise réponse)

1. Donner des exemples de filtres d'extraction de contours : spatial, fréquentiel ?

Spatial : les opérateurs de gradients et de Laplacian Fréquentiel : filtre basse haut
2. Quelle est la différence entre le deep learning et le machine learning ?
Deep learning fait l’extraction des caractéristiques d’une manière automatique et il peut travailler à partir
de données non structurées contrairement aux techniques de machine learning.
3. Lorsqu’on inverse l’histogramme d’une image autour de son axe de niveaux de gris, on obtient :
Une image négative
4. Citer deux approches pour segmenter une image ?
(1) Approche basée sur les contours (2) Approche basée sur les régions
5. Citer un avantage et un inconvénient de l’opérateur Laplacian ?
Avantage : Aux points de contour, la deuxième dérivée est nulle : Contour précis
Inconvénient : Sensible au bruit + Problème de seuillage
6. Définir l'échantillonnage et la quantification des images numériques ?
Echantillonnage : est la discrétisation spatial
Quantification : est la discrétisation natal (de luminance)
7. Le filtre gaussien se réalise par la convolution, oui non ?
8. Quel est l'effet d'un filtrage par la matrice de convolution suivante ?
Un flou 0 0 0
Un éclaircissement 0 2 0
Aucun effet (image inchangée) 0 0 0

Exercice : (12 pts)

Soit l’image I à niveaux de gris (codée sur 3 bits) de taille 4×5 pixels.

1 6 3 6 1
6 5 2 5 6
6 4 3 4 6
1 6 2 6 1
Image I

Partie I : 6 1 4 1 6
I.1- Combien le poids de l’image I en octet ? 1 2 5 2 1
Le poids de I = 4*5*3/8 = 7.5 octets 1 3 4 3 1
I.2- Donner l’image négative G de l'image I ? 6 1 5 1 6
G(i,j) = f[I(i,j)] = (23-1) - I(I,j) Image G

1/2
Partie II :
On veut améliorer la qualité de l’image I par l’égalisation de l’histogramme
Donner les nouvelles valeurs des pixels suivants : (1,1), (2,4), (3,3) et (4,2) ?

 Calcul de l'histogramme :
hist = 0 4 2 2 2 2 8 0

 Normalisation de l'histogramme :
hist_N = 0 4/20 2/20 2/20 2/20 2/20 8/20 0

 Calcul de l'histogramme cumulé :

C= 0 4/20 6/20 8/20 10/20 12/20 20/20 20/20

 Transformation de niveaux de gris de l'image :

I2(1,1) = C(1)*7 = 1
I2(2,4) = C(5)*7 = 4
I2(3,3) = C(3)*7 = 2
I2(4,2) = C(6)*7 = 7

Partie III :
Un bruit est ajouté à l'image I tel que : I(3,4)=0, I(2,5)=7, I(4,3)=7, I(2,2)=0
Quel est le meilleur filtre de taille 3x3 qui peut être appliqué sur ce bruit, et donner les valeurs des
pixels débruités ?
Le filtre est le médian (filtre non linéaire)

Bruit Pixel débruité

I2(3,4) = 0 5
I2(2,5) = 7 1
I2(4,3) = 7 3
I2(2,2) = 0 3

Partie IV :
Maintenant on fait la convolution de l’image I avec le masque h définit comme suit :
−1 2 −1
𝒉𝒉 = X. � 2 −4 2 �
−1 𝑦𝑦 −1
1- Nommer ce masque, son rôle et donner et les valeurs de x et y ?
C’est un masque Laplacian of Gaussian pour la détection des contours par la deuxième dérivée (x=1, y=2).
2- Mentionner un avantage et un inconvénient de ce masque ?
Avantage : Lisser l'image avec un noyau Gaussien puis détecter le changement de signe de la deuxième
dérivée.
Inconvénient : Problème de seuillage
3- Donner le résultat de la convolution :
I(4,1)*h= 16 I(3,3)*h= -10

2/2