Traitement d’ images

IBTIHEL NOUIRA

2022-2023 Ing2
 Plan du cours
Chapitre 1 : Introduction Générale

Chapitre 2 : Représentation et codage de l’image numérique

Chapitre 3: Prétraitement et Filtrage des images numériques

Chapitre 4 : Segmentation des images

2
Chapitre 1: Introduction
Générale

3
 Chapitre 1 : Introduction Générale

Plan :

1. Introduction
2. Domaine d’application
3. Historique
4. Applications

4
 Introduction

 Pour l’être humain, l’image représente une source d’informations riches.

 Une scène contient une quantité importante d’informations qu’il est utile parfois de la
traiter et de l’analyser dans le but de prendre des décisions.
 Un être humain ne trouve aucune difficulté à décrire les objets qui se trouvent dans
une scène.

5
 Introduction
Vision artificielle VS Vision humaine
Au delà de la vision humaine :
 Images d’absorption ( Imagerie : médicale Scanner,
IRM, Echographie, …)
 Echelle plus élevée ( Zoom, images satellites, images
microscopiques)

6
 Introduction

Vision artificielle VS Vision humaine

 Spectre large : caméras infrarouges, thermiques, …

 fréquence d’acquisition d’images : cadence variable (haute :

slow motion; faible,…);

7
 Introduction

VISION ARTIFICIELLE ?
– Rendre les machines capables de « voir »
Niveau 1: Dispositif de vision
– Acquisition d’images (éclairage, capteur, optique,
réglages, …);
– Transfert (codage, compression, …);
Niveau 2: Algorithmes de traitement
– Amélioration d’images (couleurs, contraste, …);
– Filtrage d’images (débruitage, restauration, …);
– Détection de primitives (contours, régions, points, …);
Niveau 3: Décision
– Reconnaissance (visage, numéro, , …);
– Classification (qualité, couleurs, …);
– Commande (trajectoires, actionneurs, …);

8
 Introduction
Vision artificielle VS vision humaine

 La vision humaine est très complexe

(neuroscience). Par contre l’objectif de la vision
numérique (par ordinateur) est de construire un
modèle algorithmique pour analyser,
comprendre et traiter une ou plusieurs images
acquises par un système (caméras,….)

 Au delà de la vision humaine :

 Images d’absorption: exemple l’imagerie
médicale (scanner, IRM, échographie), …
 Echelle plus élevée: Zoom, les images satellites,
les images microscopiques…
 Choix de fréquence d’acquisition des images :
cadence variable (haute, slow motion, faible,…)

9
 Introduction

 Pour un système informatique, la compréhension de la scène est une tache délicate.

 Plusieurs étapes doivent être considérées pour la compréhension de la scène.

Figure 1 : Un système de vision par Ordinateur

10
 Introduction
 La vision par ordinateur est un processus de traitement d’information.
 L’entrée d’un système de vision est généralement un signal qui peut prendre différentes
formes (exemple : signal sonore, image, vidéo…)
 Le signal passe généralement par un ensemble de traitements et de transformations afin
de permettre une meilleure compréhension de son continu.
 La sortie d’un système de vision est généralement une décision ou bien une tache à
effectuer.

Figure 2 : Architecture simplifiée d’un système de vision par ordinateur

11
Domaine d’application : Médecine

• Objectifs
– Aide au diagnostic : détection automatique de la surface d’une
tumeur dans une image médicale
– Assistance opératoire : Aider un chirurgien lors d’une Opération

• Applications associées :
– Rehaussement du contraste
– Détection des organes
– Mesures de surface, volume
– Elimination du bruit
– Assistance en ligne aux opérations, conseils, interactions.

12
 Domaine d’application : Industrie

• Objectifs
Remplacer un opérateur par un système de VA dans
des tâches répétitives et peu valorisantes

• Applications associées :
– Mesure des dimensions
– Evaluation de la qualité (produits biologiques, manufacturés, …)
– Identification des codes produits
– Contrôle de présence d’éléments

13
 Domaine d’application : Robotique

Caractéristiques :
– Environnement non structuré / hostile et évolutif
– Temps réel primordial

• Exemples :
– Conduite automatique
– Suivi et compréhension d’objets en robotique
mobile
– Interventions dans des milieux difficiles
– Reconnaissance d’objets
– Evitement d’obstacles

14
 Domaine d’application : Réalité Augmentée
• Caractéristiques :
Superposition d’un modèle virtuel 2D ou 3D sur une image réelle (photo).
Domaines : jeux, tourisme, marketing, publicité...

15
Domaine d’application: Imagerie aérienne et satellitaire

16
 Domaine d’application : Biométrie
• Caractéristiques :
– Contrôle d’accès, vérification d’identité;
– Recherche dans une base de données
– Identification (avec déclaration d’identité : nom, carte)

17
 Historique

 Phase 1: Acquisition et traitement des images (1950) :

L’existence d’images de mauvaises qualités et des images volumineuses a conduit les
chercheurs à s’intéresser à :
 La restauration : correction et amélioration de la qualité des images.

 La compression : diminution de la taille des images.

Image  Image

18
 Historique

 Phase 2 : Interprétation du contenu des images (1970) :

La volonté de comprendre et interpréter automatiquement le contenu de l’image a conduit

à l’apparition de nouveaux types d’opérations sur les images :
 le seuillage des images en niveaux de gris.
 La segmentation de certaines régions dans l’image
 La détection et l’extraction du contour des objets dans l’image.

19
 Historique
 La vision par ordinateur (1980 ) :

 De l’image 2D à l’image (2D +t) et l’image 3D

 Détection et la reconnaissance des mouvements
 La vision artificielle, la vision industrielle, les systèmes de vision autonome…

20
 Applications

Architecture générale d’un système de reconnaissance de formes :

Les systèmes de reconnaissance de formes présentent deux principaux modes de fonctionnement
qui sont : le mode d’enregistrement et le mode d’identification.
 L’enregistrement est un mode durant lequel les formes à reconnaître sont collectées par un
capteur, puis représentées sous formes de signatures numériques pour être stockées dans une base
de références. Pour garantir une certaine robustesse du système de reconnaissance de formes ….
 L’identification est un mode durant lequel les caractéristiques liées à une formes sont mesurées et
comparées à celles des formes stockées dans la base de références.

21
 Applications
Architecture générale d’un système de reconnaissance de formes :

 Acquisition des signaux : elle consiste à acquérir les formes à reconnaitre afin d’extraire une signature
numérique de la forme.
 Prétraitement : l’acquisition des formes est souvent caractérisée par la présence d’un ensemble
d’informations complexes mélangées avec du bruit. Les prétraitement consistent à extraire
l’information utile et la préparer à la phase suivante.
22
 Applications
Architecture générale d’un système de reconnaissance de formes
:
 Caractérisation : elle permet de décrire les objets à travers des grandeurs appelées
caractéristiques, descripteurs, primitives, attributs ou encore invariants. Idéalement ces grandeurs
doivent permettre de reconnaitre à la fois les objets de la même classe et aussi de distinguer entre
les objets ou les formes de classes différentes.

23
 Applications
Architecture générale d’un système de reconnaissance de formes :
 Comparaison : appelé encore module de correspondance ou module de similarité, examine les
descripteurs extraits par le module de caractérisation aux attributs stockés dans la base de
références.
Ce module permet d’évaluer le degré de correspondance entre deux vecteurs de caractéristique, à
travers un score..
 Décision : correspond à un seuillage du score fourni par le module de comparaison.

24