Académique Documents
Professionnel Documents
Culture Documents
net/publication/267719977
Article
CITATIONS READS
0 593
2 authors:
All content following this page was uploaded by Nicolas Vandenbroucke on 29 November 2014.
source
Résumé lumineuse
530
(RC , GC , BC ).
1.5
500 535 Le système (X,Y, Z) de la CIE. Les systèmes
540 (R∗ , G∗ , B∗ ) présentent quelques inconvénients majeurs :
gC 1 495
545 – Les coordonnées et les com-
[GC ] 550
posantes trichromatiques peuvent
555
490
560 prendre des valeurs négatives.
565
0.5
570 – Les valeurs des composantes trichromatiques sont liées à
575
485 580 la luminance qui est une combinaison linéaire des com-
480 590
600
posantes trichromatiques et non une composante elle-
475 610
470
780
même.
0
[BC ] 380
[RC ] – Il existe une multitude de systèmes (R ∗ , G∗ , B∗ ).
En 1931, la CIE établit le sys-
−1.5 −1 −0.5 0 0.5 1
rC tème de référence colorimétrique
(X,Y, Z) dont les primaires sont virtuelles (ou
Figure 3 – Diagramme de chromaticité (rC , gC ) de la CIE. imaginaires) et permettent de pallier les incon-
vénients du système (RC , GC , BC ). Le système
(X,Y, Z) correspond donc à un changement
des longueurs d’onde différentes de celles définies par la de primaires et s’obtient ainsi à l’aide d’une
CIE. Le blanc de référence utilisé n’est pas non plus le simple matrice de passage à partir du système
même selon les différentes normes. Ainsi, la norme NTSC (RC , GC , BC ) ou de n’importe quel autre système
utilise l’illuminant C comme blanc de référence alors que (R∗ , G∗ , B∗ ).
les normes PAL et SECAM utilisent l’illuminant D 65 . De Les primaires [X], [Y ] et [Z], dites primaires de référence,
même, les moniteurs couleur CRT répondent aux normes ont été créées de telle sorte que toutes les couleurs soient
de leur constructeur et utilisent donc des primaires diffé- exprimées par des composantes trichromatiques positives
rentes de celles employées en télévision ou de celles défi- et de telle sorte que l’une de ces primaires, la primaire
nies par la CIE. [Y ], représente une information de luminosité (plus préci-
Dans le domaine de l’analyse d’images, les composantes sément, Y représente la luminance lumineuse).
trichromatiques R, G et B liées à la couleur d’un pixel De même que pour le système (RC , GC , BC ), la CIE a défini
dépendent du système d’acquisition utilisé et en particu- les coordonnées trichromatiques du système (X,Y, Z) qui
lier de la caméra. Ainsi, avec des conditions d’éclairage se calculent à partir des composantes trichromatiques X,
et d’observation identiques, une même couleur n’aura pas Y et Z par les relations de l’équation 2 et qui forment le
les mêmes composantes trichromatiques selon le modèle système (X,Y, Z) normalisé noté (x, y, z).
de caméra utilisé.
x = X+Y +Z ,
X
Étant donnée la multitude de systèmes (R, G, B) existants,
les notations du tableau 1 seront utilisées dans la suite de y = X+YY +Z , (2)
cet article pour désigner le type de système (R, G, B) consi- z = X+YZ +Z .
déré. La notation (R ∗ , G∗ , B∗ ) est employée pour désigner Comme x + y + z = 1, z peut être déduit à partir de x et y,
ce qui permet de représenter la couleur dans un plan ap-
Standard Composantes trichromatiques
pelé le diagramme de chromaticité (x, y) (voir figure 4).
Caméra (R, G, B)
CIE (RC , GC , BC ) Ce diagramme est construit de la même façon que le dia-
FCC (NTSC) (R F , GF , BF ) gramme de chromaticité (rC , gC ) et toutes les couleurs sont
EBU (PAL) (RE , GE , BE ) contenues dans l’aire délimitée par le lieu du spectre et la
Moniteur (RM , GM , BM ) droite des pourpres. Les couleurs physiquement réalisables
par synthèse additive sont contenues dans le triangle des
Tableau 1 – Différentes notations de systèmes couleurs dont les sommets sont les trois primaires de coor-
(R∗ , G∗ , B∗ ). données [X](1, 0), [Y ](0, 1) et [Z](0, 0). Ce triangle englobe
toutes les couleurs du visible mais aussi d’autres couleurs
l’un de ces systèmes. sans réalité physique qui peuvent être qualifiées d’imagi-
Quelque soit le standard utilisé, il est possible de réaliser naires [12]. Ce diagramme montre bien que les primaires
un changement de primaires, qu’elles soient monochroma- de référence [X], [Y ] et [Z] permettent de reproduire toutes
tiques ou non, par une simple relation matricielle. Ainsi, les couleurs du visible par synthèse additive contrairement
il existe toujours une matrice de passage P permettant le aux primaires [RC ], [GC ] et [BC ].
1.1 Standard Primaires λ (nm) x y z
1
[RC ] 700 0, 735 0, 265 0, 000
[Y ] CIE [GC ] 546, 1 0, 274 0, 717 0, 009
0.9 [BC ] 435, 8 0, 167 0, 009 0, 824
520 525
0.8
515 530
535 [RF ] 612 0, 670 0, 330 0, 000
540
510
545 FCC [GF ] 530 0, 210 0, 710 0, 080
550
0.7
505 [GC ] 555 (NTSC) [BF ] 472 0, 140 0, 080 0, 780
560
565 [RE ] 612 0, 640 0, 330 0, 030
spectre
0.6
570
ll
500
y 0.5 580
585
590
(PAL) [BE ] 455 0, 150 0, 060 0, 790
Lieu du
620
Triangle
0.3 780
490
[RC ]
quelques primaires.
0.2 485 es
urpr
0.1 480
des po Illuminant Tp (K) x y z
475
ite A 2856 0, 448 0, 407 0, 145
0
470
Dro
[Z] [BC ] 380
[X] C 6774 0, 310 0, 316 0, 374
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 D65 6504 0, 313 0, 329 0, 358
x E 5400 0, 333 0, 333 0, 333
XR XG XB y 0.4 495
A 600
D65
P = YR YB .
610
YG (4) E 620
0.3 C 780
490
ZR ZG ZB
0.2
Les coefficients de la matrice P sont nécessairement dé- 485
CIE
terminés par rapport à un blanc de référence qui condi- 0.1
480 EBU
tionne les valeurs unitaires associées aux primaires [X], [Y ], 475
470
[Z] et par rapport aux primaires [R ∗ ], [G∗ ] et [B∗ ] choisies. 0 380
Les primaires et le blanc de référence sont généralement
caractérisés par leurs coordonnées trichromatiques x et y. 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Le tableau 2 donne les coordonnées trichromatiques x et y x
des primaires de différents standards et le tableau 3 fournit
celles des illuminants A, C, D65 et E. Figure 5 – Illuminants et couleurs dans le diagramme de
Les triangles des couleurs correspondant aux différentes chromaticité (x, y).
primaires du tableau 2 ainsi que les points correspondant
aux illuminants du tableau 3 apparaissent dans le dia-
gramme de chromaticité (x, y) de la figure 5. Cette figure additive sont spécifiques au standard utilisé. Enfin, les co-
montre, tout d’abord, que les primaires utilisées par tous ordonnées trichromatiques x et y d’un stimulus de couleur
les standards, sauf celui de la CIE, ne sont pas des stimuli se positionnent différemment par rapport au blanc de ré-
de couleurs monochromatiques puisque les points corres- férence utilisé. Ceci confirme que la matrice de passage P
pondants n’appartiennent pas au lieu du spectre. De plus, dépend du choix des primaires et du blanc de référence.
aucun des différents triangles n’englobe toutes les couleurs Dans l’équation 4, XR , YR et ZR sont les composantes tri-
du visible et certaines d’entre elles ne peuvent donc être re- chromatiques des primaires [X], [Y ] et [Z] nécessaires à
produites avec des primaires réelles. La surface de ces tri- produire une unité de la primaire [R ∗ ]. Similairement XG ,
angles (gamut) n’est pas la même selon le standard utilisé, YG , ZG et XB , YB , ZB sont respectivement nécessaires pour
ce qui signifie que les couleurs reproductibles par synthèse obtenir [G∗ ] et [B∗ ] [18].
Trémeau constate que les valeurs numériques de la matrice dans le diagramme de chromaticité (x, y), une même dis-
P sont différentes selon les utilisateurs, bien que ces dif- tance entre deux couleurs ne sera pas perçue de la même
férences soient minimes [19]. De plus, très souvent, ils façon par l’être humain selon la zone du diagramme consi-
ne précisent pas dans quel contexte ils utilisent le sys- dérée. Ainsi, il existe dans le diagramme de chromaticité
tème (X,Y, Z). De façon générale, les différents auteurs (x, y) des zones pour lesquelles les différences de cou-
choisissent leur transformation en fonction d’un illuminant leurs 12 ne sont pas perceptibles par un observateur (el-
normalisé. Néanmoins, pour un même illuminant, les va- lipses de MacAdam) .
leurs de la matrice P peuvent être différentes. Dans cer- Se pose alors le problème de la quantification des écarts de
tains cas, les coefficients de la matrice sont déterminés di- couleurs qui est le point essentiel de nombreuses applica-
rectement à partir de mesures. Par exemple, la transforma- tions [20]. En effet, des couleurs perceptuellement proches
tion du système (R F , GF , BF ) avec illuminant C vers le sys- risquent de correspondre à des écarts de couleurs impor-
tème (X,Y, Z) est définie par la matrice de passage P sui- tants dans le système de représentation adopté alors que
vante [18, 19, 17] : des couleurs perceptuellement très différentes risquent de
correspondre à des écarts de couleurs trop faibles.
0, 607 0, 174 0, 200
En 1976, la CIE propose un nouveau système tridimen-
P = 0, 299 0, 587 0, 114 . (5)
sionnel perceptuellement uniforme, le système CIELUV,
0, 000 0, 066 1, 116
encore appelé système (L ∗ , u∗ , v∗ ) 1976 [15]. Le blanc de
2.2 Les systèmes luminance-chrominance référence utilisé est alors caractérisé par ses composantes
trichromatiques qui sont notées X W , Y W et ZW respective-
De nombreux systèmes de représentation de la couleur pré-
ment pour les primaires [X], [Y ] et [Z]. L’information de
sentent un point commun : ils possèdent une composante
luminance correspond ici à la clarté qui, dans le vocabu-
appelée ici luminance permettant de quantifier la lumino-
laire de la CIE, représente la réponse de l’oeil à un niveau
sité et deux autres composantes de chrominance suffisantes
de luminance :
pour quantifier le caractère chromatique d’un stimulus de
couleur. Les systèmes de ce type peuvent être regroupés en
116 × 3 YYW − 16 si Y
> 0, 008856,
une famille particulière de systèmes de représentation de la L∗ = YW (6)
couleur, les systèmes luminance-chrominance. 903, 3 × YYW si Y
YW
≤ 0, 008856.
Les composantes d’un système luminance-chrominance
Les composantes de chrominance pour le système
sont évaluées à partir des composantes trichromatiques R ∗ ,
(L∗ , u∗ , v∗ ) sont :
G∗ et B∗ , soit par une transformation linéaire définie par
une matrice de passage, soit par une transformation non li- u∗ = 13 × L∗ × u − uW , (7)
néaire. Le type de transformation est lié à la nature même
du système. Ainsi, différents types de systèmes luminance- v∗ = 13 × L∗ × v − vW , (8)
chrominance se distinguent :
– Les systèmes perceptuellement uniformes qui possèdent avec :
4X
une métrique permettant d’établir une correspondance u = , (9)
entre une différence de couleurs telle qu’elle est perçue X + 15Y + 3Z
par l’homme avec une distance dont la mesure reflète 9Y
v = (10)
cette différence. X + 15Y + 3Z
– Les systèmes de télévision qui permettent de séparer et uW et vW sont les composantes de chrominance respec-
l’information de chrominance de l’information de lumi- tives de u et v correspondant au blanc de référence. Le
nance pour la transmission des signaux de télévision. système (L∗ , u∗ , v∗ ) définit le diagramme de chromaticité
– Les systèmes antagonistes qui tentent de reproduire le (u , v ) CIE 1976 représenté sur la figure 6.
modèle de la théorie des couleurs opposées de Hering. En 1976, la CIE propose dans le même temps un autre
– Les autres systèmes. système perceptuellement uniforme, le système CIELAB
Soit L, la composante de luminance des systèmes ou (L∗ , a∗ , b∗ ), établi par des relations non linéaires à par-
luminance-chrominance. La notion de luminosité peut tir du système (X,Y, Z) [15]. Ce système est une approxi-
avoir plusieurs sens selon la façon dont elle est considé- mation de l’espace d’Adams-Nickerson fréquemment uti-
rée et sera ainsi nommée, luminance, clarté, ou intensité. lisé par certaines industries. L’information de luminance
Dans les différents systèmes luminance-chrominance pré- (clarté) est évaluée par l’équation 6 et les composantes de
sentés ici, cette distinction existe et les différents termes chrominance pour le système (L ∗ , a∗ , b∗ ) sont :
utilisés dans la littérature sont alors explicités. Afin de les
distinguer, les deux composantes de chrominance sont res- X Y
pectivement notées Chr 1 et Chr2 . Les systèmes luminance- a∗ = 500 × f − f , (11)
XW YW
chrominance sont ainsi notés (L,Chr 1 ,Chr2 ).
12 Les termes écart de couleurs, différence colorimétrique ou écart co-
Les systèmes perceptuellement uniformes. Le système lorimétrique sont aussi employés pour désigner une différence entre deux
(X,Y, Z) n’est pas perceptuellement uniforme. En effet, stimuli de couleur.
0.7 Aucun organisme ne privilégie l’utilisation de l’un de ces
systèmes par rapport aux autres car ils ne sont pas réel-
0.6 520 530 540550 560
510 570 580
lement perceptuellement uniformes et présentent des pro-
[GC ] 590 600 610 620 priétés différentes selon le cadre de leur utilisation. En fait,
505 630 780
0.5 500 plusieurs auteurs démontrent qu’aucun système de dimen-
[RC ]
495 axwel
l
sion inférieure à six ne peut prétendre être perceptuelle-
0.4 490 ment uniforme [23].
M
es
485
pr
Les systèmes de télévision. Le codage des signaux de
gle de
v
ur
0.3
télévision en couleur a été réalisé de façon à rester com-
po
480
es
Trian
470
De même, les téléviseurs couleurs doivent pouvoir rece-
0.1 465
460 voir en noir et blanc les émissions en noir et blanc. Pour
450
[BC ]
440 satisfaire ces deux principes, les signaux de télévision sé-
0 380
parent donc l’information de luminance de celle de chromi-
nance. Cette séparation peut être réalisée par une transfor-
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 mation linéaire des composantes trichromatiques du sys-
u tème (R∗ , G∗ , B∗ ) correspondant au standard considéré et
donc par l’utilisation d’une matrice de passage. La lu-
Figure 6 – Diagramme de chromaticité (u , v ). minance correspond à la composante Y (luminance lumi-
neuse) du système (X,Y, Z). Les composantes de chromi-
nance Chr1 et Chr2 sont alors calculées par les relations
∗ Y Z suivantes :
b = 200 × f −f , (12)
YW ZW
avec : Chr1 = a1 (R∗ − Y ) + b1 (B∗ − Y ),
(16)
√ Chr2 = a2 (R∗ − Y ) + b2 (B∗ − Y ).
3
x si x > 0, 008856,
f (x) = (13)
7, 787x + 116
16
si x ≤ 0, 008856. Les coefficients a1 , b1 , a2 et a2 sont spécifiques aux normes
(NTSC, PAL ou SECAM). Partant du principe que l’oeil
La CIE modélise cette réponse non linéaire par la fonction humain perçoit les détails fins essentiellement grâce à la
racine cubique. Pour ces deux systèmes uniformes, la pre- luminance, les systèmes de télévision ont été créés de fa-
mière composante de chrominance (a ∗ ou u∗ ) représente çon à réduire la bande passante du signal de l’information
une opposition de couleurs vert-rouge alors que la seconde de chrominance qui est peu sensible aux conditions d’éclai-
composante de chrominance (b ∗ ou v∗ ) représente une op- rage.
position de couleurs bleu-jaune.
Il existe deux principaux sys-
Dans les systèmes (L∗ , a∗ , b∗ ) et (L∗ , u∗ , v∗ ), les différences
∗ et ∆E ∗ , entre tèmes de télévision : le système
colorimétriques, notées respectivement ∆E ab uv (Y , I , Q ) correspondant à la norme NTSC et le sys-
deux stimuli de couleur sont calculées comme la distance
tème (Y ,U ,V ) correspondant à la norme PAL. La
euclidienne entre les points les représentant dans les es-
norme SECAM définit le système (Y, D r , Db ) avec pour
paces correspondants (voir équations 14 et 15) [15].
coefficients : a1 = −1, 9, b1 = 0, a2 = 0 et b2 = 1, 5 et
l’image de télévision numérique est codée dans le système
∗
∆Eab = (∆L∗ )2 + (∆a∗)2 + (∆b∗)2 , (14) (Y,Cb ,Cr ) dont l’expression est donnée dans [24, 18].
Rappelons que les signaux transmis par les chaînes de télé-
∗ vision sont gamma corrigés et que les équations correspon-
∆Euv = (∆L∗ )2 + (∆u∗ )2 + (∆v∗ )2 . (15)
dantes s’appliquent en réalité à des composantes R, G et
En 1995, la CIE apporte une amélioration à l’équa- B qui sont gamma corrigées. Ces composantes sont notées
tion 14 pour l’évaluation industrielle des différences de respectivement R , G et B dans la littérature. Ceci justi-
couleur [21]. fie, en outre, la notation adoptée ici pour les systèmes de
Les systèmes (L∗ , a∗ , b∗ ) et (L∗ , u∗ , v∗ ) sont les plus utili- télévision.
sés actuellement en colorimétrie car ils s’avèrent les plus Dans le système (Y , I , Q ), Y est définie en utilisant les
efficaces pour mesurer des différences colorimétriques. En coefficients de l’équation 5 tandis que l’information de
revanche, ils sont peu employés dans le domaine de l’ana- chrominance correspondant à I et Q est définie à l’aide
lyse d’images couleur [22] car ils nécessitent des calculs de l’équation 16 avec a 1 = 0, 74, b1 = −0, 27, a2 = 0, 48 et
trop coûteux en temps, notamment en ce qui concerne le b2 = 0, 41 [18]. En exprimant la chrominance uniquement
système (L∗ , a∗ , b∗ ). en fonction de R F , GF et BF , ces équations s’écrivent sous
forme matricielle : sont évaluées à partir d’un système de trois primaires no-
tées [L], [M] et [S] qui correspondent aux trois types de
Y RF
I = P × GF , cônes de la rétine [25]. Il propose aussi des matrices de
(17)
passage permettant de transformer les composantes R, G et
Q BF
B issues d’un système d’acquisition en composantes L, M
avec : et S. Par exemple, le passage des composantes trichroma-
tiques RM , GM et BM d’un moniteur CRT aux composantes
0, 299 0, 587 0, 114
L, M et S avec l’illuminant C comme blanc de référence se
P = 0, 596 −0, 274 −0, 322 . (18)
fait par la matrice :
0, 212 −0, 523 0, 311
Il est aussi possible d’exprimer les composantes Y , I et Q 0, 3634 0, 6102 0, 0264
à partir des composantes trichromatiques X, Y et Z de la P = 0, 1246 0, 8138 0, 0616 . (21)
CIE [18] ou à partir des composantes trichromatiques R C , 0, 0009 0, 0602 0, 9389
GC et BC de la CIE [16]. Les composantes A, C1 et C2 sont alors définies par les
Dans le système (Y ,U ,V ), Y est définie par l’équation du équations suivantes :
système (Y , I , Q ). En fait, l’expression de la luminance de
la norme NTSC a été normalisée pour être utilisée par tous A = a(α log(L) + β log(M) + γ log(S)), (22)
les systèmes, entraînant une légère erreur pour les normes
PAL et SECAM [18]. L’information de chrominance cor- C1 = u1 (log(L) − log(M)), (23)
respondant à U et V est définie à l’aide de l’équation 16
avec a1 = 0, b1 = 0, 493, a 2 = 0, 877 et b 2 = 0 [18]. Expri- C2 = u2 (log(L) − log(S)). (24)
mées uniquement en fonction de R E , GE et BE , ces équa- Ces équations traduisent le fait que la réponse des cônes
tions deviennent sous forme matricielle : à un stimulus de couleur n’est pas proportionnelle à son
intensité. Faugeras propose ainsi de modéliser cette non li-
Y RE
U = P × GE , (19) néarité par l’utilisation de la fonction logarithmique alors
V BE que la CIE utilise plutôt la fonction racine cubique. Les pa-
ramètres a, α , β , γ , u 1 et u2 permettent de calibrer le mo-
avec : dèle en fonction de la sensibilité spectrale relative de l’oeil
(correspondant à l’information de luminance) et en fonc-
0, 299 0, 587 0, 114
P = −0, 148 −0, 289 0, 437 . (20) tion de son pouvoir de discrimination des couleurs (cor-
0, 615 −0, 515 −0, 100 respondant à l’information de chrominance). Faugeras pro-
pose différentes applications de son modèle et notamment,
De même que pour le système (Y , I , Q ), il est aussi pos- dans le cadre de l’analyse d’images couleur, il fournit les
sible d’exprimer les composantes Y , U et V à partir des coefficients suivants : a = 22, 6, α = 0, 612, β = 0, 369,
composantes trichromatiques X, Y et Z de la CIE ou à partir γ = 0, 019, u 1 = 64 et u2 = 10.
des composantes trichromatiques R C , GC et BC de la CIE. Dans le domaine de la vision artificielle, Garbay propose,
sur la base des travaux de Faugeras, un système antagoniste
Les systèmes antagonistes. Cette famille de systèmes de
simplifié qui ne tient pas compte de certaines caractéris-
représentation de la couleur se base sur la théorie des cou-
tiques du système visuel humain, notamment des sensibili-
leurs opposées de Hering pour tenter de modéliser le sys-
tés spectrales des trois types de cônes [26]. Le modèle pro-
tème visuel humain. Selon cette théorie, l’information cou-
posé, appelé système visuel hypothétique, s’applique ainsi
leur captée par l’oeil est transmise au cerveau sous la forme
directement sur les composantes R, G et B issues du sys-
de trois composantes, une composante achromatique, A et
tème d’acquisition. Les coefficients a, α , β et γ sont ajus-
deux composantes de chrominance C 1 et C2 . La compo-
tés de façon à ce que l’axe achromatique porte les points
sante A intègre les signaux fournis par les trois types de
dont les composantes sont telles que R = G = B et les coef-
cônes de la rétine humaine et représente une opposition
ficients u1 et u2 sont ajustés de façon à ce que des couleurs
noir-blanc tandis que les composantes C 1 et C2 intègrent
de saturations identiques soient situées à égale distance de
uniquement les signaux fournis par certains types de cônes
l’axe achromatique. Les composantes A, C 1 et C2 s’écrivent
et correspondent respectivement à un signal d’opposition
alors sous la forme :
vert-rouge et à un signal d’opposition jaune-bleu. En ce
sens, les systèmes (L∗ , u∗ , v∗ ) et (L∗ , a∗ , b∗ ) présentés pré- 1
cédemment peuvent être considérés comme des systèmes A= × (log(R) + log(G) + log(B)) , (25)
3
antagonistes. Afin de reproduire le fonctionnement du sys- √
tème visuel humain, quelques auteurs proposent différents 3
C1 = × (log(R) − log(G)) , (26)
modèles appliqués à l’analyse d’images. 2
Faugeras propose, en 1976, une modélisation du système log(R) + log(G)
visuel humain dans laquelle les composantes A, C 1 et C2 C2 = log(B) − . (27)
2
L’utilisation de la fonction logarithme pour modéliser la la luminosité, la teinte et la saturation. Il est donc natu-
non linéarité de la réponse des cônes de la rétine humaine rel que de nombreux systèmes de représentation de la cou-
fait l’objet de nombreuses controverses. Ballard propose leur quantifiant ces informations soient proposés dans la
d’utiliser des relations plus simples en supposant cette ré- littérature. Ils sont ici regroupés dans la famille des sys-
ponse linéaire [27]. Les équations du système antagoniste tèmes perceptuels. Cette approche perceptuelle permet, en
ainsi obtenu et noté (wb, rg, by) peuvent alors s’écrire sous outre, une communication adéquate entre l’homme et la
la forme matricielle : machine quand il s’agit d’exprimer la couleur. Il existe de
nombreux systèmes de ce type dans la littérature, présentés
A wb R sous différentes dénominations telles que ISH, HSL, HSV,
C1 = rg = P × G , (28) TLS, LCH, LSH, LST, ITS, ... Ces différentes dénomina-
C2 by B tions désignent les même grandeurs mais se différencient
avec : par leurs calculs. Deux familles de systèmes perceptuels se
1 1 1
√3 √3 3 distinguent :
P= 2
3
− 23 0 . (29) – Les systèmes de coordonnées polaires ou cylindriques.
− 12 − 12 1 Ils correspondent à l’expression en coordonnées polaires
des composantes de systèmes luminance-chrominance et
D’autres modèles du système visuel humain sont proposés se différencient donc par le système duquel ils se dé-
dans la littérature [24, 28] ainsi que leur application dans duisent.
le domaine de l’analyse d’images couleur [29, 30]. – Les systèmes humains de perception de la couleur. Ils
Autres systèmes luminance-chrominance. Les sys- sont évalués directement à partir des composantes tri-
tèmes luminance-chrominance présentés ici ne peuvent chromatiques d’un système de primaires et se différen-
être classés parmi les catégories présentées précédemment cient par les relations exprimant la luminosité, la teinte
mais sont souvent utilisés en analyse d’images. ou la saturation.
En étudiant les propriétés de différents systèmes Il est à noter que les systèmes perceptuels peuvent être
luminance-chrominance, Carron passe du système considérés comme des systèmes luminance-chrominance
(R, G, B) défini par une caméra à un système luminance- puisqu’ils sont composés d’une information quantifiant la
chrominance noté (Y,Ch 1 ,Ch2 ) dans lequel l’équation de luminosité ainsi que de deux informations quantifiant la
luminance reste inchangée par rapport à celle du système chrominance.
défini par les équations 28 et 29 tandis que les équations
Les systèmes de coordonnées polaires. Cette famille
des composantes de chrominance deviennent sous forme
de systèmes découle des systèmes de représentation dé-
matricielle [16] :
composant l’information couleur en un axe de lumino-
Y R sité et un plan de chrominance, par transposition des
Ch1 = P × G , (30) coordonnées cartésiennes en coordonnées polaires. Soit
Ch2 B P, un point représentant une couleur dans un système
luminance-chrominance (L,Chr 1 ,Chr2 ). Ce point est alors
avec : −→
défini par les coordonnées du vecteur OP dans le repère
1 1 1 → −−→ −−→
−
3 3 3 (O, L , Chr1 , Chr2 ). Soit P , la projection de P sur le plan
P= 1 −√12 −
√2
1 . (31) (O,Chr1 ,Chr2 ) suivant l’axe L et O , la projection ortho-
0 − 23 2
3
gonale de P sur L. Sachant que, par cette construction, les
−−→ −−→
Il est à noter que la composante Ch 1 du système de Carron vecteurs O P et OP ont la même norme et la même orien-
correspond à une opposition cyan-rouge et la composante tation, il est alors possible de repérer le point P grâce à la
−−→ −−→
Ch2 à une opposition vert-bleu. norme du vecteur OP , à l’angle entre les vecteurs OP et
L’espace de couleur normalisé, noté (I, r, g) et composé −−→
Chr1 et à sa coordonnée suivant l’axe L qui est égale à la
−→
d’une information de luminance I (voir équation 29) et des norme du vecteur PP . Les trois composantes qui en dé-
deux coordonnées trichromatiques r et g (voir équation 1), coulent sont notées respectivement L, C et H et forment
est également souvent employé en analyse d’images cou- un système de coordonnées polaires noté (L,C, H) (voir fi-
leur [31]. gure 7).
La CIE préconise l’utilisation du système (Y, x, y) où Y La première composante d’un système de coordonnées
représente la luminance lumineuse (voir équation 5) et x polaires représente l’information de luminosité, L. Elle
et y, qui sont les coordonnées trichromatiques du système est donc identique à la première composante du système
(X,Y, Z) (voir équation 2), représentent la chrominance. luminance-chrominance correspondant.
−−→
2.3 Les systèmes perceptuels La norme du vecteur OP représente le chroma, C, qui est
L’homme ne perçoit pas la couleur directement comme une défini par l’équation :
combinaison de composantes trichromatiques liées à des −−→
primaires mais selon des entités plus subjectives liées à C = OP = Chr1 2 + Chr2 2 . (32)
L dans l’intervalle [0, 2π [ et de satisfaire à l’équation 34,
il est nécessaire, dans un premier temps, d’obtenir un
angle H compris dans l’intervalle [−π , π ] en réalisant des
tests sur Chr2 quand Chr1 < 0. Ainsi, si Chr2 ≥ 0 alors
Cylindre d’iso-chroma
3 × min(R, G, B)
S = 1− . (42)
I
Jaune
β −−→
Cyan La teinte correspond à l’orientation du vecteur O P. Soit
M, le point d’intersection entre l’axe achromatique et le
P Magenta triangle de Maxwell et P la projection de P sur ce même
O
triangle suivant la direction de l’axe achromatique. Géné-
Vert α
P ralement, l’axe défini par le point M et le point Rouge de
T coordonnée (1, 0, 0) dans le cube des couleurs est l’axe de
γ
M −−→
Rouge référence utilisé pour définir l’orientation du vecteur O P
Bleu
−−−−−→ −−→
et spécifier la valeur de la teinte, soit T = (MRouge, MP ).
Triangle de Maxwell De cette façon, la couleur rouge a une teinte nulle.
Il est alors possible d’évaluer la teinte en utilisant des re-
Noir O
lations de trigonométrie. Par exemple, dans une première
formulation, la teinte est exprimée par :
Figure 8 – Modèle triangulaire.
√
3(G − B)
T = arctan . (43)
R = G = B = 1, l’intensité est évaluée par la formule : 2R − G − B
1 −−→ R+G+B
I = √ OO = . (37) Afin d’obtenir des angles compris entre 0 et 2π , il convient
3 3
de tester les signes du numérateur et du dénominateur.
Pour simplifier le calcul de l’intensité, la forme non pondé- Dans une autre formulation, T s’écrit :
rée de l’équation précédente est le plus souvent employée :
√
1
2 [(R−G)+(R−B)]
I = R + G + B. (38) arccos si B ≤ G,
(R−G)2 +(R−B)(G−B)
T=
1 [(R−G)+(R−B)]
La saturation S correspond au rapport entre la norme du 2π − arccos √ 2 2 si B > G.
−−→ (R−G) +(R−B)(G−B)
vecteur O P (distance entre le point P et l’axe achroma- (44)
−−→
tique) et la norme du vecteur OO qui représente l’intensité. Il faut noter que le test : B > G est nécessaire afin de consi-
Le calcul de la saturation se fait ainsi suivant la formule : dérer les angle compris entre π et 2π .
−−→ √ En utilisant les coordonnées trichromatiques, l’équation 44
O P √ R2 + G2 + B2 − RG − GB − RB
S = −−→ = 2 × s’écrit :
OO R+G+B
(39)
2r−g−b
si b ≤ g,
Mais avec cette formulation, les couleurs de même satu- arccos 2 2 2
6×[(r− 31 ) +(g− 31 ) +(b− 31 ) ]
ration se situent sur un cône à base circulaire, centré sur T=
2π − arccos
2r−g−b
l’axe achromatique et de sommet O. La saturation est ainsi 2 2 2
si b > g.
maximale uniquement pour les trois couleurs primaires. 6×[(r− 31 ) +(g− 31 ) +(b− 31 ) ]
Il semble préférable de définir la saturation de telle sorte (45)
qu’elle soit maximale pour tous les points appartenant aux Toutes ces formules correspondent au modèle triangulaire
côtés du triangle (α , β , γ ) [32, 18]. De ce fait, la saturation mais, dans l’utilisation du système (I, S, T ), le choix des
est calculée à l’aide de la distance minimum entre le point formules pour I, S et T varie selon les auteurs. Ainsi,
P et un coté de ce triangle : ce système est souvent défini par les systèmes d’équa-
tions (38, 42, 44) [33, 34, 27], (38, 41, 45) [26, 13, 35],
3 × min(R, G, B)
S = 1− . (40) (37, 40, 43) [36, 31] et (37, 40, 44) [37, 38].
R+G+B
Le modèle de cône hexagonal La projection des points
Différentes formes de cette équation sont proposées dans du cube des couleurs suivant l’axe achromatique sur le plan
la littérature et il semble important de montrer leurs perpendiculaire à cet axe et passant par le point Blanc
liens. Ainsi, certains auteurs écrivent l’équation 40 sous la forme une surface fermée hexagonale dont les sommets
forme : sont les projections des primaires et de leurs complémen-
S = 1 − 3 × min(r, g, b). (41) taires et dont le centre est le point Blanc. Sur la figure 9(a),
Cette forme est une formulation de la saturation en fonc- les projections des points du cube des couleurs sont anno-
tion des coordonnées trichromatiques r, g et b et corres- tées d’un (par exemple, la projection du point Rouge est
pond à l’évaluation de la saturation dans le triangle de notée Rouge ). Pour tout point O de l’axe achromatique,
il est possible de considérer un sous-cube dont deux des Vert
sommets opposés sont O et O . Ce sous-cube peut être pro- Jaune
M
jeté de la même façon que celle décrite pour le cube des Cyan T
couleurs sur le plan perpendiculaire à l’axe achromatique Blanc Rouge
et passant par le point O (voir figure 9(b)). Si cette pro- Bleu
jection est réalisée pour des sous-cubes construits à chaque Magenta
niveau d’intensité, une pyramide hexagonale de sommet O
est alors formée. P
O
P
Bleu
Axe achromatique
Bleu
Cyan
Cyan
Magenta
Magenta
Blanc Noir O
Axe que
i
Noir mat
a chro
O Vert Figure 10 – Modèle de cône hexagonal.
Vert
Rouge
s’écrit :
Rouge
1 −−→
Jaune I = V = √ OO = max(R, G, B). (46)
Jaune 3
(a) Projection du cube des couleurs.
La projection sur le plan perpendiculaire à l’axe achro-
Bleu matique et passant par le sommet O du sous-cube ainsi
construit définit un hexagone dans lequel est situé P , la
projection de P. La saturation correspond alors à la lon-
Cyan
gueur du segment O P divisée par la longueur maximale
pour une même teinte et se calcule donc de la même façon
Magenta
que dans le modèle triangulaire, par une formule similaire
à celle de l’équation 42 :
V − min(R, G, B)
O Blanc S= . (47)
V
Noir
O
Dans le cas où l’intensité est nulle (V = 0) la saturation
n’est pas définie. Dans ce cas, S = 0.
Vert Par construction, le point Blanc est aussi le projeté du
−−−−−−−→
point Noir. La projection du vecteur NoirRouge est donc
−−−−−−−−→
le vecteur BlancRouge . Soit M, la projection de P
Rouge
sur le plan perpendiculaire à l’axe achromatique passant
par le point Blanc. La teinte est alors définie comme
−−−−−→ −−−−−−−−→
Jaune l’angle entre les vecteurs BlancM et BlancRouge , soit
(b) Projection d’un sous-cube. −−−−−−− −→ −−−−−→
T = (BlancRouge , BlancM). Elle est ainsi évaluée pour
Figure 9 – Formation de la pyramide hexagonale. tout S = 0 de la façon suivante :
G−B
V −min(R,G,B) si V = R,
Dans ce modèle, représenté sur la figure 10, il est alors pos- T= 2 + V −min(R,G,B)
B−R
si V = G, (48)
4+
sible d’exprimer les composantes I, S et T . À tout point P R−G
V −min(R,G,B) si V = B.
de coordonnées (R, G, B), correspond donc un sous-cube
dont son sommet O correspond au maximum de R, G et Si S = 0, c’est-à-dire R = G = B alors la teinte n’est pas
B. L’intensité, connue également sous le nom de value et définie. De plus, si V = R et min(R, G, B) = G alors T est
notée V , est donc représentée par ce point achromatique et négative.
C’est donc sous la forme du système d’équations L∗uv et huv sont respectivement définis par les équations 6
(46, 47, 48) que le modèle hexagonal est le plus souvent et 32.
présenté [39, 40].
2.4 Les systèmes d’axes indépendants
Le modèle de cône hexagonal double Ce modèle est
construit sur le même principe que le modèle précédent, Un des inconvénients des systèmes (R ∗ , G∗ , B∗ ) est que
excepté que les projections des sous-cubes sont réalisées les trois composantes sont fortement corrélées, c’est à dire
sur le plan perpendiculaire à l’axe achromatique et passant qu’elles portent en elle une information commune. En ef-
par le milieu de cet axe. Sa construction n’est donc pas dé- fet, elles possèdent un fort facteur de luminance réparti sur
taillée ici [40]. chacune d’entre elles [41, 24]. Cette corrélation peut être
Une représentation du modèle de cône hexagonal double plus ou moins importante selon les cas. Ainsi, de nom-
est présentée figure 11. En posant min = min(R, G, B) et breux auteurs ont tenté de déterminer des systèmes de re-
présentation de la couleur dont les composantes sont in-
Axe achromatique dépendantes, c’est-à-dire des composantes qui portent des
informations différentes et non redondantes. La principale
Blanc solution consiste à réaliser l’analyse en composantes prin-
cipales d’un système de représentation et d’appliquer la
transformation de Karhunen-Loeve. Cette transformation
P est donc présentée ici ainsi que les systèmes qui en dé-
coulent.
O
Analyse en composantes principales. L’analyse en
Vert Jaune composantes principales (ACP) est une méthode d’ana-
M T lyse de données et plus particulièrement de l’analyse facto-
Cyan Rouge rielle [42]. Son but est d’analyser un ensemble de données
M
quantitatives représentées dans un espace multidimension-
Bleu Magenta nel afin d’obtenir un espace de représentation de dimen-
sion éventuellement réduite dont les composantes, appe-
lées composantes principales (ou axes factoriels), sont dé-
corrélées, c’est-à-dire qu’elles ne portent pas le même type
d’information. Dans le cas où les données sont les com-
posantes trichromatiques R, G et B des pixels d’une image,
l’analyse en composantes principales fournit un système de
Noir O représentation de la couleur dont les composantes sont non
corrélées et qui peuvent être traitées indépendamment.
Figure 11 – Modèle de cône hexagonal double. Pour cela, l’ensemble des données traitées, à savoir l’en-
semble des vecteurs couleur associés aux pixels d’une
max = max(R, G, B), l’intensité se calcule par la relation image, est caractérisé par sa matrice de covariance qui est
suivante : modifiée de telle sorte que toutes les covariances croisées
max + min
I= . (49) soient nulles. Il s’agit donc de diagonaliser la matrice de
2
covariance pour en calculer les valeurs propres notées λ i ,
Soit Imax , la valeur maximum de l’intensité. La saturation et d’extraire les vecteurs propres correspondants notés w i .
est alors évaluée pour toute I = 0 de la façon suivante : Le calcul des nouvelles composantes X i se fait donc par la
si I ≤ relation : Xi = wi [R G B]T . La transformation de Karhunen-
2 ,
max−min Imax
S= max+min (50) Loeve consiste ainsi à appliquer cette relation à chacune
max−min
2×Imax −max−min si I > 2 .
Imax
des nouvelles composantes. C’est donc une transformation
La saturation est nulle (S = 0) si I = 0 et la teinte n’est linéaire qui conserve la métrique du système (R, G, B). La
pas définie si S = 0 (R = G = B). Dans le cas contraire, les valeur propre correspondant à la première composante est
relations permettant de calculer la teinte sont les mêmes maximale, ce qui signifie que cette composante porte le
que pour le modèle de cône hexagonal simple (voir équa- maximum d’information. Elle est donc la plus discrimi-
tion 48). nante. Les composantes sont ainsi ordonnées en fonction
de leur pouvoir discriminant décroissant qui est quantifié
Le système (L∗uv , Suv∗ , h ) Ce système a été défini par
uv par les valeurs propres λ i .
la CIE en même temps que les systèmes (L ∗uv ,Cuv ∗ , h ) et
uv
∗ ∗ ∗ ∗ ∗ Dans le domaine de l’analyse d’images, il n’est pas
(Lab ,Cab , hab ). Dans le système (L , u , v ), la CIE définit
rare que certains auteurs utilisent la transformation de
la saturation comme le rapport :
Karhunen-Loeve afin, soit de réduire la dimension de
∗
Cuv l’espace de représentation, soit de disposer d’un système
∗
Suv = ∗
. (51) d’axes indépendants. Cette transformation s’applique prin-
Luv
cipalement à partir du système (R, G, B) [35] bien qu’elle sont statistiquement indépendantes mais sur lesquelles l’in-
puisse être appliquée à partir de n’importe quel système. formation est répartie au mieux au contraire de l’ACP où
Le problème de l’analyse en composantes principales est la première composante porte le maximum d’information.
qu’elle dépend des propriétés statistiques d’un ensemble
de données. En analyse d’images, il faudrait donc réaliser
2.5 Synthèse
l’ACP de chaque image pour déterminer la transformation La multitude et la diversité des systèmes de représentation
de Karhunen-Loeve correspondante, ce qui est fort coûteux de la couleur nécessitent de les regrouper en différentes
en temps de calcul. Pour éviter ce problème, il est possible familles [14, 40, 17]. Cependant, il semble judicieux de
d’évaluer un système de représentation de la couleur basé faire une synthèse des différents systèmes présentés. Sur
sur l’analyse en composantes principales d’images diffé-
rentes. Ainsi, pour un ensemble d’images liées à une appli- systèmes perceptuels
cation spécifique, quelques auteurs tentent de déterminer systèmes de systèmes de
des systèmes d’axes indépendants par approximation de la (I, S, T ) coordonnées (L,C, H) coordonnées
perceptuelles polaires
transformation de Karhunen-Loeve [40, 18].
Mais l’étude la plus poussée concernant la détermination
d’un système d’axes indépendants est celle réalisée par
systèmes d’axes indépendants
Ohta en 1980 [41] qui est maintenant présentée plus en dé-
tail. système (I, r, g) autres
(I1, I2, I3)
d’Ohta systèmes
Le système d’Ohta. Dans le domaine de l’analyse luminance-
chrominance
d’images couleur, une expérience menée par Ohta en 1980 (Y,Ch1 ,Ch2 )
sur une série de huit images différentes a permis de dé-
systèmes luminance-chrominance
terminer un système de représentation de la couleur basé
sur la transformation de Karhunen-Loeve [41]. Il pro- (R, G, B) (RF , GF , BF ) (Y , I , Q )
systèmes de
pose de segmenter ces images en régions par une mé- système
télévision
d’acquisition
thode de seuillage récursif et d’appliquer la transformation d’images (RE , GE , BE ) (Y ,U ,V )
de Karhunen-Loeve à chaque itération de l’algorithme. Il systèmes de
montre alors qu’il existe un transformation unique appe- primaires réelles
lée (I1, I2, I3) modélisant la transformation de Karhunen- (FCC, EBU, (RC , GC , BC )
CIE, ...) (A,C1 ,C2 )
Loeve et se montrant tout aussi efficace que cette dernière. systèmes
Cette transformation est définie, sous forme matricielle, par antagonistes
(bw, rg, by)
les équations suivantes : (r∗ , g∗ , b∗ )
I1 R
I2 = P × G , (52) (x, y, z) (X,Y, Z) (L∗ , a∗ , b∗ )
systèmes
I3 B systèmes de systèmes de perceptuellement
coordonnées primaires uniformes
normalisées virtuelles (L∗ , u∗ , v∗ )
avec :
1 1 1 systèmes de primaires
3 3 3
P= 1
2 0 − 12 . (53)
− 14 1
2 − 14 Figure 12 – Les familles de systèmes de représentation de
la couleur.
La première composante, qui est aussi la plus discrimi-
nante, représente une information de luminance puisqu’elle la figure 12, les systèmes sont regroupés en quatre familles
vérifie l’équation 37. Les deux autres composantes repré- telles qu’elles ont été présentées dans cet article :
sentent respectivement une opposition bleu-rouge et une – les systèmes de primaires,
opposition magenta-vert. Elles apportent moins d’informa- – les systèmes luminance-chrominance,
tion si bien que la troisième composante peut même être – les systèmes perceptuels,
négligée car la valeur propre associée est très faible devant – les systèmes d’axes indépendants.
celle des deux autres. En somme, il est possible de consi- Les rectangles grisés correspondent à ces quatre familles
dérer le système (I1, I2, I3) comme un système luminance- et les flèches indiquent les transformations qui ont été pré-
chrominance. sentées. Chacun des systèmes présentés est relié directe-
Analyse en composantes indépendantes. Liu propose ment ou indirectement par ces flèches au système d’acqui-
de transformer les composantes trichromatiques R, G et B sition de l’image (R, G, B). Au sein de chaque famille se
d’une image couleur par un algorithme permettant l’ana- distinguent des sous-familles qui sont représentées par des
lyse en composantes indépendantes (ACI) de signaux mul- rectangles aux contours discontinus.
tidimensionnels par réseaux de neurones [38]. Il obtient Un certain nombre de systèmes de représentation de la
ainsi un système de représentation dont les composantes couleur viennent d’être présentés, chacun ayant des pro-
priétés particulières. Il faut savoir que cette liste est loin types de problèmes en traitement d’images, une méthode
d’être exhaustive car il existe de nombreux autres systèmes de codage qui tient compte des propriétés intrinsèques des
parfois spécifiques à une application particulière. Actuelle- systèmes de représentation de la couleur est présentée dans
ment, la CIE travaille sur un modèle d’apparence colorée un second temps afin de pallier ces problèmes.
(CIECAM) qui tente de prendre en compte les divers mé-
Principe du codage. La transformation du système
canismes visuels jouant un rôle sur la perception humaine
(R, G, B) en un système quelconque noté ici (T1 , T2 , T3 )
de la couleur [43]. Ce modèle empirique permet d’expri-
où T1 , T2 et T3 sont les composantes transformées, modi-
mer la couleur d’un objet observé en tenant compte de son
fie souvent la dynamique des composantes couleur. Ainsi,
voisinage. Dans le domaine de l’analyse d’images couleur,
l’intervalle de valeurs entières non signées [0, 255] auquel
l’utilisation future de ce modèle se traduit par la prise en
appartiennent les valeurs de chaque composante R, G et
compte de la couleur et de la taille des régions adjacentes
B se transforme en un intervalle de valeurs réelles signées
à une région de l’image, ce qui pourrait apporter de nom-
ayant d’autres bornes. Ceci peut poser plusieurs types de
breux changements dans les algorithmes de traitement.
problèmes en traitement d’images tels que :
Cette multitude de systèmes de représentation de la cou-
– le stockage en mémoire : les composantes des pixels
leur rend difficile le choix et l’utilisation des systèmes de
d’une image couleur sont stockées sur 3 × 8 bits. Afin de
représentation.
stocker des images dont la couleur des pixels est repré-
3 Images couleur numériques et sys- sentée selon un système de représentation quelconque,
il faut donc s’assurer que la transformation associée au
tèmes de représentation système fournisse des valeurs entières codables sur 8
Dans la première partie de cet article, les solutions exis- bits.
tantes pour représenter la couleur ont été présentées. La – l’affichage : dans la mémoire d’une carte vidéo, les va-
deuxième partie de cet article détaille comment la couleur leurs numériques des couleurs à afficher sont stockées
peut être exploitée dans le cadre de l’analyse d’images. sur 3 × 8 bits. Afin d’afficher des images couleur en uti-
Lorsque qu’il faut traiter, stocker ou afficher des données lisant différents systèmes de représentation, il faut coder
dans différents systèmes de représentation de la couleur, il ces images de sorte qu’elles respectent le format de la
est souvent nécessaire que ces données, qui appartiennent mémoire de la carte vidéo.
initialement à des domaines de définition différents, soient – l’évaluation d’histogrammes couleur : la comparaison
manipulées dans un même domaine de valeurs. C’est pour- d’histogrammes couleur dans différents systèmes de re-
quoi chaque système de représentation de la couleur doit présentation de la couleur ne peut s’effectuer que si les
être codé pour satisfaire à ce principe tout en conservant modalités de ces histogrammes appartiennent au même
les propriétés qui le définissent. Une méthode de codage domaine.
des différents systèmes de représentation de la couleur est – le calcul de distances euclidiennes : la distance eucli-
tout d’abord proposée. dienne est très utilisée aussi bien en traitement d’images
La multitude des systèmes de représentation de la cou- qu’en colorimétrie. Elle permet d’évaluer les différences
leur pousse de nombreux chercheurs à déterminer quel est de couleurs et a servi comme métrique pour la concep-
le système le mieux adapté face à un problème d’analyse tion de plusieurs systèmes de la CIE. La comparaison de
d’images. Les approches pour juger dans quelle mesure la distances euclidiennes entre deux couleurs codées selon
couleur et, notamment ses systèmes de représentation, ap- différents systèmes de représentation ne peut s’effectuer
portent une amélioration des résultats pour de nombreuses que si les axes de l’espace de représentation ont une dy-
applications de la vision artificielle sont présentées [44]. namique comparable.
Toutes ces raisons montrent la nécessité de réaliser un co-
3.1 Codage des systèmes de représentation dage des systèmes de représentation de la couleur de telle
de la couleur sorte que la dynamique des composantes codées notées T 1 ,
La couleur des pixels est généralement codée sur 3 × 8 T2 et T3 soit la même que celle des composantes R, G et B.
bits. Les valeurs des pixels d’une image appartiennent donc Le principe de ce codage est illustré sur la figure 13.
à l’intervalle de valeurs entières non signées [0, 255] ×
[0, 255] × [0, 255]. Lorsque une image est convertie dans T1 T1
R
un autre système de représentation de la couleur, apparaît G Transformation T2 Codage T2
le problème de la dynamique des valeurs transformées. En B T3 T3
effet, si les composantes trichromatiques d’une couleur co- [0, 255]3 R3 [0, 255]3
dée sur 8 bits varient entre 0 et 255, il n’en est pas forcé-
ment de même lorsqu’elles ont subi une transformation. Il Figure 13 – Codage des systèmes de représentation de la
se peut qu’une valeur transformée soit supérieure à 255 ou couleur.
inférieure à 0 et qu’elle appartienne à un intervalle de va-
leurs réelles signées. Après avoir montré, dans un premier Le codage d’un système de représentation de la couleur
temps, que cette non homogénéité peut poser plusieurs (T1 , T2 , T3 ) s’effectue en plusieurs étapes successives. Il
s’agit de : tuels car la distance euclidienne n’y a pas de sens. En effet,
– décaler les valeurs des composantes de telle sorte la composante de teinte, représentée par un angle, est pé-
qu’elles soient non signées. Cette opération nécessite de riodique. Un codage appelé codage séparé et dans lequel
connaître la valeur minimale que peut prendre chacune les valeurs de normalisation et de décalage sont évaluées
des composantes du système considéré. séparément pour les trois composantes, leur est donc appli-
– normaliser les valeurs décalées des composantes de telle qué.
sorte qu’elles appartiennent à l’intervalle [0, 255]. Cette Codage séparé Le codage séparé consiste à coder
opération nécessite de connaître la dynamique de cha- chaque composante Tk indépendamment des deux autres
cune des composantes du système considéré, c’est-à-dire selon l’équation :
leurs valeurs minimales et maximales.
– arrondir les valeurs décalées et normalisées des com- 255
Tk = (Tk − mk ) × . (54)
posantes afin d’obtenir des valeurs entières. Ces valeurs ∆k
sont arrondies à l’entier le plus proche.
L’application du codage séparé implique que les valeurs
Soit mk la valeur minimale de la composante Tk (k = 1, 2, 3) des composantes sont multipliées par un coefficient de nor-
du système considéré et Mk , sa valeur maximale. La gran- malisation qui est propre à chacune des composantes, ce
deur mk permet de déterminer la valeur du décalage à ef- qui est intéressant lorsque les dynamiques des composantes
fectuer. La grandeur ∆ k = Mk −mk représente la dynamique d’un système sont très différentes. Le codage séparé est ap-
de la composante considéré et permet de déterminer un co- pliqué exclusivement à la famille des systèmes perceptuels.
efficient de normalisation en fonction de la dynamique des D’autres auteurs ont choisi d’appliquer ce type de codage à
valeurs des composantes R, G et B (en général, 255). d’autres familles de système. Ohta, par exemple, propose
Un système de représentation de la couleur peut nécessiter une transformation « normalisée » permettant de passer
plusieurs transformations à partir des composantes R, G et des primaires [RF ], [GF ] et [BF ] de la norme NTSC aux
B. Par exemple, le système (L ∗ , a∗ , b∗ ) est évalué à partir primaires [X], [Y ] et [Z] avec comme blanc de référence,
des composantes X, Y et Z qui sont elles-mêmes déduites l’illuminant C [41, 39, 16, 31, 40]. Cette normalisation est
des composantes R, G et B. Dans ce cas, il est considéré réalisée en multipliant chaque ligne de la matrice de pas-
que les composantes L ∗ , a∗ et b∗ sont calculées à partir sage de l’équation 5 par un coefficient spécifique à la ligne,
des composantes R, G et B sans codage intermédiaire des ce qui modifie ainsi la dynamique des composantes trichro-
composantes X, Y et Z. matiques X, Y et Z. Ces coefficients sont choisis de telle
Le codage qui doit conserver la forme du gamut associé à sorte que les valeurs des composantes trichromatiques X,
chaque système est souvent négligé lors de la présentation Y et Z aient la même échelle que les valeurs des compo-
par les auteurs de leur algorithme d’analyse d’images. Les santes trichromatiques R F , GF et BF . Cette transformation
quelques auteurs qui ont abordé le codage des systèmes de est définie par la matrice de passage P suivante :
représentation de la couleur ont proposé des solutions qui
ne concernent que quelques systèmes ou qui en modifient 0, 618 0, 177 0, 205
certaines propriétés colorimétriques [41, 39, 45]. Une mé- P = 0, 299 0, 587 0, 114 . (55)
thode générale qui s’applique aux systèmes des familles 0, 000 0, 056 0, 944
présentées figure 12 et qui s’attache à conserver leurs pro-
Cette normalisation permet aux dynamiques des valeurs de
priétés est ici présentée [46].
X, Y et Z d’être respectivement égales à celles de R F , GF
Méthode de codage. La figure 12 indique comment sont et BF . Cependant, la multiplication de chaque ligne de la
regroupés par familles les systèmes de représentation de matrice de passage par un coefficient différent revient à ne
la couleur en fonction de leurs propriétés. Tous ces sys- plus tenir compte du choix du blanc de référence ni des
tèmes de représentation et leurs transformations respec- primaires initialement choisies puisque cette opération en-
tives sont définis en prenant comme hypothèse que la gendre un changement des valeurs de leur coordonnées tri-
couleur est représentée par trois entités non dissociables chromatiques.
qui respectent des propriétés physiques, psychologiques et En effet, en calculant les coordonnées trichromatiques x
physiologiques. La phase de codage d’un système doit s’ef- et y des primaires [RF ], [GF ] et [BF ] après avoir réalisé
fectuer de telle sorte que le calcul d’une distance eucli- un codage séparé, les valeurs des coordonnées trichroma-
dienne entre deux points représentant deux couleurs soit tiques sont : xr = 0, 674 et yr = 0, 326 pour la primaire
cohérent avec les propriétés du système considéré. L’enve- [R], xg = 0, 224 et yg = 0, 743 pour [G] et x b = 0, 162
loppe, le lieu, le solide et le gamut associés à un système de et yb = 0, 090 pour [B]. De même, les coordonnées tri-
représentation ne doivent pas être déformés par le codage. chromatiques de l’illuminant C sont alors x w = 0, 333 et
Ainsi, le calcul des valeurs de normalisation et de décalage yw = 0, 333. Force est de constater qu’en appliquant un co-
doit être réalisé en considérant l’ensemble des trois compo- dage séparé au système (X,Y, Z), ces coordonnées ne cor-
santes d’un système. Un tel codage est appelé codage non respondent plus à celles présentées dans les tableaux 2 et 3.
séparé. Ceci est dû au fait qu’un coefficient de normalisation diffé-
Ce codage ne peut pas s’appliquer aux systèmes percep- rent est appliqué sur chaque ligne de la matrice de passage.
150
Cela revient à considérer un autre blanc de référence et
d’autres primaires. Les propriétés colorimétriques du sys- ∆2
125
tème ainsi codé ne sont donc plus respectées.
D2
Les systèmes perceptuellement uniformes tentent à réduire D1
100
les disproportions des ellipses de MacAdam qui repré-
sentent des ensembles de couleur pour lesquelles aucune
différence colorimétrique n’est perçu par l’homme. En réa- b∗ 75
∆3
lisant un codage séparé sur ce type de système, un coef- 50
ficient de normalisation différent sur les transformations
correspondantes est en fait appliqué. Les ellipses de Ma- 25
cAdam se trouvent alors modifiées et peuvent être à nou-
veau disproportionnées. Il faut donc prendre garde à ne pas 0
0 25 50 75 100
appliquer un tel type de codage aux systèmes perceptuel- a∗
lement uniformes. C’est pourquoi il est nécessaire d’appli- (a) ellipse dans le plan (a∗ , b∗ ).
quer un codage non séparé à de tels systèmes. Afin d’illus-
255 255
trer ce phénomène, une ellipse représentée dans le système
D2
D2
D1 D1
(a∗ , b∗ ) dont les composantes sont codées avec un codage 192 192
séparé est tracée sur la figure 14(b). En comparant cette
figure avec la figure 14(a), où l’ellipse est tracée dans le
b∗ 128 b∗ 128
plan (a∗ , b∗ ) non codé, il est évident que les proportions de
l’ellipse ainsi que son orientation ont été modifiées par le 64 64
codage séparé.
Codage non séparé Le codage non séparé consiste à 0
0 64 128 192 255
0
0 64 128 192 255
coder chaque composante Tk en tenant compte des deux a∗ a∗
autres. Pour cela, il faut d’abord déterminer la composante (b) Codage séparé. (c) Codage non séparé.
Tk du système de représentation considéré qui présente la
dynamique la plus élevée parmi les trois, notée ∆ max , telle Figure 14 – Application des codages séparé et non sé-
que : paré à une ellipse représentée dans le système (a ∗ , b∗ )
3 ((T1 , T2 , T3 ) = (L∗ , a∗ , b∗ )). Ainsi, ∆2 et ∆3 correspondent
∆max = max (∆k ). (56)
k=1 respectivement à la dynamique de valeurs des compo-
Le codage de chaque composante est alors réalisé selon santes a∗ et b∗ . Les distances D1 et D2 sont égales dans le
l’équation suivante : système (a∗ , b∗ ) (figure 14(a)), ce qui signifie qu’il n’y a
pas de différences perceptibles entre les couleurs corres-
255
Tk = (Tk − mk ) × . (57) pondantes. Le codage séparé (figure 14(b)) modifie cette
∆max propriété (D1 = D2 ) alors que le codage non séparé (fi-
gure 14(c)) la conserve (D 1 = D2 ).
Le codage non séparé permet d’appliquer un coefficient de
normalisation identique sur chacune des composantes du
système de représentation de la couleur considéré.
Par exemple, en appliquant le codage non séparé au sys- Ainsi deux couleurs qui sont à égale distance d’une autre
tème (X,Y, Z) précédent, la matrice de passage (équation 5) couleur, restent à égale distance de cette couleur après co-
devient : dage, ce qui n’est pas le cas en utilisant un codage séparé.
0, 514 0, 147 0, 169 Afin de respecter leurs propriétés colorimétriques, il est
P = 0, 253 0, 497 0, 096 . (58) nécessaire d’appliquer le codage non séparé aux fa-
0, 000 0, 056 0, 944 milles des systèmes de primaires, des systèmes luminance-
chrominance et aux systèmes d’axes indépendants.
Avec cette matrice, les valeurs des coordonnées trichroma-
tiques sont : xr = 0, 67, yr = 0, 33, xg = 0, 21, yg = 0, 71, Il peut cependant paraître paradoxal d’appliquer le codage
xb = 0, 14, yb = 0, 08, xw = 0, 310 et yw = 0, 316, ce qui non séparé aux systèmes d’axes indépendants. La trans-
correspond bien aux valeurs des tableaux 2 et 3. formation du système (R, G, B) vers un tel type de sys-
De même, en appliquant un tel codage aux systèmes per- tème s’effectue grâce à une matrice de passage. Le codage
ceptuellement uniformes, la forme des ellipses de MacA- non séparé consiste donc à normaliser, avec le même co-
dam est conservée tandis que leurs proportions et leurs efficient, chaque ligne de la matrice, ce qui permet de la
orientations peuvent être modifiées. Sur la figure 14(c), conserver à un facteur de normalisation près. Un codage
où un codage non séparé du système (L ∗ , a∗ , b∗ ) a été ap- séparé aurait modifié la matrice de passage par l’applica-
pliqué, ni l’orientation ni les proportions des ellipses ne tion d’un coefficient de normalisation différent sur chaque
sont modifiées. Elles ont simplement subi une homothétie. ligne, et donc, le système en découlant.
3.2 Choix du système de représentation – la connaissance des conditions d’acquisition des images
La couleur des pixels pouvant être codée selon différents couleur nécessite de spécifier le blanc de référence uti-
systèmes de représentation de la couleur, il semble intéres- lisé, l’éclairage employé et les paramètres d’acquisition
sant de mesurer l’influence d’un système de représentation de la caméra, comme le gain, l’offset ou la correction
sur les traitements de bas-niveau appliqués aux images cou- gamma.
leur. Ainsi, plusieurs auteurs ont comparé différents sys- – un calibrage colorimétrique de la chaîne d’acquisition
tèmes de représentation de la couleur afin de déterminer ce- des images couleur est recommandé pour que les cou-
lui qui permet le traitement d’une image le plus satisfaisant leurs des objets observés par une caméra soient correc-
suivant des critères définis. Deux principales approches se tement représentées dans les images acquises.
présentent. La première consiste à traiter une ou plusieurs Il existe un grand nombre de systèmes de représentation
images par une ou plusieurs méthodes en utilisant diffé- de la couleur respectant chacun des propriétés physiques,
rents systèmes de représentation de la couleur. Les images physiologiques et psychologiques. Une liste non exhaus-
résultantes sont ensuite comparées à des images de réfé- tive de différents systèmes de représentation de la couleur
rence qui correspondent aux résultats souhaités pour l’ap- est dressée dans la seconde partie de l’article. Cette présen-
plication considérée. Les critères de comparaison peuvent tation met évidence que la majorité de ces systèmes n’ont
alors être qualitatifs s’ils correspondent à une apprécia- pas été initialement conçus et développés pour être appli-
tion subjective par un ou plusieurs experts de la qualité qués à l’analyse d’images numériques. Ainsi, leur exploita-
de l’image traitée ou quantitatives s’ils sont fondés sur tion par un dispositif d’analyse d’images numériques cou-
une mesure effectuée sur l’image traitée. L’autre approche leur requiert de respecter certaines conditions. La connais-
consiste, non pas à évaluer le résultat d’un traitement sur sance des conditions d’acquisition et un calibrage colori-
une image codée dans différents système de représentation métrique adéquat sont nécessaires pour utiliser correcte-
de la couleur, mais à réaliser différentes mesures soit, sur ment les transformations du système (R, G, B) d’acquisi-
une ou plusieurs images indépendamment des traitements, tion vers d’autres systèmes de représentation de la couleur.
soit sur un ensemble de couleurs. Ces mesures sont ensuite La troisième partie de cet article évoque les contraintes
analysées afin d’en déduire le meilleur système de repré- d’utilisation des systèmes de représentation de la couleur
sentation de la couleur au sens d’un critère. sur les algorithmes de codage de la couleur des pixels qui
Les différents travaux publiés ne permettent pas de dégager suivent l’acquisition. Deux méthodes de codage ont été
un système de représentation de la couleur adapté à tous les présentées, chacune étant adaptée à différentes familles de
traitements et à toutes les images [17]. Bien au contraire, systèmes de représentation de la couleur.
force est de constater que le choix d’un système est d’abord Enfin, se pose le délicat problème du choix du système de
fonction de l’application considérée, c’est-à-dire du type représentation de la couleur qui soit adapté à l’application
d’image traitée. Ainsi de nombreux auteurs réalisent une considérée. De nombreuses études ont porté sur les mé-
étude préalable sur les images qu’ils doivent analyser en thodes et critères utilisés pour déterminer le système de
vue de déterminer le système de représentation le plus adé- représentation de la couleur le mieux adapté à une appli-
quat, puis ils se limitent à l’utilisation de ce système. cation. Il n’existe malheureusement pas de système de re-
Les critères utilisés sont soit visuels, soit numériques et se présentation qui soit adapté à toutes les applications. Le
limitent au cas des images analysées et aux algorithmes uti- choix d’un système pour une application de vision reste
lisés. En effet, la démarche souvent employée est de traiter complexe de part la multitude des systèmes existants et de
une image par un algorithme puis de juger des résultats soit part la pertinence des critères de comparaison de ces sys-
visuellement soit par la mesure d’un taux d’erreur ou l’éva- tèmes.
luation d’un critère. L’algorithme utilisé et le critère d’éva- Ces conclusions nous amènent à proposer un nouveau sys-
luation de la qualité d’un système influencent donc aussi le tème de représentation de la couleur appelé l’espace cou-
choix de celui-ci. Le temps de traitement lié à la transfor- leur hybride [17, 47]. En effet, au lieu de chercher le sys-
mation de l’espace (R, G, B) est souvent aussi un critère de tème de représentation de la couleur le mieux adapté à un
choix. problème de traitements d’images, il peut être judicieux de
Enfin, plusieurs auteurs constatent que le caractère tridi- construire un espace couleur hybride, composé de com-
mensionnel de la représentation de la couleur n’est pas tou- posantes couleur n’appartenant pas forcément toutes au
jours nécessaire et que deux composantes peuvent suffire même système de représentation de la couleur. Ces compo-
pour le traitement des images couleur. santes sont sélectionnées de telle sorte qu’elles permettent
la meilleure discrimination possible entre les classes de
4 Conclusion pixels en présence au sens d’un critère de discrimination
Cet article est consacré à la représentation de la couleur basé sur des mesures de dispersion et de compacité des
par un système d’analyse d’images. La première partie de classes. Par ailleurs, ces composantes sont sélectionnées
cet article porte sur la chaîne d’acquisition et d’affichage de sorte qu’elles soient le moins corrélées possible au sens
d’images couleur. Deux points essentiels se dégagent de d’une mesure de corrélation. Pour cela, une procédure de
cette partie : sélection itérative est proposée. Cette procédure consiste,
étant donné un ensemble d’attributs (ici, les composantes [16] T. Carron. Segmentations d’images couleur dans la
couleur) évalués sur une population d’individus (ici, les base Teinte-Luminance-Saturatuion : approche nu-
pixels), à se restreindre au meilleur attribut, puis l’associer mérique et symbolique. Thèse de doctorat, Université
à chacun des attributs restants et se restreindre au meilleur de Savoie, décembre 1995.
couple d’attributs, puis l’associer à chacun des attributs res- [17] N. Vandenbroucke. Segmentation d’images couleur
tants et se restreindre au meilleur triplet d’attributs, jusqu’à par classification de pixels dans des espaces d’at-
atteindre la dimension souhaitée au sens d’un critère infor- tributs colorimétriques adaptés. Application à l’ana-
mationnel. Ce système de représentation de la couleur a été lyse d’images de football. Thèse de doctorat, Univer-
validé dans le cadre de la segmentation d’images couleur sité des Sciences et Technologies de Lille, décembre
de matchs de football où, pour chaque match, il est néces- 2000.
saire de déterminer un espace couleur hybride adapté afin
[18] S. Galichet. Etude d’un système d’incrustation
de distinguer les joueurs des deux équipes [48].
d’images vidéo couleur. Thèse de doctorat, Univer-
Références sité de Technologies de Compiègne, décembre 1989.
[19] A. Trémeau. Contribution des modèles de la percep-
[1] R. Sève. Physique de la couleur. De l’apparence co-
tion visuelle à l’analyse d’image couleur. Thèse de
lorée à la technique colorimétrique. Masson, 1996.
doctorat, Université Jean Monnet de Saint Etienne,
[2] A. Trouvé. La mesure de la couleur : principes, tech- octobre 1993.
nique et produits du marché. Afnor-Cetim, 1991.
[20] D. Dupont et D. Steen. Application de la colorimétrie
[3] P. Kowaliski. Vision et mesure de la couleur. Masson, aux contrôles des couleurs de surface. Techniques de
seconde édition, 1990. l’ingénieur, R7(R6442) :1–, 2003.
[4] Y. Dordet. La colorimétrie : principes et applications. [21] Commission Internationale de l’ Eclairage. Industrial
Eyrolles, 1990. colour-difference evaluation. Rapport technique 116,
[5] Association Française de NORmalisation. Couleur, Bureau central de la CIE, 1995.
Colorimétrie. AFNOR, 1989. [22] G. Raffy. Vision numérique couleur appliquée à
[6] Y. Grall. La fonction visuelle. Techniques de l’ingé- l’évaluation de la qualité de carcasses de dindes.
nieur, TE(E5175) :1–12, 11 1997. Thèse de doctorat, Université Blaise Pascal de
Clermont-Ferrand, mars 1999.
[7] D. Dupont et D. Steen. Colorimétrie : éléments théo-
riques. Techniques de l’ingénieur, R7(R6440) :1–, [23] D. L. MacAdam. Color measurement, theme and va-
2003. riation. Optical Sciences. Springer-Verlag, second re-
vised édition, 1985.
[8] M. Henry. Optique quantitative - Photométrie. Co-
lorimétrie. Spectrométrie. Techniques de l’ingénieur, [24] L. Bedat. Aspects psychovisuels de la perception
AF(A192) :1–21, 02 1982. des couleurs. Application au codage d’images cou-
leur fixes avec compression de l’information. Thèse
[9] J.-P. Belan. Analyseurs d’images. Techniques de l’in- de doctorat, Université de Nantes, octobre 1998.
génieur, TE(E5520) :1–24, 11 1997.
[25] O. D. Faugeras. Digital color image processing and
[10] J. Bajon. Vision 2D en robotique. Techniques de l’in- psychophysics within the framework of a human vi-
génieur, S(R7749) :1–19, 03 1998. sual model. Ph. D. dissertation, University of Utah,
[11] A. Trémeau et B. Laget. Quantification couleur et juin 1976.
analyse d’image. Traitement du Signal, 12(1) :1–29, [26] C. Garbay. Modélisation de la couleur dans le cadre
1995. de l’analyse d’images et de son application à la cyto-
[12] V. Lozano. Contribution de l’analyse d’images cou- logie automatique. Thèse de doctorat, Institut Natio-
leur au traitement des images textile. Thèse de docto- nal Polytechnique de Grenoble, décembre 1979.
rat, Université Jean Monnet de Saint-Etienne, janvier [27] D. H. Ballard et C. M. Brown. Computer vision.
1998. Prentice-Hall, New Jersey, 1982.
[13] L. Liang. Contribution à la segmentation chroma- [28] V. Rodrigues. L’analyse du mouvement dans les
tique des images. Application à l’identification d’ob- images couleurs. Thèse de doctorat d’état, Université
jets colorés. Thèse de doctorat, Institut National Po- Paul Sabatier de Toulouse, novembre 1985.
lytechnique de Toulouse, juillet 1987. [29] L. Brun. Segmentation d’images couleur à base topo-
[14] C. A. Poynton. A technical introduction to digital logique. Thèse de doctorat, Université de Bordeaux
video. John Wiley and Sons, 1996. I, décembre 1996.
[15] Commission Internationale de l’ Eclairage. Colori- [30] P. Colantoni. Contribution des structures de don-
metry. Rapport technique 15.2, Bureau central de la nées à la segmentation d’images couleur - Elabora-
CIE, Vienna, 1986. tion d’un outil d’infographie textile. Thèse de doc-
torat, Université Jean Monnet de Saint-Etienne, no- [45] O. Lezoray. Segmentation d’images couleur par mor-
vembre 1998. phologie mathématique et classification de données
[31] V. Coutance. La couleur en vision par ordinateur. par réseaux de neurones : application à la classifica-
Application à la robotique. Thèse de doctorat, Uni- tion de cellules en cytologie des séreuses. Thèse de
versité Paul Sabatier de Toulouse, janvier 1991. doctorat, Université de Caen, janvier 2000.
[32] G. Claramont. Développement de techniques de seg- [46] N. Vandenbroucke, L. Macaire, et J.-G. Postaire. Co-
mentation chromatique et implantation dans un mo- lor systems coding for color image processing. Dans
dule de vision. Thèse de doctorat, Institut National International Conference on Color in Graphics and
Polytechnique de Toulouse, décembre 1984. Image Processing, volume 1, pages 180–185, Saint-
Etienne, 2000.
[33] Q.-T. Luong. La couleur en vision par ordinateur :
[47] N. Vandenbroucke, L. Macaire, et J.-G. Postaire. Co-
une revue. Traitement du Signal, 8(1) :3–34, 1991.
lor image segmentation by pixel classification in an
[34] D. Sage. Poursuite d’objets par analyse d’une sé- adapted hybrid color space. Application to soccer
quence d’images couleur. Thèse de doctorat d’état, image analysis. Computer Vision and Image Unders-
Institut National Polytechnique de Grenoble, avril tanding, 90(2) :190–216, 2003.
1989.
[48] N. Vandenbroucke, L. Macaire, et C. Vieren. Suivi
[35] I.-A. Ocadiz Luna. Analyse en composantes princi- automatique de personnes en mouvement par analyse
pales d’une image couleur. Thèse de doctorat, Institut d’images couleur successives. Application au suivi de
National Polytechnique de Grenoble, octobre 1985. joueurs de football. Dans Seizième Colloque sur le
[36] M. Adel. Détection de défauts de placage d’Okoumé Traitement du Signal et des Images, volume 2, pages
par traitement d’images couleur et analyse de texture. 917–920, Grenoble, 1997.
Doctorat 3ème cycle, Institut National Polytechnique
de Lorraine, janvier 1994.
[37] A. Giralt. Classification chromatique en temps réel
sur des images. Application à l’aide à la conduite par
suivi des feux arrières de véhicules. Thèse de docto-
rat, Institut National Polytechnique de Toulouse, no-
vembre 1992.
[38] X. Liu. Analyse d’images couleur en composantes in-
dépendantes par réseau de neuronnes. Thèse de doc-
torat, Institut National Polytechnique de Grenoble,
décembre 1991.
[39] P. Pujas. Analyse d’images couleur et fusion d’images
3D et couleur. Thèse de doctorat, Université de Mont-
pellier II Sciences et Techniques du Languedoc, fé-
vrier 1996.
[40] A. Guzman de Leon. Etude d’espaces couleur pour
la segmentation et l’aide à l’analyse d’images colpo-
scopiques. Thèse de doctorat, Université de Techno-
logies de Compiègne, juillet 1997.
[41] Y. I. Ohta, T. Kanade, et T. Sakai. Color informa-
tion for region segmentation. Computer Graphics and
Image Processing, 13 :222–241, 1980.
[42] G. Celeux, E. Diday, G. Govaert, Y. Lechevallier, et
H. Ralambondrainy. Classification automatique des
données. Dunod informatique, 1989.
[43] Commission Internationale de l’ Eclairage. A colour
appearance model for colour management systems :
CIECAM02. Rapport technique 159, Bureau central
de la CIE, Vienna, 2004.
[44] A. Trémeau, C. Fernandez-Maloigne, et P. Bonton.
Image numérique couleur : de l’acquisition au trai-
tement. Dunod, 2004.