Académique Documents
Professionnel Documents
Culture Documents
SCIENCES APPLIQEES de
TETOUAN
2
L’image numérique
Bit resolution : Nombre possible de valeurs de couleurs que peut avoir un pixel.
Dynamique d’une image : la différence entre la valeur maximale et la valeur
minimale des couleurs de ses pixels 3
L’image numérique
4
L’image numérique
5
L’image numérique
échantillonnage + quantification
6
Résolution
Résolution :
• La résolution correspond à la finesse de la description spatiale
• Définition : la résolution est le nombre de points/pixels par unité de longueur
Exprimé en : dpi : dots per inch (points par pouce), ppc : points par centimètres,
ppm : points par millimètre, ppi : pixels per inch (1 pouce = 2.54 cm).
7
Résolution et nombre des couleurs
8
Résolution
9
Résolution
10
L’image numérique
En niveau de gris :
la valeur I(i,j) d’un pixel s = (i,j) représente son intensité lumineuse
• binaire : I(i,j) = 0 noir ou I(i,j) = 1 blanc
• codage 8 bits (le plus classique) : I(i,j) = 0,...,255 du plus foncé au plus clair
En couleur
• codage dans l’espace RGB : trois intensités lumineuses rouge, vert, bleu.
• codage 24 bits : R(i,j) = 0,...,255; V(i,j) = 0, ..., 255; B(i, j) = 0, ..., 255
11
Représentation matricielle / vectorielle
Image vectorielle
• Codage par des formes géométriques simples :
• Polygone : coordonnées des sommets, couleur
du contour, couleur de remplissage
• Arc de cercle ...
• Exemples de formats : DXF, SVG, Illustrator
• Domaines : PAO (publication assistée par
ordinateur),
• DAO (dessin assisté par ordinateur)...
• Avantages : peu de place en mémoire,
transformations géométriques sans aliasing
• Inconvénients : l’affichage nécessite des calculs, la
taille de l’image est liée à sa complexité
12
Représentation matricielle / vectorielle
Image matricielle
• Codage de l’image par une matrice de pixels
• Exemples de formats : BMP, PGM, JPEG
• Avantages : affichage direct
• Inconvénients : taille mémoire, transformations géométriques
avec aliasing / perte d’information
13
Formats d’images matricielles
14
Compression d’images
Introduction :
• Le but des algorithmes de compression est de réduire la taille des fichiers pour
diminuer l’espace nécessaire à leur stockage sur le disque ou leur transfert par
le réseau.
• Ils encodent d’une manière différente les données de l’image afin de les rendre
plus compactes.
• Deux familles d’algorithmes de compression se distinguent :
• La compression sans perte.
• La compression avec perte.
• Taux de compression, 𝜌 :
16
Formats PNM
Exemple 1:
17
Formats PNM
Exemple 2:
18
Formats PNM
Exemple 3:
19
Compression d’une image
Compression :
• Compression sans perte : réduire la taille sans altérer le contenu
• Principe : utiliser la redondance de l’information (répétitions)
• Avantage : réversibilité
• Exemples : RLE, VCL, LZW (zip)...
• Compression avec perte : réduire fortement la taille au prix d’une perte d’information
• Principe : enlever les informations les moins importantes
• Inconvénient : non réversible (artefacts lors de la décompression)
• Exemples : JPEG, JPEG2000, PNG...
20
Compression d’une image
22
Compression d’une image
Algorithme de compression sans perte : Codage de Huffman
24
Compression d’une image
25
Compression d’une image
26
Compression d’une image
27
Compression d’une image
28
La compression sans perte
Principe :
❑ La taille de l’image est réduite sans que l’information soit perdue.
❑ L’image est indexée et chaque index est codé différemment.
❑ Différentes approches :
❑ RLE (Run Lenght Encoding) ou RLC
❑ Shannon, Fano (Variable Code Lenght)
❑ Huffman (Variable Code Lenght)
❑ Lempel, Ziv, Welch (LZW)
29
La compression sans perte
La compression RLE :
Taille image = 10×10×8 = 800 bits = 100
octets.
Si 3 éléments ou plus se répètent
consécutivement, on utilise un octet pour
indiquer le nombre de ces éléments qui se
suivent et un octet pour indiquer la valeur.
Ici, on a 75 octets.
30
La compression sans perte
Shannon, Fano :
7 niveau de gris sur 255 présent dans
l’image triés en fonction de leur fréquence
d'apparition :
31
La compression sans perte
Shannon, Fano :
Taille image = 1×57 + 3×14 + 3×10
+ 4×6 + 4×5 + 4×4 + 4×4 = 205 bits
Plus entête de fichier (information,
taille, table de codage, séparateur).
32
La compression sans perte
Huffman :
❑ Dans cette méthode, chaque code ne peut être
le début d’un autre (code préfixé).
❑ L’arbre du codage est construite à partir du
niveau le plus profond
❑ On commence par classer les couleurs par
ordre décroissant des occurrences.
❑ On groupe les deux couleurs ayant
l’occurrence les plus faibles donnant lieu à un
nœud ayant comme occurrence la somme de
celles de ces deux couleurs.
❑ L’opération est réitérer jusqu’à l’arrivée au
haut de l’arbre.
33
La compression sans perte
Huffman :
35
La compression avec perte
Principe :
❑ La taille de l’image est nettement réduite mais au détriment d’une perte
d’information.
❑ Différentes approches :
❑ Moyennage de blocs
❑ Transformée linéaire optimale
❑ Transformée en cosinus (JPEG)
❑ Quantification vectorielle
Les ondelettes
❑ Les fractales
36
La compression avec perte
JPEG :
❑ L'image est décomposée en blocs (en général 8×8)
❑ La transformée en cosinus discrète (DCT) est appliquée sur chaque bloc.
❑ Les composantes fréquentielles de faible amplitude et de haute fréquence sont
supprimées par une quantification des composantes qui est effectuée grâce à
une matrice de quantification.
❑ Un codage à longueur variable de type Huffman est enfin utilisé.
37
La compression avec perte
Les ondelettes :
❑ Extension de l’analyse de Fourier
❑ Décomposition en sous-bandes (de fréquences)
❑ Transformation mathématique par projection sur des bases orthogonales
❑ Traitement progressif (sous échantillonnage et passe-bas)
❑ Fort taux de compression
❑ Contrôle de la qualité́ et du taux de compression indépendant
❑ Algorithme plus rapide que JPEG
❑ Pas d’effet de mosaïque
38
La compression avec perte
Les ondelettes :
La compression par ondelettes, aussi appelée DWT (Discrete Wavelet
Transform) est une méthode basée sur la théorie mathématique de l’analyse du
signal : les ondelettes sont un ensemble de signaux élémentaires à partir
desquels on peut reconstruire un signal complexe.
La compression par ondelettes consistera donc à décomposer l’image perçue
comme un signal en un ensemble d’images de plus petite résolution.
Ce procédé, qui repose sur la différence entre zones de contrastes forts et
zones de contrastes faibles, se développe en trois phases :
o Tout d’abord, on procède à une transformation de l’image en ondelettes
selon un schéma à plusieurs niveaux, processus relativement complexe qui
est détaillé dans la suite.
39
La compression avec perte
Les ondelettes :
o Ensuite, on réalise une quantification des informations. Lors de cette phase,
les détails qui se situent au-dessous d’un certain seuil sont purement et
simplement éliminés. C’est donc à ce niveau que se produit la perte
d’informations.
o Enfin, on termine en codant les informations.
La décompression des images s’opère par le schéma inverse : les informations
sont tout d’abord décodées pour fournir un ensemble à plusieurs niveaux
d’ondelettes qui permet la reconstitution progressive de l’image.
L’opération de transformation de l’image initiale en ondelettes demande quant
à elle quelques explications. Son fonctionnement repose sur une série de
cycles successifs à deux temps.
40
La compression avec perte
Les ondelettes :
41
La compression avec perte
Les ondelettes :
Dans un premier temps, on moyenne les pixels de l’image d’origine deux à
deux en suivant l’axe horizontal. On obtient ainsi une image A, sous-
échantillonnée dans le sens horizontal et dont la largeur est évidemment la
moitié de celle de l’image d’origine. Sur base de celle-ci, on va construire une
seconde image A’ en sens horizontal en calculant cette fois les erreurs entre
l’image d’origine et l’image sous-échantillonnée.
Dans un second temps, on va moyenner les pixels des deux images obtenues
deux à deux en suivant l’axe vertical cette fois, avant de déterminer une
nouvelle fois les erreurs engendrée lors de cette opération. Au terme de ce
cycle, on obtient quatre images dont la résolution est la moitié de celle de
l’image d’origine.
42
La compression avec perte
Les ondelettes :
La première de ces images, AA, fruit des sous-échantillonnages horizontal puis
vertical sans correction, est une image d’approximation, tandis que les trois
autres images AA’, A’A et A’A’, fruits des calculs d’erreurs successifs,
contiennent les détails de l’image d’origine.
Une fois ce premier sous-niveau obtenu, on recommence autant de fois que
nécessaire le procédé en reprenant chaque fois comme base la première sous-
image obtenue (AA, puis BB, puis CC, etc.).
La compression par ondelettes, particulièrement appropriée pour les images,
est la base du JPEG 2000. Ses avantages sont multiples : elle permet une
compression 50 à 100 fois plus importante que le JPEG, offre une meilleure
définition des détails et permet un téléchargement progressif de l’image.
43
La compression avec perte
Les fractales :
❑ Le principe de la compression fractale est que toute image est la limite d'une
séquence de transformations mathématiques (rotations, translations,
changement d’échelle) appliquées à un ensemble de pixels.
❑ La compression fractale permet d'atteindre des taux de compression très
importants, et permet une reconstruction de l'image à toutes les tailles.
❑ Son principal inconvénient est le temps de calcul nécessaire pour la
compression.
44
La compression avec perte
Les fractales :
La compression fractale est un procédé qui s’applique uniquement aux
images.
Le format des images compressées par ce procédé n’est à l’heure actuelle pas
standardisé et n’est donc pas reconnu par les navigateurs. Il se reconnaît par
l’extension « .fif ».
Principe de fonctionnement :
Toute image est un ensemble fini de transformations géométriques (rotations,
translations, agrandissements, réductions) appliquées aux sous-ensembles de
motifs identiques et de tailles variables qui la composent.
La compression fractale consiste donc à remplacer l’image toute entière par
une série de formules mathématiques qui permettent de la recomposer dans
son entièreté.
45
La compression avec perte
46
La compression avec perte
Avantages :
La compression est complètement indépendante de la taille de l’image puisque ce
sont les propriétés géométriques qui sont seules prises en considération.
L’image ainsi découpée en blocs de tailles variables en fonction de ses propriétés
géométriques est vectorisée, ce qui évite les effets de pixellisation commun au
JPEG par exemple. Notons qu’à l’agrandissement de l’image reconstituée, on
peut remarquer un certain effet de flou qui rend sensible la perte engendrée par la
compression.
47
La compression avec perte
Désavantages :
Les formules gèrent la transformation géométrique des blocs, mais sont
incapables de gérer l’apparition et la disparition pure et simple de ceux-ci.
Ce procédé ne se prête donc pas au traitement de la vidéo, qui se caractérise
par une succession d’images parfois radicalement différentes.
Si le processus de décompression d’une image est aussi rapide qu’avec
d’autres méthodes et algorithmes, le temps de calcul nécessaire à la
compression est en revanche particulièrement plus important. A titre
d’exemple, une compression fractale peut prendre jusqu’à 50 fois plus de
temps qu’une compression JPEG pour la même image.
48