CoursMaster TImageChap1et2 1

Notes de cours
Traitement d’images 2D
Cours Traitement Bettaieb Akkari Hanen 1

d'images
Chapitre
1
Généralités sur le traitement
d’images

d'images
Définition de l’image numérique
• Une représentation bi-dimensionnelle (2-
D) d'une scène tri-dimensionnelle (3-D).
• Ensemble d’information structuré d'une
certaine façon afin de permettre leur
stockage.

d'images
Images
• Image naturelle – Plusieurs
moyens d'acquisition
• caméra, microscope,
tomographie, infra-rouge,
satellite, …
• Image artificielle – Plusieurs
outils de représentation
• synthèse d'images, réalité
virtuelle, visualisation
scientifique, …

d'images
traitement d’image
• Ensemble de méthodes et de techniques
– Améliorer l’aspect visuel de
l’imageinterprétation par un observateur.
– Segmentation
– Analyse d’imagesExtraire des
informations pertinentes.

d'images
Traitement d’images
Analyse
•Détection
•Estimation
Amélioration •Segmentation
• correction de couleur •Modélisation
• correction d’histogramme Restauration
• correction de contraste • compensation
Vision par
ordinateur
Codage Reconnaissance de
• compression forme
• transmission • primitives
• adéquation à un standard • description sémantique
Manipulation
• Cryptage
• Tatouage
d'images
Chaîne typique
Acquisition
Transmission
image Extraction Reconnaissance

Segmentation
numérique de Interprétation
Classification
primitives
Amélioration
Restauration paramètres symboles
sémantique
Ecran
Visualisation Film
Stockage
d'images
Applications
• Télévision numérique,
• Vidéo,
• Cartographie,
• Robotique,
• Inspection,
• Sécurité,
• Bases de données,
• Médecine,
• Météorologie,
• Armement.

d'images
Domaines de recherches
• Amélioration de l’apparence de l’image,
• Debruitage d’images,
• Indexation d’images,
• Compression d’images,
• Cryptage d’images,
• Classification d’images,
• Reconnaissance de caractères

d'images
Numérisation d’une image
• La numérisation d'une image est
obtenue par l'intermédiaire d'un :
• capteur :Le signal lumineux est transmis à
une cellule photosensible appelée CCD (Charged
Coupled Device) qui transforme l'énergie
(lumière) en un signal électrique analogique.
• et d'un numériseur qui transforment un
signal électrique en un signal
numérique: par un CAN qui transforme les
données continues en données numériques
codées sur 1, 8, 16 ou 24 bits.
• Le codage utilisé définit le type

d'images (noir et blanc, niveaux de gris Capteurs en
Imagerie
ou couleur). médicale ?
Cours Traitement 10
https://media4.obspm.fr/public/FSU/pages_ccd/camera-ccd-
d'images
apprendre.html
Numérisation d’une image
Numérisation = Échantillonnage + Quantification

d'images
Echantillonnage et
Quantification
Echantillonnage Quantification
0
1 Pixel
2
3
4
5
6
7
1 Pixel (3bits)
1 1 0
Chaine de traitement

d'images
Définition d’un pixel
• Les pixels sont les plus petits éléments employés par
les moniteurs et imprimantes d'ordinateur pour
représenter des caractères, des graphiques et des
images.
• Une images numériques est formée d'une grille de
petits carrés appelés pixels.
• Un pixel est :
– une unité de base de
l'image.
– un pas de discrétisation.
d'images
Comment Définir une
Image 2D?
• Matrice de M X N éléments.
• Une image est une fonction F(x,y).
– M = nombre de ligne.
– N = nombre de colonne.

d'images
Types d’image numérique
• On distingue deux types d’images numérique :
– Images matricielles ou mode point:

• une matrice (un tableau) de données numériques.
• à chaque position (x,y) de la matrice correspond une couleur
pour visualiser l'image sur l'écran d'un ordinateur.
– Images vectoriels :
• Une représentation des données de l'images par des formes
géométriques (segments de droite, arcs de
cercle, polygones,…) définis chacun par différents attributs
(forme, position, couleur, remplissage, visibilité,...) et auxquels
on peut appliquer différentes transformations (homothétie,
rotation…).

d'images
Image vectorielle
– Définie par des coordonnées numériques et des

formules mathématiques :
• indépendance du facteur échelle,
• pas de perte de qualité.
- Inconvénients : l’affichage nécessite des calculs, la
taille de l’image est liée à sa complexité.
- Exemples de formats : DXF, SVG, Illustrator
- Domaines : PAO (publication assistée par
ordinateur), DAO (dessin assisté par ordinateur)...

d'images
Image matricielle
– Définie par une dimension

fixe et un nombre de couleurs
fixe.
• dépendance du facteur échelle,
• Risque de perte qualité.
- Exemples de formats : BMP, PGM, JPEG

d'images
Image Matricielle
• Elles sont constituées de pixels de différentes couleurs
disposés en lignes et en colonnes.
• Elles sont définies par leurs dimensions en nombre de pixels

ainsi que par le nombre de couleurs possibles.
• Chaque pixel possède une adresse numérique et est stocké

dans une zone de mémoire appelée matrice.
• Les images matricielles dépendent de la résolution :

– elles comportent un nombre fixe de pixels qui représentent les
données de l'image.

d'images
Quelques définitions:
Dimension d’une image
Taille de l ’image = Largeur  Hauteur (octets)
255
256 nuance de gris

(nombre de lignes)
Hauteur
0
Largeur (nombre de colonnes)

640  480 octets = 307.200 octets
d'images
Quelques définitions:
Résolution d’une image
• La résolution est une mesure de la clarté ou du niveau de
détail et de finesse d'une image numérique.
• La définition complète du terme résolution recouvre les

notions de résolution spatiale et de résolution en luminance.
• Dans l'usage courant, le terme résolution est souvent

employé pour parler de la résolution spatiale uniquement.
• Plus la résolution est grande, plus l'image est détaillée, et

plus le fichier correspondant est volumineux.
• la résolution spatiale s'exprime en pixels par pouce et

souvent abrégé « dpi » pour dots per inch.
• 1pouce=2.54cm.

d'images
Résolution spatiale
Résolution Spatiale
(Echantillonnage)
(256x256) (128x128)
(64x64) (32x32)

d'images
Résolution dite « tonale »
• La résolution dite « tonale », détermine le
nombre de nuances ou de couleurs possibles
pour chaque pixel.
• Plus le nombre de bits est grand, plus le
nombre de couleurs possibles est élevé.
vraie couleur fausse couleur en niveau de gris binaire

24 bits 8 bits 8 bits 2bits
Résolution tonale (Quantification)

d'images
Vocabulaire (résumé)
 La résolution d'une image = nombre de pixels par unité de longueur
de la structure à numériser (dpi (dots per inches) ou ppp (pixel
par pouce).
 La résolution du format de l'image =nombre de pixels qui compose
l'image en hauteur et en largeur (512 pixels par 512 pixels par
exemple).
 La taille des données pour une image (en bits) = Nlignes x
Ncolonnes x B (B : nbre de bits/pixel)
 La profondeur de bits = nombre de bits nécessaire pour représenter
un pixel dans l’image numérique
La dynamique d'une image= l'étendu de la gamme de couleurs 2B – 1
Le poids d’une image numérique est l’espace mémoire qu’elle occupe
sur un support de stockage numérique = nombre de bits par pixel x
nombre total de pixels .

d'images
Types d’images
Image binaire:
un seul bit suffit à représenter chaque pixel
(1=blanc ou 0=noir).
Image en niveaux de gris

d'images
Types d’images
Image en couleurs: « vrai couleurs »
Une image couleur comporte pour chaque pixel une
information sur sa composition en Rouge, Vert et Bleu :
toute couleur peut, être obtenue par un mélange de ces
3 couleurs fondamentales.
Chacune de ces couleurs fondamentales RVB dispose de
256 nuances possibles soit 256*256*256 possibilités=
16 millions de possibilités.
Les trois plans RVB
Une image Chaque plan a 256 nuances de
couleur couleurs
Matrice R Matrice V Matrice B

d'images
Les systèmes de
représentation des couleurs
• Une couleur peut être représentée dans un espace
à 3 dimensions:
- Système RGB (Red Green Blue)
- Système CMY (Cyan Magenta Yellow)
- Système HLS (Hue Saturation luminance)
Hue : perception de la couleur Saturation : pureté de la couleur Luminance
(prune, orange, céladon) (plus ou moins délavée) (ombre et lumière)

d'images
Image en couleur indexé
• Les images en couleur indexé sont créées à l'aide d'une
palette limitée attachée à cette image et qui comprend n
couleurs différentes.
• n=512;
• n=256;
• n=64;
• La donnée correspondant à chaque pixel consiste en un

indice qui pointe vers une couleur précise dans la palette.
• Ce format ne convient pas à des images en couleurs réelles,
à cause du nombre restreint de couleurs et de palettes
différentes qu'il est possible d'utiliser.

d'images
Palette 1 Palette 2
(256 couleurs) (256 couleurs)
Image 1 Image 2

d'images
Format d’image
• Un format d'image comprend en général un en-tête qui
contient des données sur l'image (taille de l'image en pixels
par exemple) suivie des données de l'image.
• La structuration des données est différente pour chaque

format d'image.
• On distingue des formats :

– Compressés
• Sans perte
• avec perte
– les formats en vrai couleurs;
– et à couleur indexée.
– non compressés.

d'images
Type Nombre de compressio Transparence Animation
couleurs n
matriciel 16 millions Avec perte Non Non
JPEG
(de 1% à
(Joint
99%)
Photo
Expert
Group)
JPEG matriciel 16 millions Avec ou oui Non

sans perte
2000
(Joint
Photo
Expert
Group
2000)
PNG matriciel vraies sans perte oui Non
(Portable couleurs,
Network niveaux de
Graphics) gris et 8 bits
indexés

d'images
Type Nombre de compressi Transparenc Animatio
couleurs on e n
matriciel 256 Sans Oui Oui
GIF
couleurs perte
(Compuserve
avec
Graphics)
palette
TIFF(Tag matriciel 16 millions Compressi oui Non

Image File on ou pas,
Format) avec ou
sans
perte
PNG matriciel vraies sans oui Non

(Portable couleurs, perte
Network niveaux de
Graphics) gris et 8
bits indexés

d'images
Histogramme
• Définitions :
– L’histogramme est une fonction permettant de donner la
fréquence d’apparition des différents niveaux de gris qui
composent l’image.
– Un histogramme est un graphique statistique permettant

de représenter la distribution des intensités des pixels
d'une image.
– Par convention un histogramme représente le niveau

d'intensité en abscisse en allant du plus foncé (à gauche)
au plus clair (à droite).

d'images
Histogramme
• Exemple d’une image I(x,y) ayant 16 niveaux de gris
(codée sur 4 bits)
– L’histogramme représente la fréquence d’apparition
d’un pixel ayant un niveau de gris i;
– Le principe est de compter chaque pixel selon son
niveau de gris
Exemple :
• le pixel ayant un niveau de gris = 2 est présent 17 fois
• le pixel ayant un niveau de gris = 10 est présent 4 fois
d'images
h(i) = fréquence d’apparition du pixel i
i 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
h(i) 5 14 17 16 12 8 1 3 1 2 4 7 6 2 1 1
Histogramme
18
16
14
h(i) : fréquence
12
10
Série1
8
6
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
i : couleur
C’est la fréquence d’apparition d’une valeur de pixel
Histo(i)=Card{Pixel(x,y)=i}

d'images
• Exemples d'histogramme d’une image au niveau
de gris: dynamique [0..1]

d'images

d'images

d'images
• Pour les images en vrai couleur plusieurs histogrammes
sont nécessaires. Par exemple pour une image codée en
RGB :
– un histogramme représentant la distribution de la
luminance,
– trois histogrammes représentant respectivement la
distribution des valeurs respectives des composantes
rouges, bleus et vertes.

d'images
Contours
• les contours sont les lieux de variations significatives de

l'information au niveaux de gris.
• Un contour est une transition marquée entre deux
régions ayant chacune une luminosité distincte.
Contour

d'images
Contours
Image au niveau de gris Image contour

d'images
Texture
• Une texture est une répétition spatiale :
– d’un même motif,
– dans différentes directions de l'espace.
• La texture décrit :
– un aspect homogène de la surface,
– une information visuelle qui permet de la décrire
qualitativement a l'aide des adj. : grossière, fine,
lisse, tachetée, granuleuse, marbrée, régulière ou
irrégulière

d'images
bois bulles canevas lierre
herbe laine eau sable

d'images
Luminance
• C’est la quantité d’énergie (lumière) reçue par unité de
surface (pixel) nommé dans la pratique Intensité
lumineuse I.
 I x, y dxdy
1 L 1 C 1
f  x, y 
yx
I
 dxdy

LC

x 0 y 0
yx

d'images
Contraste
• C’est une mesure relative aux différences de
luminosités dans les images.
N 1 M 1
1
C
NM
  ( f ( x, y )  I )
x 0 y 0
2

d'images
Chapitre 2
Traitement d’images:
Prétraitement

d'images
Traitement d’image
• Le traitement, souvent appelé prétraitement, regroupe
toutes les techniques visant à améliorer la qualité d'une
image.
• La notion de qualité est une notion très subjective:
– La qualité d'une image n'est pas forcément la même pour un
ordinateur ou pour un opérateur humain.
• La restauration a pour but d'inverser l'effet du
phénomène dégradant.
– Il s'agit de produire une image la plus proche de la réalité
physique de la scène observée.
– L'amélioration a pour but de satisfaire l'oeil de l'observateur
humain.

d'images
Amélioration du contraste
• Modifier chaque niveau de gris dans le but d'accroître le
contraste.
• Dans le cas du contrôle qualité, où on a un ou plusieurs objets sur
un fond continu uniforme, on s'attache à accroître les transitions
objet-fond.
• Ce type de correction est également adapté lorsqu'une majeure

partie des niveaux de gris présents dans l'image est concentrée
dans un faible intervalle sur l'échelle des intensités lumineuses.
• L'approche la plus simple et de créer une "fonction de transfert",

g'(x,y) = t( g(x,y) ) afin de modifier la dynamique d'une image
(généralement pour l'augmenter).
• où g(x,y) est l’image d’origine et t est une fonction
prédéfinie.

d'images
Amélioration du contraste
• La majorité des techniques de traitement d’image
pour l’amélioration du contraste d’une image se
base sur la manipulation des histogrammes.
• Parmi ces techniques on distingues :
– Transformation linéaire (étalement d’histogramme)
– Transformation linéaire avec saturation,
– Transformation linéaire par morceau,
– Transformation non-linéaire,
– Égalisation de l’histogramme,

d'images
• La Transformation linéaire :
f’(x,y) 255
f ' ( x, y )  ( f ( x, y )  min)
max  min
255
( f ( x, y )  min)
 0,1
max  min
Effet : rehaussement du contraste par
0 expansion de la dynamique
min max f(x,y)

d'images
Expansion d’histogramme: exemple

d'images
• La Transformation linéaire :

d'images
La Transformation linéaire avec
saturation :
Définie par 2 seuils : min(f(x,y)) < Smin < Smax < max(f(x,y)).
255
f ' ( x, y )  ( f ( x, y )  S min )
S max  S min
f ' ( x, y )  0  f ' ( x, y )  0
f ' ( x, y )  255  f ' ( x, y )  255
Effets :
1-Rehaussement du contraste des niveaux Smin < f(x,y) < Smax.
2-Saturation à 0 des niveaux min(f(x,y)) < f(x,y)< Smin.
3-Saturation à 255 des niveaux Smax < f(x,y) < max(f(x,y)).

d'images
• La Transformation linéaire avec
saturation :
Smin Smax

d'images
La Transformation linéaire par morceau :
Effet : selon la pente locale (pente), expansion

ou compression de la dynamique
- rehaussement du contraste si pente> 1
- diminution du contraste si pente< 1

d'images
Transformation non-linéaire gamma
• Elle permet de corriger la non linéarité du capteur (caméra,
scanner) ou de l'écran en répartissant l'échelle des gris pour
augmenter les nuances soit dans le sombre soit dans le clair.
• La nouvelle intensité i’ du pixel (x,y) est:
• i est l’intensité initiale du pixel (x,y)

• Correction  de ces défauts :
1/  > 1 éclaircit principalement les parties foncées.
2/  < 1 assombrit principalement les parties claires.

d'images
d'images
Égalisation de l’histogramme
Principe
Obtenir une image où les niveaux de gris sont répartis de manière la
plus égalitaire possible (contraste maximal).
L'histogramme de l'image résultat I' est donc plat (idéalement) :

d'images
Égalisation de l’histogramme
– Calcul de l’histogramme cumulé pour i[0,255],
i
Hc(i )   H ( j )
j 0
Hc(i) est le taux de pixels dont le niveau de gris est inférieur à i.
– NP est le nombre de points de l’image,(NP=MxN)
– Hc la fréquence cumulée de i=I(x,y): intensité su pixel (x,y).
– La nouvelle intensité I’(x,y) est donnée par:
255
I ' ( x, y )   Hc(i)
NP

d'images
• Égalisation de l’histogramme

d'images
L'égalisation d'histogramme peut améliorer une image (pour la
visualisation) dans le cas où la correction de dynamique de
l'histogramme est inefficace.

d'images
Transformations ponctuelles
Identité Négatif Seuillage
255 si I(x,y)>127
I’=I I’=255-I I’(x,y)=
0 sinon

d'images
Opérations arithmétiques
Opérations point à point: Combinaisons linéaires.
 Addition
• Principe : I'(x,y)=I1(x,y)+I2(x,y) pour tout pixel de
coordonnées (x,y).
• Décalage des valeurs dans [0, 127] avant addition
(perte du bit de poids faible)
• Saturation : I'(x,y) = min ( I1(x,y)+I2(x,y), 255)
• Pré-calcul des valeurs finales (théoriques) minimale
et maximale
• Utilisations principales:
– Augmentation de la luminance d'une image (par addition d'une
constante ou d'une image avec elle-même).
– Diminution du bruit dans une série d'images.

d'images
 Soustraction :
visualisation du changement
Image I1 Image I2 I1-I2

d'images
Soustraction
- Principe : I'(x,y)=I1(x,y)-I2(x,y) pour tout pixel de coordonnées (x,y).

-Si dépassement de capacité:
•Saturation : I'(x,y) = max ( I1(x,y) - I2(x,y), 0)
• Différence absolue : I'(x,y) = | I1(x,y) - I2(x,y) |
Utilisations principales
- Diminution de la luminance d'une image
- Détection de changements entre images:
* défauts (par comparaison avec une image de référence),
* mouvements (par comparaison avec une autre image de la séquence).

d'images
 Multiplication
• Principe: La multiplication d’une image I par un facteur f peut

être donné par:
I’(x,y) = Max( I(x,y)*f ; 255)
• Utilisations principales:
La multiplication d’images peut permettre d’améliorer le
contraste ou la luminosité.

d'images
Opérations arithmétiques

d'images
• Opérations logiques:

d'images

CoursMaster TImageChap1et2 1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

CoursMaster TImageChap1et2 1

Transféré par

Droits d'auteur :

Formats disponibles

Notes de cours

Cours Traitement Bettaieb Akkari Hanen 1

Cours Traitement Bettaieb Akkari Hanen 2

Cours Traitement Bettaieb Akkari Hanen 3

Cours Traitement Bettaieb Akkari Hanen 4

Cours Traitement Bettaieb Akkari Hanen 5

image Extraction Reconnaissance

Cours Traitement Bettaieb Akkari Hanen 8

• Amélioration de l’apparence de l’image,

Cours Traitement Bettaieb Akkari Hanen 9

• Le codage utilisé définit le type

Numérisation = Échantillonnage + Quantification

Cours Traitement Bettaieb Akkari Hanen 11

Cours Traitement Bettaieb Akkari Hanen 12

Cours Traitement Bettaieb Akkari Hanen 14

– Images matricielles ou mode point:

Cours Traitement Bettaieb Akkari Hanen 15

– Définie par des coordonnées numériques et des

Cours Traitement Bettaieb Akkari Hanen 16

– Définie par une dimension

Cours Traitement Bettaieb Akkari Hanen 17

• Elles sont définies par leurs dimensions en nombre de pixels

• Chaque pixel possède une adresse numérique et est stocké

• Les images matricielles dépendent de la résolution :

Cours Traitement Bettaieb Akkari Hanen 18

256 nuance de gris

Largeur (nombre de colonnes)

• La définition complète du terme résolution recouvre les

• Dans l'usage courant, le terme résolution est souvent

• Plus la résolution est grande, plus l'image est détaillée, et

• la résolution spatiale s'exprime en pixels par pouce et

Cours Traitement Bettaieb Akkari Hanen 20

Cours Traitement Bettaieb Akkari Hanen 21

vraie couleur fausse couleur en niveau de gris binaire

Résolution tonale (Quantification)

Cours Traitement Bettaieb Akkari Hanen 22

Cours Traitement Bettaieb Akkari Hanen 23

Image en niveaux de gris

Cours Traitement Bettaieb Akkari Hanen 24

Matrice R Matrice V Matrice B

Cours Traitement Bettaieb Akkari Hanen 26

• La donnée correspondant à chaque pixel consiste en un

Cours Traitement Bettaieb Akkari Hanen 27

Cours Traitement Bettaieb Akkari Hanen 28

• La structuration des données est différente pour chaque

• On distingue des formats :

Cours Traitement Bettaieb Akkari Hanen 29

JPEG matriciel 16 millions Avec ou oui Non

Cours Traitement Bettaieb Akkari Hanen 30

TIFF(Tag matriciel 16 millions Compressi oui Non

PNG matriciel vraies sans oui Non

Cours Traitement Bettaieb Akkari Hanen 31

– Un histogramme est un graphique statistique permettant

– Par convention un histogramme représente le niveau

Cours Traitement Bettaieb Akkari Hanen 32

C’est la fréquence d’apparition d’une valeur de pixel

Cours Traitement Bettaieb Akkari Hanen 34

Cours Traitement Bettaieb Akkari Hanen 35

Cours Traitement Bettaieb Akkari Hanen 36

Cours Traitement Bettaieb Akkari Hanen 37

Cours Traitement Bettaieb Akkari Hanen 38

• les contours sont les lieux de variations significatives de

Cours Traitement Bettaieb Akkari Hanen 39