Vous êtes sur la page 1sur 4

04/11/2023

Les étapes du traitement numérique d’une


Systèmes à base de Traitement d’image image

 3 étapes fondamentales :

– Acquisition : scène physique représentation


numérique.

– Traitement : Extraction de l’information pertinente


par segmentation.

– Analyse et interprétation : description structurelle de


l’image.

1 2
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

Formation et acquisition de l’image Formation et acquisition de l’image

 Formation de l’image:  Acquisition Projection 2D d’une scène 3D


distribution d’intensité lumineuse “ luminance”, “ brithness”

I ( x, y )   c( x, y, t ) s( )d 
0

C(x,y,t): la distribution d’énergie de la source

S(λ): sensibilité du capteur


Scène Image Image
I(x,y): traduit l’évolution de l’intensité de la lumière au Numériseur
3D 2D Numérique
point de coordonnées spatiales (x,y) 1- I(x,y) continue 2- I(x,y) numérisée
4
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

- Numérisation de l’image IM1.3- Numérisation de l’image

 Numérisation  Echantillonnage spatial:


– Discrétisation de l’espace 2D,
Discrétisation de l’espace et de l’intensité

• Echantillonnage

•Quantification

– ex : caméra CCD standard : échantillonnage par


construction ( 512 x 512 = 262144 pixels)
5 6
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

1
04/11/2023

- Numérisation de l’image Numérisation de l’image

 Quantification (en puissance 2)

– Type : 16 bits – 65536 niveaux (radiographies + images)

1 bit – 2 niveaux de gris (images binaires) 24 bits – 3 x 8 bits (images couleurs RGB, …)

8 bits – 256 niveaux (images en tons de gris)


Numérisation = Échantillonnage + Quantification
12 bits – 4096 niveaux (radiographies)

7 8
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

Numérisation de l’image Numérisation de l’image

 Numérisation  la fonction I(x,y) : tableau (ou matrice) de nombres

x et y sont des variables discrètes:


Pixel
x = 0, 1, 2, . . ., N-1; y = 0, 1, 2, . . ., M-1;

Scalaire Vecteur  la mémoire de l’image: de NXM cases de n bit chacun


Ex : niveaux de gris Ex : couleur RGB N = M = 256 ou 512
9 10
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

Image numérique Image numérique


(niveaux de gris) (couleur RGB)

11 12
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

2
04/11/2023

Image numérique
(multispectrale)
Exemples

Image binaire

Image 8 bits
Image RGB
13 14
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

Quelques formats d’images Outils fondamentaux

 Voisinages et métriques associées


• TIFF (Formats de numérisation)
(i-1,j-1) (i-1,j) (i-1,j+1)
• GIF, BMP (Formats d’affichage graphique
point à point)
• Connectivité
(i,j-1) P(i,j) (i,j+1)
• JPEG, MPEG (Formats d’archivage et de – 4-connectivité
compression) – 8-connectivité
• DICOM (Formats d’archivage et de (i+1,j-1) (i+1,j) (i+1,j+1)
transmission d’images médicales)
• Etc.
15 16
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

Outils fondamentaux Outils fondamentaux

• Métrique D4 (city block) • Distance euclédienne D

D4 ( P, Q)  iP  iQ  jP  jQ , D4 ( P, Q)  1
4 voisins adjacents , D4 = 1 D( P, Q)  (iP  iQ ) 2  ( jP  jQ ) 2
• Métrique D8 (checkboard)

- 4 voisins adjacents , D = 1 et 4 voisins adjacents, D= √2


D8 ( P, Q)  max( iP  iQ , jP  jQ ), D8 ( P, Q)  1
8 voisins adjacents , D8 = 1
18
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

3
04/11/2023

Outils fondamentaux Outils fondamentaux


 Quelques définitions • La convolution 2D

• Transformée de Fourier discrète 2D M 1 N 1

1 N 1 N 1 f ( x, y)  g ( x, y)   f (m, n) g ( x  m, y  n)
F ( , )  
N x 0 y 0
f ( x, y) ei 2 ( x  y )/ N  ,   0, 1, 2, , N 1 m 0 n 0

• La corrélation 2D
M 1 N 1
1 N 1 N 1 f ( x, y) g ( x, y)   f (m, n) g ( x  m, y  n)
f ( x, y)   F (  ,  ) ei 2 ( x  y )/ N x , y  0, 1, 2, , N 1
N  0  0 m0 n 0

19
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

Outils fondamentaux Outils fondamentaux

• Statistique et probabilité • Définitions du SNR


1 N 1
  E  x   xn
- moyenne
N n 0 x x 
SNR  20log10  max min  dB
  E ( x   )   E x   
2 2 2 2   
- Variance

  2  
- Écart-type SNR  20log10  im  dB
count (n)  n 
Pr(n) 
- Probabilité N
Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi Université Mohammed V de Rabat, FSR, Master SID, 2023-2024, Pr. Lh. Masmoudi

FIN

23

Vous aimerez peut-être aussi