Technique de Multimédia

Faculté des Sciences de Tunis

PROJET TP
Département des Sciences de l’Informatique
Section LFI3
2014-2015

Objectifs : L’objectif de ce Projet TP est de vous faire implémenter sous Matlab différents outils de traitement
d’images.
· Partie I : Histogramme, égalisation et binarisation,
· Partie II : Filtrage
· Partie III : Détection de contours
NB : þ Les images de tests peuvent être téléchargées sous l’URL suivant :
http://www.ece.rice.edu/~wakin/images/
ý N’utilisez pas les fonctions prédéfinies à part les fonctions de base nécessaires i.e. size(),
imread(), imshow()…

I. Histogramme, égalisation et
binarisation
On appelle h l’histogramme d’amplitude, défini de
telle sorte que h(n) donne le nombre de pixels de
l’image dont le niveau de gris vaut n.
1) Ecrire une fonction qui permet de
construire l’image « lena512.bmp » à
travers sont Histogramme. Vous pouvez
modifier la fonction de calcule
d’histogramme afin de rendre la
construction possible.
L’égalisation de l’histogramme permet de
distribuer uniformément le nombre de pixel par
niveau de gris.
2) Ecrire une fonction qui permet d’égaliser
l’histogramme de l’image « lena512.bmp ».
3) Binariser cette image. Pour cela, écrire une
fonction permettant de réaliser la
binarisation avec un seuil donné. Afficher
le résultat.
II. Filtrage
Le principe du filtrage est de modifier la valeur des
pixels d'une image, généralement dans le but
d'améliorer son aspect. En pratique, il s'agit de
créer une nouvelle image en se servant des valeurs
des pixels de l'image d'origine.
Le filtre local est dit linéaire si la valeur du nouveau
pixel est une combinaison linéaire des valeurs des
pixels du voisinage.
Combinaison linéaire des pixels du voisinage
NouvelleValeurx , y = å Ai , j * Px + i , y + j
i, j
avec i, j variant entre -h et +h, la demi taille du
voisinage (pour 3x3 h=1, pour 5x5 h=2, …) et
‘Ai,j’= valeur, entière ou réelle, spécifique au filtre
linéaire.
1) Appliquer le bruit ‘sel et poivre’ et le bruit
‘poisson’ sur l’image « lena512.bmp » en
utilisant les commandes suivantes :
ps=imnoise(I,'salt & pepper');
po=imnoise(I,'poisson');
2) Ecrire une fonction Matlab qui permet
d’appliquer un filtre médian 5*5 sur
l’image « lena512.bmp »
3) Ecrire une fonction Matlab qui permet
d’appliquer un filtre Gaussien sur
l’image « lena512.bmp »
4) Discuter l'effet de deux filtres (médian et
Gaussien) sur les images ps, po
III. Détection de Contour
Les contours sont les lieux de variations
significatives de l'information. Pour les détecter,
on va utiliser un opérateur calculant le gradient de
1
l'intensité de chaque pixel (on va le calculer dans Et comme par définition un contour est une brusque
un voisinage de 8 points : matrice 3*3 en agissant variation de niveau de gris dans une image, on peut
chaque fois sur le pixel situé au centre). alors extraire le contour extérieur des objets.
Le gradient de l'intensité en fonction des Pour la détection de contours on a appliqué un filtre
coordonnées de l'image est un vecteur de de Sobel.
dimension deux, dont les coordonnées sont les
Les filtres de Sobel sont les suivants :
dérivées selon les directions horizontale et
verticale. En chaque point, le gradient pointe dans Filtre horizontal : Filtre vertical :
la direction du plus fort changement d'intensité, et æ1 2 1 ö æ - 1 0 - 1ö
sa longueur représente le taux de variation dans ç ÷ ç ÷
h = ç0 0 0 ÷ v = ç- 2 0 2 ÷
cette direction. On connaît alors les points qui ç - 1 - 2 - 1÷ ç - 1 0 1÷
présentent un changement soudain de luminosité. è ø è ø

1) Appliquer et le filtre horizontal sur l’image de type double « lena512.bmp » pour la détection des
contours horizontaux
2) Appliquer et le filtre vertical sur l’image de type double « lena512.bmp » pour la détection des contours
verticaux
3) Construire l’image module en utilisant les résultats des filtres précédents :
Image module = é + é
4) Appliquer la fonction de binarisation de l'exercice 1 sur l'image module résultante. Quel est le
meilleur choix de seuil pour une excellente image contour ? Et pourquoi ?

Exemple