Académique Documents
Professionnel Documents
Culture Documents
F. Z. Bellala
La couleur
Par définition, la couleur est la sensation que produisent sur l’œil les radiations de la
manière telles qu’elles sont absorbées ou réfléchies par le corps [LG1999].
L’utilisation de la couleur dans le domaine scientifique date du 17ème siècle, date de
son utilisation par Newton en optique [Gev2001]. Depuis et avec l’apparition de
divers moyens de communication (télévision, caméra, et spécialement
l’informatique et le réseau Internet), l’étude et l’exploitation de la couleur est devenu
d’un intérêt central. Elle représente le descripteur visuel le plus utilisé dans les
systèmes d’analyse d’images [Pra2001]. Il est le plus perceptuel et donne une
signification à la vision humaine.
Le moyen nous permettant de distinguer les couleurs entre elles est la source
lumineuse. Celle-ci est définie comme étant un ensemble de rayonnements
électromagnétiques susceptibles d’être perçus directement par l’œil humain
[Van2000]. Ce rayonnement est défini par des longueurs d'ondes différentes
reconnues séparément par trois types de cônes de la rétine de l'œil humain. Un type
de cône est sensibles à la couleur rouge (de longueur d'onde importante), un autre
type est sensible à la couleur verte (de longueur d'onde moyenne) et un dernier
plutôt sensible au bleu (longueur d'onde plus faible) Les figures III.1 et III.2
montrent le spectre visible de longueur d'onde variant de 380 au 780 ainsi que la
sensibilité des cônes à ces longueurs d'ondes.
1
USTHB Faculté d'Informatique Cours de Traitement d'Image
F. Z. Bellala
2
USTHB Faculté d'Informatique Cours de Traitement d'Image
F. Z. Bellala
L'espace HSV
L’espace HSV est obtenu par une transformation en coordonnées polaires de
l’espace RGB (voir figure III.4). Il a l’avantage de séparer les trois caractéristiques
de la couleur et sa définition est liée impérativement à la définition de ces
caractéristiques : la teinte (Hue en anglais), la Saturation et la valeur (Value en
anglais).
3
USTHB Faculté d'Informatique Cours de Traitement d'Image
F. Z. Bellala
√3(𝐺 − 𝐵)
𝐻=
(𝑅 − 𝐺)(𝑅 − 𝐵)
max(𝑅, 𝐺, 𝐵)
𝑆=
max(𝑅, 𝐺, 𝐵) − min(𝑅, 𝐺, 𝐵)
𝑉 = max(𝑅, 𝐺, 𝐵)
{
L'espace Lab
Les couleurs dans cet espace sont définies par trois valeurs : la luminosité
(luminance ou intensité ou niveau du gris) L du blanc au noir et l’information
colorée (chrominance) qui correspond au coordonnées a et b à luminance constante,
du rouge au vert pour l’axe a et du bleu au jaune pour l’axe b. Le passage du
système RGB vers le système Lab se fait par l’intermédiaire de l’espace XYZ. Une
fois ce dernier est obtenu, l’espace Lab peut être calculé par des équations non
linéaires.
Histogramme couleur
Un histogramme couleurs H d’une image est un vecteur [h1, h2, ...hn] dont chaque
élément hi dit bin représente le nombre de pixels dans l’image, ayant la couleur i
[Hua1998].
L'histogramme couleur peut être représenté par trois histogrammes des différents
canaux Rouge Vert et Bleu ou encore par un seul histogramme où l'axe des abscisses
contient les valeurs de couleur tel que le cas de la figure III.5.
De même que les histogrammes en niveaux de gris, les histogrammes couleurs des
images différentes peuvent être identiques (figure III.5).
Dans l'espace RGB 2563=16777216 valeurs de couleurs sont possibles. Ce qui rend
presque impossible de retrouver deux images similaires dans le cas où on cherche à
trouver les images similaires à une image requête. D'où la nécessiter de quantifier la
couleur pour réduire ce nombre et de pouvoir analyser ainsi une image.
4
USTHB Faculté d'Informatique Cours de Traitement d'Image
F. Z. Bellala
Quantification couleur
En traitement d’images, la valeur à quantifier peut être un signal analogique ou
digital. Heckbert [Hec1982] définit la quantification d’images couleur comme étant
le processus qui sélectionne, à partir d’une image donnée, un sous ensemble de
couleurs représentatives. Et qui mis en correspondance l’espace couleur et les
couleurs représentatives. La quantification couleur peut être réalisée par plusieurs
méthodes. Entre autres :
- La quantification uniforme qui permet de découper chaque axe de l'espace
couleur en des intervalles égaux où chaque intervalle représente un seul bin.
- La quantification par classification dans l'espace de couleur. Cette classification
peut être réalisée, à titre d'exemple par la K-means et elle a l'avantage de ne tenir
compte que des couleurs présentes dans l'image et d'éviter ainsi les creux dans le
vecteur histogramme.
- La median-cut [Hec1998] où les couleurs images sont triées suivant l’axe (canal
R, G ou B) le plus long, i.e. l’axe contenant le plus de points couleurs différentes de
l’image, et le cube de l’espace RGB est divisé en deux parties suivant le centre de
l’axe trié de sorte que les deux cubes aient le même nombre de points couleurs
images. Le processus est répété sur les deux régions obtenues jusqu’à avoir un
nombre désiré de couleurs. Les couleurs de chaque boite sont représentées par une
seule couleur qui a pour composantes R, G et B les moyennes des composantes de
toutes les couleurs contenues dans la boîte.