Master IRIV 2016–2017

Examen d’outils fondamentaux en traitement d’images

Calculatrice non autorisée durée : 1 h 45
Document autorisé : feuille A4 recto-verso mercredi 11 janvier 2017

Exercice 1 (8 %)
1. Traduisez les termes suivants.
Termes à traduire en anglais : Termes à traduire en français :
– image à niveaux de gris – opening
– recalage – connected component
– reconnaissance de formes – ground truth
– erreur quadratique moyenne – region growing
2. Que signifient les abbréviations AWGN et SNR ?

Exercice 2 (8 %)
On considère les quatre histogrammes ci-dessous :

A B C D
Ceux-ci correspondent à une image originale ainsi que trois transformations appliquées sur celle-ci :
— multiplication par 0,7 ;
— multiplication par 1,5 ;
— égalisation.
1. Affectez à chaque histogramme la transformation correspondante. Justifiez vos réponses.
2. Parmi ces transformations, expliquez laquelle est la plus adaptée à une augmentation de
contraste et pourquoi.

Exercice 3 (8 %)
On souhaite automatiser la lecture des plaques d’immatriculation de véhicules par dispositif optique.
On dispose pour cela d’images en niveau de gris ne comportant que la plaque (l’extraction de la plaque
à partir d’une photo a déjà été réalisée).
1. Proposez une procédure permettant d’obtenir des imagettes contenant chacune un caractère de
la plaque (on ne s’intéresse pas au problème de reconnaissance du caractère). La procédure doit
pouvoir fonctionner quelle que soit la couleur ou le nombre de caractères de la plaque.
2. Donnez les caractéristiques de votre procédure (en termes de robustesse, temps de calcul, utili-
sation de la mémoire, . . .).
3. Question bonus : proposez une procédure permettant d’effectuer l’extraction de la plaque à
partir d’une photo.

1/5
Exercice 4 (5 %)
Une image est enregistrée en BMP (compression RLE), puis convertie en JPEG. L’image obtenue est-
elle identique à celle qu’on obtiendrait en effectuant en premier la conversion JPEG puis ensuite la
compression RLE ? Justifiez votre réponse.

Exercice 5 (3 %)
Le filtre h ci-dessous est séparable en deux filtres h1 et h2 : quels sont ces deux filtres ? Justifiez votre
réponse.  
1 2 1
h= 0 0 0
−1 −2 −1

Exercice 6 (9 %)
On observe l’image à niveaux de gris f et le filtre h définis ci-dessous :
 
0 0 0 0  
0 1 0 1 0
1 0 
f =0 2 h = 1 −1 1
1 0
0 1 0
0 0 1 0
Calculez le résultat des convolutions de f par h dans les cas suivants de gestion de bords :
1. complétion avec des zéros ;
2. périodisation ;
3. miroir.

Exercice 7 (8 %)
L’acquisition d’une image a été perturbée : certaines lignes de pixels ont subit un décalage horizontal,
comme illustré sur l’image ci-dessous (qui est un zoom sur l’œil de Lena). Les lignes affectées ne sont
pas connues a priori, et on suppose que le décalage est fait d’un nombre entier de pixels. Proposez une
méthode pour restaurer l’image.

Exercice 8 (5 %)
Donnez deux indicateurs pour mesurer la qualité d’une méthode de restauration. Pour les indicateurs
donnant une valeur quantitative, précisez l’expression mathématique correspondante.

Exercice 9 (10 %)
1. Expliquez pourquoi le filtre moyenneur fonctionne très bien sur des zones de l’image où les
intensités évoluent peu, alors qu’il a tendance à flouter les contours de l’image.
2. Le filtre moyenneur est-il un filtre passe-bas ou passe-haut ?
3. Proposez une méthode de débruitage avec des performances similaires à celle du filtre moyenneur
dans les zones plates de l’image, mais qui évite de trop flouter les contours.

2/5
Exercice 10 (8 %)
Esquissez l’image de taille 100 × 100, où l’origine se situe sur le pixel en haut à gauche, et dont la
transformée de Hough est :

-100

-50

ρ (pixels) 0

50

100

-90 -45 0 45 90
θ (degrés)

La transformée de Hough est représentée en inverse vidéo, c’est-à-dire que les couleurs sont inversées : les
intensités élevées sont représentées en noir et les intensités faibles en blanc. Les points qui apparaissent
sur la transformée de Hough sont dues à l’impression de cet énoncé et traduisent en réalité des niveaux
de gris plus ou moins faibles.

Exercice 11 (10 %)
On considère l’image f dont les niveaux de gris sont donnés ci-dessous :
 
4 6 2 0 2 4 4 3
4 2 10 1 6 3 2 1
 
0 7 1 8 12 9 8 1 
 
2 10 3 4 10 15 5 11
 
f =
8 9 1 2 10 11 13 5 

 
2 0 6 3 9 10 0 2 
 
2 6 0 9 2 4 7 1
3 4 5 7 1 6 8 2
Donnez la solution obtenue en effectuant une croissance de région dont le germe correspond au pixel
encerclé. Un pixel f (m,n) est agrégé s’il a au moins un voisin f (m′ ,n′ ) (dans le cas d’une 4–connexité)
déjà agrégé tel que :
|f (m,n) − f (m′ ,n′ )| ≤ 5.

Exercice 12 (10 %)
L’algorithme décrit ci-dessous renvoie une image binaire gk à partir de deux images binaires f et g0 ,
et d’un élément structurant h. L’image g0 est de même taille que f et tous ses pixels sont nuls à
l’exception d’un unique pixel qui appartient également à f (cf. exemple dans la question 1 ci-après).

Entrées : images binaires f et g0 , élément structurant h

Sortie : image binaire gk

k=1
Faire :
gk = (gk−1 ⊕ h) ∩ f
Tant que gk 6= gk−1

3/5
 1. Donnez l’image obtenue en appliquant cet algorithme avec les entrées ci-dessous (le point sur h
indique le centre de l’élément structurant) :

f= g0 = h= b

Vous pouvez répondre à cette question en utilisant les grilles de la page 5.

2. En une phrase, que permet de déterminer cet algorithme ?

Exercice 13 (8 %)
Répondez aux questions suivantes. Il est inutile de justifier.
Si vous répondez sur cette feuille, merci d’indiquer votre nom : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
La transformée de Fourier d’une image de taille N × N est :
 un scalaire  un vecteur de taille N  une image de taille N × N
La transformée de Fourier d’une image à valeurs réelles. . .
 est toujours à valeur réelles
 est toujours à valeurs complexes (et de composante imaginaire non nulle)
 peut être à valeur réelles ou complexes

La transformée de Fourier d’un produit de convolution de deux images est :

 le produit de convolution des deux images
 la multiplication des deux images
 le produit de convolution des transformées de Fourier des deux images
 la multiplication des transformées de Fourier des deux images

Quel est la taille minimale de l’espace (correspondant au nombre minimal de caractéristiques) dans
lequel un classifieur peut fonctionner ?
 1  2  4  8
En deux dimensions, un classifieur distingue les classes en les séparant par une droite :
 jamais  parfois  toujours
Pour obtenir une bonne classification, il est préférable d’utiliser le plus de caractéristiques possibles.
 Vrai  Faux
Pour obtenir une bonne classification, il est préférable d’utiliser le plus de vérités terrains (images
correctement classifiées).
 Vrai  Faux
Cochez les caractéristiques pouvant être utilisées pour effectuer une classification :
 l’image elle-même
 la taille de l’image
 l’intensité maximale de l’image
 Le nombre de pixels blancs après une binarisation de l’image

4/5
Nom : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Grilles pour l’exercice 12

5/5