Exercice 1

TD, traitement d'images

On veut connaitre l'effet de cinq filtres; pour cela, on dispose d'une portion d'une image dont les
intensités sont connues:

190 130 180 180

50 60 70 70
50 130 180 190
20 50 130 190

On teste chaque filtre sur les quatre points centraux de la portion de l'image. Les noyaux des filtres ont
la taille de 3x3 pixels. Donnez l'intensité des points centraux dans chaque cas de filtrage:
a- moyenne:

........ ........
........ ........

b- gaussien (de moyenne nulle et d'écart-type égal à 2):

........ ........
........ ........

c- médian:

........ ........
........ ........

d- fermeture morphologique d'élément structurant carré:

........ ........
........ ........

e- ouverture morphologique d'élément structurant carré:

........ ........
........ ........
 Exercice 2
Soit l'image (A1) à niveaux de gris exprimée par ses intensités :
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 100 100 100 0 0
0 0 100 255 255 0 0
0 0 100 255 100 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
Une série de traitement est appliquée
- En appliquant le filtre de la moyenne pondérée, de noyau M, sur l'image (A1), on trouve l'image filtrée (FA).
M est:
0,1 0,1 0,1
0,1 0,2 0,1
0,1 0,1 0,1
- En appliquant la binairisation par seuillage sur l'image (FA), on trouve l'image (BF). Le seuil est égal à la
moyenne des intensités de l'image FA. Déterminez les intensités des images trouvées.
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 ..... ..... ..... ..... ..... 0 0 ..... ..... ..... ..... ..... 0
0 ..... ..... ..... ..... ..... 0 0 ..... ..... ..... ..... ..... 0
0 ..... ..... ..... ..... ..... 0 0 ..... ..... ..... ..... ..... 0
0 ..... ..... ..... ..... ..... 0 0 ..... ..... ..... ..... ..... 0
0 ..... ..... ..... ..... ..... 0 0 ..... ..... ..... ..... ..... 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
FA BF
Exercice 3 :
Soit l’image d’origine suivante :

On a introduit sur cette image, dans chaque cas, un type de bruit (additif, multiplicatif et impulsionnel).
Identifiez pour chaque cas le type de bruit :

bruit 1 :……………… bruit 2 :……………… bruit 4 :………………

bruit 3 :………………

Considérons l’image bruitée suivante :

On a appliqué différent filtrage sur cette image (filtre de la moyenne, filtre médian, filtre laplacien et
filtre de Canny). Identifiez pour chaque cas le type de filtrage :

Filtre 1 :…………… Filtre 2 :…………… Filtre 3 :…………… Filtre 4 :……………

Exercice 4 :
Lequel (ou lesquels) de ces noyaux accentue (renforce) les détails :
 1 1 1  1 1 1  0 1 0   0 1/ 4 0 
1
1 1 1  1 8 1  1 5  1  1/ 4 1 1 / 4
9   
 1 1 1  1 1 1  0 1 0   0 1/ 4 0 
Exercice 5 :
Soit l’image binaire (A1) suivante, de taille 25x24 points :

Image A1
1) Appliquez sur l’image (A1) un filtrage morphologique fermeture avec un élément structurant
carré de rayon=1 (taille 3x3), pour obtenir l’image (F1) :

Image F1
2) Appliquez sur l’image (A1) un filtrage morphologique ouverture avec un élément structurant
carré de rayon=1 (taille 3x3), pour obtenir l’image (F2) :

Image F2
3) Faites la différence entre les deux images (F1) – (F2) pour obtenir l’image (D1) :

Image D1
Exercice 6 :

Soit l’image à niveaux de gris (A2) suivante, de taille 25x24points :

Image A2

Sachant que chaque intensité noire est représentée par la valeur 0, chaque intensité grise est représentée
par la valeur 119 et chaque intensité blanche est représentée par la valeur 255.

1) Donnez l’image binaire (W1) par seuillage de l’image A2, le centre de l’histogramme est pris
comme seuil :

Histogramme de l’image Image W1

2) Donnez l’image contour (C1) de l’image W1 par application d’un laplacien avec 8
connectiques :

 1 1  1
 1 8  1

  1 1  1
Image C1
Exercice 7 :
Identifiez pour chaque cas le type de filtrage :

………………………… ………………………… …………………………

image d’origine

………………………… ………………………… …………………………

Exercice 8 :
Identifiez dans chaque cas le type de l’opération réalisée :
Sachant l’image d’origine :

………. ………. ………. ………. ……….

Exercice 9 :

Identifiez dans chaque cas la nature du bruit et proposez le filtrage adéquat pour l’éliminer :

Bruit : Bruit :
…………………………….. ……………………………..
Image non bruitée
Filtrage : ……….. Filtrage : ………..
…………………… ……………………

Bruit : Bruit : Bruit :

…………………………….. …………………………….. ……………………………..
Filtrage : ……….. Filtrage : ……….. Filtrage : ………..
…………………… …………………… ……………………
Exercice 10 :
Identifier les opérations effectuées dans chaque cas :
IMAGE D’ORIGINE IMAGE TRAITEE OPERATION EFFECTUEE

2
……………………………….

3
……………………………….

4
………………………….

5
……………………………….

6
……………………………….

7
……………………………….
8
……………………………….

9
……………………………….

10
……………………………….
Exercice 11 :
Déterminez les étapes pour calculer le périmètre crânien à partir de l’image suivante :

Etape 1 ………………………………………………. →

Etape 2 ………………………………………………. →

Etape 3 ………………………………………………. →

Etape 4 ………………………………………………. →

Etape 5 ………………………………………………. →
 Etape 6 ……………………………………………….

Exercice 12 :
Soit l'image (A) à niveaux de gris (8 bits) exprimée par ses intensités :
255 255 255 255 255 255 255 255

255 255 200 200 90 200 200 255

255 200 200 90 200 90 200 255

255 200 90 200 200 200 90 255

255 200 90 90 90 90 90 255

255 90 200 200 200 200 200 90

255 90 200 255 255 255 200 90

255 255 255 255 255 255 255 255

On veut segmenter cette image; pour cela on teste deux techniques de segmentation: par seuillage et
par accroissement de régions:
Pour la segmentation par seuillage, on teste deux seuils:
-seuil1=moyenne des intensités de l'image.
-seuil2=le centre de l'histogramme = 255/2.
Pour la segmentation par accroissement de régions, on utilise le critère d'homogénéité = 60; cela
signifie que
si |A(x,y)-A(x+1,y)|≤60 alors A(x,y) et A(x+1,y) appartiennent à la même région. Affectez le
numéro de la région comme étant la valeur de l'intensité du point; par exemple: si A(x,y) appartient
à la région 3 alors sa nouvelle intensité va être 3.
Donnez, pour chaque technique de segmentation, le résultat de l'image segmentée en se basant
toujours sur l'image d'origine. Pour la segmentation par accroissement, commencez à partir du point
A(1,1).
.
.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

..... ..... ..... ..... ..... ..... ..... .....
. . . . . . . .
segmentation par seuil1

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

..... ..... ..... ..... ..... ..... ..... .....
. . . . . . . .
segmentation par seuil2

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

.... .... .... .... .... .... .... ....

..... ..... ..... ..... ..... ..... ..... .....
. . . . . . . .
segmentation par accroissement
 Exercice 13 :

Appliquez la méthode de Kmeans pour segmenter l'image suivante en trois régions :

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 255 151 151 151 151 151 151 151 151 151 151 151 255 255 0
0 255 255 255 255 255 255 255 255 255 255 255 255 255 255 0
0 255 192 192 192 192 192 192 192 192 192 192 192 255 179 0
0 255 255 255 255 255 255 255 255 255 255 255 192 255 179 0
0 255 255 255 255 255 255 255 255 255 255 255 192 255 179 0
0 0 0 0 0 0 0 0 0 0 0 255 192 255 179 0
0 151 192 192 0 150 150 150 150 150 0 255 192 255 179 0
0 151 192 192 0 128 128 128 128 150 0 255 192 255 179 0
0 151 192 192 0 128 128 0 128 150 0 255 192 255 179 0
0 151 192 192 0 128 128 0 128 150 0 255 192 255 179 0
0 151 192 192 0 0 0 0 128 150 0 255 192 255 179 0
0 151 192 192 0 128 128 128 128 150 0 255 192 255 179 0
0 151 192 192 0 150 150 150 150 150 0 255 255 255 255 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0