Académique Documents
Professionnel Documents
Culture Documents
Chap 3 Ttimages
Chap 3 Ttimages
Prétraitement et Filtrage
des images numériques
IBTIHEL NOUIRA
2023-2024 Ing2
Chapitre 3 : Prétraitement et Filtrage des images numériques
Plan :
1. Introduction
2. Opérations sur les images
3. Histogramme
4. Amélioration d’image
5. Convolution Discrète
6. Filtrage numérique
2
Introduction
Une chaîne de traitement d’images peut se définir à travers une suite de différentes phases :
• L’acquisition d’une image est une phase délicate et cruciale qui influe sur la qualité de
perception d’une image
• L’image à la sortie d’un capteur doit être traitée (prétraité) avant d’être soumise a
d’autre manipulations plus complexes.
• Les systèmes d’acquisition d’images sont loin d’être parfaits, ils souvent sollicités a
différents types de bruits : éclairage, qualité du capteur, bruit électronique du capteur, ...
M. Abdellaoui
3
Introduction
Le prétraitement regroupe toutes les techniques, qui ont lieu juste après l’acquisition des images et
visant à améliorer les caractéristiques d’une image, dans le but de :
• Permettre une meilleure visualisation de l’image
• Faciliter les traitements ultérieurs
Le prétraitement regroupe l’ensemble des processus visant à améliorer les caractéristiques d’une
image
4
Opérations sur les images
Addition d’images :
Principe : I(a, b)= I1(a, b) + I2(a, b) pour tout pixel de coordonnées (a, b).
Stratégies pour le dépassement de capacité :
- Décalage des valeurs dans [0, 127] avant addition (perte du bit de poids faible).
- Saturation : I (a, b) = min ( I1(a, b) + I2(a, b), 255)
Applications :
-Augmentation de la luminance d’une image (par addition d’une constante ou d’une
image avec elle-même).
- Diminution du bruit dans une série d’images.
5
Opérations sur les images
Soustraction d’images
Principe : I(a, b)= I1(a, b) - I2(a, b) pour tout pixel de coordonnées (a, b).
Stratégies pour le dépassement de capacité :
- Saturation : I (a, b) = max ( I1(a, b)-I2(a, b), 0)
- Différence absolue : I (a, b) = Abs ( I1(a, b) - I2(a, b)).
Applications :
- Diminution de la luminance d’une image
- Détection de changements entre les images :
• Défauts (par comparaison avec une image de référence)
• Mouvements (par comparaison avec une autre image de la séquence)
6
Histogramme
7
Histogramme
8
Histogramme
Application : calcul de l’histogramme d’une image
9
Histogramme
Histogramme cumulé d’une image
10
Histogramme
Histogramme d’une image couleur :
11
Histogramme
12
Histogramme
13
Histogramme
14
Amélioration d’image
15
Amélioration d’image
16
Amélioration d’image
17
Amélioration d’image
18
Amélioration d’image
19
Amélioration d’image
20
Amélioration d’image
21
Amélioration d’image
22
Amélioration d’image
23
Amélioration d’image
24
Amélioration d’image
25
Amélioration d’image
Restauration d’images
26
Convolution Discrète
27
Convolution Discrète
28
Convolution Discrète
29
Convolution Discrète
30
Convolution Discrète
31
Filtrage numérique
32
Filtrage numérique
Bruit dans une image:
Le bruit dans une image est généralement défini comme étant une valeur de niveaux de
gris aberrante par rapport à son voisinage.
Le bruit dans une image est lié à différentes sources telles que l’environnement
d’acquisition, une erreur de conversion analogique numérique…
Les filtres de lissage sont généralement utilisés pour éliminer ou réduire l’effet du bruit.
D’une façon générale, le bruit est un signal aléatoire qui s’ajoute par addition (bruit
Gaussien) ou par multiplications à l’image.
Applications :
I = imread('eight.tif'); figure, imshow(I)
K= imnoise(I,’salt & pepper‘ ,0.02); figure, imshow(K)
J = imnoise(I,'gaussian',0.02); figure, imshow(J)
33
Filtrage numérique
Nature des filtres :
Les filtres peuvent être de différentes natures avec divers effets.
Les caractéristiques principales d’un filtre sont :
- La taille : il s’agit du nombre de voisin affecté par l’effet du filtre.
- Le contenu : il s’agit de la nature des opérations effectuées sur les pixels voisins.
Natures de filtres :
1). Filtres de lissage : filtre passe-bas
Effet : lissage de l’image
Avantage : diminution du bruit
Inconvénient : augmentation du flou dans l’image
Exemples : filtre Moyenne, filtre Gaussien, filtre Médian …
34
Filtrage numérique
Filtres Moyenneur :
35
Filtrage numérique
Filtres Gaussien :
36
Filtrage numérique
37
Filtrage numérique
Filtre médian :
38
Filtrage numérique
39
Filtrage numérique
Filtres non linéaires
40
Filtrage numérique
Autres filtres de Lissage ( passe-bas) :
41
Filtrage numérique
Détection de Contours
42
Filtrage numérique
Détection de Contours :
Définition :
- Un contour est généralement la limite qui sépare les
objets qui constituent l’avant-plan (foreground) et
l’arrière-plan (background).
- Un contour est caractérisé par un changement brusque
d’intensité lumineuse.
- Un filtre passe-haut est utilisé pour la détection du
contour
Méthode :
Le gradient (première dérivée) ou la Laplacien
(deuxième dérivée) de l’image sont les opérateurs de
bases pour déterminer les contours dans l’image.
43
Filtrage numérique
Détection de Contours :
44
Filtrage numérique
Détection de Contours :
Mise en évidence des zones de contours :
45
Filtrage numérique
Filtres linéaires
46
Filtrage numérique
Détection de Contours :
Filtres de Sobel :
47
Filtrage numérique
Détection de Contours :
Filtres de Sobel :
48
Filtrage numérique
Détection de Contours :
Filtres de Prewitt :
49