Académique Documents
Professionnel Documents
Culture Documents
Traitement d’image
2018/2019
Plan du cours
Compression d'images
Segmentation d'images
Introduction
Domaines d’applications
Définition d’image
Avec le son, l’ image constitue l'un des moyens les plus importants qu'utilise
l'homme pour communiquer avec ses semblables. Les efforts récents
élargissent même cette communication aux machines! Le traitement
d'images est l'ensemble des méthodes qui cherchent à rendre cette opération
plus simple, plus efficace et plus agréable.
Le but de l’analyse d’image est de mesurer des choses par le biais d’une
image.
Introduction
Ces relations avec des domaines variés font que la diversité des
traitements que l'on peut effectuer par voie numérique sur des images est
très grande. Pour illustrer cette diversité, on peut citer quelques exemples:
Exemples d’applications en médecine (a), (b), (c) aide au diagnostique, (d) et (e) détection des
tumeurs cancéreuses à partir d’une mammographie
Domaines d’applications
Exemples d’applications en industrie (a), (b) et (c) robots (d) surveillance de qualité (e)
reconnaissance des pièces mécaniques
D’après le petit Larousse, une image est une représentation d’une personne
Une image est un plan analogique dans lequel les intensités sont réelles.
Images numériques
Une image numérique désigne toute image (dessin, photographie,…)
acquise (par des Convertisseurs Analogique-Numérique situés dans des
dispositifs comme les appareils photo ou caméscopes numériques, les
scanners, les cartes d'acquisition vidéo,…) ou créée (directement par des
programmes informatiques ; ce que l'on appelle par abus de langage les
«images de synthèse »).
Exemples d’image numérique: (a) image acquise, (b) et (c) images de synthèse
Images numériques
Une image est une forme discrète d'un phénomène continu obtenue après
discrétisation. Le plus souvent, cette forme est bidimensionnelle.
L'information dont il est le support est caractéristique de l'intensité
lumineuse (couleur ou niveaux de gris).
18
Discrétisation
195
L’application : I : [ 0, L − 1] × [ 0, C − 1] → [ 0, M ]
p
Images vectorielles
8
Images numériques
Définition d’une image matricielle
Image représentée par un tableau de pixels en 2 dimensions (matrice de pixels)
Hauteur P(i, j)
(lignes)
Largeur
(colonnes)
10
Images numériques
Caractéristiques de l’image matricielle/bitmap
Une image bitmap possède:
Une définition: le nombre de points (pixels) constituant une image: C'est la
multiplication de nombre de colonnes et le nombre de lignes de l’image.
Une image possédant10 colonnes et11 lignes aura une définition de 10 x11.
Nombre total des pixels: C’est le produit L x H qui donne le nombre total
de pixels. Il est généralement exprimé en Megapixels (million de pixels)
• Par exemple, le standard des appareils photo numériques font des photos ayant comme
définition 4000x3000 pixels environ soit un nombre de: 12.106 pixels = 12 MPx.
11
Images numériques
Caractéristiques de l’image matricielle/bitmap
Une image bitmap possède également:
12
Images numériques
Caractéristiques de l’image matricielle/bitmap
Taille
Définition
ition
13
Images numériques
Caractéristiques de l’image matricielle/bitmap
Exercice 1
1.Déterminer le nombre de pixel d'une image 800 x 400. Déterminer en (cm) la
largeur et la hauteur de cette image sachant qu'elle présente une résolution de 72
ppp.
2.Calculer la résolution d’une image bitmap carrée de côté 10 cm et de définition 800
× 800.
Réponse
1. Une image 800 x 400 est constituée de 320 000 pixels.
14
Images numériques
Caractéristiques de l’image matricielle/bitmap
image
Matrice
Ex. quel est le poids en (Octet ) de l’image d'une définition de 640 x 480 codée
sur 1 bit (noir et blanc) ?
Poids= 640 x 480 x 1 bit = 307200 x (1/8) = 38400 Octet =37,5 Ko
16
Images numériques
Codage d’une image bitmap
Codage 8 bits par pixel: image en niveaux de gris
Chaque pixel peut prendre 28 = 256 valeurs de gris
Ex. quel est le poids en (Octet )d'une image d'une définition de 640 x 480 codée
sur 8 bit (niveaux de gris) ?
Poids= 640 x 480 x 8 bit =307200 x (8/8) = 307200 Octet =300Ko
17
Images numériques
Codage d’une image bitmap
Codage 24 bits par pixel en Rouge Vert Bleu
RVB
Il existe plusieurs modes de codage des couleurs d’une image numérique, le
plus utilisé pour le maniement des images est l'espace colorimétrique Rouge,
Vert, Bleu (RVB ou RGB : Red Green Blue) par synthèse additive.
Le codage de la couleur est réalisé sur 3 octets (24 bits) dont les valeurs
codent la couleur dans l'espace RVB.
18
Images numériques
Codage d’une image bitmap
Codage 24 bits par pixel en Rouge Vert Bleu
RVB
Une image numérique RVB est représentée par 3 tableaux à 2 dimensions (3
plans couleur) dont la taille dépend du nombre de pixels contenus dans
l’image.
Chaque plan est codé comme une image en niveaux de gris, avec des valeurs
allant de 0 à 255.
Pour passer d’une image couleur à une image en niveau de gris, on utilise la
formule suivante: R + V + B
G =
Lorsque R=V=B, la couleur associé est un niveau de gris. 3
20
Images numériques
Codage d’une image bitmap
Les différents systèmes de colorimétrie :
21
Images numériques
Codage d’une image bitmap
Codage 24 bits par pixel en RVB Rouge Vert Bleu
Exercice 2
1. Indiquer par combien de bits est codée chacune des 3 couleurs en mode
couleurs 24 bits (ou couleurs vraies). Donner la valeur minimale et maximale
de chacune des 3 composantes. Déterminer le nombre de nuances de couleurs
obtenues avec ce type de codage couleur.
2. Indiquer quelle couleur est obtenue pour une intensité maximale des 3 couleurs
RVB?
3. Indiquer quelle couleur est obtenue pour une intensité minimale des 3 couleurs
RVB?
Réponse
1. Chacune des 3 couleurs est codée sur 8 bits. Chacune des 3 composantes
présente une valeur comprise entre 0 (Min) et 255 (Max). Avec ce type de
codage on obtient 256x256x256 = 16,8 Millions de couleurs.
2. Les intensités maximales des 3 couleurs (RVB) produisent une lumière blanche
3. Les intensités minimales des 3 couleurs (RVB) produisent une lumière noire.
22
Images numériques
Image vectorielle: Définition
Image représentée par des formes géométriques simples (arcs de cercle /
ellipse, segments de droite, courbes de Bézier...), auxquelles on peut
appliquer différentes transformations : rotations, écrasement, mise à l'échelle.
24
Images numériques
Comparaison: image matricielle vs vectorielle
Avantages : Avantages :
Aucun calcul pour l’affichage Peu de place en mémoire
La complexité de l’image n’influe On peut l’agrandir à l’infini: la
pas sur sa taille. qualité n’est pas modifiée
Inconvénients: Inconvénients:
Peuvent occuper beaucoup L’image ne doit pas être trop
d’espace mémoire. complexe
25
Images numériques
Formats des images: Définition
Les images numériques se retrouvent dans un format donné, au même titre
que d'autres fichiers informatiques (.docx pour MS Word, .pptx pour MS
PowerPoint, .avi pour une vidéo, …).
Une image numérique est nécessairement doit être visualisée et utilisée via un
format adéquat, pour des raisons de poids informatiques notamment.
26
Images numériques
Formats des images: Formats à privilégier
Poids de
Nom du format Type d’image Points forts Points faibles
fichier
JPEG / JPEG 2000
simplicité, l’universalité et la Compression destructrice
Joint Photographic Matricielle Faible
légèreté. et irréversible
Experts Group
Possibilité d'animation et de
GIF (Graphical
Matricielle transparence, compression Limité à 256 couleurs Faible
Interchange Format)
efficace
PNG (Portable Excellente compression sans Pas très efficace pour les
Matricielle Moyen
Network Graphics) perte. larges photographies
Format par défaut Disponible uniquement
BMP
Matricielle de Windows sur la plateforme de Elevé
(Bitmap)
Microsoft
TIFF (Tagged Image File
Compression sans perte Lourdeur des fichiers non
Format) Matricielle Moyen
efficace. compressés.
27
Images numériques
Formats des images: Meilleur choix
Critère Format d’image
Le TIFF ou le PNG
(pas le JPEG à cause de la
Meilleure qualité pour l'archivage
compression)
28
Images numériques
Exercices
Exercice n°3 :
1. Quelle est la taille en pouces puis en centimètres d’une image numérique dont la résolution
est de 200 dpi et les dimensions en pixels sont 2000 x 3000 ?
2. Calculer la définition en pixels d’une photographie de 5 pouces sur 7 numérisée à 400 dpi ?
3. Donner la résolution (dpi) d’une image de 8,5 x 11 pouces et qui possède des dimensions en
pixels de 2550 x 3300 ?
4. Quelle est la taille en pixels d’une photographie de 20cm x 10cm numérisée à 300 dpi ? 150
dpi ? 100 dpi ? Dans les trois cas, indiquer également la taille d’un pixel. Conclure.
Exercice n°4 :
1. Calculer le poids du fichier d’une image de 1000 x 2000 pixels capturée en mode 4 bits
(profondeur de bit) ? (en octet puis en Ko)
2. Quelle est le poids du fichier d’une image de 11 x 8,5 pouces capturée en mode 32 bits
(profondeur de bit) à 100 dpi ? (en octet puis en Ko puis en Mo).
3. Donner le poids en Mo du fichier d’une image A4 (210 mm * 297 mm)en RVB à 150 dpi ? à
300dpi ? à 600dpi ?
29
Images numériques
Exercice °5: Nombre de pixels d’une image
Soit une image de 50,0 cm x 70,0 cm dont la résolution est 400 dpi.
1.Calculer le nombre de pixels par centimètre.
2.Calculer le nombre de pixels représentant la hauteur de cette image.
3.Calculer le nombre de pixels représentant la largeur de cette image.
4.Calculer le nombre total de pixels pour cette image.
Exercice n°6: Mémoire de stockage :
Pour une image de 10,0 cm x 12,0 cm dont la résolution est 300 dpi :
1.Calculer le nombre de pixels par centimètre.
2.Calculer le nombre de pixels représentant la hauteur de cette image.
3.Calculer le nombre de pixels représentant la largeur de cette image.
4.Calculer le nombre total de pixels pour cette image.
5.Calculer l’espace mémoire nécessaire pour un codage noir et blanc de cette
image.
6.Calculer l’espace mémoire nécessaire pour un codage en niveau de gris de
cette image.
7.Calculer l’espace mémoire nécessaire pour un codage 24 couleurs de cette
image.
30
Images numériques
Exercices: Correction
Exercice n°3 :
Exercice n°4 :
31
Images numériques
A retenir pour cette partie :
Image numérique
Définition, Types, Caractéristiques
32
Contenu d’une image numérique :
Contenu d’image
Contour: limite entre deux (ou un groupe de) pixels dont la différence de
niveau de gris (couleur) est significative.
46
Caractéristiques d’une image numérique : Bruit
La seconde image apparaitre plus nette, c’est une image plus claire
C’est le degré de luminosité des points de l’image. Elle est définie aussi comme
étant le quotient de l’intensité lumineuse d’une surface par l’aire apparente de
cette surface, pour un observateur lointain, le mot luminance est substitué au
mot brillance, qui correspond à l’éclat d’un objet.
La luminance (ou brillance) est définie comme la moyenne de tous les pixels de
l’image.
Caractéristiques d’une image numérique : Contraste
C’est l’opposition marquée entre deux régions d’une image, plus précisément
entre les régions sombres et les régions claires de cette image.
C'est à dire que H(k) traduit le nombre d'apparitions du niveau de gris k dans
l'image I. L'histogramme est un outil privilégié en analyse d'images, car il
représente un résumé simple, mais souvent suffisant du contenu de l'image.
Caractéristiques d’une image numérique : Histogramme
Image niveau de gris
Pour une image d’intensités, un histogramme possède 2d valeurs en
abscisses (256 pour 8bits; 16 pour 4bits, etc..) et représente, le nombre de
pixels en ordonnées.
Dans cet exemple, les tons clairs sont plus présents que les tons foncé
H C ( 0 ) = H (0)
, il est défini récursivement par
H C ( i ) = H C (i − 1) + H (i )
H (i )
H n (i ) = , avec N le nombre de pixels
N
Cumulé Normalisé
Hcn(i) : est le taux de pixels dont le niveau de gris est inférieur à i:
H C (i )
H Cn ( i ) = H Cn ∈ [ 0,1]
N
Traitement d’Images numériques
2. Manipulation d’histogramme
Exemple d’ Histogramme cumulé: Histogramme
64
Traitement d’Images numériques
2. Manipulation d’histogramme
Exemple d’Histogramme d’une image en couleur:
Plusieurs histogrammes sont nécessaires (selon l’espace colorimétrique).
Pour une image couleur en RVB; 4 histogrammes sont nécessaires : distribution de la
luminance et distributions respectives des composantes rouge, Verte et bleu
H-niveaux-gris
image origine
2000
0
0 100 200
H-composante bleu H- compostante verte
4000 4000
2000 2000
im = imread(‘lena.jpg') ;
0 0
0 100 200 300 0 100 200 300 hr = imhist(im(:,:,1)) ;
H-composante rouge H-trois composantes RVB
4000 4000 hv = imhist(im(:,:,2)) ;
2000 2000
hb = imhist(im(:,:,3)) ;
0 0
0 100 200 300 0 100 200 300
65
Traitement d’Images numériques
2. Manipulation d’histogramme
g. Egalisation (ou linéarisation) de l’histogramme
But : amélioration du contraste
Consiste à équilibrer le mieux possible la distribution des pixels dans la
dynamique.
Obtenir un histogramme plat où l’on affecte le même nombre de pixels pour
chaque niveau de gris (ceci étant impossible à réaliser pour les images
numérique à cause de la nature discrète de l'histogramme et de la
quantification des niveaux de gris (qui nous limite à un nombre fini de
niveaux)).
66
Traitement d’Images numériques
2. Manipulation d’histogramme
Exemple d’égalisation de l’histogramme d’une image en niveaux
de gris:
image origine histogramme
1000
500
0
0 100 200
i = imread(cameraman.tif')
Histogramme aprés égalisation image apés égalisation imhist(i)
he=histeq(i);
1000
500
0
0 100 200
67
Traitement d’Images numériques
2. Manipulation d’histogramme
Exemple d’égalisation de l’histogramme d’une image couleur:
im= imread(lena.jpg')
H-trois composantes RVB H-bleu-aprés égalisation
er=histeq(im(:,:,1));
10000 10000 ev=histeq(im(:,:,2));
eb=histeq(im(:,:,3));
5000 5000
0 0
0 100 200 300 0 100 200 300
H-vert-aprés égalisation H-bleu-aprés égalisation
10000 10000
5000 5000
0 0
0 100 200 300 0 100 200 300
68
Traitement d’Images numériques
2. Manipulation d’histogramme
h. Seuillage
Seuillage (tresholding) : traitement ramenant l’image à deux ou quelques
niveaux d’intensité
Binarisation (binarization) : traitement ramenant l’image à deux Niveaux⇒
seuillage binaire 0 si f(x,y)< S avecS∈[0,255]
f
Le seuillage binaire est défini par : S ( x, y) =
255 si non
69
Définitions principales : Maillage
Trois types qui résultent de différentes tessélations du plan par des figures
géométriques.
Tout pixel d'une image est caractérisé par un couple de coordonnées (x,y).
On peut donc calculer des distances entre pixels. Les distances les plus
courantes sont (pour deux pixels P(xp, yp) et Q(xq, yq)):
Distance de Manhattan : d 1 ( P , Q ) = x p − x q + y p − y q
d2 (P,Q ) = (x − xq ) + ( y p − yq )
2 2
Distance Euclidienne : p
d in f ( P , Q ) ≤ d 2 ( P , Q ) ≤ d 1 ( P , Q )
Définitions principales : Voisinages - Ordre de connexité
Ordre de connexité
x2 y2
( h * I )[ x , y ] =∑ ∑ h[ i , j ] ⋅ I [ x − i , y − j]
h[x,y] i = x1 j = y 1
49
Acquisition d’une image : Acquisition
Capteur photographique
Codage : les niveaux de quantification sont codés sous la forme d’un mot
32, 64 bits…
Acquisition d’une image : Numérisation
Une image numérique 2d est représentée par un tableau I de h lignes et w
colonnes. Le pixel est désigné par un couple (i, j) où i est l' indice de
colonne; i ∊ {0, h-1}, et j l' indice de ligne j ∊ {0,w-1}. w est la largeur, h la
hauteur de l' image I. Par convention, le pixel d’origine (0,0) est en général en
haut à gauche.
du capteur.
que les détails sont moins visibles et moins précis, quand la résolution
spatiale diminue. .
Différentes approches :
Autres méthodes
41
Amélioration des images
1. Transformations sur les
images
Au cours du processus de traitement et d’analyse, l’image subit une série de
transformations.
f(x,y) T[f(x,y)] f(x,y)
52
Amélioration des images
1. Transformations sur les images
Transformations Ponctuelles:
A partir d'une image source, la nouvelle valeur du pixel dépend uniquement
de son ancienne valeur.
53
Amélioration des images
1. Transformations sur les images
a. Transformations ponctuelles: Inversion Dynamique
Distingue mieux certains détails en blanc sur fond noir qu’en noir sur fond blanc
54
Traitement d’Images numériques
1. Transformations sur les images
b. Transformations Ponctuelles: Correction gamma
Applique une transformation non linéaire à chaque pixel.
Le facteur gamma va définir la courbe non linéaire qui va être appliquée.
Niveau d’intensité
transformé L-1 : valeur maximale de
g(x,y) l’intensité
55