Traitement D'image Médicale - EL BAYDAOUI

Cycle d’ingénieur : Ingénieurie Biomédicale
Ecole Supérieure de Génie Biomédical

Université Mohammed VI des Sciences de la Sante - Casablanca
CYCLE D’INGENIEUR : INGENIEURIE BIOMEDICALE

(2ème année)
Module : Traitement d’images Médicales

Pr. Redouane EL BAYDAOUI
Département technologies biomédicale et biophysique
Institut supérieur des sciences de la santé, Université Hassan 1er – Settat
Email : redouane.elbaydaoui@uhp.ac.ma
Plan
I. Introduction à générale
II. Principe fondamental de la formation et numérisation d’image
III. Formation d’image médicale
IV. Techniques de base en traitement d’images
Pr. EL BAYDAOUI Redouane 1

I- Introduction générale
Avant tout ...qu'est ce qu'une

image ?
C'est une représentation en deux dimensions d'une

grandeur physique mesurée point par point selon un plan
donné dit plan d'incidence.

Qu'est ce qu'une lumière ?
Rayonnement d’énergie électromagnétique
Onde électromagnétique - photon
• La vitesse de la lumière : C (vide)

• La vitesse de propagation : V (milieu)
1 - Lumière : Onde électromagnétique
Pour ioniser le milieu

La lumière monochromatique est doté par : Énergie suf+isante
• D’une fréquence : f (Hz)

• D’une longueur d’onde : λ (m)

1 - Lumière : Onde électromagnétique
2 - L’ œil humain : Comparable à une chambre photographique
• Une « chambre noire » Sphérique
• Un « objectif » cornée et cristallin
• Un « diaphragme » l’iris , la pupille
• La « surface sensible » la rétine

3 - La rétine / CCD
La rétine CCD
Cellules photo - réceptrices : deux catégories :

• Les bâtonnets : 120 millions dans chaque œil
• Les cônes :
- 6 à 7 millions dans chaque oeil
- 3 types de cônes modèle de couleur 3D
Comparaison :
• Rétine : 140 millions de photorécepteurs

• Appareil photo numérique : 10 millions de pixels
4 - Représentation colorée d’image : Système de couleurs additif

5 - Domaines d’applications :
§ Communications : Diffusion de la TV, vidéoconférence, éducation à distance,

surveillance, …
§ Télédétection : Cartographie, agriculture, météorologie, surveillance de

désastres,...
§ Médical : Rayons X, Tomographie, RMN, Ultrasons, ...
§ Industrielles : Robotique, Control de processus,...
7 - Exemples d’images numériques : Visible

7 - Exemples d’images numériques : Imagerie thermique
7 - Exemples d’images numériques : Imagerie radar

7 - Exemples d’images numériques : Imagerie par Résonance Magnétique (IRM)
7 - Exemples d’images numériques : Imagerie radiologique

7 - Exemples d’images numériques : Imagerie scintigraphie ou PET
7 - Exemples d’images numériques : Bio-médicale
Microscopie optique

8- Systèmes à base de Traitement d’image
9- Les étapes du traitement numérique d’une image
3 étapes fondamentales :
• Acquisition : scène physique représentation numérique ;
• Traitement : Extraction de l’information pertinente par segmentation ;
• Analyse et interprétation : description structurelle de l’image.

II- Principe fondamental de la

formation et numérisation d’image
II- Principe fondamental de la formation et numérisation d’image

1- Formation de l’image :
Distribution d’ intensité́ lumineuse “luminance”, “ brithness” :
C(x,y,λ,t) : La distribuMon d’énergie de la source ;

S(λ) : Sensibilité́ du capteur ;
I(x,y) : traduit l’évoluMon de l’intensité́ de la lumière au point de coordonnées spaMales (x,y).


2- Acquisition de l’image :
ProjecMon 2D d’une scène 3D
Image
Scène 3D Image 2D Numériseur
numérique

3- Numérisation de l’image :
DiscréMsaMon de l’espace et de l’intensité :́
• EchanPllonnage
• QuanPficaPon


3- Numérisation de l’image : Echantillonnage spatial (1/2)
• DiscréMsaMon de l’espace 2D :
• Exemple : Camera CCD standard : échanMllonnage par construcMon

( 512 x 512 = 262 144 pixels)

3- Numérisation de l’image : Quantification (2/2)
v Type :
• 1 bit : 2 niveaux de gris (images binaires) ;
• 8 bits : 256 niveaux (images en tons de gris) ;
• 12 bits : 4 096 niveaux (radiographies) ;
• 16 bits : 65 536 niveaux (radiographies + images) ;
• 24 bits : 3 x 8 bits (images couleurs RGB, ...).


3- Numérisation de l’image :

4- Image numérique :
Niveaux de gris Couleur RGB Mul4spectrale


4- Image numérique : Exemples

5- Quelques formats d’images
• TIFF : Formats de numérisaMon ;
• GIF, BMP : Formats d’affichage graphique à point ;
• JPEG, MPEG : Formats d’archivage et de compression ;
• DICOM : Formats d’archivage et de transmission d’images médicales ;
• Etc.

III- Formation d’image

médicale
III-1- Formation d’image médicale : Généralité
Dans le domaine médical, il existe trois modalités d'imagerie :
• Mesure de rayonnement émis, transmis ou réfléchi par la matière : mesure indirecte

du paramètre relatif à l’objet d’intérêt
• Traitement de l’information détectée pour estimer le paramètre

III-1- Formation d’image médicale : Généralité
Différence entre imagerie scintigraphique qui est une imagerie d'émission où le

rayonnement vient du corps du patient et l'imagerie radiologique conventionnelle qui
est une imagerie de transmission où le faisceau est externe et traverse le patient.
III-2- Formation d’image médicale : Radiodiagnostic

1- la radiologie conventionnelle
u Le principe de la radiologie conventionnelle est une impression photographique par les rayons
X sur un film argentique
u La quantité de rayons X reçue dans les différentes zones du film dépendant de l'absorption des
rayons X par les différents tissus traversés soit leur densité.
PaPent Image
Tube RX


i- Image radiante
• Après la traversée d’un milieu, le faisceau X est atténué et modi+ié en fonction des
structures rencontrées.
• Ce faisceau ou « image radiante » peut se représenter sous la forme d’un relief qui
dépend :
– Des formes et des épaisseurs des structures traversées ;

– Des différentes densités rencontrées ;
– De l’importance du rayonnement diffusé.

i- Image radiante


i- Image radiante
v Différences formes et d’épaisseurs :
• Si le milieu est homogène et d’épaisseur constante, l’intensité du faisceau diminue

avec l’épaisseur traversée.
• Si le milieu est homogène et d’épaisseur variable, le faisceau émergent présente un

relief. Plus la différence d’épaisseur est grand, plus le relief est marqué. Ce dernier
est aussi fonction de la densité du milieu traversé et de l’énergie du faisceau
incident.

i- Image radiante
v Différences formes et d’épaisseurs :


i- Image radiante
v Différences de densités : Si le milieu est hétérogène, le relief du faisceau émergent est

plus prononcé quand la différence de densité des structures traversées est
importante.

i- Image radiante
v Influence du diffusé :
• Le rayonnement diffusé naît des interaction Compton qui se produisent lors de la

traversée du milieu par les rayons X.
• La présence de rayonnement diffusé augmente de manière relative la +luence du

faisceaux émergent, entraînant la compression du relief de l’image radiante et
l’effacement des contours de l’objets. Cela se traduit sur l’image +inale par une
baisse du contraste et par un +lou à la limite des organes.


i- Image radiante
v Influence du diffusé :

image
paPent
tube RX


Radiographie : Diffusion Compton

Radiographie : Diffusion Compton


Radiographie : Diff Thomson-Rayleigh
tube RX
paPent




Radiographie : Effet photoélectrique


Radiographie : Effet photoélectrique
électron
rapidement
aeénué

Radiographie
Compton
Thompson =?
Photoélec.


Radiographie
Compton
Thompson =
Photoélec.
+
pas d'inter.
+

2- la tomodensitométrie
Une seule image planaire ne
N0
µ1x1 permet pas de séparer les
µ2x2
différents coefficients
d’absorpMon linéiques µi
Limites de la radiographie
conventionnelle
− ∑ µi xi
N ( x ) = N0 ⋅ e i


La tomographie médicale :
quelles situations ?
Tomographie …. ? Tomographie …. ? Tomographie …. ?

La tomographie médicale :
quelles situations ?
• Mesure de rayonnement émis ou transmis par des

tomodensitomètres, gamma caméras ou tomographes à
émission de positons (ré+léchi = tomographie optique)
• Traitement de l’information détectée


2- la tomodensitométrie : le point clef
Mesures sous différentes incidences

angulaires

i- Mise en évidence des densités radiologiques :
• Pour comparer l’ensemble des densités présentes dans le corps humain, Hounsfield les
classe sur une échelle (qui porte son nom) en prenant pour référence la valeur de
l’absorpMon de l’eau.
• Il propose ensuite une méthode d’observaMon (fenêtrage) qui permet de centrer l’étude en
contraste sur une porMon précise de l’échelle de Hounsfield.
• Ce concept qu’il a imaginé ne peut être exploité qu’un condiMon de transformaMon les
profils d’intensité de l’image radiante en signal numérique.


i- Mise en évidence des densités radiologiques :
Que représente l’échelle de

Hounsfield ?

i- Mise en évidence des densités radiologiques : Représenta.on des images
• Dans les années 1960, G. Hounsfield a réparM sur une échelle 2000 coefficients d’aeénuaMon (μ)
suscepMbles d’être présents dans le corps humain (air, Mssus mous, os, métal), en proposant une
nouvelle unité qui porte son nom : l’Unité Hounsfield (UH).
• Nombre CT (NCT ou nombre Hounsfield)

- Coefficient linéique du Mssu relaMf à l’eau
µ tissu − µeau
NCT ( tissu ) = 1000 (unité : -; HU)
µeau
- Valeurs typiques
• NCT(eau) = 0 (par définiMon)
• NCT(air) = -1'000
• NCT(os) = 250 à 2'000


NCT Os
compact
1000
800 80
Foie
600 70
Sang
400 Os 60
spongieux 250 Pancréas
200 200 50
Eau +4 50 Reins
0 -4 Graisse -80 40
-100
-200 30
-400 20
Poumons
-550
-600
10
-800
0
Air -990 -950
-1000 -1000

Comment exploiter l’échelle

de Hounsfield ?


i- Mise en évidence des densités radiologiques : Technique de fenêtrage
• L’échelle de Hounsfield peut en théorie être composé de plusieurs milliers de niveaux de

gris différents (un niveau de gris par UH). Or, l’œil humain ne peut en disMnguer qu’une
vingtaine
• Le fenêtrage ou windowing est une opéraMon de n’aeribuer l’échelle de gris qu’à une
porMon spécifique de l’échelle de Hounsfield, afin de pouvoir étudier avec un contraste «
visible » les Mssus souhaités.
Compenser les limites physiologiques de l’œil humain.

• Une fenêtre est caractérisée par :
- Son niveau « WL » (window level) ;
- Sa largeur « WW » (window width).

• Le niveau définit le centre de la fenêtre et s’approche de la valeur Hounsfield de la structure

étudiée.
• La largeur représente le pouvoir de discriminaMon visuelle des valeurs Hounsfield. Elle doit être :
- Soit étendue pour l’étude d’un maximum de structures de densités différents et espacées sur
l’échelle de Hounsfield ;
- Soit étroite pour obtenir une discrimina4on dans l’étude de structures de densités très
voisines.
• Les fenêtres « osseuses », « pulmonaires » et « molles » consMtuent les trois grands types de
fenêtrage.


NCT
3000
sont blancs
ces pixels
• Technique de fenêtrage
• Dynamique de l’œil 2000
• env. 200 niveaux de gris disMnguables

• impossible de disMnguer les 4000 niveaux
disponibles 1000
C/W : 50, 400

• On limite le niveau d’analyse fenêtre médiasPn
lorsque l’on interprète l’image
sont noirs
ces pixels
0
-1000

NCT
3000
• Technique de fenêtrage
C/W : 1000, 2500
fenêtre osseuse
• Dynamique de l’œil 2000
• env. 200 niveaux de gris disMnguables

• impossible de disMnguer les 4000 niveaux
disponibles 1000
C/W : 50, 400
• On limite le niveau d’analyse fenêtre médiasPn
lorsque l’on interprète l’image 0
C/W : -600, 1600

fenêtre pulmonaire
-1000



i- Mise en évidence des densités radiologiques : Exemples de reformatage
Coupe transverse Coupe sagi_ale Coupe coronale


• Le scanner est une chaîne radiologique avec un tube à rayons X et un ensemble de

détecteurs disposés en couronne.
• Le principe repose sur la mesure de l’aeénuaMon d’un faisceau de rayons X qui traverse un
segment du corps. Le tube et les détecteurs tournent autour de l’objet à examiner.
• De mulMples profils d’aeénuaMon sont obtenus

à des angles de rotaMon différents. Ils sont
échanMllonnés et numérisés.
• Les données sont rétro projetées sur une matrice

de reconstrucMon puis transformées en image
analogique.

ii. Fondement physique de la tomodensitométrie
Plusieurs images prises à différents

angles permeeent de séparer les
différents coefficients d’absorpMon
linéiques µi


Tube RX
urs
cte
te
dé

• La rotaMon du tube est très rapide

• 1 à 3 tours/s
• La table avance en même temps que

le tube tourne
• jusqu’à 5 cm/tour de tube
Tube RX Détecteurs


Procédure en 2 étapes :
• Étape 1 : acquisiPon des profils

d’aeénuaMon de RX sous différents
angles (projecMons)
• Étape 2 : reconstrucPon de l’image à

parMr des profils

ii. Fondement physique de la tomodensitométrie : AAénua.ons
• Un faisceau de rayons X traversant un objet homogène

d'épaisseur x subit une aeénuaMon, foncMon de la
densité électronique de l’objet.
• La valeur de l’aeénuaMon est obtenue par soustracMon

entre l’intensité du faisceau de rayons X avant et après
traversée de l’objet. Elle est définie par la relaMon :


ii. Fondement physique de la tomodensitométrie : Projec.ons
• Le détecteur transforme les photons X en signal électrique. Ce

signal est directement proporMonnel à l’intensité du faisceau
de rayons.
• Le profil d’aeénuaMon ou projecMon correspond à l’ensemble

des signaux électriques fourni par la totalité des détecteurs
pour un angle de rotaMon donné. Un mouvement de rotaMon
autour du grand axe de l’objet à examiner permet
d’enregistrer une série de profils d’aeénuaMon résultants de la
traversée de la même coupe selon différents angles de
rotaMon.

• ProjecMon d'un faisceau de RX collimaté à un

angle donné au travers du paMent
• La collimaMon permet de réduire la dose au

paMent ainsi que le rayonnement diffusé sur le
détecteur


• Un profil d’aeénuaMon et l'ensemble des rayons mesurés sur le long d'une barreee
de détecteurs
Une barre_e de détecteur

conMent env. 1’000 pePts
détecteurs
Les CT actuels disposent de 4 à

320 barreees
RX

ii. Fondement physique de la tomodensitométrie : Mesures
• Donne des informaMons sur l’aeénuaMon induite pas les Mssus, donc sur la densité des
Mssus
• ProjecMon du rayonnement ayant traversé le paMent
Si signal recueilli ~ signal source : ⇒ quasiment pas d’aeénuaMon : poumons ?

Si signal recueilli <<< signal source : ⇒ beaucoup d’aeénuaMon : os ?


Comment remonter à une

information précise ?

iii. Caractérisa.on de l’aAénua.on d’un milieu
N = N0 exp (-μ L)
Exemple : Dans l’eau, à 140 keV : μ = 0,15 cm-1

• Quel pourcentage de photons de 140 keV après la traversée de 20 cm d’eau ?
N = N0 exp (-0,15 x 20) = 0,05 N0, soit 5%
• Quel milieu si on détecte 45% des photons de 140 keV après la traversée de 20 cm de ce milieu ?
N/N0= 0,45 = exp (- μ x 20)
20 μ = - ln 0,45 => μ = 0,04 cm-1 (poumons)


iv. Modélisa.on des mesures
• AeénuaMon d’une source γ ou X

dans un milieu homogène de
coefficient d’aeénuaMon μ (en
cm-1) ?
• FormulaMon discrète :
N = N0 exp (-μ l) exp (-μ l) exp (-μ l) exp (-μ l)

= N0 exp(-μ l - μ l - μ l - μ l) = N0 exp(-4 μ l)

• AeénuaMon d’une source γ ou X dans un milieu de densité inhomogène


• FormulaMon discrète
Tube RX
µ1
µ2
paPent
µi
Δl
N0 N
Détecteur

• FormulaMon discrète
N = N0 exp (-μ1 l -μ2 l –μ3 l ........-μi l)
= N0 exp[(-μ1 -μ2 –μ3 ........-μi).l ]
µ1
µ2
µi
• Problème à résoudre : Trouver μ(l), qui représente la Δx
cartographie du coefficient d’aeénuaMon dans le milieu
N


En pratique…. ?

Le problème de reconstruc4on tomographique :
EsMmer la distribuMon du paramètre d'intérêt à parMr de ses mesures intégrales


v. Formula.on du problème en 3D
• Un ensemble de projecMons 2D
reconstrucMon d’un objet 3D

• Volume 3D à parMr d’images 2D
Projection 2D
cartographie 3D
d’un paramètre
coupe transaxiale
Volume 3D
Volume 3D reconstruit à par4r de la reconstruc4on d’un ensemble d’images 2D


• Volume 3D à parMr d’images 2D
Dans un premier temps, il suffit donc de

comprendre comment on reconstruit l’image
d’une coupe

ReconstrucMon d’un objet

2D (coupe zi)
ensemble de coupes zi =
volume d’intérêt


La reconstruction tomographique en général

EsMmaMon d’un volume 3D en reconstruisant indépendamment un ensemble de coupes 2D

Pourquoi est-ce dif+icile ?


v. Formula.on du problème en 2D : Non unicité de la solu.on
Pas de soluMon unique : toujours plusieurs objets compaMbles avec un ensemble fini de
projecMons
o 1 projecMon : plusieurs
soluMons possibles
o 2 projecMons : plusieurs
soluMons possibles
Unicité de la soluMon pour une infinité de projecMons seulement

v. Formula.on du problème en 2D : Bruit
• Pas de soluMon du fait du bruit entachant les données
Mesures imparfaites


v. Formula.on du problème en 2D : Problème inverse mal posé
• Problème inverse : On dispose de mesures et il faut trouver ce qui a

produit ces mesures
• Problème mal posé :

La soluMon est instable : une peMte différence sur les projecMons peut
conduire à des coupes reconstruites très différentes

Quelle théorie à émis

Johan Radon ?


v. Formula.on du problème en 2D : La théorie de Radon
• Le mathémaMcien Johann Radon (1887-1956) développa en 1917 une méthode mathémaMque sur
laquelle s’appuieront les fondements théorique de la tomodensitométrie.
• La théorie de Radon établit la possibilité de reconsMtuer un objet au moyen des projecMons.

• Formula4on con4nue de l’opéra4on de projec4on :


• Formula4on discrète de l’opéra4on de projec4on
Calculer les 2 projecMons de la distribuMon d’acMvité représentée

• Transformée de Radon :
ensemble des projecMons pour θ = [0, π ] = transformée de Radon

de f(x,y)
f(x,y) p(u,θ)
domaine spaMal espace de Radon
Problème de reconstrucMon tomographique :
inverser la transformée de Radon, i.e., & esMmer f(x,y) à parMr de p(u,θ)


Comment exploiter la
théorie de Radon ?

• En 1963, en remplaçant des films radiologique par des cristaux et en s’appuyant sur la
théorie de Radon et sur les progrès de l’informaMque (mesure de faible différences de
densité et propose une théorie de reconstrucMon par ordinateur).
• Parallèlement, en 1968, G. Hounsfield oriente ses recherche sur un travail de

reconnaissance des formes géométrique par ordinateur. En divisant un volume en un
grand nombre de peMts cubes il a pu mesurer la valeur moyenne d’absorpMon de
élément traversé par un faisceau de rayons X


Image CT ?
• L’image est consMtuée de pixels;

• Chaque pixel représente la mesure de l’aeénuaMon moyenne des RX d’un voxel

Comment obtenir une coupe

tomodensitométrique?


v. Formula.on du problème en 2D : Principes mathéma.ques de la reconstruc.on

v. Formula.on du problème en 2D : Principes mathéma.ques de la reconstruc.on
Les méthodes de reconstrucMons mathémaMques permeeant de résoudre la matrice, c’est-à-

dire de reconstruire une image informaMque, peuvent être réparMes en deux classes :
• La première uMlise des méthodes dites algébrique : reconstrucMons par itéraMons ;
• La seconde uMlise des méthodes dites analyMques : rétroprojecMon par transformée

de Fourier.


D’abord …
Acquisition en rotation….?

v. Formula.on du problème en 2D : Acquisi.on en rota.on
Profil de transmission


2- la tomodensitométrie Empilement des profils d’aeénuaMon en
foncMon de l’angle du tube RX
Sinogramme
v. Formula.on du problème en 2D : Sinogramme
Sinogramme = signal issu d’une coupe zi vue sous
différentes incidences θ
Angle du tube RX
Profil de transmission

v. Formula.on du problème en 2D : Sinogramme et projec.on
• Les sinogrammes et les projecMons conMennent les mêmes informaMons : ils ne diffèrent
que par l’organisaMon avec laquelle les informaMons sont représentés.
• Un sinogramme : toute l’informaMon relaMve à une

coupe, obtenue pour tous les angles de projecMon.
sinogramme correspondant à la coupe zi
• Une projecMon : l’informaMon relaMve à toutes les

coupes, mais pour une incidence angulaire unique.
projec4on correspondant à l’angle θ


v. Formula.on du problème en 2D : Sinogramme et projec.on
Exemple :
On dispose de 64 projecMons de dimension 128 pixels (dans la direcMon axiale ) x 256 pixels.
• Combien de coupes transaxiales peut-on reconstruire sans interpolaMon ? 128
• Combien de sinogrammes peut-on former à parMr de ces projecMons ? 128
• Quelles sont les dimensions d’un sinogramme ? 64 lignes et 256 colonnes

v. Formula.on du problème en 2D : A quoi correspond ce sinogramme ?





Principe de la méthode algébrique :

reconstructions par itérations

v. Formula.on du problème en 2D : La méthode itéra.ve
• Expression discrète et matricielle du problème de reconstrucMon tomographique
• Inversion itéraMve du système d’équaMons


v Principe général :
• Le principe général de la reconstrucMon est illustré par

la figure sur laquelle le faisceau incident est supposé
parallèle (pour simplifier).
• L’image à reconstruire est composée de m × n points,

appelés pixels (picture elements), affectés chacun d’un
coefficient d’absorpMon μij, (ou d’une densité locale ρij)
qu’il convient de déterminer.
• L’intensité mesurée par le détecteur k quand le réseau de détecteurs est en posiMon 1,
soit I1k

• Les méthodes itéraMves ont en commun une démarche par approximaMons successives en
supposant au départ une distribuMon de densité ρ(x, y) plus ou moins arbitraire ; on calcule
ensuite les projecMons que cet objet devrait donner et on compare le résultat avec les
projecMons expérimentales pour corriger le modèle de départ.
• Après quelques itéraMons, la stabilité est en principe aeeinte si on incorpore dans le

processus de reconstrucMon des contraintes (c’est-à-dire des informaMons supplémentaires
que l’on connaît sur l’objet) comme celle, évidente de posiMvité de ρ(x, y).


v Expression discrète du problème de reconstrucMon
En praMque : système d’équaMons de grande taille 128 projecMons 128 x 128

2 097 152 équaMons à autant d’inconnues

v Expression matricielle du problème de reconstrucMon
Problème : déterminer f connaissant p et R


v A quoi correspond R ?
R décrit le processus de projecMon, le processus de formaMon des images : modélisaMon du

modèle direct
Rik : probabilité qu’un événement émis dans le pixel k soit détecté dans le pixel de projecMon i
R = matrice système

v Opérateur de projection R discret


Principe de la méthode analytique : rétroprojection

par transformée de Fourier.

v. Formula.on du problème en 2D : La méthode rétroprojec.on
• Inversion analyMque de la transformée de Radon = résoluMon d’équaMons intégrales ;
• Expression conMnue du problème de reconstrucMon tomographique ;
• Méthode la plus courante : rétroprojecMon filtrée ; FBP : Filtered BackProjecPon
• Méthodes rapides ;
• Méthodes disponibles sur tous les disposiMfs d’acquisiMon commercialisés (scanner X,

SPECT, PET).


• Les projecMons sont échanMllonnées et numérisées. Ces données converMes ou données

brutes sont des valeurs numériques avec une adresse spaMale.
• Avec n projecMons obtenues selon des angles différents, il est possible de reconstruire
une image du plan de coupe étudié. Ces projecMons sont rétro-projetées sur une matrice
de reconstrucMon. Chaque profil d’aeénuaMon est projeté selon le même angle qu‘à
l’acquisiMon. A parMr des valeurs d’aeénuaMon mesurées par chaque détecteur

• L’ordinateur calcule la densité de chaque pixel de

la matrice.
• Ces calculs complexes reposent sur un principe

simple : connaissant la somme des chiffres d’une
matrice selon tous ses axes (rangées, colonnes et
diagonales), on peut en déduire tous les chiffres
contenus dans la matrice.














v. Formula.on du problème en 2D : La méthode rétroprojec.on filtrée
• En réalité, une rétroprojecMon simple ne suffit pas pour obtenir une image de qualité
opMmale. Ceee technique doit être complétée par des noMons de filtrage dans le domaine
de Fourier : on parle rétroprojecMon filtré.
• On sait que dans le plan de Fourier :
o Les basses fréquences, correspondant au contraste de l’image, se trouvent dans la par4e

centrale du plan ;
o Les hautes fréquence responsable des détails se situent en périphérie.






On disMngue deux grandes familles de filtre :

• Ceux qui privilégient les hautes fréquences, c’est-à-dire la résoluMon spaMale ;
• Ceux qui privilégient les basses fréquences, c’est-à-dire la résoluMon en contraste.
Pour privilégier la résoluMon spaMal de l’image, permeeant d’opMmiser l’étude des structures
fines, on uMlise des filtres durs qui amplifient légèrement les hautes fréquences. A l’inverse,
pour privilégier la résoluMon en contraste, permeeant de l’étude des parMes molles, on uMlise
un filtre mou qui augmente la proporMon des basses fréquences présentés dans l’image finale.
III-3- Formation d’image médicale : Echographie

1- Principe de l’échographie
Un faisceau ultrasonore, émis par une sonde, pénètre dans l’organisme où il subit de
nombreuses réflexion. Ces ondes réfléchies ʺ échos ʺ sont recueillies par ceee même sonde
puis numérisées, traitées et adressées sur moniteur.


2- Définition des ultrasons
• Les ultrasons (US) sont des vibraMons mécaniques provoquant des variaMons de pression
dans les milieux traversés.
• L’onde sonore nécessite un milieu moléculaire pour se propager (pas d'onde sonore dans
le vide).
Domaine des fréquences Nature de l’onde sonore

< 20 Hz Infrasons
20 Hz – 20 kHz Sons audibles
20 kHz – 10 GHz Ultrasons
> 10 GHz Hypersons

3- Interaction des ultrasons avec la matière
• Il existe plusieurs types d'interacMon entre les ultrasons et la maMère à l'origine d'un signal
échographique.
• Ces interacMons vont abouMr à l'aeénuaMon du faisceau ultrasonore dans la maMère. Parmi
ces interacMons on retrouve des phénomènes de réflexion et de diffusion au niveau des
interfaces acousMques.


i. AAénua.on et caractéris.que physique des ultrasons
L'aeénuaMon de l'onde ultrasonore augmente avec :
v La distance parcourue (exponenMelle décroissante);
v La fréquence d'émission :
• Les fréquences élevées sont vite absorbées et permeXent l'étude des organes
superficiels ;
• Les basses fréquences se propagent plus facilement et permeXent l'étude des

organes profonds.

ii. Interface acous.que
Une interface acousMque correspond à une fronMère entre deux milieux d'impédance
acousMque (Z) différente.
Une interface est caractérisée par :
v Son amplitude (faible si Mssu mou/Mssu mou; forte si air/ Mssu mou) ;
v Sa forme ;
v Son orientaMon par rapport à l'axe du faisceau ;
v Sa taille par rapport à la longueur d'onde du faisceau ultrasonore incident.


iii. Réflexion
• Le phénomène de réflexion se produit lorsqu'une onde incidente (de longueur d'onde

donnée) interagit avec un obstacle de taille supérieure à sa longueur d'onde.
• L'onde réfléchie à chaque interface est à la base de la formaMon de l'image (« contours »).
Plus la longueur d'onde est faible, c'est-à-dire plus la fréquence est élevée, plus on aura la
possibilité de visualiser des interfaces fines donc d'augmenter la résoluMon spaMale.

iii. Réflexion
In3luence de l'amplitude de l'interface sur le phénomène de ré3lexion.


iii. Réflexion
En praMque, seules les ondes réfléchies en direcMon de la sonde sont uMles à la formaMon de
l'image.
La réflexion au niveau d'une interface est :

faible si la différence d'impédance (Z) est peu élevée ;
grande si la différence d'impédance (Z) est importante.
Exemples de réflexion: 99 % 4ssu/air; 30 % 4ssu/os
et 1 % rein/graisse.

iv. Diffusion
La diffusion est une interacMon qui se produit quand une onde ultrasonore rencontre un
obstacle de taille inférieure à sa longueur d'onde. l'objet rencontré vibre et réémet, dans
toutes les direcMons de l'espace une fracMon de l'onde incidente.
La réémission par réflexion de l'énergie acous4que est aléatoire, ce qui entraîne :

• Une perte de résolu4on spa4ale ;
• Des informa4ons sur la structure interne des organes.


v. Bilan
Apport des interacMons physiques des ondes ultrasonores sur la formaMon de l'image
échographique :
• La réflexion permet la visualisaMon des interfaces et des contours des organes ;
• La diffusion donne des informaMons sur la structure interne des organes.

4- Principe technologiques de l’échographie
i. No.ons élémentaires
• La réflexion d'ondes ultrasonores incidentes sur les différentes interfaces donne naissance
à une succession d'échos correspondant aux obstacles de plus en plus profonds.
• Connaissant la vitesse moyenne des ultrasons dans le corps humain (1 430 m/s), on en
déduit que le temps de retour des échos correspond à une profondeur donnée.


l'écho peut donc être visualisé sur un écran selon une ligne correspondant à l'axe de Mr des
ultrasons sur laquelle une interface, de profondeur donnée, est matérialisée par un point
d'une brillance proporMonnelle à l'amplitude de l'écho.

CondiMons nécessaires pour enregistrer des échos :
• Le milieu de propagaMon doit comporter un nombre suffisant de variaMons d'impédance (Z) ;
• Le faisceau ultrasonore doit aeeindre l'interface recherchée = fenêtres ;
• L'énergie du signal réfléchi doit être suffisante pour retourner à la sonde ;
• La réflexion doit se faire en direcMon de la sonde: il faut aborder l'interface le plus

orthogonalement possible.


ii. Sondes échographiques (ou transducteurs)
Principe de l'effet piézoélectrique

ii. Sondes échographiques (ou transducteurs)
• Le seul paramètre réglable en échographie n'est pas la fréquence d'émission, mais

l'intensité électrique stimulant la céramique, c'est-à-dire l'intensité des ultrasons
générés.
• Le retour des échos à la surface de la sonde se manifestera par une vibration de la

céramique, qui générera un signal électrique dont l'intensité sera proportionnelle à
l'intensité de l'écho, Ce signal électrique sera recueilli et participera à la formation
d'une image échographique.


iii. Fréquences des sondes
En médecine, on uMlise des sondes de 2 à 20 MHz :
• Fréquence élevée => bonne résoluMon axiale => pénétraMon insuffisante pour une
exploraMon en profondeur;
• Fréquence faible => résoluMon axiale moyenne => pénétraMon suffisante pour une
exploraMon en profondeur.
Le choix de la sonde dépend de la profondeur uMlisée et donc du choix de la profondeur

d'exploraMon.

5- Formation de l’image en échographie
i. Généralités
Les échos provenant des différentes lignes du balayage qui composent le plan de coupe
viennent à la sonde et subissent une succession d'opéraMons. Le signal échographique est
premièrement transmis sous forme électrique (par effet piézoélectrique) avant d'être
représenté sous forme d'image en niveaux de gris.
Pour passer d'un signal électrique à une image, plusieurs opéraMons sont nécessaires :
• AmplificaMon des signaux électriques ;
• NumérisaMon et traitement informaMque.


ii. Amplifica.on
Différents types d'amplificaMon sont nécessaires à l'étude du signal échographique. On

disMngue principalement deux types d'amplificaMon :
• L'amplificaMon globale des échos qui induit un gain de Signal ;
• L'amplificaMon en profondeur. L'aeénuaMon des échos varie avec la profondeur et les Mssus
rencontrés. Plus les échos proviennent de structures profondes, moins leur intensité est
élevée, plus il faut les amplifier. On adapte donc le niveau d'amplificaMon à chaque
profondeur, on parle ainsi de gain en profondeur.

ii. Amplifica.on


iii. Modes de balayage
• Tous les appareils actuels sont fondés sur le principe de l'écho pulsé. L'onde ultrasonore
n'est pas envoyée en conMnu, mais sous forme de paquets d'ondes, laissant des temps
morts uMles au recueil des échos.
• Les échos recueillis, la construcMon de l'image échographique se fait selon différents modes
(A, TM, B,TR... ).

iii. Modes de balayage : Mode amplitude (A)
• Ce mode retranscrit, sous forme d'un signal électrique, chaque écho dans la direcMon du
faisceau ultrasonore. Le tracé A est donc formé d'une succession de pics représentant les
différents échos en profondeur. L'amplitude des pics est proporMonnelle à l'intensité des
échos.
• Ce mode n'a que peu d'intérêt

diagnosMque : il est principalement
uMlisé pour contrôler le bon réglage
des appareils.


iii. Modes de balayage : Mode temps mouvement (TM)
• Les informaMons obtenues le long de l'axe d'émission sont, dans ce mode, étudiées en
foncMon du temps. Ainsi les structures mobiles sont représentées par des courbes et les
structures immobiles par des droites.
• Ce mode est parMculièrement uMlisé

en cardiologie.

iii. Modes de balayage : Mode brillance (B)
Chaque pic du tracé A est remplacé par un point plus ou moins brillant. Le déplacement de la
sonde sur la peau du paMent permet d'enregistrer la structure échographique des Mssus
traversés dans le plan du faisceau ; il s'agit d'une échotomographie. L'image de la réparMMon
des échos obtenue dans le plan de balayage de la sonde est stockée dans une mémoire
informaMque et apparaît sur l'écran comme une juxtaposiMon de peMts points plus ou moins
brillants.


iii. Modes de balayage : Mode brillance (B)

iii. Modes de balayage : Mode temps réel (TR)
Le mode temps réel est le mode uMlisé actuellement. Il permet l'acquisiMon de données
morphologiques et dynamiques.
Principe du mode temps réel :

• Une sonde TR réalise un balayage automaMquement et cyclique de la zone explorée selon
un plan défini ;
• Un cycle complet donne une coupe;
• Si la fréquence des cycles est suffisante, on obMent une étude dynamique en coupe de la
région explorée.


iii. Modes de balayage : Mode temps réel (TR)
IV- Techniques de base en

traitement d’images

IV- Techniques de base en traitement d’images

1- Introduction :
Ensemble de méthodes dont l’objecPf est transformer une

image en une autre image
Il existe trois types de transformaPons d’images :
• Ponctuel ;
• Local ;
• Global.

1- Introduction :
v Traitement ponctuel :
• En chaque point on applique une formule de modificaMon du niveau de gris indépendamment

de la localisaMon géométrique de ce pixel dans l’image (sa posiMon), c.-à-d. le nouveau niveau
du gris dépend seulement de l’ancien niveau de gris du pixel considéré.
• Exemple : OpéraMon sur les histogrammes


1- Introduction :
v Traitement local :
• Le nouveau niveau de gris en un point est foncMon de l’ancien niveau de gris du pixel
considéré́ et de ses voisins.
• Exemple : Filtres,..

1- Introduction :
v Traitement global :
• Le nouveau niveau de gris en un point est foncMon de l’ancien niveau de gris de tous les pixels
de l’image.
• Exemple : Transformée de fourrier,..


2- Notion d’histogramme et de contraste :
v Histogramme :
• L’histogramme est un graphique qui correspond à l’évoluMon du nombre des pixels d’une
image possédant un même niveau de gris.
• En praMque, pour le calcul d’un histogramme, on donne un nombre de niveau de gris, et pour
chaque niveau, on compte le nombre de pixels de l’image correspondant à ce niveau.
h(rk)=nk , k=0,......,L−1
rk : kième niveau de gis ;
nk : Nombre de pixels ayant le niveau de gris rk ;
L : Nombre de niveaux de gris.

v Histogramme : Exemple simple de calcul d’histogramme pour une image (1)
Image « A » en Matrice des valeurs de luminance Histogramme de
niveaux de gris des pixels de l’image « A » l’image « A »
2 2 2 2 2 2 2 2
2 0 0 0 0 0 0 2
2 0 1 1 1 1 0 2
2 0 1 0 0 1 0 2
2 0 1 1 1 1 0 2
2 0 1 0 0 1 0 2
2 0 0 0 0 0 0 2
2 2 2 2 2 2 2 2
• L’image comporte 3 niveaux de gris différents : 0, 1 et 2.
• Les niveaux 0, 1 et 2 sont respecMvement représentés par 24, 12 et 28 pixels ⇒ représentaMon de ceee
populaMon de pixels sur l'histogramme.


v Histogramme : Exemple d’une image réelle et son histogramme (2)
Image de 256 × 256 pixels, Popula4on de pixels pour chaque

codés chacun sur 8 bits niveaux de gris [0 ; 255]

v Histogramme : Exemple des histogrammes de quelques images (3)
• a : Image sombre : beaucoup de pixels pour les faibles valeurs de niveau de gris
• b : Image claire : beaucoup de pixels pour les valeurs claires de niveau de gris
• c : Image peu contrastée : la plupart des pixels pour les valeurs moyennes de niveaux de gris
• d : Image presque binaire : pixels concentrés vers le noir et le blanc


v Histogramme :
• Cependant, il ne donne aucune informaMon sur la réparMMon des niveaux de gris.

• Les deux images ci-dessous sont différentes mais ayant le même histogramme :

v Histogramme normalisé :
La probabilité́ d'appariMon d'un niveau de gris rk dans l'image est:


v Histogramme cumulé :
Il représente la distribuMon cumulée des intensités des pixels d’une image :
Il est défini de façon récursive par :

v Histogramme cumulé : Exemple d’une image synthéPque et son histogramme cumulé
Chaque bâton cumule le nombre de pixels des niveaux de gris concerné et des niveaux de gris inférieurs :
les niveaux 0, 1, 2 sont donc représentés respecMvement par 24, 36 et 64 pixels.


v InformaPons issues de l'histogramme : Luminance ou brillance d’une image
Lien histogramme / luminance

v InformaPons issues de l'histogramme : Contraste
Le contraste peut être défini de plusieurs façons :
• Variance des niveaux de gris (N nombre de pixels dans l’image) :
• Varia4on entre niveaux de gris max et min :


v InformaPons issues de l'histogramme : Contraste
Lien histogramme / Contraste

Le contraste est d'autant plus élevé que l'histogramme est « étalé » horizontalement

3- Dynamique de l'image :
3.1. CorrecPon de la dynamique de l’image par les transformaPons affines sur l’histogramme
i. E.rement d’histogramme :
• Est une technique qui modifie la réparMMon des niveaux de gris dans une image afin
d’en améliorer le contraste, pour cela, il convient d’augmenter l’intervalle des niveaux
de gris sur l’histogramme de l’image d’entrée.
• Si l’histogramme de l’image originale commence de Ng min et se termine par Ng max ,

on peut avoir une image dont le niveau de gris s’étale de Ngʹmin à Ngʹmax par la
relaMon :


i. E.rement d’histogramme : Exemple 1
Soit une image dont l’histogramme est visualisé ci-dessous. Ses valeurs en niveaux de gris sont comprises
entre 10 et 80. L’image résultante est très foncée, afin d’améliorer l’image trouver une méthode
permeeant de recadrer (étaler) l’histogramme entre ”0” et ”255” sans changer la valeur des pics.

En appliquant la formule précédente, l’histogramme de départ est réparM sur l’ensemble des valeurs de
niveaux de gris. Le premier terme permet de décaler l’histogramme sur la gauche et le deuxième terme
permet d’étaler l’histogramme sur tous les niveaux.


Dans l’exemple ci-dessous, l’image ‘rice’ a un niveau de gris qui s’étale de 44 à 206. en faisant un
éMrement d’histogramme de 0 à 255, on obMent une image plus contrastée (qualité́ visuelle meilleure)
Image de rice avant l’é4rement Image de rice après l’é4rement

ii. Masquage des zones :
• Le masquage sert à remplacer un intervalle de niveau de gris par du blanc ou du noir.


ii. Masquage des zones : Exemple

iii. Extrac.on d’une fenêtre d’intensité́ :
• La nouvelle image ne visualise que les pixels dont le niveau d’intensité apparMent à l’intervalle [a, b]. Sous
réserve d’une connaissance a priori de la distribuMon des niveaux de gris des objets de l’image originale.
• Ceee technique permet une segmentaMon d’objets parMculiers de l’image.
Seuillage avec fenêtre d’intensité entre 100 et 200


iv. Dilata.on locale :
• Ce type de traitement permet d’accentuer le contraste dans une plage précise de niveau

iv. Dilata.on locale :


iv. Dilata.on locale : Exemple

3.2. EgalisaPon d’histogramme et correcPon gamma
i. Egalisa.on d’histogramme
• L’égalisaMon d’histogramme comprend un éMrement d’histogramme avec une réparMMon
uniforme des niveaux de gris.
• Chaque niveau de gris est représenté par un nombre constant de pixel. (Équilibrer le mieux
possible la distribuMon des pixels).
N : Nombre de pixels de l’image ; Hc[⋅] : Histogramme cumulé ;

f (x, y), f ʹ(x, y) : Niveau de gris du pixel de cordonnés x, y de l’image originale et celle transformée.


i. Egalisa.on d’histogramme : Exemple 1
• Soit une image f (5x5) et son histogramme associé, trouver l’image obtenue par une égalisaMon d’histogramme.

i. Egalisa.on d’histogramme : Exemple 2 (Effet de l’égalisa.on d’histogramme)
Image
originale
Image
égalisé
Histogramme Histogramme cumulé


i. Egalisa.on d’histogramme : Avantage
• L'égalisaMon d'histogramme est une transformaMon des niveaux de gris dont le principe est
d'équilibrer le mieux possible la distribuMon des pixels dans la dynamique (Idéalement, on
cherche à obtenir un histogramme plat).
Le résultat est une augmenta4on globale du contraste dans l'image.

i. Egalisa.on d’histogramme : Inconvénient
• Si l'image est déjà̀ bien contrastée une égalisaMon peu dégrader l'image !
Image originale Image é4ré Image égalisé


ii. Correc.on gamma : C’est une transformaMon non linéaire donnée par :
• Si : 𝛾 < 1 éclaircit principalement les par4es foncées
• Si : 𝛾 > 1 assombrit principalement les par4es claires

3.3. OpéraPons arithméPques et logiques sur les images
i. Opera.ons arithmé.ques :
• Inversion : L’image résultante d’une opéraMon d’inversion est une image dont le noir devient
blanc et le blanc devient noir. Pour une image de 256 niveaux de gris : Ngʹ = 255 − Ng


• AddiPon : Une opéraMon qui sert à augmenter la brillance de l’image. Elle se fait par l’addiMon
d’une constante aux niveaux de gris de tous les pixels de l’image : Ngʹ(x,y) = Ng(x,y) + C

• MulPplicaPon : Par la mulMplicaMon des niveaux de gris par une constante, l’image originale subit
un éclairage ou un assombrissement suivant la valeur de la constante : Ngʹ(x,y) = α . Ng(x,y)
α > 1 : Éclairage ,α = 1 : Copie , 0 < α < 1 Assombrissement


• Operateurs arithméPques sur deux images : Ils créent une image résultat 𝑃ʹ(𝑥, 𝑦) à parMr d'une
ou plusieurs images 𝑃1(𝑥, 𝑦), 𝑃2(𝑥, 𝑦), etc. où 𝑥 et 𝑦 sont les numéros des lignes et colonnes.
² AddiMon : 𝑃ʹ (𝑥, 𝑦) = 𝑃1(𝑥, 𝑦) + 𝑃2(𝑥, 𝑦)

² SoustracMon : 𝑃ʹ (𝑥, 𝑦) = 𝑃1(𝑥, 𝑦) − 𝑃2(𝑥, 𝑦)
² MulMplicaMon : 𝑃ʹ(𝑥,𝑦) = 𝑃1(𝑥,𝑦).𝑃2(𝑥,𝑦)
² Division : 𝑃ʹ (𝑥, 𝑦) = 𝑃1(𝑥, 𝑦) / 𝑃2(𝑥, 𝑦)
² Minimum/maximum : 𝑃ʹ(𝑥,𝑦) = 𝑀𝑖𝑛[𝑃1(𝑥,𝑦),𝑃2(𝑥,𝑦)]
² Combinaison linéaire : 𝑃ʹ(𝑥, 𝑦) = C1.𝑃1(𝑥, 𝑦) + C2.𝑃2(𝑥, 𝑦) où C1 et C2 Sont des constantes.
² Valeur absolue : 𝑃ʹ (𝑥, 𝑦) = |𝑃1(𝑥, 𝑦)|

ii. Operateurs logiques :
• Les opérateurs logiques sont appliqués aux images binaires, c'est à dire des images dont les
pixels ne peuvent valoir que la valeur "vrai" ou la valeur "faux".
• Non logique : "Not" ; AddiMon logique : "And" ; Ou logique : "Or" ; Ou exclusif logique : "Xor" ;
Différence logique : "logical-sub" ; Equivalence logique : "nxo"


ii. Operateurs logiques : Exemple des opéra.ons logiques sur deux images

4- Filtrage numérique des images :
• Le filtrage est une opéraMon qui a pour but d'extraire une informaMon ou d'améliorer l'aspect
de l'image.
Par exemple en éliminant un bruit ou en améliorant les contours d'une image floue
• Le traitement local d’une image uMlise la noMon de filtre : filtrage spaPal
• Les filtres peuvent s’écrire sous la forme d’un produit de convoluMon entre une matrice (ou
noyau de convoluMon) et d’une image.
Le temps de calcul devient très important
ApplicaMon les masques dans l’espace des foncMons de Fourier :

Filtrage spectral


Les sources de bruit :
• Bruits liés aux condiMons de prise de vues : Ce sont des événements vérifiant les condiMons
d’acquisiMon du signal : le bougé, problèmes liés à l’éclairage de la scène observée...
• Bruits liés au capteur : Capteur mal réglé, capteur de mauvaise qualité (distorsion de la
gamme des niveaux de gris ou en flou)...
• Bruits liés à l’échanMllonnage : Ces bruits reflètent essenMellement des problèmes de
quanMficaMon (CCD).
• Bruits liés à la nature de la scène : Nuage sur les images satellitaires, poussières dans les
scènes industrielles, brouillard pour les scènes rouMères …

4.1. Filtrage spaPal et convoluPon 2D
• Dans le traitement local le nouveau niveau de gris en un point est foncMon de l’ancien niveau
de gris du pixel considéré et de ses voisins
• L’opéraMon de voisinage fait appel à un domaine associé à un point p(x, y) limité par un
contour de taille fixe appelé voisinage de p.
Principe de l’opéra4on de voisinage


i. Voisinage
• Un pixel I(x,y) possède quatre voisins horizontaux et verMcaux qui forment ce qu’on appelle le 4-voisinage de
I(x,y).
• Le pixel I(x, y) possède aussi quatre voisins diagonaux, ce sont les pixels qui ont un sommet commun avec (x, y).
• L’ensemble des huit voisins du pixel (x, y) représentent ce qu’on appelle les 8- voisins (8-voisinage). Ces huit
voisins forment la fenêtre 3x3 du pixel I(x,y). On dit aussi que ces pixels sont 8-adjacents de (x, y) .

ii. Produit de convolu.on d’une image par un filtre 2D
• Soit I une image numérique à filtrer.

• Soit h le noyau de convoluMon à valeurs réelles
La convoluMon de I par h est définie par :


ii. Produit de convolu.on d’une image par un filtre 2D

ii. Produit de convolu.on d’une image par un filtre 2D : Exemple


4.2. Filtres de Lissage
q Les filtres de lissage sont des opérateurs qui permeeent d’aeénuer le bruit dans des Images
numériques, soit :
• Pour améliorer leur visualisa4on ;
• Pour les simplifier en but d'un traitement postérieur.
q Un grand nombre de filtres peut être obtenu à parMr de noyaux de convoluMon symétriques
et normalisés
q Parmi les filtres les plus uMlisés :

• Filtre de moyenne (passe-bas) ;
• Filtre gaussien (passe-bas) ;
• Filtre médian (passe-bas non-linéaire).

i. Filtre moyenneur
Plus la taille du filtre est grande, plus le lissage devient important et plus le flou s’accentue


i. Filtre moyenneur : Exemple

ii. Filtre Gaussien :


iii. Filtre médian :
• Le filtrage médian procède tout d’abord par un tri

des valeurs de niveau de gris du voisinage suivi
d’une sélecMon de l’élément milieu du tri, c-à-d
remplacer la valeur du pixel central par la valeur
médiane de la réparMMon (luminances triées dans
l'ordre croissant) des niveaux de gris des pixels
situés à l'intérieur de ceee fenêtre

iii. Filtre médian :
• Très adapté au bruit type "poivre et sel" (faux "blanc" et "noir" dans l’image)
• Préserve les contours
• Réduit le bruit addi4f uniforme ou gaussien (lissage de l’image)


4.3. Filtrage fréquenPel (spectral)
Dans le domaine spaMal, le filtrage se fait par convoluMon, alors dans le domaine spectral (ou
fréquenMel), il se fait par mulMplicaMon (ou masquage de l'image).

Traitement D'image Médicale - EL BAYDAOUI

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Traitement D'image Médicale - EL BAYDAOUI

Transféré par

Droits d'auteur :

Formats disponibles

Cycle d’ingénieur : Ingénieurie Biomédicale

Ecole Supérieure de Génie Biomédical

CYCLE D’INGENIEUR : INGENIEURIE BIOMEDICALE

Module : Traitement d’images Médicales

II. Principe fondamental de la formation et numérisation d’image

III. Formation d’image médicale

IV. Techniques de base en traitement d’images

Pr. EL BAYDAOUI Redouane 1

Avant tout ...qu'est ce qu'une

C'est une représentation en deux dimensions d'une

Pr. EL BAYDAOUI Redouane 2

Qu'est ce qu'une lumière ?

Rayonnement d’énergie électromagnétique

Onde électromagnétique - photon

• La vitesse de la lumière : C (vide)

Pour ioniser le milieu

• D’une fréquence : f (Hz)

Pr. EL BAYDAOUI Redouane 3

• Une « chambre noire » Sphérique

• Un « objectif » cornée et cristallin

• Un « diaphragme » l’iris , la pupille

• La « surface sensible » la rétine

Pr. EL BAYDAOUI Redouane 4

Cellules photo - réceptrices : deux catégories :

• Rétine : 140 millions de photorécepteurs

Pr. EL BAYDAOUI Redouane 5

§ Communications : Diﬀusion de la TV, vidéoconférence, éducation à distance,

§ Télédétection : Cartographie, agriculture, météorologie, surveillance de

§ Médical : Rayons X, Tomographie, RMN, Ultrasons, ...

§ Industrielles : Robotique, Control de processus,...

Pr. EL BAYDAOUI Redouane 6

Pr. EL BAYDAOUI Redouane 7

Pr. EL BAYDAOUI Redouane 8

Pr. EL BAYDAOUI Redouane 9

• Acquisition : scène physique représentation numérique ;

• Traitement : Extraction de l’information pertinente par segmentation ;

• Analyse et interprétation : description structurelle de l’image.

Pr. EL BAYDAOUI Redouane 10

II- Principe fondamental de la

II- Principe fondamental de la formation et numérisation d’image

Distribution d’ intensité́ lumineuse “luminance”, “ brithness” :

C(x,y,λ,t) : La distribuMon d’énergie de la source ;

Pr. EL BAYDAOUI Redouane 11

II- Principe fondamental de la formation et numérisation d’image

ProjecMon 2D d’une scène 3D

II- Principe fondamental de la formation et numérisation d’image

DiscréMsaMon de l’espace et de l’intensité :́

Pr. EL BAYDAOUI Redouane 12

II- Principe fondamental de la formation et numérisation d’image

• Exemple : Camera CCD standard : échanMllonnage par construcMon

II- Principe fondamental de la formation et numérisation d’image

• 1 bit : 2 niveaux de gris (images binaires) ;

• 8 bits : 256 niveaux (images en tons de gris) ;

• 12 bits : 4 096 niveaux (radiographies) ;

• 16 bits : 65 536 niveaux (radiographies + images) ;

• 24 bits : 3 x 8 bits (images couleurs RGB, ...).

Pr. EL BAYDAOUI Redouane 13

II- Principe fondamental de la formation et numérisation d’image

II- Principe fondamental de la formation et numérisation d’image

Niveaux de gris Couleur RGB Mul4spectrale

Pr. EL BAYDAOUI Redouane 14

II- Principe fondamental de la formation et numérisation d’image

II- Principe fondamental de la formation et numérisation d’image