Vous êtes sur la page 1sur 64

Introduction au traitement dimages

Introduction au traitement dimages


Severine Dubuisson

Fondements du Traitement dImages novembre 2006

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Plan du cours

1 2 3 4

Problematiques du traitement dimages Denitions Proprietes de limage Histogramme

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Plan du cours

1 2 3 4

Problematiques du traitement dimages Denitions Proprietes de limage Histogramme

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Plan du cours

1 2 3 4

Problematiques du traitement dimages Denitions Proprietes de limage Histogramme

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Plan du cours

1 2 3 4

Problematiques du traitement dimages Denitions Proprietes de limage Histogramme

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Vision globale

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Sciences connectees au traitement dimages

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

` Du traitement dimages a la vision par ordinateur


Traitement dimages Transmission Compression Representation Amelioration Suivi Detection Comprehension Vision par ordinateur

Bas niveau Haut niveau

Pourquoi le traitement dimages ?


Le futur est au multimedia : les images sont partout! Les applications sont multiples
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Domaines dapplication
Teledetection : meteo, cartographie, astronomie Imagerie medicale : aide au diagnostic, tomographie, suivi automatique, reconstruction 3D Applications militaires : guidage de missile, reconnaissance terrestre ` Robotique : reconnaissance/assemblage de pieces, vehicules autonomes, controle de qualite Securite : identication de visages, reconnaissance dempreintes digitales, tatouage dimage (watermarking), data hiding Divertissement : HDTV, images haute qualite (DVD), compression (normes JPEG et MPEG)
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Domaines dapplication
Teledetection : meteo, cartographie, astronomie Imagerie medicale : aide au diagnostic, tomographie, suivi automatique, reconstruction 3D Applications militaires : guidage de missile, reconnaissance terrestre ` Robotique : reconnaissance/assemblage de pieces, vehicules autonomes, controle de qualite Securite : identication de visages, reconnaissance dempreintes digitales, tatouage dimage (watermarking), data hiding Divertissement : HDTV, images haute qualite (DVD), compression (normes JPEG et MPEG)
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Domaines dapplication
Teledetection : meteo, cartographie, astronomie Imagerie medicale : aide au diagnostic, tomographie, suivi automatique, reconstruction 3D Applications militaires : guidage de missile, reconnaissance terrestre ` Robotique : reconnaissance/assemblage de pieces, vehicules autonomes, controle de qualite Securite : identication de visages, reconnaissance dempreintes digitales, tatouage dimage (watermarking), data hiding Divertissement : HDTV, images haute qualite (DVD), compression (normes JPEG et MPEG)
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Domaines dapplication
Teledetection : meteo, cartographie, astronomie Imagerie medicale : aide au diagnostic, tomographie, suivi automatique, reconstruction 3D Applications militaires : guidage de missile, reconnaissance terrestre ` Robotique : reconnaissance/assemblage de pieces, vehicules autonomes, controle de qualite Securite : identication de visages, reconnaissance dempreintes digitales, tatouage dimage (watermarking), data hiding Divertissement : HDTV, images haute qualite (DVD), compression (normes JPEG et MPEG)
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Domaines dapplication
Teledetection : meteo, cartographie, astronomie Imagerie medicale : aide au diagnostic, tomographie, suivi automatique, reconstruction 3D Applications militaires : guidage de missile, reconnaissance terrestre ` Robotique : reconnaissance/assemblage de pieces, vehicules autonomes, controle de qualite Securite : identication de visages, reconnaissance dempreintes digitales, tatouage dimage (watermarking), data hiding Divertissement : HDTV, images haute qualite (DVD), compression (normes JPEG et MPEG)
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Domaines dapplication
Teledetection : meteo, cartographie, astronomie Imagerie medicale : aide au diagnostic, tomographie, suivi automatique, reconstruction 3D Applications militaires : guidage de missile, reconnaissance terrestre ` Robotique : reconnaissance/assemblage de pieces, vehicules autonomes, controle de qualite Securite : identication de visages, reconnaissance dempreintes digitales, tatouage dimage (watermarking), data hiding Divertissement : HDTV, images haute qualite (DVD), compression (normes JPEG et MPEG)
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Exemples de traitement dimages


Amelioration : augmenter la qualite de la perception visuelle quon a dune image Restoration : compenser les degradations (bruit, ou, ...) Compression : stocker et transferer efcacement Segmentation : delimiter les objets ` Reconstruction 3D : obtenir un volume a partir de plans (images) Representation : modeliser
Bas niveau : texture, couleur, forme, etc. Haut niveau : caracteristiques (features), apprentissage statistiques, graphes

Analyse : convertir en informations Reconnaissance / Comprehension : identier le contenu


Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Exemples de traitement dimages


Amelioration : augmenter la qualite de la perception visuelle quon a dune image Restoration : compenser les degradations (bruit, ou, ...) Compression : stocker et transferer efcacement Segmentation : delimiter les objets ` Reconstruction 3D : obtenir un volume a partir de plans (images) Representation : modeliser
Bas niveau : texture, couleur, forme, etc. Haut niveau : caracteristiques (features), apprentissage statistiques, graphes

Analyse : convertir en informations Reconnaissance / Comprehension : identier le contenu


Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Exemples de traitement dimages


Amelioration : augmenter la qualite de la perception visuelle quon a dune image Restoration : compenser les degradations (bruit, ou, ...) Compression : stocker et transferer efcacement Segmentation : delimiter les objets ` Reconstruction 3D : obtenir un volume a partir de plans (images) Representation : modeliser
Bas niveau : texture, couleur, forme, etc. Haut niveau : caracteristiques (features), apprentissage statistiques, graphes

Analyse : convertir en informations Reconnaissance / Comprehension : identier le contenu


Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Exemples de traitement dimages


Amelioration : augmenter la qualite de la perception visuelle quon a dune image Restoration : compenser les degradations (bruit, ou, ...) Compression : stocker et transferer efcacement Segmentation : delimiter les objets ` Reconstruction 3D : obtenir un volume a partir de plans (images) Representation : modeliser
Bas niveau : texture, couleur, forme, etc. Haut niveau : caracteristiques (features), apprentissage statistiques, graphes

Analyse : convertir en informations Reconnaissance / Comprehension : identier le contenu


Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Exemples de traitement dimages


Amelioration : augmenter la qualite de la perception visuelle quon a dune image Restoration : compenser les degradations (bruit, ou, ...) Compression : stocker et transferer efcacement Segmentation : delimiter les objets ` Reconstruction 3D : obtenir un volume a partir de plans (images) Representation : modeliser
Bas niveau : texture, couleur, forme, etc. Haut niveau : caracteristiques (features), apprentissage statistiques, graphes

Analyse : convertir en informations Reconnaissance / Comprehension : identier le contenu


Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Exemples de traitement dimages


Amelioration : augmenter la qualite de la perception visuelle quon a dune image Restoration : compenser les degradations (bruit, ou, ...) Compression : stocker et transferer efcacement Segmentation : delimiter les objets ` Reconstruction 3D : obtenir un volume a partir de plans (images) Representation : modeliser
Bas niveau : texture, couleur, forme, etc. Haut niveau : caracteristiques (features), apprentissage statistiques, graphes

Analyse : convertir en informations Reconnaissance / Comprehension : identier le contenu


Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Exemples de traitement dimages


Amelioration : augmenter la qualite de la perception visuelle quon a dune image Restoration : compenser les degradations (bruit, ou, ...) Compression : stocker et transferer efcacement Segmentation : delimiter les objets ` Reconstruction 3D : obtenir un volume a partir de plans (images) Representation : modeliser
Bas niveau : texture, couleur, forme, etc. Haut niveau : caracteristiques (features), apprentissage statistiques, graphes

Analyse : convertir en informations Reconnaissance / Comprehension : identier le contenu


Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Exemples de traitement dimages


Amelioration : augmenter la qualite de la perception visuelle quon a dune image Restoration : compenser les degradations (bruit, ou, ...) Compression : stocker et transferer efcacement Segmentation : delimiter les objets ` Reconstruction 3D : obtenir un volume a partir de plans (images) Representation : modeliser
Bas niveau : texture, couleur, forme, etc. Haut niveau : caracteristiques (features), apprentissage statistiques, graphes

Analyse : convertir en informations Reconnaissance / Comprehension : identier le contenu


Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Denition dune image reelle


Denition ` Une image est la projection sur un plan dune scene 3D ` Elle peut etre denie comme une fonction a deux variables f (x, y)
(x, y) est la position dun point de lespace sur le plan de projection f (x, y) est lintensite (ou brillance) au point de coordonnees (x, y)

Une image est un plan analogique dans lequel les intensites sont reelles

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Denition dune image reelle


Denition ` Une image est la projection sur un plan dune scene 3D ` Elle peut etre denie comme une fonction a deux variables f (x, y)
(x, y) est la position dun point de lespace sur le plan de projection f (x, y) est lintensite (ou brillance) au point de coordonnees (x, y)

Une image est un plan analogique dans lequel les intensites sont reelles

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Denition dune image reelle


Denition ` Une image est la projection sur un plan dune scene 3D ` Elle peut etre denie comme une fonction a deux variables f (x, y)
(x, y) est la position dun point de lespace sur le plan de projection f (x, y) est lintensite (ou brillance) au point de coordonnees (x, y)

Une image est un plan analogique dans lequel les intensites sont reelles

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Denition dune image numerique

Denition Matrice dont la valeur de chaque element represente une ` ` intensite discrete de la lumiere ` Plan discret derive dune image analogique apres numerisation (digitization)
Echantillonnage spatial (sampling) : discretisation des coordonnees de limage reelle Quantication des luminances (quantization) : discretisation des intensites de limage reelle

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Denition dune image numerique

Denition Matrice dont la valeur de chaque element represente une ` ` intensite discrete de la lumiere ` Plan discret derive dune image analogique apres numerisation (digitization)
Echantillonnage spatial (sampling) : discretisation des coordonnees de limage reelle Quantication des luminances (quantization) : discretisation des intensites de limage reelle

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Echantillonnage spatial (sampling)

Denition Denit la resolution spatiale de limage


Pas de division du plan image : nombre delements par unite de longueur Plus petits details discernables dans limage

Attention Une resolution spatiale trop faible provoque des effets de crenelage (aliasing)

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Echantillonnage spatial (sampling)

Denition Denit la resolution spatiale de limage


Pas de division du plan image : nombre delements par unite de longueur Plus petits details discernables dans limage

Attention Une resolution spatiale trop faible provoque des effets de crenelage (aliasing)

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Quantication des luminances (quantization)


Denition Lintensite I est quantie sur m bits et peut prendre L = 2m m 1] valeurs : I [0, . . . , 2 Plus petit changement dintensite discernable dans limage Attention Un quantication trop faible provoque des faux contours Exemple m = 1 : 2 valeurs possibles (images binaires) m = 8 : 256 valeurs possibles (images en niveaux de gris) m = 16 : 65535 valeurs possibles (images en couleurs)
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Quantication des luminances (quantization)


Denition Lintensite I est quantie sur m bits et peut prendre L = 2m m 1] valeurs : I [0, . . . , 2 Plus petit changement dintensite discernable dans limage Attention Un quantication trop faible provoque des faux contours Exemple m = 1 : 2 valeurs possibles (images binaires) m = 8 : 256 valeurs possibles (images en niveaux de gris) m = 16 : 65535 valeurs possibles (images en couleurs)
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Quantication des luminances (quantization)


Denition Lintensite I est quantie sur m bits et peut prendre L = 2m m 1] valeurs : I [0, . . . , 2 Plus petit changement dintensite discernable dans limage Attention Un quantication trop faible provoque des faux contours Exemple m = 1 : 2 valeurs possibles (images binaires) m = 8 : 256 valeurs possibles (images en niveaux de gris) m = 16 : 65535 valeurs possibles (images en couleurs)
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Echantillonnage : bilan

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Echantillonnage : quelques resultats

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Caracteristiques dune image


Denition Surface divisee en elements de taille xe, ou pixels (picture element), denie par :
Le nombre N de pixels en largeur et le nombre M de pixels ` en hauteur (obtenus apres echantillonnage) Letendue L des intensites (dynamique) que peut prendre ` chaque pixel apres quantication

Exemple Image en niveaux de gris (8 bits) de taille 128 128 : 128 128 8 = 131072 octets = 16 Koctets Image en couleurs (32 bits) de taille 256 256 : 256 256 32 = 256 Koctets ` Probleme
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Caracteristiques dune image


Denition Surface divisee en elements de taille xe, ou pixels (picture element), denie par :
Le nombre N de pixels en largeur et le nombre M de pixels ` en hauteur (obtenus apres echantillonnage) Letendue L des intensites (dynamique) que peut prendre ` chaque pixel apres quantication

Exemple Image en niveaux de gris (8 bits) de taille 128 128 : 128 128 8 = 131072 octets = 16 Koctets Image en couleurs (32 bits) de taille 256 256 : 256 256 32 = 256 Koctets ` Probleme
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Types dimages

` Phenomene physique ` Emission, reexion de la lumiere Rayonnement infrarouge Echo ultrason Resonance magnetique Echo electromagnetique Absorption des rayons X

Grandeur(s) mesuree(s) Reectance, luminance Chaleur Distances, densites Presence dun corps chimique Distance, specularite Densite

Capteur(s) CCD, CMOS ` Bolometres Echographie, sonar IRM, RMN Radar, SAR Radiographie, tomographie

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Formats dimages numeriques


Donnees brutes : raw data Standards universels : gif, bitmap, tiff, ppm, eps, ... Standards medicaux : DICOM, ACR-NEMA, ... Standards proprietaires : Philips , Siemens , ... Exemple ` BMP (Bitmap) : matrice de bits codes en couleur (jusqua 24 bits/pixel) GIF : format compresse avec codage 8 bits/pixel JPG (jpeg) : format de compression (DCT) dimages photographiques
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Formats dimages numeriques


Donnees brutes : raw data Standards universels : gif, bitmap, tiff, ppm, eps, ... Standards medicaux : DICOM, ACR-NEMA, ... Standards proprietaires : Philips , Siemens , ... Exemple ` BMP (Bitmap) : matrice de bits codes en couleur (jusqua 24 bits/pixel) GIF : format compresse avec codage 8 bits/pixel JPG (jpeg) : format de compression (DCT) dimages photographiques
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Quelques exemples dimages numeriques


Image 2D : objet represente par un tableau bidimensionnel de surfaces elementaires (pixels) ` Sequence video (2D) : scene dynamique presentant des objets 2D en mouvement. Les sequences video 2D sont une juxtaposition dimages ` 2D, ou le temps est vu comme une troisieme dimension ` Image volumique : objet represente par un tableau tridimensionnel de volumes elementaires (voxels)

Notion de profondeur z Un volume peut etre vu comme un entassement dimages 2D (ex. des coupes scanner pour la reconstruction 3D)
` Sequence volumique : scene dynamique presentant des objets 3D en mouvement

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Quelques exemples dimages numeriques


Image 2D : objet represente par un tableau bidimensionnel de surfaces elementaires (pixels) ` Sequence video (2D) : scene dynamique presentant des objets 2D en mouvement. Les sequences video 2D sont une juxtaposition dimages ` 2D, ou le temps est vu comme une troisieme dimension ` Image volumique : objet represente par un tableau tridimensionnel de volumes elementaires (voxels)

Notion de profondeur z Un volume peut etre vu comme un entassement dimages 2D (ex. des coupes scanner pour la reconstruction 3D)
` Sequence volumique : scene dynamique presentant des objets 3D en mouvement

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Quelques exemples dimages numeriques


Image 2D : objet represente par un tableau bidimensionnel de surfaces elementaires (pixels) ` Sequence video (2D) : scene dynamique presentant des objets 2D en mouvement. Les sequences video 2D sont une juxtaposition dimages ` 2D, ou le temps est vu comme une troisieme dimension ` Image volumique : objet represente par un tableau tridimensionnel de volumes elementaires (voxels)

Notion de profondeur z Un volume peut etre vu comme un entassement dimages 2D (ex. des coupes scanner pour la reconstruction 3D)
` Sequence volumique : scene dynamique presentant des objets 3D en mouvement

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Quelques exemples dimages numeriques


Image 2D : objet represente par un tableau bidimensionnel de surfaces elementaires (pixels) ` Sequence video (2D) : scene dynamique presentant des objets 2D en mouvement. Les sequences video 2D sont une juxtaposition dimages ` 2D, ou le temps est vu comme une troisieme dimension ` Image volumique : objet represente par un tableau tridimensionnel de volumes elementaires (voxels)

Notion de profondeur z Un volume peut etre vu comme un entassement dimages 2D (ex. des coupes scanner pour la reconstruction 3D)
` Sequence volumique : scene dynamique presentant des objets 3D en mouvement

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Types dimages numeriques


Denition Niveau de gris : valeur de lintensite lumineuse f (x, y) au pixel de coordonnees (x, y) Exemple Image binaire : deux valeurs possibles dintensite (0 ou 1) pour les pixels Image en niveaux de gris :
Quantication des luminances sur lintervalle [0, 255] Codage sur 8 bits (1 octet) : 20 1 k 28 1 Convention : noir=0, blanc=255

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Types dimages numeriques


Denition Niveau de gris : valeur de lintensite lumineuse f (x, y) au pixel de coordonnees (x, y) Exemple Image binaire : deux valeurs possibles dintensite (0 ou 1) pour les pixels Image en niveaux de gris :
Quantication des luminances sur lintervalle [0, 255] Codage sur 8 bits (1 octet) : 20 1 k 28 1 Convention : noir=0, blanc=255

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Qualite
Denition ` Lignage : phenomene dalternance des lignes claires (ou sombres) de meme direction et qui tranchent avec le reste de limage Contraste : qualite de la dynamique des intensites de limage Bruit : signal parasite dont la distribution dans limage est aleatoire et la plupart du temps inconnue ` Deformations geometriques : defauts dus a la difference ` daxe entre le capteur dacquisition et le centre de la scene observee
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Qualite
Denition ` Lignage : phenomene dalternance des lignes claires (ou sombres) de meme direction et qui tranchent avec le reste de limage Contraste : qualite de la dynamique des intensites de limage Bruit : signal parasite dont la distribution dans limage est aleatoire et la plupart du temps inconnue ` Deformations geometriques : defauts dus a la difference ` daxe entre le capteur dacquisition et le centre de la scene observee
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Qualite
Denition ` Lignage : phenomene dalternance des lignes claires (ou sombres) de meme direction et qui tranchent avec le reste de limage Contraste : qualite de la dynamique des intensites de limage Bruit : signal parasite dont la distribution dans limage est aleatoire et la plupart du temps inconnue ` Deformations geometriques : defauts dus a la difference ` daxe entre le capteur dacquisition et le centre de la scene observee
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Qualite
Denition ` Lignage : phenomene dalternance des lignes claires (ou sombres) de meme direction et qui tranchent avec le reste de limage Contraste : qualite de la dynamique des intensites de limage Bruit : signal parasite dont la distribution dans limage est aleatoire et la plupart du temps inconnue ` Deformations geometriques : defauts dus a la difference ` daxe entre le capteur dacquisition et le centre de la scene observee
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Contenu
Denition Texture : repartition statistique ou geometrique des intensites dans limage Contour : limite entre deux (ou un groupe de) pixels dont la difference de niveau de gris (couleur) est signicative Region : groupe de pixels presentant des caracteristiques similaires (intensite, mouvement, etc.) ` Objet : region (groupe de regions) entierement delimitee par un contour, possedant une independance dans limage

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Contenu
Denition Texture : repartition statistique ou geometrique des intensites dans limage Contour : limite entre deux (ou un groupe de) pixels dont la difference de niveau de gris (couleur) est signicative Region : groupe de pixels presentant des caracteristiques similaires (intensite, mouvement, etc.) ` Objet : region (groupe de regions) entierement delimitee par un contour, possedant une independance dans limage

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Contenu
Denition Texture : repartition statistique ou geometrique des intensites dans limage Contour : limite entre deux (ou un groupe de) pixels dont la difference de niveau de gris (couleur) est signicative Region : groupe de pixels presentant des caracteristiques similaires (intensite, mouvement, etc.) ` Objet : region (groupe de regions) entierement delimitee par un contour, possedant une independance dans limage

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Contenu
Denition Texture : repartition statistique ou geometrique des intensites dans limage Contour : limite entre deux (ou un groupe de) pixels dont la difference de niveau de gris (couleur) est signicative Region : groupe de pixels presentant des caracteristiques similaires (intensite, mouvement, etc.) ` Objet : region (groupe de regions) entierement delimitee par un contour, possedant une independance dans limage

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Voisinage de pixels
Notion fondamentale en traitement dimages
Algorithmes de suivi de contours, croissance de region Deux pixels voisins peuvent etre agreges

On parle de connexite dun pixel ` Connexite dordre 4 (4-Connectivity) : on considere les 4 voisins directs N, S, O et E du pixel ` Connexite dordre 8 (8-Connectivity) : on considere les 8 voisins directs N, NE, NO, S, SE, SO, O et E du pixel La connexite peut setendre aux voisins indirects (i.e. pas ` de la premiere couronne)

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Autres proprietes
Moyenne : moyenne des niveaux de gris de limage (on lappelle aussi brillance ou luminance) Moy =
N1 M1 1 X X I(x, y ) NM x=0 y=0

Contraste, plusieurs denitions possibles :

Ecart-type des variations de niveaux de gris : C= 1 NM


N1 M1

(I(x, y) Moy)2
x=0 y=0

Variations entre valeurs de niveaux de gris min et max : C= max I(x, y) min I(x, y) max I(x, y) + min I(x, y)
Introduction au traitement dimages

Severine Dubuisson

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Autres proprietes
Moyenne : moyenne des niveaux de gris de limage (on lappelle aussi brillance ou luminance) Moy =
N1 M1 1 X X I(x, y ) NM x=0 y=0

Contraste, plusieurs denitions possibles :

Ecart-type des variations de niveaux de gris : C= 1 NM


N1 M1

(I(x, y) Moy)2
x=0 y=0

Variations entre valeurs de niveaux de gris min et max : C= max I(x, y) min I(x, y) max I(x, y) + min I(x, y)
Introduction au traitement dimages

Severine Dubuisson

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Representation dune image numerique


Representation matricielle Representation lexicographique de limage : matrice I = [0 . . . M 1] [0 . . . N 1] Largeur = nombre de colonnes N, hauteur = nombre de lignes M Le pixel au croisement de la ligne i et de la colonne j designe par I(i, j) Representation vectorielle Lignes de limage juxtaposees : vecteur v = [0 . . . , M N 1] Le pixel (i, j) : composante v [jN + i]
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Representation dune image numerique


Representation matricielle Representation lexicographique de limage : matrice I = [0 . . . M 1] [0 . . . N 1] Largeur = nombre de colonnes N, hauteur = nombre de lignes M Le pixel au croisement de la ligne i et de la colonne j designe par I(i, j) Representation vectorielle Lignes de limage juxtaposees : vecteur v = [0 . . . , M N 1] Le pixel (i, j) : composante v [jN + i]
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Denition Fonction decrivant la repartition des niveaux de gris de limage Fournit beaucoup dinformations, telles que :
la distribution statistique des niveaux de gris, les bornes de repartition des niveaux de gris.

A chaque image I de taille N M, on associe une distribution H des valeurs contenues dans cette image par : H(k) = Card{0 x N 1, 0 y M 1 : I(x, y) = k}
nk

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Denition Fonction decrivant la repartition des niveaux de gris de limage Fournit beaucoup dinformations, telles que :
la distribution statistique des niveaux de gris, les bornes de repartition des niveaux de gris.

A chaque image I de taille N M, on associe une distribution H des valeurs contenues dans cette image par : H(k) = Card{0 x N 1, 0 y M 1 : I(x, y) = k}
nk

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Lhistogramme suit la forme du graphe de densite de probabilite des niveaux de gris de limage avant leur numerisation

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Deux exemples dhistogrammes dimages simples

Severine Dubuisson

Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Histogramme normalise
Denition Fonction Hn donnant la probabilite quun pixel ait pour niveau de gris k Hc (k) = H(k) N M

ou N et M sont respectivement le nombre de colonnes et ` de lignes de limage Approximation de la fonction de densite dune variable aleatoire (pixel) Les valeurs de H sont normalisees
Severine Dubuisson Introduction au traitement dimages

Introduction au traitement dimages

Plan Problematiques du traitement dimages Denitions Proprietes des images Histogramme

Histogramme cumule
Denition Hc represente la probabilite P(i) du niveau i, soit la ` probabilite davoir un niveau inferieur ou egal a i : Hc (k) =
ik

Hn (i)

ou Hn (.) est lhistogramme normalise ` Fonction croissante qui tend vers 1

Severine Dubuisson

Introduction au traitement dimages