SlideShare une entreprise Scribd logo
S2TP5 : Traitement d’image seuillage
MP MATIS Ben Mabrouk Sahar
1)
clear all; close all; clc;
X=imread('coins.png');
X1=double(X)./256;
[n,m]=size(X);
figure(1);
subplot(2,1,1); imshow(X1);
subplot(2,1,2);imhist(X1);title('histogramme de l''image');
Seuillage
B=zeros(n,m);
for i=1:n
for j=1:m
if (X1(i,j) > 0.6) && (X1(i,j)< 0.9)
B(i,j)=1;
end
end
end
figure(2);
subplot(1,2,1);
% imshow(X);
imshow(X1.*(X1>0.6).*(X1<0.9)); title('methode directe');
subplot(1,2,2);
imshow(B); title('boucle');
On obtient un histogramme bimodal il est clair de choisir le seuil dans [0.2 ; 0.3] ou [0.6 0.9]
Histogramme des contours
%%filtre LAPLACIEN%%%%
figure(3);
h7=([0 1 0;1 -4 1;0 1 0]).*(1/8);
Y7=imfilter(X1,h7);
P7=mat2gray(abs(Y7));
P71=mat2gray(Y7);
subplot(1,2,1);
imshow(P71);
subplot(1,2,2);
imhist(P71); title('histogramme du contour'); % seuil du contour entre 0.4 et 0.8 %
nouveau seuil
figure(3) ;
imshow(X1.*(X1>0.4).*(X1<0.8),[]); title('seuil 0.4-0.8');
On a bien obtenu l’image demandé en utilisant les données de l’histogramme
On peut appliquer le seuillage en utlilisant le boucle ou une méthode directe comme ci-dessus
En appliquant un filtre Laplacien qui rehausse le
contour, on visualise l’histogramme de l’image
filtré qui nous renseigne un seuil plus précis que
le précédent. Le nouveau seuil entre 0.4 et 0.8.
Gradient interne externe
se=strel('square',8);
X1r=imerode(X1,se);
X1d=imdilate(X1,se);
GI=X1-X1r;
GE=X1d-X1;
figure(5);
subplot(1,2,1); imshow(GI); title('gradient intern');
subplot(1,2,2); imshow(GE); title('gradient externe');
figure(6);
subplot(1,2,1); imhist(GI); title('histogramme intern');
subplot(1,2,2); imhist(GE); title('histogramme externe');
Le seuil précédent 0.6-0.9 permet d’extraire
les monnaies à droite en bas
Le seuil actuel 0.4-0.8 permet d’extraire
celles en haut à gauche
Le compromis c’est de choisir parmi les
objets à extraire.
le nouveau seuil à choisir est 0.4-0.6
imshow(X1.*(X1>0.4).*(X1<0.6),[]); title('seuil 0.4-0.6');
La pièce de monnaie perdue avec les seuils
précédents , a été extraite mais les autres pièces
sont perdues

Contenu connexe

Tendances

04 Introduction au logiciel R
04 Introduction au logiciel R04 Introduction au logiciel R
04 Introduction au logiciel R
Boris Guarisma
 
Python avancé : Interface graphique et programmation évènementielle
Python avancé : Interface graphique et programmation évènementiellePython avancé : Interface graphique et programmation évènementielle
Python avancé : Interface graphique et programmation évènementielle
ECAM Brussels Engineering School
 
Php 2 - Approfondissement MySQL, PDO et MVC
Php 2 - Approfondissement MySQL, PDO et MVCPhp 2 - Approfondissement MySQL, PDO et MVC
Php 2 - Approfondissement MySQL, PDO et MVC
Pierre Faure
 
Deep Learning : Application à la reconnaissance d’objets de classes multiples...
Deep Learning : Application à la reconnaissance d’objets de classes multiples...Deep Learning : Application à la reconnaissance d’objets de classes multiples...
Deep Learning : Application à la reconnaissance d’objets de classes multiples...
Haytam EL YOUSSFI
 
Data mining - Classification - arbres de décision
Data mining - Classification - arbres de décisionData mining - Classification - arbres de décision
Data mining - Classification - arbres de décision
Mohamed Heny SELMI
 
Chap1 dsp
Chap1 dspChap1 dsp
Tp1 compte rendu en langage c
Tp1 compte rendu en langage cTp1 compte rendu en langage c
Tp1 compte rendu en langage cEbrima NJIE
 
Python.pptx
Python.pptxPython.pptx
Python.pptx
Jaouad Rachek
 
Chapitre 3 la recherche tabou
Chapitre 3 la recherche tabouChapitre 3 la recherche tabou
Chapitre 3 la recherche tabouAchraf Manaa
 
Quan2017
Quan2017Quan2017
Quan2017
Quan Nguyen
 
Systèmes multi agents concepts et mise en oeuvre avec le middleware jade
Systèmes multi agents concepts et mise en oeuvre avec le middleware jadeSystèmes multi agents concepts et mise en oeuvre avec le middleware jade
Systèmes multi agents concepts et mise en oeuvre avec le middleware jade
ENSET, Université Hassan II Casablanca
 
M. Lebrun et JP. Pinte : Enseigner et apprendre à l’ère numérique : Entre vir...
M. Lebrun et JP. Pinte : Enseigner et apprendre à l’ère numérique : Entre vir...M. Lebrun et JP. Pinte : Enseigner et apprendre à l’ère numérique : Entre vir...
M. Lebrun et JP. Pinte : Enseigner et apprendre à l’ère numérique : Entre vir...
Marcel Lebrun
 
Développement d'un site web de E-Commerce avec PHP (Première Partie)
Développement d'un site web de E-Commerce avec PHP (Première Partie)Développement d'un site web de E-Commerce avec PHP (Première Partie)
Développement d'un site web de E-Commerce avec PHP (Première Partie)
ENSET, Université Hassan II Casablanca
 
Fonctions chaine
Fonctions chaineFonctions chaine
Fonctions chaineAfef Ilahi
 
exercices business intelligence
exercices business intelligence exercices business intelligence
exercices business intelligence
Yassine Badri
 
Exposé langage-b
Exposé langage-bExposé langage-b
Exposé langage-b
Donia Hammami
 
ségmentation d'image
ségmentation d'imageségmentation d'image
ségmentation d'image
Wassim Ben Salem
 
Patron observer
Patron observerPatron observer
Patron observer
Hibatallah Aouadni
 
Chapitre 2 complexité
Chapitre 2 complexitéChapitre 2 complexité
Chapitre 2 complexité
Sana Aroussi
 

Tendances (20)

04 Introduction au logiciel R
04 Introduction au logiciel R04 Introduction au logiciel R
04 Introduction au logiciel R
 
Python avancé : Interface graphique et programmation évènementielle
Python avancé : Interface graphique et programmation évènementiellePython avancé : Interface graphique et programmation évènementielle
Python avancé : Interface graphique et programmation évènementielle
 
Php 2 - Approfondissement MySQL, PDO et MVC
Php 2 - Approfondissement MySQL, PDO et MVCPhp 2 - Approfondissement MySQL, PDO et MVC
Php 2 - Approfondissement MySQL, PDO et MVC
 
Deep Learning : Application à la reconnaissance d’objets de classes multiples...
Deep Learning : Application à la reconnaissance d’objets de classes multiples...Deep Learning : Application à la reconnaissance d’objets de classes multiples...
Deep Learning : Application à la reconnaissance d’objets de classes multiples...
 
Data mining - Classification - arbres de décision
Data mining - Classification - arbres de décisionData mining - Classification - arbres de décision
Data mining - Classification - arbres de décision
 
Chap1 dsp
Chap1 dspChap1 dsp
Chap1 dsp
 
Tp1 compte rendu en langage c
Tp1 compte rendu en langage cTp1 compte rendu en langage c
Tp1 compte rendu en langage c
 
Python.pptx
Python.pptxPython.pptx
Python.pptx
 
Chapitre 3 la recherche tabou
Chapitre 3 la recherche tabouChapitre 3 la recherche tabou
Chapitre 3 la recherche tabou
 
Quan2017
Quan2017Quan2017
Quan2017
 
Systèmes multi agents concepts et mise en oeuvre avec le middleware jade
Systèmes multi agents concepts et mise en oeuvre avec le middleware jadeSystèmes multi agents concepts et mise en oeuvre avec le middleware jade
Systèmes multi agents concepts et mise en oeuvre avec le middleware jade
 
M. Lebrun et JP. Pinte : Enseigner et apprendre à l’ère numérique : Entre vir...
M. Lebrun et JP. Pinte : Enseigner et apprendre à l’ère numérique : Entre vir...M. Lebrun et JP. Pinte : Enseigner et apprendre à l’ère numérique : Entre vir...
M. Lebrun et JP. Pinte : Enseigner et apprendre à l’ère numérique : Entre vir...
 
Développement d'un site web de E-Commerce avec PHP (Première Partie)
Développement d'un site web de E-Commerce avec PHP (Première Partie)Développement d'un site web de E-Commerce avec PHP (Première Partie)
Développement d'un site web de E-Commerce avec PHP (Première Partie)
 
Le langage C
Le langage CLe langage C
Le langage C
 
Fonctions chaine
Fonctions chaineFonctions chaine
Fonctions chaine
 
exercices business intelligence
exercices business intelligence exercices business intelligence
exercices business intelligence
 
Exposé langage-b
Exposé langage-bExposé langage-b
Exposé langage-b
 
ségmentation d'image
ségmentation d'imageségmentation d'image
ségmentation d'image
 
Patron observer
Patron observerPatron observer
Patron observer
 
Chapitre 2 complexité
Chapitre 2 complexitéChapitre 2 complexité
Chapitre 2 complexité
 

Plus de SaharBenMabrouk

TP2 Data Science:
TP2 Data Science: TP2 Data Science:
TP2 Data Science:
SaharBenMabrouk
 
TP1 Data science: manipulation d'une base de donnée
 TP1 Data science: manipulation d'une base de donnée TP1 Data science: manipulation d'une base de donnée
TP1 Data science: manipulation d'une base de donnée
SaharBenMabrouk
 
S2 TP1 partie 2: traitement de signal numérique
S2 TP1 partie 2: traitement de signal numériqueS2 TP1 partie 2: traitement de signal numérique
S2 TP1 partie 2: traitement de signal numérique
SaharBenMabrouk
 
S2 TP4: traitement d'image: transformer de Fourier d'une image et filtre usuels
S2 TP4: traitement d'image: transformer de Fourier d'une image et filtre usuelsS2 TP4: traitement d'image: transformer de Fourier d'une image et filtre usuels
S2 TP4: traitement d'image: transformer de Fourier d'une image et filtre usuels
SaharBenMabrouk
 
S2 TP3: traitement d'image: filtrage rehaussement de contour
S2 TP3: traitement d'image: filtrage rehaussement de contourS2 TP3: traitement d'image: filtrage rehaussement de contour
S2 TP3: traitement d'image: filtrage rehaussement de contour
SaharBenMabrouk
 
S2TP4 : traitement d'image : les images couleurs
S2TP4 : traitement d'image : les images couleursS2TP4 : traitement d'image : les images couleurs
S2TP4 : traitement d'image : les images couleurs
SaharBenMabrouk
 
S1TP3.1: traitement d'image : histogramme
S1TP3.1: traitement d'image : histogramme S1TP3.1: traitement d'image : histogramme
S1TP3.1: traitement d'image : histogramme
SaharBenMabrouk
 
Tp3 traitement image: morphologie: propriétés des opérateurs morphologiques
Tp3 traitement image: morphologie: propriétés des opérateurs morphologiquesTp3 traitement image: morphologie: propriétés des opérateurs morphologiques
Tp3 traitement image: morphologie: propriétés des opérateurs morphologiques
SaharBenMabrouk
 
TP2 traitement d'image: gradients morphologiques ouverture fermeture
TP2 traitement d'image: gradients morphologiques ouverture fermetureTP2 traitement d'image: gradients morphologiques ouverture fermeture
TP2 traitement d'image: gradients morphologiques ouverture fermeture
SaharBenMabrouk
 

Plus de SaharBenMabrouk (9)

TP2 Data Science:
TP2 Data Science: TP2 Data Science:
TP2 Data Science:
 
TP1 Data science: manipulation d'une base de donnée
 TP1 Data science: manipulation d'une base de donnée TP1 Data science: manipulation d'une base de donnée
TP1 Data science: manipulation d'une base de donnée
 
S2 TP1 partie 2: traitement de signal numérique
S2 TP1 partie 2: traitement de signal numériqueS2 TP1 partie 2: traitement de signal numérique
S2 TP1 partie 2: traitement de signal numérique
 
S2 TP4: traitement d'image: transformer de Fourier d'une image et filtre usuels
S2 TP4: traitement d'image: transformer de Fourier d'une image et filtre usuelsS2 TP4: traitement d'image: transformer de Fourier d'une image et filtre usuels
S2 TP4: traitement d'image: transformer de Fourier d'une image et filtre usuels
 
S2 TP3: traitement d'image: filtrage rehaussement de contour
S2 TP3: traitement d'image: filtrage rehaussement de contourS2 TP3: traitement d'image: filtrage rehaussement de contour
S2 TP3: traitement d'image: filtrage rehaussement de contour
 
S2TP4 : traitement d'image : les images couleurs
S2TP4 : traitement d'image : les images couleursS2TP4 : traitement d'image : les images couleurs
S2TP4 : traitement d'image : les images couleurs
 
S1TP3.1: traitement d'image : histogramme
S1TP3.1: traitement d'image : histogramme S1TP3.1: traitement d'image : histogramme
S1TP3.1: traitement d'image : histogramme
 
Tp3 traitement image: morphologie: propriétés des opérateurs morphologiques
Tp3 traitement image: morphologie: propriétés des opérateurs morphologiquesTp3 traitement image: morphologie: propriétés des opérateurs morphologiques
Tp3 traitement image: morphologie: propriétés des opérateurs morphologiques
 
TP2 traitement d'image: gradients morphologiques ouverture fermeture
TP2 traitement d'image: gradients morphologiques ouverture fermetureTP2 traitement d'image: gradients morphologiques ouverture fermeture
TP2 traitement d'image: gradients morphologiques ouverture fermeture
 

S2 TP5: traitement d'image: seuillage en basant sur l'histogramme

  • 1. S2TP5 : Traitement d’image seuillage MP MATIS Ben Mabrouk Sahar 1) clear all; close all; clc; X=imread('coins.png'); X1=double(X)./256; [n,m]=size(X); figure(1); subplot(2,1,1); imshow(X1); subplot(2,1,2);imhist(X1);title('histogramme de l''image'); Seuillage B=zeros(n,m); for i=1:n for j=1:m if (X1(i,j) > 0.6) && (X1(i,j)< 0.9) B(i,j)=1; end end end figure(2); subplot(1,2,1); % imshow(X); imshow(X1.*(X1>0.6).*(X1<0.9)); title('methode directe'); subplot(1,2,2); imshow(B); title('boucle'); On obtient un histogramme bimodal il est clair de choisir le seuil dans [0.2 ; 0.3] ou [0.6 0.9]
  • 2. Histogramme des contours %%filtre LAPLACIEN%%%% figure(3); h7=([0 1 0;1 -4 1;0 1 0]).*(1/8); Y7=imfilter(X1,h7); P7=mat2gray(abs(Y7)); P71=mat2gray(Y7); subplot(1,2,1); imshow(P71); subplot(1,2,2); imhist(P71); title('histogramme du contour'); % seuil du contour entre 0.4 et 0.8 % nouveau seuil figure(3) ; imshow(X1.*(X1>0.4).*(X1<0.8),[]); title('seuil 0.4-0.8'); On a bien obtenu l’image demandé en utilisant les données de l’histogramme On peut appliquer le seuillage en utlilisant le boucle ou une méthode directe comme ci-dessus En appliquant un filtre Laplacien qui rehausse le contour, on visualise l’histogramme de l’image filtré qui nous renseigne un seuil plus précis que le précédent. Le nouveau seuil entre 0.4 et 0.8.
  • 3. Gradient interne externe se=strel('square',8); X1r=imerode(X1,se); X1d=imdilate(X1,se); GI=X1-X1r; GE=X1d-X1; figure(5); subplot(1,2,1); imshow(GI); title('gradient intern'); subplot(1,2,2); imshow(GE); title('gradient externe'); figure(6); subplot(1,2,1); imhist(GI); title('histogramme intern'); subplot(1,2,2); imhist(GE); title('histogramme externe'); Le seuil précédent 0.6-0.9 permet d’extraire les monnaies à droite en bas Le seuil actuel 0.4-0.8 permet d’extraire celles en haut à gauche Le compromis c’est de choisir parmi les objets à extraire.
  • 4. le nouveau seuil à choisir est 0.4-0.6 imshow(X1.*(X1>0.4).*(X1<0.6),[]); title('seuil 0.4-0.6'); La pièce de monnaie perdue avec les seuils précédents , a été extraite mais les autres pièces sont perdues