Traitement des images

ABDELOUAHED SABRI
ABDELOUAHED.SABRI@GMAIL.COM
Traitement d’images

• Traitement et analyse d’mages
– Analyse des images:
• Histogramme : étirements, égalisation, manipulation,
seuillage,
• Filtrage : lissage, rehaussement d'images, détection de
contours
– Applications:
• Manipulation d’images,
• segmentation d’images.
• Compression d’images,
Plan
2

• Les êtres humains sont des créatures
essentiellement visuelles:
– On compte beaucoup sur notre vision pour donner un sens
au monde qui nous entoure. Ainsi on peut:
Identifier un visage en un instant,
Distinguer les couleurs,
Traiter une grande quantité d'informations visuelles
très rapidement
…
– Ici, on va s’intéresser aux images simples : instantanés
(snapshots) d'une scène visuelle.
Bien que le traitement d'image peut utiliser des scènes
(vidéo).
Introduction
3

• Pour notre cas, une image est une simple photo qui
représente quelques choses (des objets). Elle peut
être :
– Une photo d'une personne,
– Une photo de plusieurs personnes,
– Une photo des animaux,
– Une scène en plein-air,
– Une microphotographie d'un composant
électronique,
– Une image médicale.
– …
Introduction
4

• Le traitement d'images consiste à changer la nature
d'une image, afin de :
1. Améliorer de l’information contenue pour aider à
l'interprétation par l'homme,
2. La rendre plus adaptée pour une perception autonome de
la machine.
• Ces deux aspects sont très différents, et sont, les
deux, importants pour le traitement d'images:
– Une procédure qui vérifie la condition N°1 peut être la
procédure la plus mauvaise pour satisfaire la condition N°2,
– Les êtres humains préfèrent leurs images pleines
(d’informations), claires et détaillées; les machines
préfèrent que leurs images soient très simples et claire.
C’est quoi le « traitement d'images »
5

• Améliorer les contours d'une image pour la rendre
plus nette:
1- Améliorer de l’information contenue
6
 Notez comment la
seconde image
apparaît plus
«claire», c'est une
image plus agréable
• Sharpening (traitement de la netteté) les contours est une
opération vitale pour l'impression des images.

• Suppression de « bruit » d'une image: le bruit étant des
erreurs aléatoires dans l'image.
7
 Notez comment la
seconde image
apparaît plus
«nette», c'est une
image plus claire
• le bruit peut prendre de nombreuses formes différentes,
chaque type de bruit nécessite une méthode différente
pour sa suppression (réduction)

• Correction du « de la motion blur: l’effet visuel de flou »
flou dans une image:
8
 Notez que dans la
deblurred image il
est possible de lire
la plaque ainsi que
d'autres détails qui
ne sont pas du tout
clair dans l'image
originale
• Ce flou appelé aussi flou cinétique ou flou de mouvement :
dû au mouvement rapide du sujet photographié pendant
l'enregistrement (la capture) .

• Détection de contours dans une image: Cela peut être
nécessaire pour la mesure des objets dans une image
2- Rendre l’image plus adaptée
9
 Seuls les contour
sont visible dans la
deuxième image
On remarque qu'il peut être nécessaire d’augmenter
légèrement le contraste de l'image originale, pour rendre
les contours plus clairs.

• Extraction (suppression) des détails d'une image:
Pour des raisons de mesure ou de comptage
2- Rendre l’image plus adaptée
10
 La deuxième image
présente une
version floue dans
laquelle des détails
non-pertinentes ont
été supprimés.
Les petits détails sont disparus, alors, on peut par
exemple, mesurer la taille et la forme de l'animal (bison)
sans être « influencé » par les détails inutiles.

• Le traitement d'images est utilisé dans plusieurs
applications;
– presque tous les domaines de la science et la technologie
peuvent faire usage de méthodes de traitement d'images.
• Médecine:
– Inspection et Interprétation des images obtenues à partir des
rayons X, IRM ou CAT scan,
– l'analyse des cellules dans une image, des caryotypes (est
l'arrangement standard de l'ensemble des chromosomes
d'une cellule).
Applications
11

• Agriculture:
– Satellite/vues aériennes de la terre, par exemple pour
déterminer la quantité de terre utilisée à des fins différentes,
ou pour enquêter sur l'adéquation des différentes régions
pour différentes cultures,
– l'inspection des fruits et légumes; distinguer les produits bons
et frais des produits mauvais.
• Industrie
– Inspection automatique d'objets sur une ligne de production,
– l'inspection des échantillons de papier.
• Application de la loi
– Analyse des empreintes digitales,
– Sharpening (traitement de la netteté) ou suppression de flou
(deblurring) des images radars.
Applications
12

• L'échantillonnage se réfère au processus de
numérisation d'une fonction continue.
– Exemple 1D
L'acquisition des images et l’échantillonnage
Échantillonnage
13
 L'échantillonner à 10 valeurs espacées de X.
C’est un sous-échantillonnage, car le nombre
de points n'est pas suffisant pour
reconstruire la fonction (d’origine)
 L’échantillonné à 100 points,
On peut reconstruire la fonction; toutes ses
propriétés peuvent être déterminées à partir
de cet échantillonnage

• Afin de veiller à ce que nous avons des points
d'échantillonnage suffisant, il faut que la période
d'échantillonnage ne soit pas supérieure à la moitié du
moindre détail dans la fonction.
C'est ce qu'on appelle le critère de Nyquist (énoncé comme
étant le théorème d'échantillonnage)
• Images:
• Pour obtenir un échantillon (numérique) d’une image, on peut
commencer par une représentation continue d'une scène.
Échantillonnage
14

• Pour représenter une scène, on enregistre l'énergie
réfléchie par celle-ci.
• Il existe plusieurs énergie qui peuvent être utiliser:
• La lumière visible,
• La lumière invisible: Rayon X, lumière UV, l’infra
rouge ….
Acquisition
15

• Lumière visible:
– La lumière est la source d'énergie prédominante pour les
images; simplement parce qu'elle est la source d'énergie
utilisée par les êtres humains pour observer directement.
Beaucoup d'images numériques sont capturées en utilisant la
lumière visible comme source d'énergie, ce qui a l'avantage
d'être sûre, bon marché, facilement détectées et traitées
rapidement avec le matériel approprié.
• Deux méthodes, très populaires, pour produire une
image numérique sont soit utilisant un appareil photo
numérique ou un scanner à plat (flatbed scanner).
Acquisition
16

• Caméra CCD (Charge Coupled Device):
– Le détecteur CCD assure la conversion d'un signal lumineux
en un signal électrique,
– Une caméra CCD a, à la place du film d'habitude, une matrice
de photosites: Ce sont des dispositifs électroniques en
silicium dont la tension de sortie est proportionnelle à
l'intensité de la lumière qui tombe sur eux (reçu)
– Pour une caméra reliée à un ordinateur (Webcam), des
informations provenant des photosites sont ensuite
acheminées vers un support de stockage approprié (disque
dur)
Acquisition
17

• Caméra CCD (Charge Coupled Device):
– La capture d’image avec une caméra CCD
Acquisition
18
Sortie
numérique
MatriceCCD
Scène originale
La sortie est un tableau de
valeurs, chacune représente
un point d'échantillonnage de
la scène originale.
Les éléments de ce tableau
sont appelés éléments de
l'image (picture elements), ou
plus simplement pixels.

• Scanner à plat (Flatbed scanner):
– Cela fonctionne sur un principe similaire à la caméra CCD,
– Au lieu de capturer à la fois l'image entière sur un grand
tableau, une seule rangée (ligne) de photosites est déplacée à
travers l'image, et capture ainsi ligne par ligne en se
déplaçant.
Acquisition
19
Mouvementdelaligne
Scène originale
Tableau de sortie
Ligne de
photosites

• Utilisant autres sources d'énergie:
– Bien que la lumière soit très populaire et facile à utiliser,
autres sources d'énergie peuvent être utilisées pour créer
une image numérique,
– La lumière visible est une partie du spectre
électromagnétique: rayonnement dans lequel l'énergie
prend la forme d'ondes de différentes longueurs d'onde.
Acquisition
20
10-11 10-9 10-8 4x10-7 8x10-7 1.5x10-6 3x10-2
Blue
4,3x10-7m
Vert
5,4x10-7m
Rouge
7x10-7m

• Utilisant autres sources d'énergie:
– Rayons X: ont une longueur d'onde plus courte que la
lumière visible, et peuvent être utilisés pour résoudre des
objets de petite taille que ceux traités avec la lumière
visible.
Les rayons X sont bien entendu utilisés pour déterminer
les structures d’objets qui sont cachés de la vue: comme
les OS.
Acquisition
21

• Supposons que nous prenons une image, une photo,
par exemple acquise par un appareil numérique CCD.
– On suppose que la photo est monochromatique: c'est-à-dire
constituée des nuances gris seulement, donc pas de couleur.
Images et images numériques
22
 On peut supposer que les valeurs de
la luminosité de l'image peuvent
être des nombres réels dans
l’intervalle 0,0 (noir) à 1,0 (blanc)
 On peut considérer cette image
comme étant une fonction à deux
dimensions, où les valeurs de la
fonction sont la luminosité de
l'image à un moment donné,

• Une telle fonction peut être tracée:
23
• Une image numérique diffère d'une photo en ce que
le x, y, et f (x, y) sont tous des valeurs discrètes
(échantillonnées).

• Terminologie:
– Une image numérique peut être considérée comme un
tableau (matrice 2D) de points échantillonnés à partir de
l'image continu (photo), dont chacun a une luminosité
particulière quantifiée;
Ces points sont les pixels qui constituent l'image
numérique.
– Les pixels qui entourent un pixel donné constituent son
voisinage
Un voisinage peut être caractérisé par sa forme qui est
une matrice: par exemple, on peut parler d’un voisinage de
3x3, ou d'un d’un voisinage de 5x7.
24

• Image numérique et voisinage
25
les voisinages ont un nombre impair de lignes et de colonnes, ce
qui garantit que le pixel courant est dans le centre de la zone ;
voisinage 3x3, 9x9.
Sinon, il peut être nécessaire de spécifier quel pixel dans ce
voisinage est le « pixel courant »
Pixel courant
Voisinage de 3x5
X
Y

• Il est commode de subdiviser les différents
algorithmes de traitement d'images en des sous-
classes.
• Il existe différents algorithmes pour différentes
tâches et problèmes
 Et souvent nous tenons à distinguer la nature de la tâche
à accomplir.
• Amélioration d’images (image enhancement),
• Restauration d’images,
• Segmentation d’images .
Les aspects du traitement d'images
26

• Amélioration d’images (image enhancement):
– Il s'agit du traitement d'une image de sorte que le résultat
est plus approprié pour une application particulière.
– Exemple:
• Sharpening (aiguiser) ou de la suppression de flou dans
une image floue,
• Mètre en évidence les contours,
• Amélioration du contraste, ou de l’éclaircissement
d’une image,
• Suppression de bruit,
• …
27

• Restauration d’images :
– Cela peut être considéré comme inverser les dommages
causés à une image par une cause connue,
– Exemple :
• Suppression de flou causé par le mouvement linéaire,
• Suppression des distorsions optiques,
• Suppression des interférences périodique,
• …
28

• Segmentation d’images :
– Il s'agit de diviser une image en des éléments distinctifs,
ou d'isoler certains aspects d'une image.
– Exemple:
• Trouver des lignes, des cercles ou des formes
particulières dans une image,
• Sur une photographie aérienne, identifier des voitures,
arbres, bâtiments, ou des routes.
29

• Ces classes ne sont pas disjointes; un algorithme
donné peut être utilisé à la fois pour l’amélioration
d'images ou pour la restauration d'images.
• Toutefois, il faut être en mesure de décider ce que
nous essayons de faire avec notre image:
– Simplement lui donner une meilleure apparence
(amélioration), ou la suppression des dommages
(restauration).
30

• Nous allons examiner en détail une tâche particulière
dans le monde réel, et de voir comment les classes ci-
dessus peuvent être utilisés pour décrire les différentes
étapes dans l'accomplissement de cette tâche.
• Exemple:
– La tache consiste en obtenir, par un processus
automatique, les codes postaux dans les enveloppes.
Les étapes du traitement d'images
31

• L'acquisition de l'image: Caméra CCD ou scanner,
• Prétraitement: Améliorer le contraste, la suppression
du bruit et identifier les régions susceptibles de contenir
le code postal.
• Segmentation: Extraction de la partie qui ne contient
que le code postal,
• Représentation et description: Chercher des courbes,
les trous et les coins qui nous permettrons de distinguer
les différents chiffres qui constituent le code postal.
• Reconnaissance et interprétation: Attribuer des
étiquettes à des objets en fonction de leurs descripteurs
(de l'étape précédente), et assigner des significations à
ces labels.
Les étapes du traitement d'images
32

• En général, il existe quatre types de base des images:
– Images binaires,
– Images à niveau de gris ,
– Images couleurs,
– Images indexées.
Types d'images numériques
33

• Chaque pixel est soit noir soit blanc.
Nous avons seulement besoin d'un bit par pixel.
Ces images peuvent donc être très efficaces en termes de
stockage.
• Exemple:
• Les images contenant du texte (imprimé ou écrit à la main),
• Les empreintes digitales,
• Les plans d'architecture,
• Les images contenant des contours.
Binaires
34

 Nous n’avons que deux couleurs: blanc pour le
contour et noir pour fond
Binaires
35

• Chaque pixel est une nuance de gris, normalement de 0
(noir) à 255 (blanc)
– Cette gamme signifie que chaque pixel peut être représenté
par huit bits, soit exactement un octet,
– Il s'agit d'une gamme très naturelle pour le traitement
d’mages.
A niveau de gris
36

• 255 niveaux de gris différents sont suffisants pour la
reconnaissance (présentation) de la plupart des objets
naturels.
A niveau de gris
37

• Appelées images couleurs vraies ou RVB
– chaque pixel a une couleur particulière; cette couleur est
décrite par la quantité de Rouge, Vert et de Bleu.
Si chacune de ces composantes a un intervalle de 0 à
255, ce qui donne un total de 2553 =16.777.216 couleurs
différentes possibles dans l'image.
C'est assez de couleurs pour une image.
– Puisque le nombre total de bits requis pour chaque pixel
est de 24 (8x3), ces images sont aussi appelés images en
couleur 24-bit.
Couleurs
38

• Une image couleur peut être considérée comme
étant composé d'une « pile » de trois matrices,
représentant les valeurs de rouge, vert et bleu pour
chaque pixel.
Cela signifie que pour chaque pixel correspond trois
valeurs.
Couleurs
39

Couleurs
40
Rouge Vert Bleu

• Dans les images couleurs ont trouve que beaucoup de pixels
ont la même couleur.
• Pour plus de commodité de stockage et de manipulation de
fichier image, une image indexée utilise une carte (map) de
couleurs associée appelée palette de couleur:
– Une palette est simplement une liste de toutes les couleurs utilisées
dans cette image,
– La valeur des pixels ne présente pas la couleur (comme pour une
image RVB) mais un indice de la couleur dans la palette.
• Cette présentation est pratique pour le cas d’une image a
256 couleurs ou moins, car pour le stockage les valeurs des
indices ne requiert qu’un octet chacun.
– Le format GIF ne permet que 256 couleurs ou moins dans chaque
image
Indexées
41

• Deux matrice: Indices et Palette
– Dans Indices: les valeurs sont des indices dans la palette
– Dans Palette: valeurs des couleurs rouge, vert et bleu
• Sans cette palette, l'image serait très sombre et non-coloré.
• La modification d'une entrée de la palette entraîne la modification de
la couleur de tous les pixels référant à cette entrée.
Indexées
42
Indices Palette
les pixels étiquetés
6 correspondent à
0,2627 0,2588
0,2549, qui est une
couleur grise foncé.

• La taille des fichiers d'image a tendance à être
grande et ceci est directement liée à:
1. la quantité d’information contenue
2. Le type d’images.
• Exemple:
Calculer les tailles (en bits, octets, Ko, Mo)
respectives de trois images (de taille 512x512);
1- binaire
2- à niveau de gris
3- couleur
On suppose l'absence de compression, et on néglige les
informations dans l'en-tête.
Taille des fichiers images
43

• Ils existent d’autres images qui ont une taille plus
grande que celle présentée ici.
– Par exemple, les images satellitaires peuvent être de
l'ordre de plusieurs milliers de pixels dans chaque
direction.
Taille des fichiers images
44
Binaire À niveau de gris Couleur
bits 262144 262144 x 8 786432 x 8
octets 32768 262144 786432
Ko 32,768 262,144 786.432
Mo ≈ 0,033 ≈ 0,262 ≈ 0,786

• Une grande partie des processus de traitement d'images
sont utilisés pour améliorer la qualité des images pour
les êtres humains.
– Nous devons donc être conscients des limites du système visuel
humain.
• La perception d'images se compose de deux étapes de
base:
– Capturer l'image avec l'œil,
– Reconnaître et interpréter l'image (les objets dans l’image) avec
le cortex visuel dans le cerveau.
• La combinaison de ces étapes influence sur la façon dont
nous percevons le monde autour de nous.
 Il y a un certain nombre de choses à garder à l'esprit !!!
Perception des images
45

• Les intensités observées varient en fonction de
l'arrière-plan:
46
Un carré gris apparaît plus
sombre s'il est placé sur un
fond blanc que s'il était
placé sur un fond noir.
 Ceci est par ce que nous ne percevons pas les niveaux de gris
comme ils le sont, mais plutôt leur différences avec leur
entourage.

• On peut observer des intensités inexistantes en
barre dans une variation continue de niveaux de gris
47
 l’intensité varie de façon continue du
clair à l'obscurité si on la parcouru de
gauche à droite.
Toutefois, nos yeux vont voir des
barres horizontales ( ou verticales)
dans cette image

Traitement des images

Contenu connexe

Tendances

En vedette

Similaire à Traitement des images

Plus de omar bllaouhamou

Dernier

Traitement des images