Généralités Sur Le Traitement D'images

24/02/2008 21:33
Master en Informatique
et Tlcommunications
Traitement dImage Numrique
Professeur A. HAOUARI
1
Chapitre I: Gnralits;
dfinitions principales
24/02/2008 21:33
Gnralits; dfinitions principales

Lobjectif de ce chapitre est de donner les dfinitions de base
utilises dans le domaine de lImagerie Numrique, de
comprendre le processus de formation de limage numrique
partir dune scne 3D et un survol rapide des domaines
dapplication.
Dfinition de lImage
Limage est une reprsentation dune personne ou dun objet
par la peinture, la sculpture, le dessin, la photographie, le film,
etc.
Cest aussi un ensemble structur dinformations qui, aprs
affichage sur lcran, ont une signification pour lil humain.
3
Reprsentation dimage
1) Reprsentation continue (analogique)
Image = fonction dau moins deux variables relles
y Image : f(x,y)
image 2D
y Volume : f(x,y,z)
image 3D
y Squence dimage : f(x,y,t)
y Squence de volumes : f(x,y,z,t)
image 4D
Les valeurs prises par f(.) peuvent tre
y Scalaires (intensit lumineuse)
y Vectorielles (couleur (RVB, ..), imagerie multispectrale,
image de paramtres...)
y Relles ou complexes
4
24/02/2008 21:33
Une image 2D f(x,y) scalaire relle peut tre vue comme une
surface en 3D :
Si f(.) reprsente une intensit lumineuse
Une image est la projection plane dune scne 3D
24/02/2008 21:33
2) Reprsentation chantillonne
chantillonnage dune fonction f(x,y)
fe(x,y) = f(x,y).i j ( x - i x , y - j y )
x pas dchantillonnage dans la direction x
y pas dchantillonnage dans la direction y
i j ( x - i x , y - j y ) Peigne de Dirac 2D
Image Numrique:
Une forme discrte d'un phnomne continu.
Elle est gnralement bidimensionnelle.
Il y a 3 types dimage
24/02/2008 21:33
Image couleur
Image en niveaux
de gris
image code
8bits/pixel/couleur
Image code
8bits/pixel
28 =256 niveaux
de gris
Image binaire
image code
2 niveaux: noir
1bit/pixel
et blanc
3) Reprsentation matricielle ou vectorielle
Reprsentation matricielle
On considre l'image comme un ensemble de points, les pixels.
(pixels = picture elements = lments images = les plus petits
constituants d'une image). Chaque point est dfini par sa couleur.
Une image matricielle (bitmap) est dcrite par
un tableau de pixels
les informations de couleur de ces pixels
10
24/02/2008 21:33
reprsentation vectorielle
Les images vectorielles dcrivent les objets qu'elles contiennent
par leurs caractristiques gomtriques, sous forme de
"vecteurs" et dans un espace donn.
11
Une image vectorielle est dcrite par :
un ensemble dobjets gomtriques 2D
leurs positions dans limage
leurs proprits de couleur, dpaisseur, etc.
12
24/02/2008 21:33
Vectorielle ou matricielle: Avantages et inconvnients

Image vectorielle
Image matricielle
cration
Logiciel de dessin
Acquisition
Difficile
Logiciel de retouche
dimage
Facile
modification
Facile
Difficile
Redimensionnement Insensible
Taille mmoire
Petite
Sensible
Grande
13
Ex: Redimensionnement dune image
14
24/02/2008 21:33
Image naturelle Plusieurs
moyens d'acquisition: camra,
microscope, tomographie,
infra-rouge, satellite,
Image artificielle Plusieurs
outils de reprsentation:
synthse d'images, ralit
virtuelle, visualisation
scientifique, jeux vido, etc.
15
Reprsentations frquentielles
Notion de frquence spatiale:
Dans ce cas, lespace de travail est lespace image. On parlera
de deux types de frquences:
Les basses frquences qui caractrisent les zones
homognes, ou continues par rapport une proprit de
limage telle que lintensit lumineuse (niveau de gris) ou
la texture.
Les hautes frquences qui caractrisent les dtails et les
contours dans limage.
16
24/02/2008 21:33
17
Transforme de Fourier 2D
Dans ce cas, lespace de travail est lespace de Fourier: on passe
de lespace image lespace de Fourier par une transformation de
Fourier bidimensionnelle.
Transforme de Fourier Discrte 2D (DFT)
1
F (u, v ) =
MN
M 1 N 1
m=0 n=0
f [ m , n ] ex p ( 2 j (
m u nv
+
))
M
N
DFT
18
24/02/2008 21:33
Haute
frquence
fx
fy
DFT
Basse
frquence
fx
19
fy
Ex1
DFT
u
20
10
24/02/2008 21:33
Ex2: Fentrage frquentiel
21
Dans ce cours : image = information issue d'un capteur
(camra, ).
22
11
24/02/2008 21:33
IMAGERIE NUMRIQUE:Traitement
23
APPLICATIONS
Robotique (Industrie)
Assemblage, Reconnaissance de pices, Contrle de qualit
Vhicule autonome, etc.
24
12
24/02/2008 21:33
APPLICATIONS
Reconnaissance des
pices mcaniques
25
Cassure
Cheveux
Inclusions
Analyse
Analysede
deDEFAUTS
DEFAUTSsur
surdes
desBOUTEILLES
BOUTEILLES
26
13
24/02/2008 21:33
APPLICATIONS
Tldtection:
Mto, Cartographie, Analyse des ressources terrestres
Astronomie. etc.
Cartographie et dlimitation
des inondations
Suivi du cyclone
27
APPLICATIONS
Les images satellitaires et ariennes
servent :
la classification des types de cultures
l'valuation de la sant des cultures
l'estimation de la production totale
d'une rcolte
la cartographie des caractristiques
du sol
28
14
24/02/2008 21:33
Surveillance des feux de forts
Image visible
Image infrarouge thermique
29
APPLICATIONS
L'identification de la couverture du sol
tablit la ligne de base partir de
laquelle des activits de suivi (et de
dtection) des changements peuvent
tre
effectues,
et
fournir
des
informations prliminaires pour les

cartes thmatiques
Couverture et
utilisation du sol
30
15
24/02/2008 21:33
APPLICATIONS
Applications militaires
Guidage de missiles,
reconnaissance arienne sousmarine, etc.
Missile guidage laser
Dtection et protection
des vhicules de combat
31
APPLICATIONS
32
16
24/02/2008 21:33
APPLICATIONS
Imagerie mdicale
Tomographie, Aide au diagnostique, Comptage du nombre de
cellules, Suivi de formes anatomiques
etc.
Image IRM
Rayons-X
33
APPLICATIONS
Rayons-X
Mdecine nuclaire
34
17
24/02/2008 21:33
APPLICATIONS
Dtection des tumeurs cancreuses

partir dune mammographie (Rayons X)
Limage de la
rtine humaine
35
APPLICATIONS
Scurit
Reconnaissance d'empreintes, visages, signatures
Dtection de mouvement, etc.
36
18
24/02/2008 21:33
APPLICATIONS
37
Lecture Automatique de Documents
38
19
24/02/2008 21:33
Un systme d identification de l individu

chantillonnage
et Codage
Dtection
de Contours
Extraction de
Paramtres
Vecteur de
Paramtres
a1
a
2
a 3

#
a i

#
a
n
Dcision
C est
M. X
Comparaison
Bibliothque
39
40
20
24/02/2008 21:33
ACQUISITION DUNE IMAGE NUMRIQUE

1. I(x,y) continue 2. I(x,y) numrise (chantillonne et quantifie)
scne
Camra
(CCD, Vidicon)
1.
2.
Projection 2D dune scne 3D

I(x,y) reprsente lintensit de la
lumire au point (x,y)
Matrice o la valeur de chaque
lment reprsente lintensit
discrte de la lumire
Numriseur
Image
numrique
Pixel
(picture element)
0: noir
255: blanc
41
Scne
Ensemble des objets qui se trouvent dans le champ de
vision
Source lumineuse
Soleil
clairage ambiant
Projecteurs
Laser
Autres
42
21
24/02/2008 21:33
Processus de formation de limage
43
Capteur
Camra vido
Appareil photo
Camra numrique
Camra thermique, 3-D, multispectrale, haute vitesse, ...
Numriseur
Numriseur de trame vido.
Numriseur balayage (scanner).
44
22
24/02/2008 21:33
Types de capteurs
CCD:Charged Coupled Device
Meilleure qualit
Moins de bruit
Demande plus de puissance (100X)
Plus sensible
CMOS: Complementary Metal Oxide Semiconductor
Gnralement moins cher
Plus de bruit,
Demande moins de puissance
Moins sensible
45
Caractristiques d'un capteur image

- Rapport signal sur bruit
- Sensibilit
- Sensibilit spectrale
- Fonction de transfert
- Correction Gamma
- Rsolution
- Temps d'intgration
- Saturation
- Rmanence
46
23
24/02/2008 21:33
Processeur
Ordinateur
Unit de traitement de signal (DSP)
Logique programme
Circuit intgr ddi
Ordinateurs parallles
Affichage (facultatif)
Moniteur vido
Moniteur dordinateur
47
Logiciel
Progiciels spcialiss
Aphelion, Visilog, KBVision
Outils mathmatiques
Matlab, Maple, Mathmatica
Programmation
C, C++, Java,
48
24
24/02/2008 21:33
Capteurs
Principe gnral (ex: photodiode)
L'nergie incidente est convertie en signal lectrique
La sortie est proportionnelle la lumire
Un filtre pour augmenter la slectivit
49
Capteurs
En Matrice
50
25
24/02/2008 21:33
CCD couleur (Charge-Coupled Device)

Avec filtre, puis
interpolation (Note:
tri-CCD aussi
possible avec un
systme optique
(prisme) et 3
matrices CCD)
51
sens de parcours
squentiel dune image
pour des raisons doptimisation, cest dans ce sens que
seront rangs les pixels dans le tableau image
52
26
24/02/2008 21:33
TRAITEMENT DIMAGERIE NUMRIQUE
53
TRAITEMENT DIMAGES VS VISION
Bas Niveau
Transmission, Compression
Rehaussement, Restauration
Traitement
Super-rsolution
dimages
Dtection contours, Segmentation
Suivi de forme
Vision
Strovision
Reconnaissance des formes
Haut Niveau Comprhension de limage

54
27
24/02/2008 21:33
EXEMPLES DE TRAITEMENT DIMAGES
55
LIMAGE NUMRIQUE EN NIVEAUX DE GRIS
56
28
24/02/2008 21:33
Le Traitement dImages et les autres disciplines
Analyse
numrique
Thorie du
signal
Informatique
Traitement
dimages
lectronique
Optique
Thorie des
systmes
Statistique
Thorie de
linformation
Neurophysiologie
57
Relation entre le Traitement dImages

et le Traitement des Signaux
58
29
24/02/2008 21:33
Position du traitement dimages :

Traitement
numrique des signaux
Traitement
dimages
Analyse de
scnes
Reconnaissance
de formes
Intelligence
artificielle
59
Chane complte de traitement dimages et vido
60
30
24/02/2008 21:33
Numrisation dimages
Numrisation: tape essentielle pour passer dune
reprsentation continue une reprsentation discrte
chantillonnage
Quantification
61
chantillonnage
1 pixel
quantification
0 1 2 3 4 5 6 7
0
1
2
5
1
0
1
1
2
1
5
5
3
7
7
2
3
2
1
0
7
0
4
6
5
1
1
3
2
1
6
7
0
0
0
5
2
2
3
1
5
6
5
6
4
0
7
4
5
2
4
5
3
6
5
0
0
6
1
2
3
2
3
6
6
7
0
7
1
3
2
3
5
4
5
6
0
5
5
6
1
2
2
3
4
5
0
4
2
4
1
0
2
3
5
6
1
7
6
4
1 pixel (3 bits)
codage 1
binaire
stockage
62
31
24/02/2008 21:33
Numrisation dimages
Les images en couleurs sont reprsentes par leurs composantes.
Chaque composante est reprsente son tour comme une image
63
chantillonnage
tape ncessaire quand le signal sous-jacent est analogique
Dans le cas 1-D l chantillonnage est bien expliqu, bien connu,
bien compris et bien utilis.
La gnralisation, sans faire attention, de 1-D M-D est
dangereuse!
La nature des signaux M-D est presque toujours diffrente de
celle des signaux 1-D.
Les contraintes des applications et des ralisations sont
diffrentes.
64
32
24/02/2008 21:33
chantillonnage
65
chantillonnage
Dans le cas 1-D on utilise le thorme bien connu de
lchantillonnage : Un signal analogique peut tre entirement
reconstruit partir de ses chantillons s il est chantillonn au
moins au double de sa frquence maximum.
La frquence maximum doit tre connue (peut tre mesure
avec des analyseurs de spectre)
Le signal doit tre stationnaire (transforme de Fourier)
La condition est donne pour la reconstruction du signal
analogique
66
33
24/02/2008 21:33
chantillonnage
L chantillonnage M-D de f(x, y) est ralis en prlevant des
chantillons espacs priodiquement. Le signal chantillonn est
donn par:
fe(x,y) = f(x,y).i j ( x - i x , y - j y )
x pas dchantillonnage dans la direction x
y pas dchantillonnage dans la direction y
67
chantillonnage
i j ( x - i x , y - j y ) Peigne de Dirac 2D
La relation dans le domaine frquentiel devient:
1 k =+ l=
k
k
Fe (u, v) =
F
u
,
v
xy k = l=
x
y
68
34
24/02/2008 21:33
Thorme dchantillonnage
Un signal analogique 2D peut tre entirement reconstruit
partir de ses chantillons pour autant que les frquences
dchantillonnage soient au moins deux fois plus grandes que les
frquences maximales du signal
1
1
2umax ;
2vmax
x
y
f e 2 f max_ image
Hypothses
Les frquences maximales du signal sont connues
Le signal est stationnaire
69
chantillonnage
Limage chantillonne est donc :
~
f e ( x, y) = f (ix, jy) ( x ix, y jy)
i
Avec un capteur matrice :
70
35
24/02/2008 21:33
chantillonnage
71
Quantification
Dfinitions
Quantification uniforme
Quantification non-uniforme
72
36
24/02/2008 21:33
Quantification
Dfinition:La quantification dsigne la limitation du nombre de
valeurs diffrentes que peut prendre I(x,y).
Quantification : discrtisation de l'espace des couleurs ou

niveaux de gris, elle dfinit le nombre de couleurs utilises pour
dessiner l'image
73
Quantification
le principe : codage des valeurs relles en valeurs entires de
manire optimale i.e. remplacer toute valeur situe entre 2
niveaux de dcision conscutifs di et di+1 par un niveau de
reconstruction ri avec [m, M] la gamme dynamique du signal
quantifier
d0
d1
di
di+1
dn
max(f)=M
min(f)=m
r0
r1
ri
rn-1
contrainte : nouvelle image ressemblant le plus possible l'image

74
initiale
37
24/02/2008 21:33
Effets de l'chantillonnage : pixelisation
Perte de nettet
Dtails moins visibles/ moins prcis
Perte de rsolution
75
Effets de la quantification l'acquisition
76
38
24/02/2008 21:33
Effets de la quantification l'acquisition
8 bits (256 niv.)
4 bits (16 niv.)
2 bits (4 niv.)
Apparition de faux contours

Bruit de quantification
Effet visible lil en dessous de 6/7 bits
Quantification sur 8 bits pour laffichage
77
Effets de lclairage l'acquisition
clairage non uniforme !

Correction de l'clairage
Une bonne acquisition
Des traitements facilits
78
39
24/02/2008 21:33
Relation entre les pixels

Pavages et maillages
Il y a 3 types: triangulaire, carr, et hexagonal.
On place un point au centre de chaque pav, et on joint par une

ligne ceux parmi ces points dont les pavs correspondants se
touchent par un ct. Cela donne le maillage correspondant au
pavage, comme illustr ci-dessous :
79
Comme le maillage forme un rseau, les pixels sont les points

coordonnes entires selon deux axes. Donc tout pixel se code
comme un couple (i,j) d'entiers.
En maillage carr il est d'usage de prendre le premier axe i
orient vers le bas et le deuxime axe j orient vers la droite
80
40
24/02/2008 21:33

Dans un maillage carr (aussi appel grille), tout pixel a 2 types
de voisins, savoir ses 4 voisins selon les axes, et ses 4 voisins
selon les diagonales. La relation de proximit entre deux voisins
axiaux est plus forte que celle entre deux voisins diagonaux.
4 horizontaux et verticaux
(i+1, j), (i-1, j), (i, j+1), (i, j-1)
4-voisins de P ->N4(p)
le point central P(i, j)
81

4 diagonaux
(i+1, j+1), (i+1, j-1), (i-1, j+1), (i-1, j-1)
4-voisins diagonaux de P ->ND(p)
le point central P(i,j)
Adjacence connectivit
Dans le cas du maillage carr, la notion du voisinage permet de
dfinir deux types dadjacence:
82
41
24/02/2008 21:33

deux pixels p et q sont dits
4-adjacents s'ils sont voisins suivant un axe,
8-adjacents s'ils sont voisins suivant un axe ou une diagonale.
j
i
Pour le maillage triangulaire (correspondant au
pavage hexagonal), il n'y a qu'une seule relation
d'adjacence, appele 6-adjacence.
83

tant donn un pixel (i,j), en maillage carr les pixels adjacents
(i, j) sont :
(i+1, j), (i-1, j), (i, j+1), et (i, j-1) pour la 4-adjacence ;
les mmes, plus (i+1, j+1), (i+1, j-1), (i-1, j+1), et (i-1, j-1)
pour la 8-adjacence.
On vrifie les relations suivantes :
(i, j) est 4-adjacent (i', j') si et seulement si |i-i'| + |j-j'| = 1.
(i, j) est 8-adjacent (i', j') si et seulement si
max(|i-i'|, |j-j'|) = 1.
84
42
24/02/2008 21:33

En maillage triangulaire, les pixels 6-adjacents (i, j) sont:
(i+1, j), (i-1, j), (i, j+1), (i, j-1), (i+1, j+1), et (i-1, j-1) pour des
axes formant un angle de 60 ;
(i+1, j), (i-1, j), (i, j+1), (i, j-1), (i+1, j+1), et (i-1, j-1) pour des
axes formant un angle de 120.
j
j
i
85

Chemins
Soit k le nombre dsignant l'adjacence choisie, c..d. k = 4 ou 8
pour le maillage carr du plan (k = 6, pour le maillage cubique de
l'espace tri-dimensionnel et k = 6 pour le maillage triangulaire du
plan). On parlera donc de la relation de k-adjacence entre les
pixels (ou voxels).
dfinition
Un k-chemin du pixel p au pixel q est une suite x0, ..., xn (o n est
un entier naturel) de pixels tels que
x0 = p et xn = q,
pour i = 0, ..., n-1, xi est k-adjacent xi+1.
86
43
24/02/2008 21:33

Remarques
1) n est la longueur du chemin.
2) Un chemin de longueur n comporte donc n+1 pixels et n
transitions
3) En maillage carr tout 4-chemin est un 8-chemin
4) Dans toute la suite, on se limitera au cas du maillage carr.
Distances
87

dfinition
La k-distance dk(p,q) entre deux pixels p et q est la longueur
minimum d'un k-chemin de p q. Il s'agit bien d'une distance
dans le sens qu'elle vrifie les axiomes suivants :
dk(p, p) = 0, et pour p diffrent de q on a dk(p, q) > 0
(identit et positivit) ;
dk(p, q) = dk(q, p) (symtrie) ;
dk(p, r) est plus petit que ou gal dk(p, q) + dk(q, r)
(ingalit triangulaire).
88
44
24/02/2008 21:33

Dans le cas du maillage carr il est facile de voir que si p et q sont
de coordonnes (i, j) et (i', j') respectivement, alors
d4(p, q) = |i-i'| + |j-j'|
et
d8(p, q) = max(|i-i'|, |j-j'|).

Connexit
Dfinition
Soit X un ensemble de pixels. On dit que X est k-connexe si pour
tous p, q dans X, il existe un k-chemin de p q entirement inclus
dans X.
89

Toutes les composantes (de
1 5 ) sont 4-connexes
les composantes 8-connexes sont:

la runion des ensembles 1 3
la runion des ensembles 4 et 5.
Remarque
90
45
24/02/2008 21:33

L'ensemble vide et les singletons {p} sont k-connexes ;
tant donn une famille d'ensembles k-connexes ayant un pixel
p en commun, la runion de ces ensembles est k-connexe.
En maillage carr tout 4-chemin est un 8-chemin, donc un
ensemble 4-connexe sera toujours 8-connexe
Un ensemble n'tant pas toujours connexe, on peut alors le
dcomposer en ses composantes connexes.
Dfinition
On appelle une composante k-connexe de X une partie k-connexe
maximale de X.
91

Si X est non-vide, les composantes k-connexes de X forment
une partition de celui-ci, c..d. elles sont non-vides,
mutuellement disjointes, et recouvrent X.
Pour un pixel p de X, la composante k-connexe de X contenant
p est la runion de toutes les parties k-connexes de X
contenant p.
En maillage carr une composante 8-connexe de X est la
runion d'une ou plusieurs composantes 4-connexes de X
relies entre elles par des connexions en diagonale.
92
46
24/02/2008 21:33

Pixels objets et pixels fond
Le support dune image peut tre divis en deux classes:
La classe des points objets note
La classe des points fond note
Dfinition
P et Q deux lments de
S et
sont connects dans
un chemin connexe inclus dans
sil existe
, reliant P Q.
Des exemples illustrant cette dfinition sont donns par la figure

ci-aprs;
93
Sur cette figure, les lments de
sont reprsents par x, le
fond est constitu des autres lments.

Dfinition
Une composante connexe est par dfinition une classe
dquivalence de la relation dquivalence " tre connect dans
S"
94
47
24/02/2008 21:33

En utilisant la notion de connexit, la classe des points fond
note
peut tre subdivis en deux rgions: la rgion fond et
la rgions compose de trous dfinies de la faon suivante:

Dfinition:
Lunique composante de
dont les lments sont connects
au bord du support de limage est dfinie comme tant le fond

de limage.
Les autres composantes de S sont dfinies comme tant les
S.
trous de
Si
S na pas de trou, on dit que S est simplement connexe.
95
Les points nots constituent le fond.

Les points nots x constituent la composante 8-connexe S1
Les points nots o constituent le trou de S1
Les points nots + constituent la composante simplement connexe
S2
96
48
24/02/2008 21:33

Dfinition
Un trou est un point de
intrieur
, cest--dire que tout
chemin connexe reliant ce point au bord du support de limage

passe par un point de
Remarque
La notion de connexit permet de dfinir un grand nombre de
concepts topologiques tels que composante, intrieur, extrieur,
frontire.
En effet, en analyse dimage, des mthodes couramment utilises
sappuient sur la notion de frontire des composantes, des
paramtres associs la gomtrie et la forme sen dduisent.
97

Pour cela, il est ncessaire de dfinir les notions darc, de courbe
et de frontire en discret.
Dfinition
Un ensemble de points S est un arc si S est connexe et si chacun
de ses points exceptes les extrmits, a exactement deux
voisins.
98
49
24/02/2008 21:33

Proprits
Un arc est simplement connexe
Courbe: dfinition
Une composante
S est dite une courbe si elle est connexe et si
chacun de ses points a exactement deux voisins.
99

On peut alors dfinir les notions de frontire et de point intrieur:
Dfinition
S qui ont un voisin (au

S compose la frontire de S
Lensemble des points de la composante

sen de la connexit dans
Dfinition
Dans le cas o
) dans
S est simplement connexe, les points de S qui ne
sont pas points frontires, sont dfinies comme des points

intrieurs la composante
100
50
24/02/2008 21:33
S est une composante 4-connexe

X Points intrieurs Points frontires
101
S est une composante 8-connexe

X Points intrieurs Points frontires
102
51
24/02/2008 21:33
S composante 8-connexe; non simplement connexe

x Points intrieurs; Points frontires extrieurs
x Points frontires intrieurs
103
52

Généralités Sur Le Traitement D'images

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Généralités Sur Le Traitement D'images

Încărcat de

Drepturi de autor:

Formate disponibile

24/02/2008 21:33

Gnralits; dfinitions principales

Si f(.) reprsente une intensit lumineuse

Vectorielle ou matricielle: Avantages et inconvnients

Ex: Redimensionnement dune image

Surveillance des feux de forts

Image infrarouge thermique

informations prliminaires pour les

Dtection des tumeurs cancreuses

Lecture Automatique de Documents

Un systme d identification de l individu

ACQUISITION DUNE IMAGE NUMRIQUE

Projection 2D dune scne 3D

Processus de formation de limage

Caractristiques d'un capteur image

CCD couleur (Charge-Coupled Device)

TRAITEMENT DIMAGERIE NUMRIQUE

TRAITEMENT DIMAGES VS VISION

Dtection contours, Segmentation

Haut Niveau Comprhension de limage

EXEMPLES DE TRAITEMENT DIMAGES

LIMAGE NUMRIQUE EN NIVEAUX DE GRIS

Le Traitement dImages et les autres disciplines

Relation entre le Traitement dImages

Position du traitement dimages :

Chane complte de traitement dimages et vido

Avec un capteur matrice :

Quantification : discrtisation de l'espace des couleurs ou

contrainte : nouvelle image ressemblant le plus possible l'image

Effets de l'chantillonnage : pixelisation

Effets de la quantification l'acquisition

Effets de la quantification l'acquisition

8 bits (256 niv.)

4 bits (16 niv.)

Apparition de faux contours

Effets de lclairage l'acquisition

clairage non uniforme !

Une bonne acquisition

Des traitements facilits

Relation entre les pixels

On place un point au centre de chaque pav, et on joint par une

Relation entre les pixels

Comme le maillage forme un rseau, les pixels sont les points

Relation entre les pixels

Relation entre les pixels

Relation entre les pixels

Relation entre les pixels

Relation entre les pixels

Relation entre les pixels

Relation entre les pixels

Relation entre les pixels

Relation entre les pixels

d8(p, q) = max(|i-i'|, |j-j'|).

Relation entre les pixels

les composantes 8-connexes sont:

Relation entre les pixels

Relation entre les pixels

Relation entre les pixels

sont connects dans

un chemin connexe inclus dans

Des exemples illustrant cette dfinition sont donns par la figure

Relation entre les pixels

Sur cette figure, les lments de