Documente Academic
Documente Profesional
Documente Cultură
Master en Informatique
et Tlcommunications
Traitement dImage Numrique
Professeur A. HAOUARI
1
Chapitre I: Gnralits;
dfinitions principales
24/02/2008 21:33
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
Reprsentation dimage
Une image 2D f(x,y) scalaire relle peut tre vue comme une
surface en 3D :
Reprsentation dimage
Une image est la projection plane dune scne 3D
24/02/2008 21:33
Reprsentation dimage
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
Reprsentation dimage
Image Numrique:
Une forme discrte d'un phnomne continu.
Elle est gnralement bidimensionnelle.
Il y a 3 types dimage
24/02/2008 21:33
Reprsentation dimage
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
Reprsentation dimage
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 dimage
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
Reprsentation dimage
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
Image matricielle
cration
Logiciel de dessin
Acquisition
Difficile
Logiciel de retouche
dimage
Facile
modification
Facile
Difficile
Redimensionnement Insensible
Taille mmoire
Petite
Sensible
Grande
13
14
24/02/2008 21:33
Reprsentation dimage
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
Reprsentation dimage
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
Reprsentation dimage
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
Reprsentation dimage
Haute
frquence
fx
fy
DFT
Basse
frquence
fx
19
fy
Reprsentation dimage
Ex1
DFT
u
20
10
24/02/2008 21:33
Reprsentation dimage
Ex2: Fentrage frquentiel
21
Reprsentation dimage
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
Image visible
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
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
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
38
19
24/02/2008 21:33
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
scne
Camra
(CCD, Vidicon)
1.
2.
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
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
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
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
53
Bas Niveau
Transmission, Compression
Rehaussement, Restauration
Traitement
Super-rsolution
dimages
Suivi de forme
Vision
Strovision
Reconnaissance des formes
27
24/02/2008 21:33
55
56
28
24/02/2008 21:33
Analyse
numrique
Thorie du
signal
Informatique
Traitement
dimages
lectronique
Optique
Thorie des
systmes
Statistique
Thorie de
linformation
Neurophysiologie
57
58
29
24/02/2008 21:33
Traitement
dimages
Analyse de
scnes
Reconnaissance
de formes
Intelligence
artificielle
59
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
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).
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
37
24/02/2008 21:33
Perte de nettet
Dtails moins visibles/ moins prcis
Perte de rsolution
75
76
38
24/02/2008 21:33
2 bits (4 niv.)
77
78
39
24/02/2008 21:33
79
40
24/02/2008 21:33
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
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
i
Pour le maillage triangulaire (correspondant au
pavage hexagonal), il n'y a qu'une seule relation
d'adjacence, appele 6-adjacence.
83
max(|i-i'|, |j-j'|) = 1.
84
42
24/02/2008 21:33
j
i
85
43
24/02/2008 21:33
87
44
24/02/2008 21:33
et
45
24/02/2008 21:33
46
24/02/2008 21:33
S et
sil existe
, reliant P Q.
S"
94
47
24/02/2008 21:33
S.
trous de
Si
95
96
48
24/02/2008 21:33
intrieur
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
98
49
24/02/2008 21:33
99
) dans
100
50
24/02/2008 21:33
51
24/02/2008 21:33
103
52