Introduction au traitement d'images

2,974 views

Published on

Ce cours est une introduction au traitements informatique des images. 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.

Published in: Education
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
2,974
On SlideShare
0
From Embeds
0
Number of Embeds
21
Actions
Shares
0
Downloads
209
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

Introduction au traitement d'images

  1. 1. ABDELOUAHED SABRI ABDELOUAHED.SABRI@GMAIL.COM Traitement d’images
  2. 2. • 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
  3. 3. • 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
  4. 4. • 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
  5. 5. • 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
  6. 6. • Améliorer les contours d'une image pour la rendre plus nette: C’est quoi le « traitement d'images » 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.
  7. 7. • Suppression de « bruit » d'une image: le bruit étant des erreurs aléatoires dans l'image. C’est quoi le « traitement d'images » 1- Améliorer de l’information contenue 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)
  8. 8. • Correction du « de la motion blur: l’effet visuel de flou » flou dans une image: C’est quoi le « traitement d'images » 1- Améliorer de l’information contenue 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) .
  9. 9. • Détection de contours dans une image: Cela peut être nécessaire pour la mesure des objets dans une image C’est quoi le « traitement d'images » 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.
  10. 10. • Extraction (suppression) des détails d'une image: Pour des raisons de mesure ou de comptage C’est quoi le « traitement d'images » 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.
  11. 11. • 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). C’est quoi le « traitement d'images » Applications 11
  12. 12. • 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. C’est quoi le « traitement d'images » Applications 12
  13. 13. • 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
  14. 14. • 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. L'acquisition des images et l’échantillonnage Échantillonnage 14
  15. 15. • 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 …. L'acquisition des images et l’échantillonnage Acquisition 15
  16. 16. • 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). L'acquisition des images et l’échantillonnage Acquisition 16
  17. 17. • 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) L'acquisition des images et l’échantillonnage Acquisition 17
  18. 18. • Caméra CCD (Charge Coupled Device): – La capture d’image avec une caméra CCD L'acquisition des images et l’échantillonnage 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.
  19. 19. • 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. L'acquisition des images et l’échantillonnage Acquisition 19 Mouvementdelaligne Scène originale Tableau de sortie Ligne de photosites
  20. 20. • 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. L'acquisition des images et l’échantillonnage 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
  21. 21. • 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. L'acquisition des images et l’échantillonnage Acquisition 21
  22. 22. • 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,
  23. 23. • Une telle fonction peut être tracée: Images et images numériques 23 • Une image numérique diffère d'une photo en ce que le x, y, et f (x, y) sont tous des valeurs discrètes (échantillonnées).
  24. 24. • 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. Images et images numériques 24
  25. 25. • Image numérique et voisinage Images et images numériques 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
  26. 26. • 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
  27. 27. • 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, • … Les aspects du traitement d'images 27
  28. 28. • 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, • … Les aspects du traitement d'images 28
  29. 29. • 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. Les aspects du traitement d'images 29
  30. 30. • 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). Les aspects du traitement d'images 30
  31. 31. • 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
  32. 32. • 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
  33. 33. • 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
  34. 34. • 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. Types d'images numériques Binaires 34
  35. 35.  Nous n’avons que deux couleurs: blanc pour le contour et noir pour fond Types d'images numériques Binaires 35
  36. 36. • 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. Types d'images numériques A niveau de gris 36
  37. 37. • 255 niveaux de gris différents sont suffisants pour la reconnaissance (présentation) de la plupart des objets naturels. Types d'images numériques A niveau de gris 37
  38. 38. • 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. Types d'images numériques Couleurs 38
  39. 39. • 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. Types d'images numériques Couleurs 39
  40. 40. Types d'images numériques Couleurs 40 Rouge Vert Bleu
  41. 41. • 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 Types d'images numériques Indexées 41
  42. 42. • 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. Types d'images numériques Indexées 42 Indices Palette les pixels étiquetés 6 correspondent à 0,2627 0,2588 0,2549, qui est une couleur grise foncé.
  43. 43. • 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
  44. 44. • 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
  45. 45. • 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
  46. 46. • Les intensités observées varient en fonction de l'arrière-plan: Perception des images 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.
  47. 47. • On peut observer des intensités inexistantes en barre dans une variation continue de niveaux de gris Perception des images 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

×