Traitement d images 1 ère partie : applications. Caroline Petitjean

Transcription

1 Traitement d images 1 ère partie : applications Caroline Petitjean

2 Présentation M1 IBIOM 8h cours 15h TP

3 Qu est-ce que le traitement Amélioration, restauration d images Visualisation, reconstruction 3D, image de synthèse d images? Extraction d information, reconnaissance des formes

4 Organisation du cours Applications du TI L imagerie médicale Perception des images Représentation des images numériques sur ordinateur Les images couleurs Analyse d images

5 Retouche d images

6 Reconnaissance faciale

7 Véhicule intelligent Thèse John Klein, Université de Rouen, Détection de l hypovigilance du conducteur Source : Real-time robust face tracking for driver monitoring, J. Nuevo et al, IEEE ITSC 2007

8 Analyse de scènes routières Analyse du trafic Lecture de plaques minéralogiques Source :

9 Vidéos de sport Tracking de joueurs, du ballon

10 Vision pour le contrôle qualité

11 Imagerie ferroviaire Thèse Régis Kouadio, Université de Rouen, 2009.

12 Vidéosurveillance Biométrie (authentification) Sécurité Tatouage d images

13 Imagerie multispectrale Imagerie satellitaire, aérienne Source : ressourcepedagogique/&rh=

14 Imagerie multispectrale Analyse d œuvre d art

15 Compression d images 24Ko 4Ko

16 Reconnaissance de l écriture Cours L. Heutte Université de Rouen

17 Reconnaissance de l écriture Cours L. Heutte Université de Rouen

18 Indexation de documents Thèse Stéphane Nicolas, Université de Rouen, 2006.

19 Animation Morphing

20 Imagerie de synthèse 3D

21 Recherche d images par le contenu

22 Imagerie médicale

23 Imagerie médicale

24 Exemples Amélioration du contraste de l image (ostéoporose) Source : [1] Synarc

25 Exemples Amélioration du contraste de l image (fond d œil) Image acquise Contraste amélioré Source : [1]

26 Exemples Morphométrie rétinienne : Quantification de la densité capillaire Quantification de la surface du réseau capillaire Densité capillaire Source : [1]

27 Imagerie médicale

28 Imagerie médicale Scanner du poumon chez des asthmatiques Source : Synarc

29 Exemples Comparaison d images avant/après Source : Université Louis Pasteur, Strasbourg

30 Imagerie médicale IRM Scanner

31 Imagerie anatomique

32 Imagerie fonctionnelle

33 PETScan

34 Imagerie multimodale En IRM, on peut avoir plusieurs images de la même scène Ces images apportent des infos complémentaires

35 Imagerie médicale Reconstruction 3D

36 Imagerie médicale

37 Imagerie médicale Epicarde VD Endocarde VG Piliers

38 Imagerie médicale Grande variabilité!

39 Imagerie médicale Suivi des mouvements cardiaques

40 Exemples Atlas d organes Source : INRIA

41 Organisation du cours Applications du TI Perception des images Représentation des images numériques Les images couleurs Analyse d images

42 Perception Quelques illusions d optique Illusion de Zöllner

43 Illusion de Titchener Perception

44 Perception

45 Perception des couleurs Dire la couleur des mots (ne pas les lire) Le cerveau gauche lit les mots, le cerveau droit voit les couleurs

46 Perception Le cerveau cherche du sens là où il n y en a pas

47 Perception Trident impossible Escalier de Penrose

48 Perception : conclusions Interprétation du cerveau Interprétation de l ordinateur La perception du cerveau peut être faussée par le contexte Le cerveau «voit» de la signification

49 Organisation du cours Applications du TI Perception des images Représentation des images numériques Les images couleurs Analyse d images

50 Représentation des images Acquisition Numérisation Traitement Stockage Visualisation

51 Représentation des images Image = tableau de valeurs (matrice) Chaque case du tableau = pixel (picture element) La valeur du pixel représente son niveau de gris 0 = Noir 128 = Gris 255 = Blanc

52 Représentation des images En général, il y a 256 niveaux de gris Sur combien de bits est codé chaque pixel? Espace mémoire occupé par une image? Taille de l image : 200 x 300 pixels Chaque pixel est codé sur 8 bits 200 x 300 x 1 octet = 60 Ko (en théorie)

53 Représentation des images Nombre de niveaux de gris utilisés

54 Profil d une image y Image 256 x 256, 8 bits par pixel Tracer le profil de la ligne 177 en fonction de x Ligne 177 x Profil horizontal

55 Représentation des images Pour chaque pixel situé en (x,y), on a la valeur de son NdG I(x,y) y I(x,y) Une image est une fonction bidimensionnelle : (x,y) I(x,y) x A chaque niveau I correspond une couleur Que se passe-t-il si à chaque I on fait correspondre une hauteur z? (3 ème dimension)

56 Attention! la représentation surfacique ne correspond pas au relief perçu par l œil et interprété par le cerveau

57 Représentation des images Résolution

58 Résolution des images Quand l image a des dimensions «réelles» (mesure en cm), on peut calculer une résolution en point (ou pixel) par pouce (ppp) dot per inch (dpi) (1 inch = 1 pouce = 2.54 cm) Exemple d application : On a une photo de 13 x10 cm On veut l imprimer avec une résolution de 300 dpi au moins. Quelle sera la taille en pixels de l image numérisée?

59 Organisation du cours Applications du TI Perception des images Représentation des images numériques Les images couleurs Analyse d images

60 Couleur On a vu comment représenter une image en niveau de gris Mais comment représenter une image en couleur (sur l ordinateur)? Comment obtient-on une image couleur?

61 Couleur

62 Couleur Système visuel humain

63 La rétine

64 Les bâtonnets

65 Couleur RGB Rouge Vert Bleu (RVB) Red Green Blue (RGB) La décomposition selon les 3 plans RGB permet de reconstituer toutes les couleurs possibles Cf. aussi les écrans à tube cathodique, à LED

66 Couleur RGB Décomposition de l image RGB sur les 3 plans R, G, B Rouge Vert Bleu Tout ce qui a du rouge «ressort» a une grande valeur va être en blanc Tout ce qui a du vert «ressort» a une grande valeur va être en blanc Tout ce qui a du bleu «ressort» a une grande valeur va être en blanc

67 Couleur RGB Décomposition de l image RGB sur les 3 plans R, G, B Rouge Vert Bleu

68 Couleur RGB Décomposition de l image RGB sur les 3 plans R, G, B Rouge Vert Bleu

69 Couleur RGB Comment passer d une image RGB à une image niveaux de gris? Moyenne des 3 plans couleurs R, G, B Combien de couleurs différentes peut-on représenter si chaque plan est codé sur 8 bits?

70 Couleur : autre représentation Lumière visible 380 nm 770 nm Vers les UV Longueur d onde Vers les IR Espace colorimétrique HSV = Hue, Value, Saturation

71 Couleur : espace HSV HSV : Teinte, Saturation, Luminance Utilisé dans les applications graphiques

72 Image couleur Comment obtient-on une image couleur? Soit à l acquisition (ex : photographie) Soit par modification artificielle : on part d une image NdG et on utilise une Look-Up Table (LUT)

73 Acquisition d images couleur Photographie couleur Les capteurs CCD (dans les app. photo numériques) sont sensibles à l'ensemble du spectre de la lumière visible Toutes les longueurs d onde (ou couleurs) sont acquises Imagerie multispectrale Des bandes de longueurs d onde sont acquises séparement Pour chaque bande, on a une image

74 Imagerie multispectrale Appliquée à l analyse d œuvre d art

75 Imagerie multispectrale Dans cette partie du spectre, la chlorophylle émet fortement

76 Couleur : les LUT Image niveaux de gris Images artificiellement en couleur

77 Fausses couleurs Source : Cours T. Boudier Imagerie numérique

78 Fausses couleurs Imagerie astronomique Image en fausse couleur de la nébuleuse Eta Carinae prise par le téléscope spatial Hubble. Source : Wikipédia Image composite en fausses couleurs de Vénus obtenues avec l'instrument VIRTIS. Source : CNRS Imagerie médicale erender.fcgi?artid= format/qualif/agregint96/agindos96.htm

79 Fausses couleurs Vidéos d images des alvéoles pulmonaires

80 Acquisition de UNE image de la scène Ex : photo N&B, image rayons x, échographie 1 pixel = 1 valeur Acquisition de PLUSIEURS images de la même scène Photo couleur (RGB) Images IRM (T1, T2, PD) Imagerie multispectrale 1 pixel = n valeurs emouelic/omega.html

81 Formats d images Extension BMP GIF EPS TIFF JPEG DCM Nom du format BitMap Windows Graphic Information Format Encapsulated Postscript Tagged Image File Format Joint Photograph Experts Group Dicom (ACR-NEMA) Description Format des images Windows Microsoft Pas de compression Comprimé LZW (sans perte), 8 bits Possibilité d'animation et de transparence Bitmap encapsulé dans Postscript Format Adobe. 8 à 24 bits. Compression LZW Photo numérique. Compression liée aux limites de l'œil Imagerie radiologique

82 Organisation du cours Applications du TI Perception des images Représentation des images numériques Les images couleurs Analyse d images

83 Différents traitements selon l objectif à atteindre! Résultat : visualisation améliorée Résultat : mesure de la surface de la tumeur Prétraitement Traitement Reconnaissance des formes saine malade Résultat : identification des cellules malades et saines

84 Présentation de l analyse d images Traitement de 2 images Estimation de mouvement Recalage d images Morphing

85 Amélioration d image Extraction d information dans l image Segmentation Comparer 2 images Recalage & fusion

86 Références Cours de Vision artificielle, Christine Fernandez-Maloigne, Université de Poitiers Images d illusions d optique : wikipedia Cours de Imagerie Numérique Bruno Nazarian, École de Journalisme et de Communication, DESS IESS

87 Spécificit cificités s des méthodes m de TIM Prise en compte des caractéristiques des images médicales Robuste (au bruit) Rapide (pratique clinique) (Semi-)Automatique Validée

88 Spécificit cificités s des méthodes m de TIM Prise en compte des caractéristiques des images médicales Exemple en IRM : intensité non uniforme (INU) Source : [2] B. Dawant and A. Zijdenbos. Chapter 2: Image Segmentation. Handbook of Medical Imaging. Volume 2: Medical Image Processing and Analysis, SPIE Press: p , 2000.

89 Source : [2] Correction de INU en IRM

90 Spécificit cificités s des méthodes m de TIM Prise en compte des caractéristiques des images médicales Exemple en IRM : effet de volume partiel Source : [2]

91 Spécificit cificités s des méthodes m de TIM Images scanner (CT) : unités Hounsfield

92 Spécificit cificités s des méthodes m de TIM Images échographiques (US) : bruit speckle Bruit multiplicatif