Traitement d images. Chapitre I Prétraitements

Dimension: px
Commencer à balayer dès la page:

Download "Traitement d images. Chapitre I Prétraitements"

Transcription

1 Traitement d images Chapitre I Prétraitements 1

2 2 Introduction Les prétraitements d une image consiste à effectuer des opérations visant à : améliorer sa qualité visuelle restaurer l image en éliminant les défauts et les bruits et en renforçant l information utile qu elle contienne. Compresser l image afin de réduire l'espace nécessaire à son stockage et diminuer le temps de sa transmission Prétraitement Compression

3 3 I. Les opérations d amélioration ont pour but de rendre l image plus lisible. Les techniques d amélioration cherchent essentiellement à augmenter les contrastes afin de rendre les régions et les objets composants l images bien distinctes et bien séparées les uns des autres. En effet L'oeil humain est particulièrement sensible aux contrastes assez forts. Les différentes approches : Transformations de l intensité Traitements à base d histogramme Techniques de Rehaussementdecontraste : Laplacien, filtrage d'ordre adaptatif, opérateurs morphologiques Autres méthodes

4 4 I.1 Transformations des niveaux d intensité a. Introduction : Soit une image f(x,y). On appliquant une transformation Tsur les valeurs d intensité de f(x,y), on obtient une image «améliorée» g(x,y).,, Dans le cas d une image numérique : f et g sont des matrices 2D de dimensions MxN (M lignes, N colonnes) T : une matrice de dimensions plus petites mxn (3x3 par exemple) Si mxn =1x1 : Transformation d intensité Sinon : filtrage spatial M (0,0) x Voisinage 3x3 du pixel (x,y) N y Dans la suite nous supposons que l intensité du pixel varie entre 0 (noir) et 255 (blanc)

5 5 I.1 Transformations des niveaux d intensité Une transformation permet de modifier la valeur de chaque pixel afin d obtenir une nouvelle image de même taille mais ayant des propriétés plus intéressantes. On distingue trois types de transformations : - Ponctuelle: pixel à pixel : la nouvelle valeur g(x,y) est fonction de f(x,y) seulement Exemples : correction gamma, inversion, manipulations d histogramme, ajustement luminosité/contraste, recadrage dynamique - Locales: de voisinage : g(x,y) est obtenue à partir de l ensemble des valeurs f(v(x,y)) dans un voisinage autour du pixel (x,y) Exemple : filtrage - Globale: la nouvelle valeur de chaque pixel g(x,y) dépend de l image initiale - Exemple : transformation dans l espace de Fourier

6 6 b. Inversion Dynamique : I.1 Transformations des niveaux d intensité On inverse les extrêmes noir et blanc. Parfois, on distingue mieux certains détails en blanc sur fond noir qu en noir sur fond blanc : g(x,y),,, f(x,y)

7 7 c. Transformation logarithmique:,, Cette transformation de l intensité permet de dilater les intensités faibles et de compresser les niveaux d intensités élevées. : pour une Image 8bits) I.1 Transformations des niveaux d intensité g(x,y) f(x,y)

8 8 I.1 Transformations des niveaux d intensité d. Correction gamma: Luminance corrigée luminance,, g(x,y) Niveau d intensité transformé L-1 : valeur maximale de l intensité (=255) Lorsque : Cettetransformation augmente la plage dynamique des intensités élevées : dilatation des zones claires Lorsque : elle augmente la plage dynamique des intensités faibles : dilatation de zones sombres. : pour une Image 8bits) Niveau d intensité original f(x,y)

9 9 I.1 Transformations des niveaux d intensité....

10 10 I.1 Transformations des niveaux d intensité e. Dilatations linéaires : 255 g(x,y),, b f(x,y) b g(x,y) a 255 f(x,y) a 255

11 11 I.1 Transformations des niveaux d intensité Dilatation des zones claires : a=60, b=20 Dilatation des zones sombres : a=150, b=220

12 12 I.1 Transformations des niveaux d intensité e. Transformations linéaires par morceaux: Ces fonctions peuvent êtres plus ou moins complexes,, 255 b 2 g(x,y) a 1 =120; b 1 =30 a 2 =160; b 2 =230 b 1 f(x,y) a 1 a Réduire l intensité Augmenter l intensité

13 13 I.2 s par manipulation d histogramme a. Définition: L histogramme H(x) d une image représente la distribution des intensités des pixels. Un histogramme est une fonction qui donne, pour chaque intensité lumineuse, le nombre de pixels ayants cette valeur. Convention : l abscisse d un histogramme représente les niveaux d intensité allant du plus foncé à gauche au plus clair à droite Pour tracer l histogramme d une image : >> I=imread( image.jpg ) >> imhist(i)

14 14 I.2 s par manipulation d histogramme Histogramme normalisé H n (x) : H n (x) est le taux de pixels ayant un niveau de gris égal à x : avec N le nombre de pixels ; Histogramme cumulé (fonction de distribution cumulative FDC) HC (x) est le nombre de pixels dont le niveau de gris est inférieur à x Il est défini récursivement par : Histogramme cumulé normalisé HC n (x) est le taux de pixels dont le niveau de gris est inférieur à x : Exercice: tracer le HC et HC n de l image précédente (diapo 13),

15 15 I.2 s par manipulation d histogramme b. Histogramme d une image d intensités Pour une image d intensités, un histogramme possède 2 d valeurs en abscisses (256 pour 8bits; 16 pour 4bits, etc..) et représente, le nombre de pixels en ordonnées. Exemple: x354= Dans cet exemple, les tons clairs sont plus présents que les tons foncé D après l histogramme le niveau de gris le plus présent est : 231

16 16 I.2 s par manipulation d histogramme Histogramme L application la plus connue de l histogramme cumulé est l égalisation d histogramme. Histogramme Cumulé normalisé Pour Calculer l histogramme cumulé normalisé : utiliser les fonctions «imhist» et «cumsum» Pour tracer : fonction «bar»

17 17 I.2 s par manipulation d histogramme c. Histogrammes d une image en couleur Plusieurs histogrammes sont nécessaires (selon l espace colorimétrique). Pour une image couleur en RVB; 4 histogrammes sont nécessaires : distribution de la luminance Y et distributions respectives des composantes rouge, Verte et bleu Histogramme de luminance Exemple: Histogramme du rouge Histogramme du Vert Histogramme du Bleu

18 18 I.2 s par manipulation d histogramme d. Effet des conditions d acquisition sur l histogramme: L exposition représente la quantité de lumière reçue par le capteur : H=E.t Exposition (lux.seconde) = Eclairement lumineux (lux) * Temps de pose(seconde) Image Normale Image sous-exposée Histogramme décalé à gauche Image surexposée Histogramme décalé à droite

19 19 I.2 s par manipulation d histogramme e. Recadrage Dynamique : Cette technique est utilisé lorsque l image est trop claire, trop foncée ou peu contrastée : On appelle dynamique : l'intervalle [a,b] Où a et b sont respectivement les niveaux de gris minimal et maximal présents dans l image. La dynamique maximale est [0,255]. Le but du recadrage dynamique est de redistribuer les niveaux de gris de l image pour qu ils occupent toute la bande de nuances possible, c.-à-d. la dynamique maximale. a b

20 20 I.2 s par manipulation d histogramme Le recadrage de la dynamique consiste à utiliser une transformation linéaire permettant d obtenir un nouvel histogramme ayant la dynamique maximale : :, 0,255,, 255, g(x,y) (, ) : l image originale g(x,y) : l image améliorée a b Pour le recadrage de la dynamique : imadjust f(x,y)

21 21 I.2 s par manipulation d histogramme Exemple de recadrage dynamique :, 5.1,

22 22 I.1 s par manipulation d histogramme f. Egalisation (ou linéarisation) de l histogramme : L égalisation de l histogramme consiste à équilibrer le mieux possible la distribution des pixels dans la dynamique. L idéal est d obtenir un histogramme plat où l on affecte le même nombre de pixels pour chaque niveau de gris (ceci étant impossible à réaliser pour les images numérique à cause de la nature discrète de l'histogramme et de la quantificationdes niveaux de gris (qui nous limite à un nombre fini de niveaux). on utilise l histogramme cumulé normalisé comme fonction de transformation : é é avec Le niveaux de gris f(x,y) de chaque pixel (x,y) est transformé en g(x,y) en appliquant la transformation suivante :,, ) Valeur entière Valeur maximale : g max =255 (8bits) histeq

23 23 I.2 s par manipulation d histogramme Exemple: Avant égalisation de l histogramme) HC n (f) Après égalisation de l histogramme) Cette linéarisation de l histogramme est une amélioration artificielle qui permet d'augmenter la clarté de l'image grâce à un choix plus judicieux des intensités relatives.

24 24 I.2 s par manipulation d histogramme Exemple d une image couleur : Traiter chaque canal à part Le résultat n est pas satisfaisant

25 25 I.2 s par manipulation d histogramme Exemple d une image couleur : Luminance Y Hist. cumulé Egalisation des trois canaux

26 26 I.3 Rehaussement de contraste a. Position du problème Le contraste(ou brillance) est une propriété intrinsèque d'une image qui quantifie la différence entre les zones claires et foncées. Contraste Bas Contraste Haut Rehaussement de Contraste

27 27 I.3 Rehaussement de contraste Le but du rehaussement de contraste est de diminuer l étendu de la zone de transition sans affecter l intensité moyenne des régions situées de part et d autre de cette transition. Méthodes de rehaussement de contraste : Convolution de l image avec un filtre rehausseur Laplacien Opérateurs morphologiques Filtrage homomorphique Filtrage d ordre adaptatif Multi résolution

28 28 b. Convolution de l image avec un filtre rehausseur : Rappels sur la convolution: Soit f une image numérique et soit h une fonction de,, La convolution de I par h est donnée par: I.3 Rehaussement de contraste,,, La fonction h est dite noyau de convolution. Propriétés : noyau de convolution 1. Commutativité : 2. Associativité : 3. Distributivité :

29 29 I.3 Rehaussement de contraste Filtrage d une image : Contrairement aux manipulations d histogramme (opérations ponctuelles sur le pixel), le filtrage est un produit de convolution qui fait intervenir le voisinage du pixel. Filtrer une image c est modifier la valeur d un pixel en lui appliquant une fonction mathématique. Ce filtre est appelé linéaire si cette fonction est algébriquement linéaire. Un filtre d image est défini par une fenêtre carrée de dimension impaire (souvent 3 ou 5) qui se déplace sur l image en remplaçant la valeur de chaque pixel de l image par le résultat d une transformation portant sur le pixel et ses voisins. y-1 y y+1 Exemple: soit un filtre défini par un masque 3x3 de coefficients : a 11 a 12 a 13 x-1 a 21 a 22 a 23 La nouvelle valeur du pixel : a 31 a 32 a 33 x+1, 1, 1 + 1, 1, 1, 1 +, +, 1 1, 1 + 1, + 1, 1 x

30 30 I.3 Rehaussement de contraste * h -1/6-1/3-1/6-1/3 26/6-1/3 = -1/6-1/3-1/6 Filtre rehausseur

31 31 c. Rehaussement de contraste par Laplacien: Un contour dans une image correspond au maximum du gradient dans la direction orthogonale au contour, ce qui correspond à un passage par zéro de la dérivée seconde. La dérivée seconde est déterminée par le calcul du Laplacien:,,, Qu on peut écrire :,,,,,, Cette opérateur peut être appliquée à une image par l intermédiaire d un filtrage ayant le masque 3x3 suivant : Autres approximations du Laplacien: Principe de rehaussement par Laplacien: Soustraire de l image traitée une proportion de son Laplacien:,,, Avec I.3 Rehaussement de contraste

32 32 I.3 Rehaussement de contraste Exemple de calcul :,,,

33 33 Exemple : I.3 Rehaussement de contraste,,,. & Différence des 2 images Interpréter?!

34 34

35 35 II.1 Objet de la La restauration des images a pour but de palier les défauts et de réduire les distorsions (bruits) introduites par les systèmes d acquisition. Elle cherche a retrouver l image idéale qui aurait pu être obtenue avec un système d acquisition parfait Il existe plusieurs approches : Filtre de Wiener Filtres à moyenne géométrique Filtres de lissage : filtrage fréquentiel filtrage linéaire filtrage non-linéaire

36 36 II.2 Le bruit Le bruit est une information parasite qui s ajoute aléatoirement à une image numérique causant la perte de la netteté dans les détails. Ce bruit peut être d origines diverses : Bruits d acquisition : flou, poussière, bougé Bruits lié au système d acquisition (capteur): mauvaise mise au point, bruit thermique, bruit de grenaille Bruits d échantillonnage et de quantification : bruit poivre et sel Bruits lié à la transmission: Bruit sel et poivre Flou de bougé

37 37 II.2 Le bruit Bruit Sel et poivre ou bruit impulsionnel : Ce bruit apparait sous la formes de points noirs et blancs réparties arbitrairement sur une image. Il peut être causé par un capteur comportant des pixels défectueux, ou lors de la transmission de l images ou la conversion analogique numérique. Bruit thermique : Ce bruit provient des courants parasites dus à l agitation brownienne des électrons. Ce bruit augmente avec la température du capteur. Bruit des photons (ou de grenaille) : Le bruit des photons est la principale source de bruit dans les images prises par les appareils photo numériques actuels. Bruit gaussien

38 38 II.3 Filtres de Lissage Les filtres de lissages sont des opérateurs qui permettent de réduire le bruit et les éléments perturbateurs et non significatifs dans une image numérique. Il existes plusieurs types de filtres que nous classons comme suit : - Filtrage linéaire par convolution - Filtre moyenneur - Filtre gaussien - Filtre exponentiel - Filtrage non linéaire - Filtres d ordre, filtre médian - NL-means - Filtre de Nagao - Filtrage fréquentiel

39 39 II.3 Filtres de Lissage a. Filtrage linéaire par convolution de masque: Plusieurs filtres de lissage sont obtenus à partir de noyaux de convolution symétriques et normalisés (. Les plus utilisés sont : Moyenne Gauss Exponentiel h, 1, 1, h, 1 2 exp h, exp Filtre moyenneur 5x5 Filtre gaussien =1.41 Filtre exponentiel =0.8 Exercice: Déterminer le noyau de convolution -d un filtre moyenneur3x3 -un filtre gaussien 3x3 -un filtre exponentiel 3x3

40 40 II.3 Filtres de Lissage

41 41 II.3 Filtres de Lissage

42 42 II.3 Filtres de Lissage L effet de flou est d autant plus marqué que la taille Du masque est plus grande Filtres non linéaire

43 43 II.3 Filtres de Lissage b Filtrage non linéaire : Les techniques de filtrage non linéaire sont particulièrement utilisés pour - réduire le bruit «sel et poivre» (mal éliminé par les filtres linéaires). - Conserver l intégrité des frontières : éliminer le bruit sans les rendre floues. Plusieurs types de filtres existent : - Le filtre médian - Les filtres d ordre (généralisation du filtre médian) - Filtres de Nagao - NLMeans - Filtres morphologiques

44 44 II.3 Filtres de Lissage i) Filtre médian : Le principe du filtre médian consiste à : 1. Choisir une fenêtre de taille impaire (3x3; 5x5; etc..) 2. Centrer la fenêtre sur chaque pixel et trier les valeurs des pixels voisins qui se trouvent à l intérieur de la fenêtre : Voisinage,,, Tri,,, 3. Remplacer la valeur du pixel courant par le niveau de gris médian des valeurs ainsi ordonnées. ( la valeur médiane = valeur qui se trouve au milieu = celle qui partage la série en deux séries de même effectif) : m valeurs m valeurs

45 45 II.3 Filtres de Lissage Exemple illustratif : Voisinage Tri Valeur médiane 1,1,3,5,,10,12,50,82 Propriétés: Efficace vis-à-vis du bruit de type poivre et sel Préservation des contours(marche, rampe) Destruction des angles et détails fins Local, non linéaire Fonction : >> medfilt2 Avec un filtre moyenneur: on affecterait la valeur moyenne du voisinage, soit 19

46 46 II.3 Filtres de Lissage

47 47 II.3 Filtres de Lissage Bruit Sel & Poivre

48 48 II.3 Filtres de Lissage Bruit Poivre et Sel Bruit Gaussien Bruit de Poisson

49 49 II.3 Filtres de Lissage Ecrire un programme Matlab pour : 1. Générer l image synthétique cidessus 2. Appliquer un filtre moyenneuret un autre médian

50 50 II.3 Filtres de Lissage ii) Filtre d ordre: Le filtre d ordre est une généralisation du filtre médian. Après avoir trier les valeurs au voisinage du pixel, le filtre d ordre procède par remplacer la valeur du pixel par celle qui occupe un certain rang lefiltred'ordrederangkestdéfinipar:, Cas particuliers : k=m: Filtre médian k=1 : l érosion morphologique ( la valeur minimale) K=2m+1: la dilatation morphologique (la valeur maximale) Variante: le filtre du milieu :, Fonction : >> ordfilt2

51 51 II.3 Filtres de Lissage

52 52 Erosion morphologique Filtre médian II.3 Filtres de Lissage Dilatation morphologique

53 53 II.3 Filtres de Lissage Avec une fenêtre 5x5 Le bruit poivre et sel affecte 20%de cette image

54 54 Erosion et dilatation Erosion morphologique Dilatation morphologique II.3 Filtres de Lissage

55 55 II.3 Filtres de Lissage iii) Filtre de Nagao: Le principe de ce filtre consiste à* 1. centrer une fenêtre 5X5 sur chaque pixel 2. Définir les 9 domaines ci-contre,, 3. Calculer pour chaque domaine la moyenne et la variance. : Nombre de pixels dans le domaine 4. Attribuer au pixel la moyenne du domaine ayant la plus faible variance.

56 56 II.3 Filtres de Lissage

57 57 II.3 Filtres de Lissage c. Filtrage fréquentiel : i. Rappels sur la transformée de Fourier discrète bidimensionnelle : La TF est un outil fondamental dans le traitement d images. LaTFest utilisée pour décomposer un signal ou une image f en une combinaison linéaire de sinusoïdes complexes. La transformée de Fourier d une image est une représentation de cette image dans le domaine de Fourier ou fréquentiel. Transformée de Fourier discrète 2D :,, avec,, Transformée de Fourier inverse :,, M : nombre de lignes N: nombre de colonnes (x,y): coordonnées du domaine spatial (u,v): coordonnées du domaine fréquentiel

58 58 II.3 Filtres de Lissage propriétés de la transformée de Fourier discrète bidimensionnelle : Linéarité :,,,, Périodicité :,, Module/Phase :,,, Symétrie : si f une fonction réelle :,,,,,, Convolution :,,,,,,,, Dérivation :,, et,, Translation spatiale/fréquentielle :,,,, Théorème de Parseval:,,

59 59 Exemples : II.3 Filtres de Lissage Transformée de Fourier : >> fft2 et Transformée inverse : >> ifft2

60 60 Exemples : sinusoides II.3 Filtres de Lissage Période : M/2 Période : M/32

61 61 ii) Filtres passe bas: II.3 Filtres de Lissage TFD 2D Un filtre passe bas met en évidence les zones homogènes dans l image où il y a peu de variation des niveaux Filtre Passe-bas : multiplication dans le do mainefréquentielpar une fonction porte (fenêtre 81x81) TFD inverse

62 62 Iii) Filtres passe haut: II.3 Filtres de Lissage TFD 2D Un filtre passe-haut met en évidence les zones hétérogènes où les variations locales des niveaux sont importantes. Filtre passe-haut : multiplication dans le domaine fréquentiel par le complément d une fonction porte (fenêtre 31x31) TFD inverse

63 63 Iv) Filtres passe bande: II.3 Filtres de Lissage TFD 2D Filtres Passe bande, passe-haut, de synthèse : sélection de fréquences particulières. Filtre Passe-bande : multiplication dans le do mainefréquentielpar une fonctionbande symétrique TFD inverse

64 64 v) Autre Exemple: II.3 Filtres de Lissage

65 65 v) Autre Exemple: II.3 Filtres de Lissage

Informatique visuelle - Vision par ordinateur. Pré-traitement d images

Informatique visuelle - Vision par ordinateur. Pré-traitement d images Informatique visuelle - Vision par ordinateur Pré-traitement d images Elise Arnaud elise.arnaud@imag.fr cours inspiré par X. Descombes, J. Ros, A. Boucher, A. Manzanera, E. Boyer, M Black, V. Gouet-Brunet

Plus en détail

Modification des valeurs d une image

Modification des valeurs d une image Modification des valeurs d une image Pour l instant, nous avons vu surtout des transformations ponctuelles des pixels d une image Lire la valeur d un pixel la remplacer par une autre Il existe aussi des

Plus en détail

PLAN Analyse d images Morphologie et Segmentation

PLAN Analyse d images Morphologie et Segmentation PLAN Analyse d images et Segmentation L.Chen, J.Y.Auloge. INTRODUCTION. DEFINITIONS 3. VISION HUMAINE ET SYSTEMES DE COULEURS 4. ECHANTILLONNAGE ET QUANTIFICATION. TRANSFORMATIONS D IMAGES 6. AMELIORATION

Plus en détail

Introduction au traitement d images Détection de contours et segmentation

Introduction au traitement d images Détection de contours et segmentation Introduction au traitement d images Détection de contours et segmentation Résumé : Ce document est une introduction au traitement d images s intéressant notamment à la détection de contours et à la segmentation.

Plus en détail

Plan. 1. Généralités. 2. Types d Images. 3. Numérisation. 4. Couleurs. 5. Introduction au traitement d Images. 6. Dégradations d une image

Plan. 1. Généralités. 2. Types d Images. 3. Numérisation. 4. Couleurs. 5. Introduction au traitement d Images. 6. Dégradations d une image Plan Licence Pro 1. Généralités 2. Types d Images 3. Numérisation Bases de traitement d images 4. Couleurs Alain Dieterlen 5. Introduction au traitement d Images 6. Dégradations d une image Groupe LAB.EL,

Plus en détail

TP2 Opérations et filtres

TP2 Opérations et filtres TP2 Opérations et filtres 1. Opérations arithmétiques Mettre en place les fonctions Min et Max sur 2 images en niveaux de gris. Min() conserve entre 2 images les pixels de luminance minimum, Max() conserve

Plus en détail

Analyse d images. L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

Analyse d images. L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : Analyse d images La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

Analyse d images introduction

Analyse d images introduction L3, option Image Analyse d images introduction http ://perception.inrialpes.fr/people/boyer/teaching/l3/ Elise Arnaud - Edmond Boyer Université Joseph Fourier / INRIA Rhône-Alpes elise.arnaud@inrialpes.fr

Plus en détail

Traitement des images!

Traitement des images! Traitement des images! Yves USSON! Reconnaissance des Formes et Microscopie Quantitative! Lab. TIMC UMR 5525 CNRS, Grenoble! Traitement d images - définition! Séquence d opérations ayant pour but :!! -

Plus en détail

Analyse d images numériques en microscopie

Analyse d images numériques en microscopie Analyse d images numériques en microscopie Yves Usson Reconnaissance et Microscopie Quantitative, Laboratoire TIMC UMR5525 CNRS Institut d Ingénierie et d Information de Santé (IN3S), La Tronche Traitement

Plus en détail

Présentation des Images et introduction a la reconnaissance des formes

Présentation des Images et introduction a la reconnaissance des formes Master Info 1 Image et RF Présentation des Images et introduction a la reconnaissance des formes Plis fòs ba pengwen là! Objet de ce cours? Comprendre comment est acquise / stockée une image. Quelles mesures

Plus en détail

8TRD147: Animation et images par ordinateur

8TRD147: Animation et images par ordinateur 8TRD147: Animation et images par ordinateur Introduction au traitement numérique des images Y. Chiricota Département d informatique et de mathématique Université du Québec à Chicoutimi / Certaines des

Plus en détail

Cours de Traitement de l Image Licence 3

Cours de Traitement de l Image Licence 3 Cours de Traitement de l Image Licence 3 Jean-Luc Baril Université de Bourgogne - Dépt IEM Laboratoire LE2I - http://vision.u-bourgogne.fr barjl@u-bourgogne.fr http://www.u-bourgogne.fr/jl.baril Lena :

Plus en détail

TERI : Traitement et reconnaissance d'images

TERI : Traitement et reconnaissance d'images TERI : Traitement et reconnaissance d'images Cours Master 2 IAD Isabelle Bloch - ENST / Département Signal & Images Florence Tupin - ENST / Département Signal & Images Antoine Manzanera ENSTA / Unité d'électronique

Plus en détail

Traitement bas-niveau

Traitement bas-niveau Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.

Plus en détail

Chapitre 3. Filtrage Linéaire. Voisinage d un point. Fondamentaux du traitement d image

Chapitre 3. Filtrage Linéaire. Voisinage d un point. Fondamentaux du traitement d image Chapitre 3 Fondamentaux du traitement d image Filtrage Linéaire Voisinage d un point Point P d affixe p = (m, n) Notion de voisinage d un pixel Son voisinage : V(P) = {P connectés à P} n N - m P V (P)

Plus en détail

Cours: SYSTEMES MULTIMEDIA Master RSD, 2014/2015

Cours: SYSTEMES MULTIMEDIA Master RSD, 2014/2015 Cours: SYSTEMES MULTIMEDIA Master RSD, 2014/2015 Prof. Slimane Larabi Chapitre 2. Notions sur l image et la vidéo 2.1 Notions sur l'image 2.2 Représentation d une image 2.3 OPERATIONS SUR LES IMAGES 2.4

Plus en détail

La Grille, moyen fondamental de l analyse

La Grille, moyen fondamental de l analyse Fiche méthodologie #1 La Grille, moyen fondamental de l analyse Cette rubrique présente des notes et documents publiés par Philippe Latour, enseignant au Master Géomarketing et stratégies territoriales

Plus en détail

Bases du traitement des images. Détection de contours

Bases du traitement des images. Détection de contours Détection de contours Dominique.Bereziat@lip6.fr Contributions: N. Thome, D. Béréziat, S. Dubuisson Octobre 2015 1 / 76 Introduction Rôle primordial de la détection de contours en vision 1 Réduction d

Plus en détail

Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin

Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin Plan de la séance Traitement d images Partie 4: Restauration Thomas Oberlin Signaux et Communications, RT/ENSEEHT thomasoberlin@enseeihtfr 1 ntroduction 2 Modélisation des dégradations Modèles de bruit

Plus en détail

Ce projet se base sur le fait que les images numériques sont composées de pixels (plus ou moins nombreux selon le contexte).

Ce projet se base sur le fait que les images numériques sont composées de pixels (plus ou moins nombreux selon le contexte). Externat Notre Dame Accompagnement personnalisé (Tle S) Période n 2 Ce projet se base sur le fait que les images numériques sont composées de pixels (plus ou moins nombreux selon le contexte). A chaque

Plus en détail

TECHNIQUES DE BASE IMAGERIE 2D. Yves BRINGER I.S.T.A.S.E. Université Jean Monnet

TECHNIQUES DE BASE IMAGERIE 2D. Yves BRINGER I.S.T.A.S.E. Université Jean Monnet TECHNIQUES DE BASE EN IMAGERIE 2D Yves BRINGER I.S.T.A.S.E. Université Jean Monnet 1 1. INTRODUCTION 2. ECLAIRAGE 3. TYPES D IMAGE 4. OPTIQUE 5. CAPTEUR 6. CALIBRAGE 7. UNITE DE TRAITEMENT 8. TRAITEMENT

Plus en détail

Traitement d images sous Matlab. EI3 année 2009-2010

Traitement d images sous Matlab. EI3 année 2009-2010 Traitement d images sous Matlab EI3 année 2009-2010 1 Acquisition d images sous Matlab p. 3 2 Amélioration et restauration d images p. 9 3 Morphologie mathématique p. 13 Vandenbroucke Nicolas R11 1 Acquisition

Plus en détail

Outils Mathématiques pour l informatique

Outils Mathématiques pour l informatique Outils Math. pour l info. - Licence 3 - IEM - Année 2015/2016 Université de Bourgogne Labo. Le2i, UMR-CNRS 5158 http://jl.baril.u-bourgogne.fr September 10, 2015 Cours outils Math. pour l info. - Licence

Plus en détail

Procédé de restauration pour Couleur TRES dégradée avec StudioTransfert. Avril 2016.

Procédé de restauration pour Couleur TRES dégradée avec StudioTransfert. Avril 2016. Procédé de restauration pour Couleur TRES dégradée avec StudioTransfert Avril 2016. 1. Introduction. Le procédé de restauration de la lumière et des couleurs proposé ci-dessous peut être appliqué pour

Plus en détail

Propriétés des images numériques Contraintes sur l interprétation

Propriétés des images numériques Contraintes sur l interprétation Propriétés des images numériques Contraintes sur l interprétation M.LOUYS, Traitement d images et problèmes inverses Master Astrophysique, Observatoire de Strasbourg, 2013 Propriétés générales d une image

Plus en détail

Les algorithmes de l intelligence artificielle

Les algorithmes de l intelligence artificielle TPE 2004 BLEIBEL François DORKEL Aymeric Les algorithmes de l intelligence artificielle Quels algorithmes permettent à un robot de se déplacer de manière autonome dans son environnement? 0 Introduction

Plus en détail

Influence des réglages d un appareil photographique

Influence des réglages d un appareil photographique Influence des réglages d un appareil photographique Ce document présente les résultats concernant l influence de différents réglages sur une image lors d une prise de vue par un appareil photographique.

Plus en détail

Laboratoire recherche UMR CNRS

Laboratoire recherche UMR CNRS Laboratoire recherche UMR CNRS Initiation au traitement des images Détection automatique Mesure de la surface des zones urbaines des images satellitaires Cet atelier propose de mesurer l'emprise urbaine

Plus en détail

5. Traitement d'image? 5.3 Segmentation : détourage automatique et sélection par les couleurs

5. Traitement d'image? 5.3 Segmentation : détourage automatique et sélection par les couleurs 5. Traitement d'image? 5.3 Segmentation : détourage automatique et sélection par les couleurs PLAN 5.3.1 Définition et utilité 5.3.2 Détourage Hypothèses Principe Traitements automatiques/manuels Règlages

Plus en détail

Document de synthèse. Optimisation des conditions d éclairage Les défis d un éclairage minimum

Document de synthèse. Optimisation des conditions d éclairage Les défis d un éclairage minimum Document de synthèse Optimisation des conditions d éclairage Les défis d un éclairage minimum Table des matières 1. Introduction 3 2. Sensibilité à la lumière : une mesure complexe 3 3. Ne vous faites

Plus en détail

Rapport IN52. Sujet : Résolution d un puzzle

Rapport IN52. Sujet : Résolution d un puzzle CARRE Julien PIERNOT Jérôme Rapport IN52 Sujet : Résolution d un puzzle Responsable : M. Ruicheck Y. Automne 2007 1 SOMMAIRE INTRODUCTION...3 I. Description et approche du sujet...4 1. Description 2. Outils

Plus en détail

TP 7 : Manipulation d images.

TP 7 : Manipulation d images. Lycée Masséna TP 7 : Manipulation d images. On va voir deux choses dans ce TP : les tableaux Numpy, qui sont très pratiques pour les opérations terme à terme entre tableaux de nombres à plusieurs dimensions.

Plus en détail

TRAITEMENT DE L'IMAGE SATELLITAIRE

TRAITEMENT DE L'IMAGE SATELLITAIRE 233 TRAITEMENT INFORMATIQUE DE L'IMAGE SATELLITAIRE INTRODUCTION Les images recueillies par les satellites d'observation sont, dans leur quasi-totalité, diffusées à la fois sous forme de reproductions

Plus en détail

Vision Par Ordinateur. Techniques Statistiques de la Reconnaissance de Forme. Segmentation...2. Variables Aléatoires...7

Vision Par Ordinateur. Techniques Statistiques de la Reconnaissance de Forme. Segmentation...2. Variables Aléatoires...7 Vision Par Ordinateur James L. Crowley DEA IVR Premier Bimestre 1999/00 Séance 4 26 octobre 1999 Plan de la séance : Techniques Statistiques de la Reconnaissance de Forme Segmentation...2 La Distribution

Plus en détail

PSF et traitement de déconvolution sur les images 3D

PSF et traitement de déconvolution sur les images 3D PSF et traitement de déconvolution sur les images 3D Acquisition d une image 3D De l objet à l image visible L acquisition Émission de Fluorescence Z hv 2 hv 1 hv 2 Y X hv 2 Fluorescence dans un corps

Plus en détail

Initiation à la photographie sous marine

Initiation à la photographie sous marine 1. Présentation de l appareil photo 2. La photo sous marine 3. Traitement numérique Présentation de l appareil photo 1. Les différents type d appareil photo 2. Description d un appareil photo 3. Les différents

Plus en détail

TP Traitement d images

TP Traitement d images BOISSARD Benjamin BAROCHI Guillaume L3 ESI TP Traitement d images TP 1 : Histogramme et Binarisation TP 2 : Filtrage de bruit et de flou TP 3 : Détection de contours (méthodes linéaires) TP 4 : Segmentation

Plus en détail

Photo-interprétation et Télédétection

Photo-interprétation et Télédétection Photo-interprétation et Télédétection L3 CM5 GO 651 Caen 2007 Anne PUISSANT Sommaire 1. Introduction 2. Principes fondamentaux de la télédétection 3. Spécificités des PA 4. Spécificités des images satellites

Plus en détail

Géométrie discrète Chapitre V

Géométrie discrète Chapitre V Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets

Plus en détail

Transformations géométriques / Filtrage

Transformations géométriques / Filtrage Traitement / Plan Bibliographie Cours de traitement Elise Arnaud - Edmond Boyer Université Joseph Fourier Cours de traitement Alain Boucher Cours de traitement T Guyer Université de Chambéry Cours de traitement

Plus en détail

Couleur d'une image. Programmes en Visual Basic TABLE DES MATIÈRES

Couleur d'une image. Programmes en Visual Basic TABLE DES MATIÈRES Application des mathématiques Couleur d'une image Programmes en Visual Basic TABLE DES MATIÈRES 1 Introduction... 2 2 Images et Visual-Basic... 2 3 Composantes couleur... 4 4 Le cube des couleurs... 5

Plus en détail

Codage Couleurs. E. Jeandel. Emmanuel.Jeandel at lif.univ-mrs.fr. E. Jeandel, Lif CodageCouleurs 1/1

Codage Couleurs. E. Jeandel. Emmanuel.Jeandel at lif.univ-mrs.fr. E. Jeandel, Lif CodageCouleurs 1/1 Codage Couleurs E. Jeandel Emmanuel.Jeandel at lif.univ-mrs.fr E. Jeandel, Lif CodageCouleurs 1/1 La lumière La lumière est une onde. Cette lumière peut se décomposer en plusieurs composantes (son spectre)

Plus en détail

Ressources pour le lycée général et technologique

Ressources pour le lycée général et technologique éduscol Ressources pour le lycée général et technologique Ressources pour la classe de première générale et technologique Mathématiques Série STD2A Nuances de gris Ces documents peuvent être utilisés et

Plus en détail

Tableaux et manipulation d images «bitmap»

Tableaux et manipulation d images «bitmap» T.P. numéro VII Tableaux et manipulation d images «bitmap» Ce T.P. va faire intervenir les notions suivantes : lecture/écriture de fichiers binaires ; images bitmap ; tableaux de données. 1 Fichiers binaires

Plus en détail

Bibliothèque de Traitement d Images en Niveaux de Gris

Bibliothèque de Traitement d Images en Niveaux de Gris TP Bibliothèque de Traitement d Images en Niveaux de Gris Étudiants : Besnier Alexandre Taforeau Julien Version 1.2 Janvier 2008 2008 Rapport TP - Version 1.2 i Table des matières Introduction 1 1 Objectif

Plus en détail

TRAITEMENT des IMAGES. VISION par MACHINE

TRAITEMENT des IMAGES. VISION par MACHINE TRAITEMENT des IMAGES et VISION par MACHINE MASTER PRO INFO 2011/2012 Vézien.@limsi.fr Vision par Machine 1 V. SYSTEME VISUEL HUMAIN Vision par Machine 2 Pourquoi l étudier? Le système visuel humain fait

Plus en détail

Transformée de Fourier Discrète Convolution Circulaire

Transformée de Fourier Discrète Convolution Circulaire BE Traitements Numériques des Signaux n 2 Filière SICOM 2A PHELMA-ENSE 3 Année 2015-2016 Pascal PERRIER Transformée de Fourier Discrète Convolution Circulaire 1. Analyse d un signal périodique Dans cette

Plus en détail

Chapitre 2. Transformation ponctuelle. Table de conversion (des couleurs) Notions de traitement d images

Chapitre 2. Transformation ponctuelle. Table de conversion (des couleurs) Notions de traitement d images Chapitre 2 Notions de traitement d images Transformation ponctuelle Table de conversion (des couleurs) 1 Introduction (1/2) 3 types d opérations en traitement d image: - m : indice des lignes - n : indice

Plus en détail

Détection de contours

Détection de contours Traitement Détection de s Plan? Dérivées d une image Bibliographie Cours de traitement Elise Arnaud - Edmond Boyer Université Joseph Fourier Cours de traitement Alain Boucher Cours de traitement T Guyer

Plus en détail

Exercice Chapitre 4 Traitement d images binaires par Morphologie Mathématique

Exercice Chapitre 4 Traitement d images binaires par Morphologie Mathématique Exercice Chapitre 4 Traitement d images binaires par Morphologie Mathématique L analyse par morphologie mathématique vise à modifier la structure et la forme des objets de l image, par exemple, pour séparer

Plus en détail

Les mathématiques de l image numérique

Les mathématiques de l image numérique Les mathématiques de l image numérique Lionel Moisan Professeur de Mathématiques Université René Descartes - Paris 5 L image numérique fait aujourd hui partie de notre quotidien, et sa production n a jamais

Plus en détail

EL5E13 Vision et traitement d'images embarqué. Rostom KACHOURI Département IT (Informatique et TELECOMS) ESIEE

EL5E13 Vision et traitement d'images embarqué. Rostom KACHOURI Département IT (Informatique et TELECOMS) ESIEE EL5E13 Vision et traitement d'images embarqué Rostom KACHOURI Département IT (Informatique et TELECOMS) ESIEE Cours : 2 x 2h L image numérique Indexation & analyse d images TD : 2 x 2h L image numérique

Plus en détail

SEANCES DE TRAITEMENT D IMAGE ANNEE M2. Images et sujets

SEANCES DE TRAITEMENT D IMAGE ANNEE M2. Images et sujets SEANCES DE TRAITEMENT D IMAGE ANNEE M2 Images et sujets Le principe général des travaux sur machine est le suivant. Les étudiants auront à leur disposition un ensemble d images qu ils pourront lire et

Plus en détail

Mode d emploi du logiciel guifitcurve

Mode d emploi du logiciel guifitcurve Mode d emploi du logiciel guifitcurve D. Legland 18 juin 2008 Résumé Le programme guifitcurve est une interface graphique sous Matlab pour ajuster un contour polynomial à des images numérisées. L application

Plus en détail

LA CORRECTION RAPIDE AVEC CAPTURE ONE

LA CORRECTION RAPIDE AVEC CAPTURE ONE LA CORRECTION RAPIDE AVEC CAPTURE ONE Capture One est la version grand public de Capture One Pro, un convertisseur Raw de très haut niveau. La version allégée est cependant très riche en fonctionnalités,

Plus en détail

Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites

Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Projet GIZ-CRTS Formation en Télédétection spatiale et SIG CRTS, 18-21 janvier 2016 Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Abderrahman

Plus en détail

Lissage et filtrage linéaire

Lissage et filtrage linéaire Lissage et filtrage linéaire TP de traitement d images :MMIS A Un système d enregistrement d image ne restitue pas l image de manière parfaite : des informations parasites apparaissent et viennent s ajouter

Plus en détail

Leçon N 7 PICASA 4 ème Partie

Leçon N 7 PICASA 4 ème Partie Leçon N 7 PICASA 4 ème Partie Dans cette leçon vous continuez les traitements de vos photos avec PICASA 3 3 Luminosité et contraste 3.1 La luminosité L exposition est une notion fondamentale en photographie

Plus en détail

Qualité d image en PHOTO NUMÉRIQUE. 1. Capteur - Enregistrement des images

Qualité d image en PHOTO NUMÉRIQUE. 1. Capteur - Enregistrement des images Qualité d image en PHOTO NUMÉRIQUE 1. Capteur - Enregistrement des images Photographie argentique L image est enregistrée par l effet de la lumière sur les grains d argent contenus dans la pellicule Il

Plus en détail

Représentation des images et ondelettes

Représentation des images et ondelettes Représentation des images et ondelettes François Malgouyres Département d informatique de l université Paris 3 http://www.zeus.math.univ-paris3.fr/ malgouy malgouy@math.univ-paris3.fr Table des matières

Plus en détail

CODES CORRECTEURS D'ERREURS

CODES CORRECTEURS D'ERREURS CODES CORRECTEURS D'ERREURS Marc URO TABLE DES MATIÈRES DÉTECTION ET CORRECTION D'ERREURS... 6 CAS D'UN CANAL SANS SYMBOLE D'EFFACEMENT...6 CAS D'UN CANAL AVEC SYMBOLE D'EFFACEMENT...7 GÉNÉRATION ET DÉTECTION

Plus en détail

Chapitre 1: Introduction aux images numériques éi

Chapitre 1: Introduction aux images numériques éi Université Tunis Elmanar Institut Supérieur d Informatique Cours : Traitement d images Chapitre 1: Introduction aux images numériques éi présenté par: Mohamed Sahbi Bahroun Année Universitaire 2011/2012

Plus en détail

L impact de deux strategies de compression dans le

L impact de deux strategies de compression dans le L impact de deux strategies de compression dans le problème stéréo Réunion scientifique, Imagerie stéréo et 3D GdR ISIS, 2011 G. Blanchet, A. Buades, B. Coll (Univ. Illes Balears), J.M. Morel, B. Rougé

Plus en détail

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011

PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Projet 2009 2010 Biométrie 3D PCA appliqué à la 2D et 3D Dernière mise à jour : avril 2011 Département : TIC Mots clés : Biométrie, Analyse d images, Vision, Caméra thermique, Caméra temps de vol, Détection

Plus en détail

LE TRAITEMENT DES IMAGES CCD

LE TRAITEMENT DES IMAGES CCD LE TRAITEMENT DES IMAGES CCD EN ASTRONOMIE AMATEUR Pierre CRUZALEBES CIV - 190 rue Frédéric-Mistral - BP 97-06902 SOPHIA ANTIPOLIS CEDEX - Tél : 06.61.98.00.39 Association loi 1901 agréée Education Nationale,

Plus en détail

fig 1 - télescope Schmitt-Cassegrain

fig 1 - télescope Schmitt-Cassegrain OPTIQUE GEOMETRIQUE 1 Pour former l'image de la réalité, on utilise un système optique, généralement constitué d'un objectif (système réfractant). Le système optique complet est plus complexe pour certaines

Plus en détail

Manipulation d image avec numpy

Manipulation d image avec numpy Manipulation d image avec numpy 1 Format numérique d image Une image peut être numérisée sous forme d image matricielle (en anglais «bitmap») par une matrice de points colorés. Cette matrice a n lignes

Plus en détail

Chapitre 3 Dénombrement et représentation d un caractère continu. Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel

Chapitre 3 Dénombrement et représentation d un caractère continu. Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel Chapitre 3 Dénombrement et représentation d un caractère continu Lætitia Perrier Bruslé Cours de statistique descriptive sous Excel Introduction Un caractère quantitatif est continu si ses modalités possibles

Plus en détail

FOURIER ET LES IMAGES

FOURIER ET LES IMAGES FOURIER ET LES IMAGES 1 Objectif de ce travail : Le travail proposé ici consiste à manipuler le spectre des images et à découvrir les relations entre les espaces direct et de Fourier. 2 Petite histoire

Plus en détail

Filtre de Wiener. Analyse en Composantes Principales

Filtre de Wiener. Analyse en Composantes Principales Filtre de Wiener Analyse en Composantes Principales Guillaume Obozinski LIGM/Ecole des Ponts - ParisTech Traitement de l information et vision artificielle Ecole des Ponts Filtre de Wiener Norbert Wiener

Plus en détail

LES IMAGES NUMERIQUES

LES IMAGES NUMERIQUES LES IMAGES NUMERIQUES Plan du cours Pourquoi? Comment? Qu est-ce qu une image numérique La couleur Le crénelage Le traitement d images La protection du contenu 2 Introduction 2 types d images issues de

Plus en détail

5.1.1 Histogrammes : définition et utilité

5.1.1 Histogrammes : définition et utilité PLAN 5.1.1 Histogrammes : définition et utilité 5.1.2 Histogrammes des images en niveaux de gris 5.1.3 Histogramme des images couleurs 5.1.4 Courbes de modification des histogrammes 5.1.5 Applications

Plus en détail

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I ÉLÉMENTS D OPTIMISATION Complément au cours et au livre de MTH 1101 - CALCUL I CHARLES AUDET DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL Hiver 2011 1 Introduction

Plus en détail

TELEVISION NUMERIQUE

TELEVISION NUMERIQUE REPUBLIQUE DU CAMEROUN Paix - Travail Patrie --------------------- UNIVERSITE DE YAOUNDE I ---------------------- ECOLE NATIONALE SUPERIEURE POLYTECHNIQUE ---------------------- REPUBLIC OF CAMEROUN Peace

Plus en détail

Approche du nombre dérivé

Approche du nombre dérivé Approche du nombre dérivé Conformément au programme de 1 ère STG, nous nous proposons de chercher la position de la sécante à une courbe qui permet de minimiser les écarts au voisinage du point d intersection.

Plus en détail

P i e r r e. L a b b e. Groupe Eyrolles, 2008, ISBN : 978-2-212-12121-6

P i e r r e. L a b b e. Groupe Eyrolles, 2008, ISBN : 978-2-212-12121-6 P i e r r e L a b b e Groupe Eyrolles, 2008, ISBN : 978-2-212-12121-6 Créer des dessins pixellisés En effet, qu il y ait un masque ou une sélection sur le calque ajouté, les corrections réalisées dans

Plus en détail

Analyse d images IMN 259

Analyse d images IMN 259 Hiver 2013 Analyse d images IMN 259 Présentation du cours Par Pierre-Marc Jodoin Présentation Professeur : Pierre-Marc Jodoin Courriel : pierre-marc.jodoin@usherbrooke.ca Page web : http://www.dmi.usherb.ca/~jodoin/

Plus en détail

8. Statistique descriptive

8. Statistique descriptive 8. Statistique descriptive MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: statistique descriptive 1/47 Plan 1. Introduction 2. Terminologie 3. Descriptions graphiques des

Plus en détail

Statistiques de groupe

Statistiques de groupe Système Méthodologique d Aide à la Réalisation de Tests Statistiques de groupe et analyse des questions de votre épreuve Une unité de soutien de l IFRES Université de Liège L analyse des statistiques de

Plus en détail

TRAITEMENT NUMERIQUE

TRAITEMENT NUMERIQUE 13 TRAITEMENT NUMERIQUE Après avoir été numérisé, c est-à-dire convertit en valeurs binaires, le signal issu du capteur d image va subir différents traitements destinés à améliorer la qualité finale de

Plus en détail

MESURES ET INCERTITUDES

MESURES ET INCERTITUDES MESURES ET INCERTITUDES OBJECTIFS DE CE CHAPITRE : Savoir exprimer une mesure avec le bon nombre de chiffres significatifs. Savoir arrondir le résultat d un calcul avec le bon nombre de chiffres significatifs.

Plus en détail

Acquisition d image : vers le tout numérique

Acquisition d image : vers le tout numérique Acquisition d image : vers le tout numérique Introduction La technologie évolue rapidement dans le domaine de l'acquisition d'image depuis quelques années, que ce soit dans les domaines industriel et scientifique

Plus en détail

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Philippe Gagnepain Université Paris 1 Ecole d Economie de Paris Centre d économie de la Sorbonne-UG 4-Bureau 405 philippe.gagnepain@univ-paris1.fr

Plus en détail

Vision 2D Identification / Localisation. Vision 3D : Mono-capteur et stéréovision. Mono-capteur. Stéréovision 2 capteurs G / D

Vision 2D Identification / Localisation. Vision 3D : Mono-capteur et stéréovision. Mono-capteur. Stéréovision 2 capteurs G / D Plan de l exposé Cours de Traitement d Images de Xavier Clady (rédigé par: X. Clady, C. Achard, J.Devars & M.Milgram) Introduction Exemple d application de l imagerie Élément de traitement du signal Rotation

Plus en détail

3.2 Constituants d un système. Capteur à ultrasons Capteur de présence

3.2 Constituants d un système. Capteur à ultrasons Capteur de présence - Société & développement durable - Technologie - Communication 3.2.3 Acquisition et codage de l information 1 Introduction Anémomètre Capteur solaire Capteur à ultrasons Capteur de présence Capteur de

Plus en détail

API08 : Evaluation ergonomique d une IHM

API08 : Evaluation ergonomique d une IHM API08 : Evaluation d une IHM Résumé Twitter : les aspects positifs et négatifs de l interface Web par Ewan C. BURNS L objectif de ce document est de proposer une évaluation de l IHM web proposée par Twitter.

Plus en détail

A. Résolution et codage d une image en noir et blanc

A. Résolution et codage d une image en noir et blanc Nom :. Comment encoder une image Coéquipier :. Objectifs : étudier différents modes d encodage d une image (ou numérisation une image) Une image se caractérise par plusieurs propriétés : a) Sa défintion

Plus en détail

Traitements de base d une image à l aide du logiciel PHOTOFILTRE

Traitements de base d une image à l aide du logiciel PHOTOFILTRE Traitements de base d une image à l aide du logiciel PHOTOFILTRE PhotoFiltre est un logiciel de retouche d images simple et intuitif, gratuit pour une utilisation privée, non commerciale ou éducative.

Plus en détail

Chapitre III : Détection de contours

Chapitre III : Détection de contours Chapitre III : Détection de contours La détection de contour et la segmentation des images sont probablement les domaines qui ont reçu la plus grande attention de la part de la communauté de traitement

Plus en détail

Projet de Traitement du Signal Segmentation d images SAR

Projet de Traitement du Signal Segmentation d images SAR Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,

Plus en détail

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme

Distance et classification. Cours 4: Traitement du signal et reconnaissance de forme Distance et classification Cours 4: Traitement du signal et reconnaissance de forme Plan Introduction Pré-traitement Segmentation d images Morphologie mathématique Extraction de caractéristiques Classification

Plus en détail

D.I.I.C. 3 - INC Module COMV - Contrôle 1

D.I.I.C. 3 - INC Module COMV - Contrôle 1 Université de Rennes 1 année 2009-2010 I.F.S.I.C. 11 Décembre 2009 D.I.I.C. 3 - INC Module COMV - Contrôle 1 cours d Olivier LE MEUR Durée : 2 heures Documents autorisés : documents des cours, TD et TP,

Plus en détail

Tracé de lignes et de courbes planes

Tracé de lignes et de courbes planes Département d informatique Université de Toulon et du Var Plan 1 Introduction 2 Tracé de segments 3 Tracé de cercles 4 Tracé de courbes Définition Le processus de représentation d objets graphiques continus

Plus en détail

Chapitre 1 GRAPHIQUES

Chapitre 1 GRAPHIQUES Statistique appliquée à la gestion et au marketing http://foucart.thierry.free.fr/statpc Chapitre 1 GRAPHIQUES On entend souvent qu un schéma vaut mieux qu un long discours. Effectivement, lorsque l on

Plus en détail

DynamiT. Exercices pédagogiques à l attention des nouveaux utilisateurs. Procédure de réalisation d une animation vidéo

DynamiT. Exercices pédagogiques à l attention des nouveaux utilisateurs. Procédure de réalisation d une animation vidéo DynamiT Exercices pédagogiques à l attention des nouveaux utilisateurs Procédure de réalisation d une animation vidéo Le présent didacticiel constitue un guide étape par étape sur la procédure de réalisation

Plus en détail

Modélisation AR et prédiction

Modélisation AR et prédiction T.P. 7 Modélisation AR et prédiction 1 Introduction au traitement de la parole 1.1 Généralités Un premier point concerne le choix de la fréquence d échantillonnage. Dans le domaine de la téléphonie cela

Plus en détail

Math pour bras motorisé 5 servomoteurs ( 3 segments mobiles + base rotative + pince)

Math pour bras motorisé 5 servomoteurs ( 3 segments mobiles + base rotative + pince) Math pour bras motorisé 5 servomoteurs ( 3 segments mobiles + base rotative + pince) Par X. HINAULT Juillet -Aout 2011 Tous droits réservés www.mon-club-elec.fr L'objectif ici est de trouver comment calculer

Plus en détail

ENSEIGNER Transmettre et Stocker l Information en TS. Un exemple d information numérique: L image numérique

ENSEIGNER Transmettre et Stocker l Information en TS. Un exemple d information numérique: L image numérique Un exemple d information numérique: L image numérique 1. Les deux types d images numériques Les images bitmap (ou matricielles) Les images vectorielles Les images bitmap (littéralement «plan de bits» c

Plus en détail