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

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

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

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

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

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

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

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

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

Traitement d'images et vision artificielle

Traitement d'images et vision artificielle Traitement d'images et vision artificielle Cours ENSTA D9-2 Antoine Manzanera - Unité d'électronique et d'informatique TI & Vision - Introduction Ce cours a pour objectif la découverte de techniques parmi

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

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

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

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

Le traitement numérique des images

Le traitement numérique des images Le traitement numérique des images Gabriel Peyré To cite this version: Gabriel Peyré. Le traitement numérique des images. Publication en ligne sur le site Images des Mathématiques, CNRS. 2011.

Plus en détail

Notions de traitement et d'analyse d'image

Notions de traitement et d'analyse d'image Notions de traitement et d'analyse d'image Dans tout ce qui suit, pour simplifier, on considérera, sauf mention contraire, des images matricielles initiales teintées avec 256 niveaux de nuances de gris

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

TP SIN Traitement d image

TP SIN Traitement d image TP SIN Traitement d image Pré requis (l élève doit savoir): - Utiliser un ordinateur Objectif terminale : L élève doit être capable de reconnaître un format d image et d expliquer les différents types

Plus en détail

Table des matières. Avant propos. Chapitre I NOTIONS SUR LES SYSTEMES

Table des matières. Avant propos. Chapitre I NOTIONS SUR LES SYSTEMES Table des matières Avant propos Chapitre I NOTIONS SUR LES SYSTEMES 1. Systèmes linéaires 1 2. Systèmes stationnaires 1 3. Systèmes continus 2 4. Systèmes linéaires invariants dans le temps (LIT) 2 4.1

Plus en détail

Exemples d'activités sur les images numériques

Exemples d'activités sur les images numériques Annexe 1 1 Accès aux composantes RVB d un pixel dans GIMP Pour agrandir l image : touche Ctrl maintenue enfoncée tout en tournant la molette de la souris, ou bien menu Affichage > Zoom > 1600 % Dans la

Plus en détail

Exemple de filtrage non-linéaire : le filtrage médian

Exemple de filtrage non-linéaire : le filtrage médian Exemple de filtrage non-linéaire : le filtrage médian Le filtrage médian est une opération non-linéaire : médiane { x m + y m } médiane { x m } + médiane { y m } sauf exception exemple sur des séquences

Plus en détail

Chapitre III : Traitement d'image : Pré-traitements

Chapitre III : Traitement d'image : Pré-traitements Chapitre III : Traitement d'image : Pré-traitements Le traitement d'image consiste à améliorer le contenu d'une image pour en extraire de l'information : par exemple identifier une séquence de texte [OCR

Plus en détail

II. Conversions. I. Initialisation. III. Méthode point. TD Python Traitement d images MP*

II. Conversions. I. Initialisation. III. Méthode point. TD Python Traitement d images MP* Le but de ce TD est d utiliser les procédures et fonctions Python pour traiter des fichiers images. II. Conversions I. Initialisation Importer le module numpy sous l appellation np. On utilise le module

Plus en détail

Parcours Ingénieur Polytech. Mini-projets. Banque d images. Auteur : Encadrant : Jonathan Courtois

Parcours Ingénieur Polytech. Mini-projets. Banque d images. Auteur : Encadrant : Jonathan Courtois École Polytechnique de l Université de Tours 64, Avenue Jean Portalis 37200 TOURS, FRANCE Tél. (33)2-47-36-14-14 Fax (33)2-47-36-14-22 www.polytech.univ-tours.fr Parcours Ingénieur Polytech Mini-projets

Plus en détail

Analyse d images (Image Analysis) : Informatique visuelle - Vision par ordinateur. Introduction. Plan du cours. Plan du cours

Analyse d images (Image Analysis) : Informatique visuelle - Vision par ordinateur. Introduction. Plan du cours. Plan du cours Analyse d images (Image Analysis) : Informatique visuelle - Vision par ordinateur Introduction Utilisation d un ordinateur pour interpréter le monde extérieur au travers d images. Elise Arnaud elise.arnaud@imag.fr

Plus en détail

Couleur : de la perception au traitement

Couleur : de la perception au traitement Couleur : de la perception au traitement Title background : Rotating snakes illusion, by Akiyoshi KITAOKA Antoine Manzanera ENSTA-ParisTech / U2IS Introduction à la Couleur Couleur : perception, formalismes,

Plus en détail

Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo

Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Dans ce projet, nous allons réaliser le code qui permet d'insérer sur une image, un logo sur un

Plus en détail

5. Traitement d'image? 5.1 Histogrammes

5. Traitement d'image? 5.1 Histogrammes 5. Traitement d'image? 5.1 Histogrammes 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

Plus en détail

Figure 1 : image de cubes en éponge et leur visualisation en 3D.

Figure 1 : image de cubes en éponge et leur visualisation en 3D. DÉRIVATION DES IMAGES : CALCUL DU GRADIENT DE SHEN-CASTAN. 1 OBJECTIF DE CE TRAVAIL. Beaucoup d algorithmes de traitement ou d analyse d images sont basés sur un opérateur de dérivation spatiale, ou plus

Plus en détail

Fête de la science Initiation au traitement des images

Fête de la science Initiation au traitement des images Fête de la science Initiation au traitement des images Détection automatique de plaques minéralogiques à partir d'un téléphone portable et atelier propose de créer un programme informatique pour un téléphone

Plus en détail

Traitement d images numériques en microscopie

Traitement d images numériques en microscopie Traitement 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

Traitement Et. Reconnaissance d'images

Traitement Et. Reconnaissance d'images Traitement Et Reconnaissance d'images Antoine Manzanera ENSTA/UEI Introduction aux images couleur Couleur : perception, formalismes, traitements Aspects physiques et perceptuels Acquisition et Restitution

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 Photo et tableur Ces documents peuvent être utilisés

Plus en détail

PhotoFiltre 7 : Corrections avancées (10-2014)

PhotoFiltre 7 : Corrections avancées (10-2014) PhotoFiltre 7 : Corrections avancées (10-2014) Nous allons passer en revue les traitements accessibles par le menu déroulant «Réglage». Nous retrouvons des traitements accessibles par les boutons de la

Plus en détail

Corrections chromatiques de l image

Corrections chromatiques de l image Corrections chromatiques de l image 1. Réglages en amont 2. Utilisation d un histogramme et de la palette infos 3. Réglage du point blanc - point noir 4. Réglage du gamma, correction tonale Pour quadri

Plus en détail

Chapitre1: 1. Traitement d image Vs Infographie 15/12/2010. Pour l être humain, l image constitue l une des. principales sources d informations.

Chapitre1: 1. Traitement d image Vs Infographie 15/12/2010. Pour l être humain, l image constitue l une des. principales sources d informations. INFOGRAPHIE &TRAITEMENT NUMÉRIQUE D IMAGES Dr. Sami GAZZAH ISITCOM Hammam Sousse Plan du cours Objectifs: Maîtriser les concepts de base liés à l imagerie numérique 2D sur ordinateur. Développer une méthodologie

Plus en détail

Introduction générale

Introduction générale Introduction générale Avec la parole l image constitue l un des moyens les plus importants qu utilise l homme pour communiquer avec autrui. C est un moyen de communication universel dont la richesse du

Plus en détail

Transformée de Fourier discrète.

Transformée de Fourier discrète. Université Bordeaux Transformée de Fourier discrète. Préliminaire : Téléchargement de Wavelab Wavelab est une toolbox matlab, c est à dire un ensemble de programmes matlab élaborés par une équipe de l

Plus en détail

Cours de traitement d images Catherine Achard 1. Cours de Traitement d images

Cours de traitement d images Catherine Achard 1. Cours de Traitement d images Cours de traitement d images Catherine Achard 1 Cours de Traitement d images rédigé par Catherine Achard, sur la base des cours de J. Devars et M. Milgram 00/003 Cours de traitement d images Catherine

Plus en détail

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés ENSEIRB-MATMECA PG-113 014 TP6: Optimisation au sens des moindres carrés Le but de ce TP est d implémenter une technique de recalage d images qui utilise une méthode vue en cours d analyse numérique :

Plus en détail

III Caractérisation d'image binaire

III Caractérisation d'image binaire III Caractérisation d'image binaire 1. Généralités Les images binaires codent l'information sur deux valeurs. Rarement le résultat direct d'un capteur, mais facilement obtenues par seuillage dans certains

Plus en détail

Leçon N 11 Traitement La couleur

Leçon N 11 Traitement La couleur Leçon N 11 Traitement La couleur 11 La couleur Tous ce qui vous environne a une couleur, mais c est la lumière qui vous permet de percevoir la couleur des objets qui vous entourent. 11.1 Le modèle TSL

Plus en détail

Chapitre 1 La perception de la lumière et des couleurs par l'œil humain

Chapitre 1 La perception de la lumière et des couleurs par l'œil humain 1 1 9 9 7 7 2 2 Perception des couleurs par l œil humain................ 4 La température des couleurs et la balance des blancs.......... 4 La compensation de la lumière par l œil................ Le gamma..............................

Plus en détail

source : Foley & van Dam pp 815-843, p753, Gonzalez & Woods

source : Foley & van Dam pp 815-843, p753, Gonzalez & Woods Informatique Graphique II 2- Traitement d'images Michel Beaudouin-Lafon, mbl@lri.fr source : Foley & van Dam pp 815-843, p753, Gonzalez & Woods Introduction Jusqu'à présent, nous avons traité exclusivement

Plus en détail

Acdsee pro 2.5 est un logiciel de gestion et de traitement de photos conçu pour les professionnels de la photographie ou du graphisme.

Acdsee pro 2.5 est un logiciel de gestion et de traitement de photos conçu pour les professionnels de la photographie ou du graphisme. Acdsee pro 2.5 est un logiciel de gestion et de traitement de photos conçu pour les professionnels de la photographie ou du graphisme. Il est peut être le logiciel le plus complet et le plus performant

Plus en détail

Manipulation de photos avec Gimp

Manipulation de photos avec Gimp LinuxFocus article number 311 http://linuxfocus.org Manipulation de photos avec Gimp par Katja Socher L auteur: Katja est l éditrice allemande de LinuxFocus. Elle aime Tux, l

Plus en détail

LE CAPTEUR D'IMAGES CAPTEUR D IMAGES 1

LE CAPTEUR D'IMAGES CAPTEUR D IMAGES 1 LE CAPTEUR D'IMAGES CAPTEUR D IMAGES 1 Le rôle du capteur d'image est de transformer l'énergie lumineuse de chaque point de l'original en un signal électrique. Les principaux éléments que l'on rencontre

Plus en détail

Bases du traitement des images. Transformée de Fourier Avancée - Numérisation

Bases du traitement des images. Transformée de Fourier Avancée - Numérisation Transformée de Fourier Avancée - Numérisation Nicolas Thome 6 octobre 2015 1 / 87 Outline 1 Numérisation Fenetrage Échantillonnage Quantification 2 2 / 87 Principe Du continu au discret Un signal continu

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

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

Département de physique

Département de physique Département de physique Caractérisation d un diapason par TF de sa réponse impulsionnelle. Problème du paramétrage de la FFT Travail expérimental et rédaction du document : Jean-Baptiste Desmoulins (P.R.A.G.)

Plus en détail

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE

INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique

Plus en détail

Chaine de transmission

Chaine de transmission Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation

Plus en détail

OUTILS FONDAMENTAUX EN TRAITEMENT D IMAGES

OUTILS FONDAMENTAUX EN TRAITEMENT D IMAGES OUTILS FONDAMENTAUX EN TRAITEMENT D IMAGES Défis actuels Mégadonnées (big data) Square Kilometer Array Telescope : 300 To/s (100 Internet) 9 Robustesse Défis actuels Repérer les comportements suspects

Plus en détail

Leçon N 8 Traitement des photos 4 ème

Leçon N 8 Traitement des photos 4 ème Leçon N 8 Traitement des photos 4 ème Partie Voyons maintenant quelques applications de GIMP 10 Renforcement de la netteté Aucun logiciel de retouche ne peut restituer une photo dont la netteté est très

Plus en détail

Vision par Ordinateur

Vision par Ordinateur Vision par Ordinateur James L. Crowley DEA IVR Premier Bimestre 2005/2006 Séance 6 23 novembre 2005 Détection et Description de Contraste Plan de la Séance : Description de Contraste...2 Le Détecteur de

Plus en détail

Traitement du signal et Applications

Traitement du signal et Applications Traitement du signal et Applications Master Technologies et Handicaps 1 ère année Philippe Foucher 1 Plan Signal? Exemples Signaux analogiques/signaux numériques Propriétés Séance de TP 2 Plan Signal?

Plus en détail

Les étapes du traitement de l analyse d image

Les étapes du traitement de l analyse d image Les étapes du traitement de l analyse d image La capture image brute Prétraitement niveaux de gris Segmentation image binaire Post-traitement régions d intérêts Amélioration Publication Quantification

Plus en détail

Filtrage - Intégration - Redressement - Lissage

Filtrage - Intégration - Redressement - Lissage PCSI - Stanislas - Electrocinétique - TP N 3 - Filtrage - Intégration - Redressement - Lissage Filtrage - Intégration - Redressement - Lissage Prenez en note tout élément pouvant figurer dans un compte-rendu

Plus en détail

Au programme. Vision par ordinateur: Formation d image et Photographie. Formation de l image. Introduction

Au programme. Vision par ordinateur: Formation d image et Photographie. Formation de l image. Introduction Au programme Vision par ordinateur: Formation d image et Photographie Sébastien Roy Jean-Philippe Tardif Marc-Antoine Drouin Département d Informatique et de recherche opérationnelle Université de Montréal

Plus en détail

Vision par ordinateur: Formation d image et Photographie

Vision par ordinateur: Formation d image et Photographie Vision par ordinateur: Formation d image et Photographie Sébastien Roy Jean-Philippe Tardif Marc-Antoine Drouin Département d Informatique et de recherche opérationnelle Université de Montréal Hiver 2007

Plus en détail

Travaux pratiques et travaux dirigés de traitement d images numériques Séances 1, 2, 3, 4 et 5 Institut Galilée 2013-2014

Travaux pratiques et travaux dirigés de traitement d images numériques Séances 1, 2, 3, 4 et 5 Institut Galilée 2013-2014 Travaux pratiques et travaux dirigés de traitement d images numériques Séances 1, 2, 3, 4 et 5 Institut Galilée 2013-2014 G. Dauphin et A. Beghdadi Séance 1 (47) Ce polycopié contient à la fois les exercices

Plus en détail

Extraction de Contours

Extraction de Contours Extraction de Contours Michèle Gouiès À quoi ça sert? Réduction d'information / matrice d'intensité. Déscription de forme (courbure, points particuliers) en vue d'une reconnaissance. Atout des contours

Plus en détail

largeur x hauteur en pixels, par exemple 640 x 480 ou 1920 x 1080

largeur x hauteur en pixels, par exemple 640 x 480 ou 1920 x 1080 Capteurs Cours #1 : Capteurs 2D CCD Par : Bernard Besserer Terminologie Dimensions / Taille de l image largeur x hauteur en pixels, par exemple 640 x 480 ou 1920 x 1080 Résolution points par pouce (dpi

Plus en détail

IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB

IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB Ce document, écrit par des animateurs de l IREM de Besançon, a pour objectif de présenter quelques unes des fonctions du logiciel Scilab, celles qui sont spécifiques

Plus en détail

Fusion d images de plan focaux pour la reconstruction 3D

Fusion d images de plan focaux pour la reconstruction 3D Stage de DEA Instrumentation et Informatique de l image Fusion d images de plan focaux pour la reconstruction 3D Thomas CHALUMEAU Encadrants : Olivier LALIGANT Fabrice MERIAUDEAU Je tiens à remercier mes

Plus en détail

TRAVAUX PRATIQUES DE TRAITEMENT D'IMAGES

TRAVAUX PRATIQUES DE TRAITEMENT D'IMAGES TRAVAUX PRATIQUES DE TRAITEMENT D'IMAGES II - PRESENTATION DU LOGICIEL CLASSMAN32 1) Fonctionnalités de base CLASSMAN est un logiciel de visualisation et de traitement d'image qui s'exécute sous l'environnement

Plus en détail

SIGNAUX ANALOGIQUES ET NUMERIQUES

SIGNAUX ANALOGIQUES ET NUMERIQUES SIGNAUX ANALOGIQUES ET NUMERIQUES 1. ANALOGIQUE OU NUMERIQUE? Un signal est la représentation physique d une information qui est transportée avec ou sans transformation, de la source jusqu au destinataire.

Plus en détail

compression avec perte (niveau de >16 M. de couleurs entrelacées (léger en ko)

compression avec perte (niveau de >16 M. de couleurs entrelacées (léger en ko) Calibration de photos Fiche n 119 Objectif Le but de cette fiche est d éclairer très rapidement quelques notions relatives à l exploitation des images numériques. Bien que la prise de vue soit a priori

Plus en détail

Département de physique

Département de physique Département de physique Etude de la densité spectrale de puissance du bruit thermique dans une résistance Travail expérimental et rédaction du document : Jean-Baptiste Desmoulins (P.R.A.G.) mail : desmouli@physique.ens-cachan.fr

Plus en détail

Styles de Rendus. Tour d 'horizon

Styles de Rendus. Tour d 'horizon Styles de Rendus Tour d 'horizon 1 Catégorisation des méthodes de rendu «Photo-réalistes» But : obtenir des images les plus crédibles possibles Notions : Ombres dures / Ombres douces Catégorisation des

Plus en détail

TP 2 : TRANSFORMÉE DE FOURIER ET ALIASING

TP 2 : TRANSFORMÉE DE FOURIER ET ALIASING Traitement de l information et vision artificielle Ecole des Ponts ParisTech, 2 ème année Guillaume Obozinski guillaume.obozinski@imagine.enpc.fr TP 2 : TRANSFORMÉE DE FOURIER ET ALIASING La séance de

Plus en détail

Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP

Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez

Plus en détail

TP filtres électriques

TP filtres électriques P filtres électriques Objectif : Étudier les caractéristiques de gain et de phase de quelques filtres classiques 1 Introduction oute cette partie est informative : la non compréhension de certains paragraphes

Plus en détail

À PROPOS D IMAGES : Fiche professeur

À PROPOS D IMAGES : Fiche professeur À PROPOS D IMAGES : Fiche professeur Damier Assiette Danseuse Eventail Danseuse 1 FICHE ÉLÈVE (1) Que devient une image lorsqu on la grossit? Ouvrir (par exemple avec l application «Aperçu»), les deux

Plus en détail

Chapitre 18 : Transmettre et stocker de l information

Chapitre 18 : Transmettre et stocker de l information Chapitre 18 : Transmettre et stocker de l information Connaissances et compétences : - Identifier les éléments d une chaîne de transmission d informations. - Recueillir et exploiter des informations concernant

Plus en détail

4. Représentation informatique de la couleur

4. Représentation informatique de la couleur Les transparents qui suivent sont tirés du cours Connaissances Complémentaires en Imagerie Numérique de S. Thon en DUT Informatique option Imagerie Numérique 2ème année. 4. Représentation informatique

Plus en détail

TP 8 : ONDELETTES 2D, COMPRESSION ET DÉBRUITAGE D IMAGE

TP 8 : ONDELETTES 2D, COMPRESSION ET DÉBRUITAGE D IMAGE Traitement de l information et vision artificielle Ecole des Ponts ParisTech, 2 ème année Guillaume Obozinski guillaume.obozinski@imagine.enpc.fr TP 8 : ONDELETTES 2D, COMPRESSION ET DÉBRUITAGE D IMAGE

Plus en détail

Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies

Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure

Plus en détail

L'image numérique - synthèse. par Cyril Vauclare (2010)

L'image numérique - synthèse. par Cyril Vauclare (2010) L'image numérique - synthèse par Cyril Vauclare (2010) Sommaire 1. Les pixels... 3 2. Les couleurs... 3 3. Définition d'une image... 4 4. Résolution d'une image... 5 5. Formats d'images numériques... 6

Plus en détail

Figure 2 : lumière visible.

Figure 2 : lumière visible. A LA DÉCOUVERTE DES IMAGES COULEUR. 1 OBJECTIF DE CE TRAVAIL. Le travail qui vous est proposé ici consiste à manipuler des images couleurs et à découvrir les liens qui unissent les espaces de représentation

Plus en détail

Support du cours de retouche d images

Support du cours de retouche d images Support du cours de retouche d images avec Adobe Photoshop CS4 / CS5 Table des matières Page 1 Image numérique : Dimensions et résolutions Page 2 calques / construction d un document Page 3 couches / structure

Plus en détail

I.2 Comment passer d un signal analogique en un signal numérique sans perdre de l information?

I.2 Comment passer d un signal analogique en un signal numérique sans perdre de l information? I- Chaîne d information I.1 Généralités Dans un ballon-sonde, on trouve des capteurs (température, luminosité, pression ) plus ou moins sophistiqués. Nous allons voir que pour un problème technique identique

Plus en détail

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007 Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................

Plus en détail

Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information

Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information I. Nature du signal I.1. Définition Un signal est la représentation physique d une information (température, pression, absorbance,

Plus en détail

Codage Compression d images

Codage Compression d images Codage Compression d images E. Jeandel Emmanuel.Jeandel at lif.univ-mrs.fr E. Jeandel, Lif CodageCompression d images 1/1 Une image Une image est un tableau de w h pixels, chaque pixel étant représenté

Plus en détail

Master Lumière et Mesures Extrêmes Signal et Bruits : travaux pratiques. Détection par effet mirage Mesures photothermiques

Master Lumière et Mesures Extrêmes Signal et Bruits : travaux pratiques. Détection par effet mirage Mesures photothermiques 1 Master Lumière et Mesures Extrêmes Signal et Bruits : travaux pratiques 1 Introduction Détection par effet mirage Mesures photothermiques La méthode de détection par effet mirage fait partie de méthodes

Plus en détail

OPERATEURS MORPHOLOGIQUES

OPERATEURS MORPHOLOGIQUES OPERATEURS MORPHOLOGIQUES Ensembles caractéristiques et éléments structurants Érosion et dilatation Ouverture et fermeture Application au filtrage Extraction de contours, remplissage de régions Épaississement,

Plus en détail

Acquisition et analyse FFT

Acquisition et analyse FFT Département de physique Acquisition et analyse FFT Rédaction du cours et travail expérimental associé : Jean-Baptiste Desmoulins (P.R.A.G.) mail : desmouli@physique.ens-cachan.fr L objectif de ce cours

Plus en détail

TP5 - Morphologie mathématique

TP5 - Morphologie mathématique TP5 - Morphologie mathématique Vincent Barra - Christophe Tilmant 5 novembre 2007 1 Partie théorique 1.1 Introduction La morphologie mathématique [1] est un outil mathématique permettant au départ d explorer

Plus en détail

Filtrage et EDP. Philippe Montesinos. EMA/LGI2P - Site EERIE. Parc Scientifique G. Besse - 30035 Nîmes Cedex 1- France http://www.lgi2p.ema.

Filtrage et EDP. Philippe Montesinos. EMA/LGI2P - Site EERIE. Parc Scientifique G. Besse - 30035 Nîmes Cedex 1- France http://www.lgi2p.ema. Filtrage et EDP Philippe Montesinos EMA/LGI2P - Site EERIE Parc Scientifique G. Besse - 30035 Nîmes Cedex 1- France http://www.lgi2p.ema.fr 1 Plan 1. Rappels: - Les analyses multi-échelles. - Méthodes

Plus en détail

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57

Analyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57 Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation

Plus en détail

PHOTOGRAPHIE La photographie numérique

PHOTOGRAPHIE La photographie numérique PHOTOGRAPHIE La photographie numérique Août 2009 2 TYPOLOGIES D IMAGES NUMERIQUES Les Bitmaps (images pixellisées) Les vectorielles (entités mathématiques) Principe Caractéristiques des «dessins» Grille

Plus en détail

Assemblage des brutes en photo astronomique:

Assemblage des brutes en photo astronomique: Assemblage des brutes en photo astronomique: La capture des images avec une caméra CCD N&B et des filtres conduit à une série d'images prises à travers différents filtres optiques, mais qui ont tous l'aspect

Plus en détail

Quelques méthodes mathématiques pour le traitement d image

Quelques méthodes mathématiques pour le traitement d image Quelques méthodes mathématiques pour le traitement d image Maïtine Bergounioux To cite this version: Maïtine Bergounioux. Quelques méthodes mathématiques pour le traitement d image. DEA. Cours M2 - Université

Plus en détail

TECHNOLOGIE DE L OPTIQUE GUIDEE

TECHNOLOGIE DE L OPTIQUE GUIDEE REPUBLIQUE DU CAMEROUN Paix - Travail Patrie --------------------- UNIVERSITE DE YAOUNDE I ---------------------- ECOLE NATIONALE SUPERIEURE POLYTECHNIQUE ---------------------- REPUBLIC OF CAMEROUN Peace

Plus en détail

Algorithmes pour le traitement d'images - 2

Algorithmes pour le traitement d'images - 2 Ressources pour le lycée général et technologique éduscol Ressources pour le cycle terminal général et technologique Informatique et Sciences du Numérique Algorithmes pour le traitement d'images - 2 Ces

Plus en détail

FORMATION LES SCANNERS

FORMATION LES SCANNERS FORMATION LES SCANNERS Généralités Les scanners à plat modernes sont constitués d'éléments CCD, une technologie initialement développée pour les techniques satellites et de télévision. Les CCD transforment

Plus en détail

Images numériques. Notions et contenus. évaluée

Images numériques. Notions et contenus. évaluée Images numériques Thème Notions et contenus Compétence travaillée ou évaluée Résumé Mots clefs Académie Référence Auteur Transmettre et stocker de l information Caractéristiques d une image numérique :

Plus en détail

Réussir et traiter ses photos sous UV avec Photoshop

Réussir et traiter ses photos sous UV avec Photoshop Réussir et traiter ses photos sous UV avec Photoshop par Rémi BORNET le 29/12/2009 Beaucoup de personnes n'arrivent pas à obtenir de bons résultats en photos sous UV et ne trouvent pas de conseils. Cet

Plus en détail