Bibliothèque de Traitement d Images en Niveaux de Gris

Dimension: px
Commencer à balayer dès la page:

Download "Bibliothèque de Traitement d Images en Niveaux de Gris"

Transcription

1 TP Bibliothèque de Traitement d Images en Niveaux de Gris Étudiants : Besnier Alexandre Taforeau Julien Version 1.2 Janvier 2008

2 2008 Rapport TP - Version 1.2 i

3 Table des matières Introduction 1 1 Objectif de l application Présentation du travail Description des classes La classe de base : TTableau La classe THisto La classe TFiltre La classe TImage Chaînes de traitement associées La segmentation d une image La détermination des contours d une image Test et validation de l application Méthodes de test Comportement Traitement d une image simple Problème d une image complexe Amélioration des résultats Qualité de l application Conclusion 14 A La Classe TTableau 15 B La Classe THisto 18 C La Classe TFiltre 19 D La Classe TImage 24 E Chaînes de traitement associées 30 F Diagramme de classe de l application Rapport TP - Version 1.2 ii

4 Table des figures 1 Principe d une opération de filtrage par convolution pour un pixel. 4 2 Image originale d une pièce Pièce filtrée par un filtre GradLig Pièce filtrée par un filtre GradCol Contours de la pièce (segmentée à 113) Contours de la pièce (segmentée à 108) Contours de la pièce (segmentée à 118) Image originale de bateaux, considérée comme complexe Bateaux contourés (segmentée à 122) Contours des bateaux (segmentée à 135) Contours des bateaux (segmentée à 105) Somme des deux contours de la pièce Somme des deux contours des bateaux Diagramme de classe de l application Liste des tableaux 1 Filtre GradLig Filtre GradCol Exemple de tableau utilisé pour les premiers tests Exemple de tableau créer par la fonction reiniimg Rapport TP - Version 1.2 iii

5 Introduction Dans de nombreux domaines de la physique, il est nécessaire de recourrir à l utilisation de l outil informatique afin de réaliser du traitement d image. En effet que ce soit dans le domaine de l aerospatial, de la médecine ou de la cartographie, nous avons régulièrement recours à des processus de traitement d image tel que la détection de contours. Dans ce rapport, nous allons donc exposer la création d une bibliothéque de traitement d images qui permet de réaliser plusieurs procédures, notamment la détection de contours et le calcul de la norme d une image. Dans une première partie, nous détaillerons l application dans son ensemble et par la suite, nous examinerons le comportement de notre application Rapport TP - Version 1.2 1/32

6 1 Objectif de l application 1.1 Présentation du travail Lors des procédures de traitement d images il est nécessaire d appliquer aux images différentes chaînes de traitement. Ces chaînes de traitements nécessitent l utilisation de l outil informatique, que ce soit pour l implémentation des procédures ou de la visualisation de l image traitée. Afin de créer une bibliothèque de traitements d images, il est impératif de prévoir plusieurs fonctions qui permettent d effectuer des actions spécifiques sur l image à analyser. L objectif principal de cette bibliothèque est de fournir à l utilisateur trois procédures de traitement d images. Les trois procédures à créer sont : Une procédure de calcul des valeurs des pixels d une image qui fournis également la répartition des valeurs des pixels de l image. Une procédure de seuillage d une image qui permet l obtention d une image binaire suivantla valeur des pixels, si elle est supérieure ou non à un seuil. Une procédure de filtrage par convolution d une image par un filtre. Le but de cette opération est d obtenir une image filtrée à partir d un filtre utilisé en traitement d images. Ces trois procédures vont permettre la réalisation de deux chaînes de traitement distinctes : l une permettant la segmentation d une image, c est-à-dire une image seuillée constituée de deux valeurs de pixels suivant leurs positions par rapport au seuil, et l autre la détermination des points de contours d une image par normalisation de l image filtrée. De plus cette application devra permettre une éventuelle évolution de la bibliothèque, c est-à-dire la réutilisation des différentes classes et méthodes mis en place et leurs compléments. En ce qui concerne la méthode retenue pour la réalisation du projet, nous avons adopté une démarche progressive, c est-à-dire que chaque évolution du programme à été accompagnée d une phase de test, visant à valider l intégralité du code déjà implémenté. L affichage des résultats se fait par une fonction dédiée afin de le rendre plus facilement adaptable lors de l affichage par l intermédiaire de l interface graphique. De plus, nous avons supposé que toutes les images utilisées dans cette application sont constituées de 256 niveaux d intensité. Enfin, chaque classe est constituée de deux fichiers : un fichier header contenant les prototypes des fonctions et un source contenant les définitions des méthodes utilisées dans la classe correspondante. Les phases de test sont effectuées dans un fichier principal et les deux fonctions des chaines de traitement sont regroupées dans un fichier source externe. Nous nous proposons donc, dans ce rapport, de fournir les éléments essentiels nécessaires à la compréhension de la méthode utilisée pour mener à bien ce projet, que ce soit au niveau de la construction des classes et des méthodes, mais aussi lors de la phase de test des classes et du comportement de l application Rapport TP - Version 1.2 2/32

7 1.2 Description des classes Dans cette partie nous nous contenterons de décrire les actions des différentes classes, leurs contenus de manière succincte, leurs rôles dans l application et les liens qui les unissent entre elles. Un listing complet des méthodes des classes avec leurs actions sera fourni en annexes. La bibliothèque de traitement d image est constituée de quatre classes (Annexe F) : une classe de base (TTableau) et trois classes dérivées (THito, TFiltre, et TImage). À ces quatre classes se rajoute trois méthodes particulières : une méthode gérant l affichage de la matrice représentant l image désirée (affichagett ) et deux méthodes gérant les deux chaines de traitement, à savoir la segmentation et la détection des contours d une image (segmentation et contours). Toutes les classes sont constituées d un fichier header contenant les prototypes et un fichier source contenant la définition des méthodes de la classe La classe de base : TTableau Cette classe est la classe principale de l application, c est elle qui permet de générer une matrice, représentant les pixels de l image à traiter (Annexe A). C est à partir de cette classe que seront créees toute les autres classes nécessaires au traitement des images, toutes les méthodes de cette classe sont donc accessibles depuis les classes dérivées. Puisque nous ne connaissons pas à priori la nature des éléments constituant la matrice, nous avons crée un patron de classe qui permet une utilisation plus large de la classe TTableau, puisqu elle pourra contenir non seulement des entiers, des réels mais aussi des caractères. D un point de vue pratique cette classe permet : la création de la matrice, l allocation mémoire nécessaire et l initialisation des pixels à une valeur donnée. le dimensionnement la matrice en précisant son nombre de lignes et de colonnes. la suppression de la place mémoire allouée si nécessaire. un test sur la corrélation entre les dimensions de deux matrices. l écriture ou la lecture d un élément de la matrice La classe THisto Il s agit d une classe dérivée de la classe TTableau, et contient des éléments de type unsigned long int. Elle intervient notamment dans la chaine de traitement de segmentation d une image et plus précisément lors de la détermination du seuil. La matrice générée dans cette classe est en réalité un histogramme, c est-à-dire un tableau à une dimension de longeur 256, qui contient pour chaque valeur de pixel, le nombre de fois ou celle-ci apparait dans l image. La classe THisto permet (Annexe B : d initialiser les occurrences des valeurs des pixels à 0. d incrémenter celles-ci chaque fois que cette valeur est détectée Rapport TP - Version 1.2 3/32

8 de lire le nombre de fois qu une valeur à été détectée La classe TFiltre Il s agit également d une classe dérivée de la classe TTableau et contient des éléments de type double. Elle permet la convolution d un tableau de même dimension que le filtre par le filtre. Cette classe sera particulièrement utile lors de la détermination des contours d une image et dans la classe TImage, afin de déterminer l image filtrée. La procédure de convolution est explicitée ci-dessous : Fig. 1 Principe d une opération de filtrage par convolution pour un pixel La formule de convolution est donnée par : N 1 M 1 Img (l, c) = n=0 m=0 Img(l + n N 1 2, c + m M 1 ) F iltre(n, m) (1) 2 Où l et c représente les coordonnées du pixel à convoluer, N et M le nombre de lignes et de colonnes du filtre. Les deux filtres utilisés dans cette application sont donnés par les tables 1 et 2 selon que l on considère le gradient de l image suivant la direction des lignes ou des colonnes Tab. 1 Filtre GradLig Tab. 2 Filtre GradCol Finalement la classe TFiltre permet (Annexe C : la lecture et le calcul des éléments positifs et négatifs du filtre la convolution d un tableau de même dimension que le filtre par le filtre la réinitialisation des filtres 2008 Rapport TP - Version 1.2 4/32

9 1.2.4 La classe TImage Il s agit d une classe dérivée de la classe TTableau et contient des éléments de type float. Cette classe permet la création d une image filtrée par convolution, pour cette raison elle fait appel aux classes décrites précédemment : THisto pour générer un histogramme à 256 niveaux de l image et TFiltre lors de la convolution de l image par le filtre. Il est à noter que lors de cette convolution, il a été appliqué un traitement spécifique au bord de l image, nous avons pris la décision de ne pas traiter les bords de l image, cela implique que, pour conserver la taille de l image, nous avons mis à 0 ces pixels. De plus, puisque la classe TImage permet la convolution d une image, elle modifie également la valeur des pixels de l image filtrée qui ne sont désormais plus comprise entre 0 et 255. Pour résoudre ce problème il est nécessaire de ramener le niveau d intensité de chaque pixel suivant la formule : Img (l, c) = E(255 Img(l, c) I min I max I min ) (2) où E représente la partie entière, I min et I max les intensités maximum et minimum de l image filtrée. La classe TImage permet donc de filtré une image source à partir d un filtre déterminé, elle sera utilisée lors de la détermination des contours d une image. En outre la classe TImage permet (Annexe D) : la lecture et l écriture des bornes min et max de la valeur d un pixel la création d une image test constituée de 0 et de 255 au centre de l image la détermination d un histogramme à 256 niveaux de l image une interpolation linéaire pour ramener les niveaux d intensité dans la plage [0,255] le filtrage d une image par un filtre la détermination du filtrage d une image seuillée la détermination d une image normée à partir de deux images 1.3 Chaînes de traitement associées La segmentation d une image Dans cette fonction nous créons une image segmentée à partir d une image source, c est-à-dire que l on crée une image contenant deux couleurs (blanc ou noir) suivant la valeur du pixel de départ, si elle est supérieure ou non au seuil déterminé par calcul. Le résultat est donc une image noir et blanc, ou les zones noires représentent les zones plutôt sombre de l image source et les zones blanches des zones plutôt claires La détermination des contours d une image Cette fonction a pour but de révéler les contours d une image source, pour cela nous filtrons l image au moyen des filtres GradLig et GradCol qui ont pour but de calculer les gradients de l image suivant la direction des lignes et des colonnes. La 2008 Rapport TP - Version 1.2 5/32

10 normalisation de ces deux images fournis les contours de l image source à condition d appliquer un seuillage de l image normalisée. 2 Test et validation de l application 2.1 Méthodes de test Afin de tester le bon fonctionnement de l application, nous avons, à chaque implémentation d une nouvelle méthode, testé celle-ci sur un exemple concret. Nous avons également testé leurs intéractions avec les méthodes déjà codées. Pour mettre en évidence le bon fonctionnement des méthodes, nous avons utilisé dans un premier temps des tableaux simple et de petite dimension, sur lesquels les calculs sont aisés à faire à la main : Tab. 3 Exemple de tableau utilisé pour les premiers tests. Par la suite nous avons utilisé des tableaux dont les valeurs étaient générées aléatoirement afin de vérifier notamment le bon fonctionnement des histogrammes et de la fonction de segmentation. Le test des méthodes au fur et à mesure nous a permis de cibler plus facilement la source des erreurs, et de ce fait nous a permit un gain de temps. 2.2 Comportement Traitement d une image simple En ce qui concerne le comportement de l application nous nous apercevons que plus l image est complexe, c est-à-dire que la quantité de détails est importante, plus il est difficile d obtenir des contours net et précis. Si nous nous intéressons à l image piece.pmg (Fig. 2), nous avons une image relativement simple, avec des contours bien définis : En appliquant successivement les filtres GradLig (Fig. 3) et GradCol (Fig. 4) à cette image, nous identifions les variations rapide de niveau de gris selon respectivement les lignes et les colonnes. Il suffit à présent de normer l image et de la segmenter afin d obtenir l image finale contourée. Nous normons l image au moyen des filtres GradLig et GradCol 2008 Rapport TP - Version 1.2 6/32

11 Fig. 2 Image originale d une pièce Fig. 3 Pièce filtrée par un filtre GradLig Fig. 4 Pièce filtrée par un filtre GradCol 2008 Rapport TP - Version 1.2 7/32

12 et de la formule suivante : ImgNorme(l, c) = ImgGradLig(l, c) 2 + ImgGradCol(l, c) 2 (3) où ImgGradLig et ImgGradcol sont les images filtrées respectivement par un filtre GradLig et GradCol. Nous obtenons doncl image contourée suivante 1 : Fig. 5 Contours de la pièce (segmentée à 113) Nous voyons que dans l ensemble les contours ressortent plutôt bien, cependant certaine partie, comme le rond central, n ont pas été correctement contourées, ni la partie droite de la pièce. Si nous essayons de faire varier le niveau de segmentation, nous voyons que nous pouvons obtenir plus ou moins de détails, mais nous ne pouvons pas obtenir de contours complets, nous avons une partie ou une autre (Fig. 6 et 7). Il faudrait donc utiliser soit d autres filtres, soit une méthode différente. Fig. 6 Contours de la pièce (segmentée à 108) Problème d une image complexe Si à présent nous prenons une image plus complexe, c est-à-dire qui va présenter plus de contours fin et précis et peu de grandes zones uniformes. Nous nous aper- 1 Les images de contours obtenues ont été traitées de manière à obtenir des contours noirs sur fond blanc 2008 Rapport TP - Version 1.2 8/32

13 Fig. 7 Contours de la pièce (segmentée à 118) cevons que notre méthode de contours n est pas optimale. Prenons donc l image bateaux.pmg (Fig. 8) comme image de ce type. Fig. 8 Image originale de bateaux, considérée comme complexe Si nous appliquons le même traitement que lors de la section précedente, nous obtenons une image contourée de la figure 9 Nous nous apercevons que le résultat est bien moins réussi que pour la pièce (Fig. 5 page 8). Les variations étant beaucoup plus nombreuses, l image apparait plus «brouillon». Si on essaye de faire varier la segmentation, l image est plus nette, mais nous avons l impression de perdre trop de détails (Fig. 10 et 11 page 10) Rapport TP - Version 1.2 9/32

14 Fig. 9 Bateaux contourés (segmentée à 122) Fig. 10 Contours des bateaux (segmentée à 135) 2008 Rapport TP - Version /32

15 Fig. 11 Contours des bateaux (segmentée à 105) Pour ce type d image il faut donc une approche qui permettent de faire ressortir les contours, mais qui estompe le bruit observé précedement Amélioration des résultats En regardant plus précisément les résultats obtenus pour l image de la pièce, nous nous apercevons que selon le niveau de segmentation, nous obtenons préférentiellement certains contours plutôt que d autres (Fig. 6 et 7 page 8). Il est donc naturel de se demander ce que nous obtiendrions si nous sommions ses deux images (Fig. 12 page 12). Nous voyons donc que nous obtenons les contours complets de l image. Ainsi, en mettant en rapport deux résultats différents obtenus sur la même image nous gagnons en qualité. Si nous faisons le même travail sur l image des bateaux, nous obtenons aussi une certaine amélioration (Fig. 13 page 12), même si le problème de bruit reste présent, nous avons par exemple de «vrai» contours pour les mats. 2.3 Qualité de l application Suite à la relative rapidité de conception de l application, nous pouvons envisager différentes améliorations. Premièrement, il serait intéressant d améliorer la gestion des erreurs. En effet, actuellement si nous vérifions, par exemple, la taille des tableaux lors de l appel des méthodes, il n y a pas de procedure prévue en 2008 Rapport TP - Version /32

16 Fig. 12 Somme des deux contours de la pièce Fig. 13 Somme des deux contours des bateaux 2008 Rapport TP - Version /32

17 cas d erreur. L utilisation de tout types de tableaux (entiers, réels, charactères...) nous contraint à l utlisation d exception plus lourde à mettre en place que le simple retour d une valeur. D un point de vue pratique, il faudrait améliorer l interaction avec l utilisateur. Par exemple, celui-ci devrait pouvoir choisir une image à traiter en tapant son nom dans la console, ou bien choisir interactivement le seuil pour la segmentation et les contours, ou encore entrer manuellement un nouveau filtre autre que GradLig et GradCol... Cependant ce type de développement n a pas été envisagé ici, car une interface graphique, plus adaptée et plus agréable d utilisation, sera créée durant la période Aig. Il était donc inutile de développer deux fois la même chose. Au niveau des fonctions offertes par le logiciel, nous pourrions envisager de traiter d autres formats d image que le format brute raw afin d offrir une plus grande liberté d utilisation. De même, nous pourrions traiter des images en couleur, soit en les convertissant en niveau de gris avant d effectuer la recherche des contours, soit en faisant évoluer nos méthodes afin d être directement capable de traiter les images couleurs Rapport TP - Version /32

18 Conclusion La méthode de contours utilisée lors de cette étude s avère relativement efficace. Les images obtenues donnent une bonne idée des contours des images, surtout après un petit traitement supplémentaire. Cependant, nous avons vu qu il pouvait apparaître un bruit au niveau des surfaces non uniforme, comme le sol. Il faut donc envisager une procedure permettant d estomper ce type de perturbation. Un autre avantage de la méthode est qu elle est rapide à mettre en oeuvre, et à exécuter. Au niveau de l application en elle même, elle reste relativement sobre, et les implémentations à destination des utilisateurs n ont pas été développés. Cependant celle-ci est opérationnel, il est posible de filtrer des images par tout type de filtres, d extraire les contours, et d effectuer une segmentation. Enfin au niveau de l interface, celle-ci sera développée lors de la période Aig afin d avoir une interface graphique bien plus agréable que la console Rapport TP - Version /32

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

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

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

Utiliser des images sous MATLAB Version du 20 mars 2012

Utiliser des images sous MATLAB Version du 20 mars 2012 Utiliser des images sous MATLAB Version du 20 mars 2012 1 Les images à TELECOM ParisTech L existence de l équipe Image de TELECOM ParisTech remonte à près de 30 ans. Aussi il existe un format d image spécifique

Plus en détail

TP : Gestion d une image au format PGM

TP : Gestion d une image au format PGM TP : Gestion d une image au format PGM Objectif : L objectif du sujet est de créer une classe de manipulation d images au format PGM (Portable GreyMap), et de programmer des opérations relativement simples

Plus en détail

Contrôle de flacons par vision industrielle

Contrôle de flacons par vision industrielle Contrôle de flacons par vision industrielle Le but du TP est d effectuer le contrôle de flacons après leur remplissage, leur bouchonnage et leur étiquetage. Le développement de cette application de vision

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

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

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

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

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

Traitement d images - Rapport de projet

Traitement d images - Rapport de projet Traitement d images - Rapport de projet Félix Abecassis - Julien Marquegnies Résumé: Ce rapport présente le travail effectué dans la cadre du cours de traitement d images dispensé à l EPITA. L objectif

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

Opérations de base sur ImageJ

Opérations de base sur ImageJ Opérations de base sur ImageJ TPs d hydrodynamique de l ESPCI, J. Bico, M. Reyssat, M. Fermigier ImageJ est un logiciel libre, qui fonctionne aussi bien sous plate-forme Windows, Mac ou Linux. Initialement

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

Introduction :... 3. L accès à Estra et à votre propre espace... 4. Connexion... 4. Votre espace personnel... 5

Introduction :... 3. L accès à Estra et à votre propre espace... 4. Connexion... 4. Votre espace personnel... 5 ESTRA SOMMAIRE Introduction :... 3 L accès à Estra et à votre propre espace... 4 Connexion... 4 Votre espace personnel... 5 Home d Estra et Fonctions generales... 7 Home... 7 Rechercher un document...

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

Projet ESINSA 5 TRAITEMENT D IMAGE. Active Contours without Edges for Vector-Valued Images. Par Nicolas Brossier et Cyril Cassisa

Projet ESINSA 5 TRAITEMENT D IMAGE. Active Contours without Edges for Vector-Valued Images. Par Nicolas Brossier et Cyril Cassisa Projet ESINSA 5 TRAITEMENT D IMAGE Active Contours without Edges for Vector-Valued Images Par Nicolas Brossier et Cyril Cassisa Page 1 sur 14 Abstract Pour ce projet, nous implémentons un algorithme de

Plus en détail

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

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

UN TUTORIEL DE MAGGY KLINKENBERG

UN TUTORIEL DE MAGGY KLINKENBERG UN TUTORIEL DE MAGGY KLINKENBERG Pour le forum Embird France, mai 2009 Studio : La Brodérisation automatique(1) «Importer un fichier vectoriel» S il est un argument auquel tiennent les vendeurs de machines

Plus en détail

Statistiques. Faisons le tour des possibilités offertes par Veto_win pour piloter au mieux votre activité :

Statistiques. Faisons le tour des possibilités offertes par Veto_win pour piloter au mieux votre activité : Statistiques Elles sont accessibles à tout moment sans recherche particulière (C.A. et marge par client, animal, article, famille d'articles, fournisseur...), résultats de la société (Panier moyen, répartition

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

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 des données avec Microsoft EXCEL 2010

Traitement des données avec Microsoft EXCEL 2010 Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation

Plus en détail

MyReport. Introduction I- PRESENTATION DE MYREPORT

MyReport. Introduction I- PRESENTATION DE MYREPORT MyReport Introduction MyReport (ReportOne) apporte des solutions pour que l intégralité des informations contenues dans Pégase 3 soit exploitable pour la création d états directement à partir de Microsoft

Plus en détail

Université de Picardie - Jules Verne UFR d'economie et de Gestion

Université de Picardie - Jules Verne UFR d'economie et de Gestion Université de Picardie - Jules Verne UFR d'economie et de Gestion 23/09/2014 Excel 2003 - Base de données Avant d apparaitre dans de beaux tableaux synthétiques ou des graphiques, l information d une organisation

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

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

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

TP- Introduction à ImageJ

TP- Introduction à ImageJ TP- Introduction à ImageJ ImageJ est un logiciel libre de traitement et d analyse d images, développé par le NIH et implémenté par la communauté des scientifiques. Il fonctionne sous de multiples plates-formes

Plus en détail

Excel. Formules avec opérateur simple

Excel. Formules avec opérateur simple Formules avec opérateur simple Dans l'exemple ci-contre la cellule C8 contient le résultat de l'addition des cellules C5 et C6 moins le contenu de la cellule C7. Saisir une formule Cliquer sur la cellule

Plus en détail

Mode d emploi de l atlas des Pyrénées

Mode d emploi de l atlas des Pyrénées Mode d emploi de l atlas des Pyrénées Pour accéder directement aux pages de présentation des cartes et des graphes, cliquer sur à droite de la page d accueil. en bas Cela permet d accéder à la page suivante

Plus en détail

Carrefour de l information Université de Sherbrooke. Flash MX 2004 (Notions de base)

Carrefour de l information Université de Sherbrooke. Flash MX 2004 (Notions de base) Carrefour de l information Université de Sherbrooke (Notions de base) Créé par : Josée Martin (hiver 2005) Révisé et augmenté par : Geneviève Khayat (hiver 2006) Sherbrooke Hiver 2006 Table des matières

Plus en détail

Traitement des données avec EXCEL 2007

Traitement des données avec EXCEL 2007 Traitement des données avec EXCEL 2007 Vincent Jalby Octobre 2010 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation (questionnaire),

Plus en détail

DE L ALGORITHME AU PROGRAMME INTRO AU LANGAGE C 51

DE L ALGORITHME AU PROGRAMME INTRO AU LANGAGE C 51 DE L ALGORITHME AU PROGRAMME INTRO AU LANGAGE C 51 PLAN DU COURS Introduction au langage C Notions de compilation Variables, types, constantes, tableaux, opérateurs Entrées sorties de base Structures de

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

CHAPITRE 6 : Tableaux. Définition. Tableaux à une dimension (Vecteurs)

CHAPITRE 6 : Tableaux. Définition. Tableaux à une dimension (Vecteurs) Année Universitaire 2006/2007 CHAPITRE 6 : Tableaux Définition Tableaux à une dimension (Vecteurs) Déclaration ; Mémorisation M ; Tableaux à plusieurs dimensions Déclaration Tableaux à deux dimensions

Plus en détail

Utilitaire pour analyses et rapports

Utilitaire pour analyses et rapports Utilitaire pour analyses et rapports Microsoft Excel Crystal Reports Révision le : 12 juillet 2012 Utilitaire pour analyses et rapports Cet utilitaire vous permet d accéder aux données contenues dans votre

Plus en détail

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr

Savoir Faire Excel Niveau 2. 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Savoir Faire Excel Niveau 2 5 novembre 2007 Naomi Yamaguchi naomi.yamaguchi@univ-paris3.fr Ce qu on sait faire Entrer et recopier des données numériques Les fonctions de base (somme, moyenne, nb, si) Faire

Plus en détail

ALGORITHMES POUR LA VISUALISATION SCIENTIFIQUE

ALGORITHMES POUR LA VISUALISATION SCIENTIFIQUE BAZEILLE Stéphane MOUGEL Baptiste IUP3 ALGORITHMES POUR LA VISUALISATION SCIENTIFIQUE EN Année 2003/2004 1 TABLE DES MATIERES Home... 3 Introduction.... 3 Marching Square... 4 Algorithme....4 Programmation...4

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 d un AVI avec Iris

Traitement d un AVI avec Iris Traitement d un AVI avec Iris 1. Définir le répertoire de travail Fichier > Réglages (Ctrl + R) Et on définit le chemin du répertoire de travail. C est là que les images vont être stockées. 2. Convertir

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

Initiation à LabView : Les exemples d applications :

Initiation à LabView : Les exemples d applications : Initiation à LabView : Les exemples d applications : c) Type de variables : Créer un programme : Exemple 1 : Calcul de c= 2(a+b)(a-3b) ou a, b et c seront des réels. «Exemple1» nom du programme : «Exemple

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

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

Mini-Projet : Tournoi de Dames

Mini-Projet : Tournoi de Dames Mini-Projet : Tournoi de Dames L objectif du projet est de programmer un jeu de dames de façon à ce que votre programme puisse jouer une partie de dames avec les programmes des autres étudiants. 1 Organisation

Plus en détail

Projet Matlab : un logiciel de cryptage

Projet Matlab : un logiciel de cryptage Projet Matlab : un logiciel de cryptage La stéganographie (du grec steganos : couvert et graphein : écriture) consiste à dissimuler une information au sein d'une autre à caractère anodin, de sorte que

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

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

www.tifawt.com IV- MICROSOFT EXCEL (Initiation)

www.tifawt.com IV- MICROSOFT EXCEL (Initiation) IV- MICROSOFT EXCEL (Initiation) PLAN I. Notions de base 1. Définition 2. Présentation Excel II. Quelques fonctions de Microsoft Excel 1.Création d un Classeur 2.Enregistrer un Classeur 3. Insertion et

Plus en détail

Analyse avec MS-Excel

Analyse avec MS-Excel Analyse avec MS-Excel Gesrisk version 4.03 Exploiter le résultat d une requête dans MS Excel Le logiciel États/requêtes permet de créer une requête personnalisée dont le résultat est renvoyé sous forme

Plus en détail

données en connaissance et en actions?

données en connaissance et en actions? 1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)

Plus en détail

TOUS LES TRAITEMENTS

TOUS LES TRAITEMENTS 54 POUR ALLER + LOIN Retrouvez aussi Thierry Legault sur cieletespaceradio.fr T. Legault En haut, une série de six poses de 5 minutes sur la comète Machholz passant à proximité des Pléiades a été simplement

Plus en détail

Travaux pratiques de Génie Informatique TP 2 & 3. séances, mais vous pouvez en faire plus. Essayer d aller le plus loin possible.

Travaux pratiques de Génie Informatique TP 2 & 3. séances, mais vous pouvez en faire plus. Essayer d aller le plus loin possible. 1 BUT DE LA SÉANCE. TRAVAUX PRATIQUES DE GÉNIE INFORMATIQUE Ces deuxième et troisième séances ont pour but de vous faire avancer dans la programmation sous Matlab. Vous y découvrez les fonctions, les sous-programmes

Plus en détail

C-Tunnel : Plate-forme de dimensionnement de tunnels Manuel d utilisation

C-Tunnel : Plate-forme de dimensionnement de tunnels Manuel d utilisation C-Tunnel : Plate-forme de dimensionnement de tunnels Manuel d utilisation C-Tunnel-MU-V20 2-8 Quai de Bir-Hakeim F-94410 Saint Maurice Tel : +33 1 49 76 12 59 - Fax : +33 1 42 83 33 84 http://www.itech-soft.com

Plus en détail

DIANE-NEO Manuel d utilisation

DIANE-NEO Manuel d utilisation DIANE-NEO Manuel d utilisation L'accès aux données des comptes et bilans de 1.300.000 entreprises en france Guide spécifique CRA. 7, Rue Drouot - 75009 PARIS www.bvdinfo.com 1 TABLE DES MATIERES 1. INTRODUCTION...

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

COMPRESSION/DECOMPRESSION D UNE IMAGE BINAIRE

COMPRESSION/DECOMPRESSION D UNE IMAGE BINAIRE Le 29 novembre 2013, Rapport projet TS114 COMPRESSION/DECOMPRESSION D UNE IMAGE BINAIRE Par Marc BELLINGER et Antoine BINON. 2eme année Télécommunications. 1 Introduction : Le but de ce projet est d implémenter

Plus en détail

TD : Codage des images

TD : Codage des images TD : Codage des images Les navigateurs Web (Netscape, IE, Mozilla ) prennent en charge les contenus textuels (au format HTML) ainsi que les images fixes (GIF, JPG, PNG) ou animée (GIF animée). Comment

Plus en détail

Module 16 : Les fonctions de recherche et de référence

Module 16 : Les fonctions de recherche et de référence Module 16 : Les fonctions de recherche et de référence 16.0 Introduction L une des fonctions les plus importantes d Excel, c est la possibilité de chercher une valeur spécifique dans un grand nombre de

Plus en détail

Rapport de ANRT. Hongliu CAO Salah GHAMIZI Matthias LLOYD. Candidat(s) Seul ou en équipe. Nom(s) et prénom(s)

Rapport de ANRT. Hongliu CAO Salah GHAMIZI Matthias LLOYD. Candidat(s) Seul ou en équipe. Nom(s) et prénom(s) Rapport de ANRT Candidat(s) Seul ou en équipe Nom(s) et prénom(s) Hongliu CAO Salah GHAMIZI Matthias LLOYD Résumé du projet... 1 Introduction... 2 1. Agrandir l'image... 3 2. Caculer le moyenne... 3 3.Détection

Plus en détail

Utilisation de l AFM pour l étude d échantillons Acquisition des données et traitement d image Stage de master 1

Utilisation de l AFM pour l étude d échantillons Acquisition des données et traitement d image Stage de master 1 Utilisation de l AFM pour l étude d échantillons Acquisition des données et traitement d image Stage de master 1 Farida Bendriaa, Virginie Hoel, Henri Happy Institut d'electronique et de Microélectronique

Plus en détail

Initiation à Excel. Frédéric Gava (MCF) gava@univ-paris12.fr

Initiation à Excel. Frédéric Gava (MCF) gava@univ-paris12.fr Initiation à Excel Frédéric Gava (MCF) gava@univ-paris12.fr LACL, bâtiment P2 du CMC, bureau 221 Université de Paris XII Val-de-Marne 61 avenue du Général de Gaulle 94010 Créteil cedex Plan de cette année

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

Sommaire. - Page 1 sur 19 -

Sommaire. - Page 1 sur 19 - Sommaire I Ergonomie du site 2xmoinscher... 2 1 Infos globales... 2 2 Homogénéité/cohérence... 3 3 Adaptabilité... 3 4 Guidage... 4 5 Représentativité... 5 6 Charge de travail... 6 7 Gestion des erreurs...

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

Voyageur de commerce et solution exacte

Voyageur de commerce et solution exacte Voyageur de commerce et solution exacte uteurs :. Védrine,. Monsuez e projet consiste à réaliser un outil capable de trouver le plus court trajet pour un commercial qui doit visiter n villes, les n villes

Plus en détail

SUGARCRM MODULE RAPPORTS

SUGARCRM MODULE RAPPORTS SUGARCRM MODULE RAPPORTS Référence document : SYNOLIA_Support_SugarCRM_Module_Rapports_v1.0.docx Version document : 1.0 Date version : 2 octobre 2012 Etat du document : En cours de rédaction Emetteur/Rédacteur

Plus en détail

Université Joseph Fourier M1-MAI - Image Année 2012-13. TP 1 - Image bitmap

Université Joseph Fourier M1-MAI - Image Année 2012-13. TP 1 - Image bitmap Université Joseph Fourier UFR-IM 2 AG M1-MAI - Image Année 2012-13 TP 1 - Image bitmap A faire individuellement ou en binôme. Compte ru à envoyer avec le 25 janvier 2013 sous forme d un document PDF par

Plus en détail

Projet Télédétection. Vidéo Surveillance. Deovan Thipphavanh Mokrani Abdeslam Naoui Saïd. Master 2 Pro SIS - 2005 / 2006

Projet Télédétection. Vidéo Surveillance. Deovan Thipphavanh Mokrani Abdeslam Naoui Saïd. Master 2 Pro SIS - 2005 / 2006 Projet Télédétection Vidéo Surveillance Deovan Thipphavanh Mokrani Abdeslam Naoui Saïd Master 2 Pro SIS - 2005 / 2006 Plan Introduction Lecture des images Détection des objets mouvants Détection des anomalies

Plus en détail

Algorithmique et Programmation Projets 2012/2013

Algorithmique et Programmation Projets 2012/2013 3 Dames 3. Objectif Il s agit d écrire un programme jouant aux Dames selon les règles. Le programme doit être le meilleur possible. Vous utiliserez pour cela l algorithme α β de recherche du meilleur coup

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

Prise en main de Visual C++ 6.0

Prise en main de Visual C++ 6.0 Prise en main de Visual C++ 6.0 1) premier programme Sélectionnez l icône suivante pour démarrer l application. La fenêtre suivante s ouvre à l écran. Pour créer un nouveau projet, cliquez sur le menu

Plus en détail

Tp S1-01-02 : Windows server 2008 Outils d administration

Tp S1-01-02 : Windows server 2008 Outils d administration Tp S1-01-02 : Windows server 2008 Outils d administration ENZO RIDEAU BTS SIO S1 ADMINISTRATION DES SYSTEMES SERVEURS But de la manipulation : Maitriser les méthodes d administration du serveur, mettre

Plus en détail

GUIDE D UTILISATION DU CENTRE DE DONNÉES DE L ISU

GUIDE D UTILISATION DU CENTRE DE DONNÉES DE L ISU GUIDE D UTILISATION DU CENTRE DE DONNÉES DE L ISU Table des matières Page I. DÉMARRER... 4 1. Comment accéder au Centre de données de l ISU?... 4 2. Quels sont les types de tableaux statistiques disponibles

Plus en détail

1 - Bibliothèque C est la fenêtre que vous aurez en premier lieu après l ouverture du logiciel.

1 - Bibliothèque C est la fenêtre que vous aurez en premier lieu après l ouverture du logiciel. Nous allons faire une découverte de ce logiciel qui sert en grande partie à travailler sur les formats RAW d un appareil réflex numérique. Au démarrage de Lightroom, vous pouvez être amener à avoir cette

Plus en détail

Mini projet : traitement d'images

Mini projet : traitement d'images Mini projet : traitement d'images Pour ce mini-projet, la pièce finale sera un fichier «mosaique-prenom-nom.py» contenant votre programme que vous enverrez à vos professeurs : pjacquet.mail@gmail.com et

Plus en détail

CENTRE DE FORMATION SUPPORT DE COURS - EXCEL 2013 - PERFECTIONNEMENT SUPPORT DE COURS EXCEL 2013 - PERFECTIONNEMENT RÉVÉLATEUR DE COMPÉTENCES

CENTRE DE FORMATION SUPPORT DE COURS - EXCEL 2013 - PERFECTIONNEMENT SUPPORT DE COURS EXCEL 2013 - PERFECTIONNEMENT RÉVÉLATEUR DE COMPÉTENCES RÉVÉLATEUR DE COMPÉTENCES SUPPORT DE COURS EXCEL 2013 - PERFECTIONNEMENT CENTRE DE FORMATION BUREAUTIQUE - INFOGRAPHIE PAO - 3D - WEB - WEBMARKETING MANAGEMENT - TECHNIQUES DE VENTE - COMMUNICATION - EFFICACITÉ

Plus en détail

Chapitre cinq : Représentation des Images

Chapitre cinq : Représentation des Images Chapitre cinq : Représentation des Images Ce chapitre présente les bases pour la représentation des images et des sons. ~ 1 ~ 6. 6.1.1. Introduction Il existe plusieurs moyens de représenter des images.

Plus en détail

Acquisition : Les exemples d applications :

Acquisition : Les exemples d applications : Acquisition : Les exemples d applications : Exemple 1 : Assistant Programmation à l aide de l assistant Nous allons générer une tension V1 qui varie de 0 à 5V. Cette tension augmentera d un pas: p = 5

Plus en détail

FAIRMONITOR GESTION ET VISUALISATION DE VOTRE CHAINE D APPROVISIONNEMENT FAIRTRADE

FAIRMONITOR GESTION ET VISUALISATION DE VOTRE CHAINE D APPROVISIONNEMENT FAIRTRADE FAIRMONITOR GESTION ET VISUALISATION DE VOTRE CHAINE D APPROVISIONNEMENT FAIRTRADE FAIRMONITOR FAIRMONITOR FAIRMONITOR a été conçu pour faire partie intégrante de votre portail internet Ecert fourni par

Plus en détail

char (1) short (2) int (4) long int (8) long long int (8) unsigned char unsigned int unsigned short unsigned long int unsigned long long int

char (1) short (2) int (4) long int (8) long long int (8) unsigned char unsigned int unsigned short unsigned long int unsigned long long int char (1) short (2) int (4) long int (8) long long int (8) unsigned char unsigned int unsigned short unsigned long int unsigned long long int float (4) double (8) long double (16) char* (8) int* (8)...

Plus en détail

Système D Indexation et de Recherche d Images par le contenu

Système D Indexation et de Recherche d Images par le contenu Système D Indexation et de Recherche d Images par le contenu 1 Houaria ABED, 1 Lynda ZAOUI Laboratoire : Systèmes, Signaux, Données Département Informatique, Faculté des Sciences Université des Sciences

Plus en détail

4T S1-01-10 TP -- Windows 2008 - Diagnostics et dépannage

4T S1-01-10 TP -- Windows 2008 - Diagnostics et dépannage 4T S1-01-10 TP -- Windows 2008 - Diagnostics et dépannage ENZO RIDEAU BTS SIO S1 - ADMINISTRATION DES SYSTEMES SERVEURS TP S1-01-10: Windows Server 2008 Diagnostics et dépannages But de la manipulation

Plus en détail

Lors du premier appel aux fonctions d'activité, LOGOSw vous demande de taper votre code d'accès aux fonctions comptables À l'acquisition du logiciel

Lors du premier appel aux fonctions d'activité, LOGOSw vous demande de taper votre code d'accès aux fonctions comptables À l'acquisition du logiciel Activité du cabinet Lors du premier appel aux fonctions d'activité, LOGOSw vous demande de taper votre code d'accès aux fonctions comptables À l'acquisition du logiciel celui-ci est vide Lorsque vous tapez

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

Calcul de valeurs globales dans ArtemiS SUITE

Calcul de valeurs globales dans ArtemiS SUITE 09/14 dans ArtemiS SUITE Dans certains cas, il peut être utile de ramener les résultats d analyse à une valeur globale, donc, par exemple, de réduire une évolution de niveau en fonction du temps à une

Plus en détail

Hiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin

Hiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin Hiver 2013 Analyse d images IMN 259 Introduction à l analyse d images Par Pierre-Marc Jodoin Où se situe l analyse d images? Traitement d images Imagerie Image Analyse d images/ Vision par ordinateur Infographie

Plus en détail

Numérisation de grands documents

Numérisation de grands documents Numérisation de grands documents Objectif Numériser plusieurs segments d image, les assembler en photoshop, puis harmoniser les couleurs. Nous partons d un document A3 numérisé en 2 fois. Pourquoi constatons-nous

Plus en détail

Manuel d utilisation TS Identification. Version 5 Màj 02/2013. www.talentsoft.com

Manuel d utilisation TS Identification. Version 5 Màj 02/2013. www.talentsoft.com Manuel d utilisation TS Identification Version 5 Màj 02/2013 www.talentsoft.com SOMMAIRE Introduction Rechercher une information 1 RECHERCHE TEXTUELLE... 4 2 RECHERCHE PAR LISTE... 4 3 RECHERCHES AVANCEES...

Plus en détail

High Dynamic Range. Projet de mathématiques pour l informatique imac2

High Dynamic Range. Projet de mathématiques pour l informatique imac2 High Dynamic Range Projet de mathématiques pour l informatique imac2 Abstract Etant donné un appareil photo numérique, la dynamique du capteur correspond à la plage de variation entre le niveau minimal

Plus en détail

Manuel GesCOF Le Suivi Commercial (18)

Manuel GesCOF Le Suivi Commercial (18) LE SUIVI COMMERCIAL Le module commercial vous permet : De suivre tous les contacts commerciaux que vous avez avec vos prospects et vos clients, Un suivi rigoureux pour les commerciaux (Contacts à suivre,

Plus en détail

Détection de fissures sur des images de chaussées

Détection de fissures sur des images de chaussées Détection de fissures sur des images de chaussées Tien Sy Nguyen, Manuel Avila, Stéphane Begot, Florent Duculty To cite this version: Tien Sy Nguyen, Manuel Avila, Stéphane Begot, Florent Duculty. Détection

Plus en détail

Tutoriel : utilisation de la fraiseuse pour la découpe d un couple.

Tutoriel : utilisation de la fraiseuse pour la découpe d un couple. 1 Tutoriel Fraiseuse - MCJ 2013 Tutoriel : utilisation de la fraiseuse pour la découpe d un couple. Ce document à pour but de vous présenter comment utiliser la fraiseuse CNC pour découper les pièces nécessaire

Plus en détail

ENRICHIR LES DONNEES DE DETAILS ACCEDEES A TRAVERS UN RAPPORT OLAP

ENRICHIR LES DONNEES DE DETAILS ACCEDEES A TRAVERS UN RAPPORT OLAP ENRICHIR LES DONNEES DE DETAILS ACCEDEES A TRAVERS UN RAPPORT OLAP SAS Web Report Studio offre depuis de nombreuses versions la possibilité de visualiser les observations spécifiques à partir des données

Plus en détail

Support de cours Word 2003 Publipostage

Support de cours Word 2003 Publipostage 1 / 19 1 PRINCIPE... 3 2 DEMARRAGE.... 3 3 SELECTION DU TYPE DE DOCUMENT... 4 4 LE DOCUMENT DE BASE... 4 5 SELECTION DES DESTINATAIRES... 5 6 CREATION D UNE BASE DE DONNEES... 7 7 ECRITURE DE LA LETTRE...

Plus en détail

Statistiques Géographie 3 ème année N. Martiny

Statistiques Géographie 3 ème année N. Martiny Statistiques Géographie 3 ème année N. Martiny Quelques rappels sur Excel 1. Présentation Excel fait partie de la grande famille des tableurs. Il est dédié à la réalisation de calculs, de tableaux et de

Plus en détail