Traitement des images!

Dimension: px
Commencer à balayer dès la page:

Download "Traitement des images!"

Transcription

1 Traitement des images! Yves USSON! Reconnaissance des Formes et Microscopie Quantitative! Lab. TIMC UMR 5525 CNRS, Grenoble! Traitement d images - définition! Séquence d opérations ayant pour but :!! - de faciliter la lisibilité des images et faciliter! leur interprétation! et :!! - de restaurer l information qui a été modifié par le système d imagerie (bruit, distorsion, flou )! Analyse d images - définition! Séquence d opérations ayant pour but :!! - d extraire les tructures significatives du contenu! de l image!! - d obtenir des mesures quantitatives!

2 Préparation, cytologique-histologique! objectif! champ microscopique! champ de capture! masques! de mesure! Capteur! Image analogique! Image numérique! Types de capteurs! Les capteurs ponctuels :! Ils permettent de mesurer l intensité de la lumière que dans un seul point à la fois.! Ils doivent être associés à un dispositif de balayage pour former l image totale du champ du microscope.! Ils sont très sensibles. L acquisition d une image entière est lente.!! ex.tube photomultiplicateur, photodiode! Les capteurs d images :! Ils permettent d obtenir directement une image de tout ou partie du champ du microscope.! Ils sont de sensibilité moyenne (à l exception des EMCCD).! L acquisition d une image entière est rapide.!! ex. tube vidéo, caméra de photodiodes, caméra C.C.D.!

3 Les détecteurs (convertisseurs)! Les détecteurs à effet photoélectrique!! tubes à vides, tubes photomultiplicateurs! Les détecteurs à semi-conducteurs!! photodiodes, photodiodes à avalanches! Les systèmes à bas niveau de lumière! Les caméras CCD refroidies! Les galettes de micro-canaux! Les amplificateurs de brillance! Capteur ponctuel!

4 Le photomultiplicateur (PM)! photocathode dynode 200V dynode 400V Anode 600 V dynode 100V dynode 300V dynode 500V Effet de cascade, multiplication des photo-électrons! La photodiode! N! P! Polarisation inverse.! Les charges s accumulent de part et d autre de la jonction. Un très faible courant circule appelé courant d obscurité! L arrivée de photons permet aux charges de traverser la jonction : le courant passe!

5 Les capteurs d image éléments photosensibles (photodiodes ou phototransistors CMOS) zones d accès aux éléments sensibles (plages aveugles) Matrice à accès direct Matrice à accès par registres à décalage

6 Agissent comme des multiplicateurs de photo-électrons! e -! e -! e-! e -! e-! e-! e-! e-! Fenêtre d entrée! +HT! photocathode! Nature de l image! Une image est la distribution spatiale d indices visuels! Ces indices visuels peuvent être de différentes sortes :!! - intensité lumineuse (nombre de photons)!! - information spectrale (nombre de photons par bande!de longueur d onde)! Cette distribution peut être 1D, 2 D, 3D, et peut également s étendre à des espaces de dimensions supérieures si l on ajoute d autres indices comme le temps par exemple (séquences temporelles, FRAP, FLIM )!

7 Nature de l image! coordonnée y! intensité! hématies! noyau! coordonnée x! coordonnée x! Qu est-ce qu une image?! Image 2D : distribution de l intensité lumineuse! I(x,y)!

8 Définitions! La segmentation d images! Phase d interprétation d une image sous forme d entités décrites en termes de régions et de contours.! La segmentation porte sur l élaboration de processus de détection, suivi d une mise en correspondance.! La détection inclut l intégration d un indice visuel couramment décrit en terme de similarité (région) ou de dissimilarité (frontière).! La mise en correspondance concerne le regroupement des points appartenant à une même entité.! Remarques! La segmentation est de loin la phase la plus délicate de l analyse d images car elle doit permettre d interpréter la scène aussi bien (voir mieux) que le ferait un observateur. Elle conditionne la pertinence des mesures effectuées.! Il n existe pas d algorithme universel de segmentation, à chaque type d images correspond une approche spécifique.! Approche par régions! Histogramme d intensité! Distribution des niveaux de gris dans une image numérique. L axe vertical correspond au nombre de pixels par classe de niveau de gris. L axe horizontal correspond aux niveaux de gris : 0 -> noir et 255 -> blanc!

9 Approche par régions! Histogramme d intensité! A! B! Segmentation par fenêtre de seuillage sur l histogramme des intensités! Approche par régions! Seuillage automatique! Objectif : trouver automatiquement et de façon reproductible les seuils optimum de segmentation.! fond! noyaux! +hématies! cytoplasme!

10 Approche par régions! Seuillage automatique! Critère de Fisher : maximiser B/W! B = variance inter-groupe = (µ A -µ) 2 +(µ B -µ) 2! W= variance intra-groupe = V A +V B! A! A! A! A! A! B! A! B! A! B! A! B! A! B! A! B! A! B! B! B! A! B! B! A! B! A! B! A! B! B! Approche par régions! Seuillage automatique! Cas d une segmentation en trois classes (moyennes mobiles)!

11 Segmentation - Approche par frontières! Image de la valeur absolue de la dérivée seconde!! Sobel / module! I (x) = abs(i(x+1)-i(x-1))/2! Approche par frontières! Mise en évidence des frontières au moyen d un filtre de gradient! Filtre de sobel! Image du module! Seuillage du module! Squelette!

12 DILATATION Filtrage morphologique! Les pixels du fond au contact de l objet deviennent des pixels objets Dilatation niveau de gris :! Propagation du maximum local! Erosion niveau de gris :! Propagation du minimum local! Filtrage de formes! Opération de fermeture! Dilatations! Erosions!

13 Etiquetage en composantes connexes! Connexité 8 voisins voisins latéraux & diagonaux 4 ensembles de composantes connexes

14 Lumière transmise - Densitométrie! Source lumineuse!!! donnée! Cuvette contenant la solution à! concentration donnée! Isol! Iref! Div! Loi de Beer & Lambert! DO = k C! DO = densité optique! C = concentration! k = constante de proportionnalité! log! Opérateurs électroniques cablés! Densité optique! log! Iref! Isol! Cuvette de référence! «!Blanc» (solvant)!

15 Image d intensité! Image des densités optiques! I! Op! Op! Op! DO! Io! Image du champ vide! Opérateur numérique logiciel:! DO = Log (Io ) - Log (I)! Présentation chapeau haut de forme!

16 Approche morphologique! Détection des granulations par chapeau haut de forme! Approche morphologique! Détection des granulations par chapeau haut de forme! et détection du noyau par seuillage des niveaux de gris! Seuillage du Chapeau hat de forme Masque du noyau Fusion des masques

17 Approche morphologique! Détection des granulations par chapeau haut de forme et détection du noyau par seuillage des niveaux de gris.! Approche morphologique! Détection des granulations par chapeau haut de forme! et détection du noyau par seuillage des niveaux de gris!

18 Approche morphologique! Algorithme de découpe de masque binaire par calcul des distances au bord! Approche morphologique! Algorithme de découpe de masque binaire! Erosion morphologique puis dilatation conditionnelle!

19 Approche morphologique! Algorithme de découpe de masque binaire! Erosion morphologique puis dilatation conditionnelle! Approche morphologique! Méthode des bassins versants : érosion conditionnelle en niveaux de gris jusqu à obtention d un squelette!

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

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

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

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

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

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

Sensibilité (bas niveaux de lumière, hauts niveaux de lumière) Spectre de sensibilité : visible (400-700 nm) mais aussi IR, UV, RX

Sensibilité (bas niveaux de lumière, hauts niveaux de lumière) Spectre de sensibilité : visible (400-700 nm) mais aussi IR, UV, RX Les capteurs pour l imagerie en biologie i Marc Moreau Catherine Leclerc Centre de Biologie du développement UMR 5547 et GDR E n 731 Toulouse BC02 mars 2013 Les différents système d imagerie à base 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

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

Bases de la microscopie et quelques aspects avancés

Bases de la microscopie et quelques aspects avancés Bases de la microscopie et quelques aspects avancés Intervenant : François Waharte Plateforme Imagerie Cellulaire et Tissulaire UMR144 Institut Curie Francois.Waharte@curie.fr Bases de la microscopie

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

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

Introduction au Traitement d Images.

Introduction au Traitement d Images. Introduction au Traitement d Images. Andrés Romero Mier y Terán Laboratoire de Recherche en Informatique Université Paris-Sud XI andres.romero@lri.fr September 8, 2013 Acquisition: Capteurs Acquisition:

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

Naviga&on)de)robots)mobiles)) par)vision)omnidirec&onnelle) )

Naviga&on)de)robots)mobiles)) par)vision)omnidirec&onnelle) ) Naviga&on)de)robots)mobiles)) par)vision)omnidirec&onnelle) ) El)Mustapha)Mouaddib)(mouaddib@u:picardie.fr)) O.)Labbani:Igbida,)P.)Merveilleux)et)R.)Marie) Contexte' Projet'ANR'R.Discover' Travaux'soutenus'par':'

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

Analyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1

Analyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1 Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets

Plus en détail

Application et méthodologie d acquisition d images

Application et méthodologie d acquisition d images Application et méthodologie d acquisition d images Application industrielle et acquisition de l image 2 Imagerie industrielle est utilisée comme outil de contrôle et de gestion augmentation flexibilité

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

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

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

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

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

Le traitement et l'analyse d'images

Le traitement et l'analyse d'images Le traitement et l'analyse d'images Introduction pour la Biologie Computationnelle Ouvrages de références : Analyse d'images : Filtrage et Segmentation, Cocquerez and al., Ed. Dunod, 1995 (ouvrage de base

Plus en détail

Introduction à la Vision 3D

Introduction à la Vision 3D à la Vision 3D David Fofi Le2i UMR CNRS 6306 IUT Le Creusot Les applications présentées sont le fruit d une collaboration entre le Le2i et le laboratoire VICOROB de l Université de Gérone (Espagne). Les

Plus en détail

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation?

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation? Analyse d images, vision par ordinateur Traitement d images Segmentation : partitionner l image en ses différentes parties. Reconnaissance : étiqueter les différentes parties Partie 6: Segmentation d images

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

PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES

PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES Nathalie GORRETTA MONTEIRO 1 1 UMR Information et Technologies pour les Agro-Procédés, Cemagref Montpellier, France Présentée le 25 Février

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

Produit avec l autorisation des auteurs à partir de documents créés par: Ivan Leplumey et Jean Camillerapp (INSA Rennes) Exercices pour TD SOMMAIRE

Produit avec l autorisation des auteurs à partir de documents créés par: Ivan Leplumey et Jean Camillerapp (INSA Rennes) Exercices pour TD SOMMAIRE UNIVERSITÉ DE RENNES Maîtrise Informatique Option Image Numérique Option Image Numérique Produit avec l autorisation des auteurs à partir de documents créés par: Ivan Leplumey et Jean Camillerapp (INSA

Plus en détail

UNIVERSITE DE LA ROCHELLE MASTER IMA 1 ère année - Vision par ordinateur 1 1.1 TP N 3 : LECTURE CODES BARRES 1 OBJECTIF 2 CONTEXTE DE L ETUDE

UNIVERSITE DE LA ROCHELLE MASTER IMA 1 ère année - Vision par ordinateur 1 1.1 TP N 3 : LECTURE CODES BARRES 1 OBJECTIF 2 CONTEXTE DE L ETUDE UNIVERSITE DE LA ROCHELLE MASTER IMA 1 ère année - Vision par ordinateur 1 1.1 TP N 3 : LECTURE CODES BARRES 1 OBJECTIF Cette séance de TP a pour but de mettre en place un processus de reconnaissance de

Plus en détail

LA MICROSCOPIE CONFOCALE

LA MICROSCOPIE CONFOCALE LA MICROSCOPIE CONFOCALE Philippe COCHARD, Directeur de recherche CNRS Centre de Biologie du Développement UMR 5547 CNRS/UPS Université Paul Sabatier Philippe.cochard@univ-tlse3.fr Principe Fonctionnement

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

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

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 conditionnement de l information Les capteurs

Acquisition et conditionnement de l information Les capteurs Acquisition et conditionnement de l information Les capteurs COURS 1. Exemple d une chaîne d acquisition d une information L'acquisition de la grandeur physique est réalisée par un capteur qui traduit

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

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration

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

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

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

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

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

Les secrets de l image vidéo

Les secrets de l image vidéo Les secrets de l image vidéo Colorimétrie - Éclairage - ptique - Caméra - Signal vidéo Compression numérique - Formats d enregistrement Philippe Bellaïche Sixième édition Groupe Eyrolles, 2006 pour la

Plus en détail

Document 1 : modélisation d un appareil photographique

Document 1 : modélisation d un appareil photographique PCSI1-Lycée Michelet 2014-2015 APPROCHE DOCUMENTAIRE : appareil photo numérique Extrait du programme : en comparant des images produites par un appareil photographique numérique, discuter l influence de

Plus en détail

Détection exaltée de molécules fluorescentes avec des structures photoniques : application aux mesures dynamiques en solution

Détection exaltée de molécules fluorescentes avec des structures photoniques : application aux mesures dynamiques en solution Détection exaltée de molécules fluorescentes avec des structures photoniques : application aux mesures dynamiques en solution Jérôme Wenger Institut Fresnel, CNRS, Université Aix-Marseille, Ecole Centrale

Plus en détail

IFO. Soleil. Antoine COUSYN 29/07/2012 08/02/2015. Vidéo. Manipur, Inde. Saturation du capteur CMOS. 19 Juin 2011. 15h11 heure locale.

IFO. Soleil. Antoine COUSYN 29/07/2012 08/02/2015. Vidéo. Manipur, Inde. Saturation du capteur CMOS. 19 Juin 2011. 15h11 heure locale. Rapport d expertise IPACO Nom de l expert Antoine COUSYN Date du rapport 29/07/2012 Dernière mise à jour 08/02/2015 Type IFO Classe A Explication Saturation du capteur CMOS Complément Soleil Document Lieu

Plus en détail

Microscope confocal à balayage laser. Microscopie photonique. lumière Laser Objectif. Miroir dichroïque Source de. Filtre confocal.

Microscope confocal à balayage laser. Microscopie photonique. lumière Laser Objectif. Miroir dichroïque Source de. Filtre confocal. Microscope confocal à balayage laser Photo-détecteur Filtre confocal Plan image Image reconstruite point par point par balayage laser Miroir dichroïque Source de lumière Laser Objectif Obtention directe

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

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

PRINCIPE MICROSCOPIE CONFOCALE

PRINCIPE MICROSCOPIE CONFOCALE PRINCIPE MICROSCOPIE CONFOCALE Un microscope confocal est un système pour lequel l'illumination et la détection sont limités à un même volume de taille réduite (1). L'image confocale (ou coupe optique)

Plus en détail

Electronique du véhicule

Electronique du véhicule Module 2 Electronique du véhicule Orientation véhicules légers Diagnosticien d'automobiles avec brevet fédéral Orientation véhicules utilitaires Modules 7 à 9 Modules 10 à12 Modules 1 à 6 UPSA, Mittelstrasse

Plus en détail

Mesure de la température locale de composants micrométriques par une méthode radiométrique à courte longueur d onde

Mesure de la température locale de composants micrométriques par une méthode radiométrique à courte longueur d onde Congrès Français de Thermique, SFT 2007, Île des Embiez, 29 mai - 1 juin 2007 Mesure de la température locale de composants micrométriques par une méthode radiométrique à courte longueur d onde Sonia DHOKKAR

Plus en détail

Introduction à la vision par ordinateur

Introduction à la vision par ordinateur 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

Inventaire par télédétection des pelouses sèches du Bas-Vivarais

Inventaire par télédétection des pelouses sèches du Bas-Vivarais Inventaire par télédétection des pelouses sèches du Bas-Vivarais Conservatoire d Espaces Naturels Rhône Alpes - Cermosem Gustave Coste - Stagiaire Montpellier SupAgro gustavecoste@gmail.com Nicolas Robinet

Plus en détail

PC / TV. Technologie des. Écrans LCD-TFT

PC / TV. Technologie des. Écrans LCD-TFT PC / TV Technologie des Écrans LCD-TFT Objectif Cette présentation reprend les notions de base : Présentation générale Cristaux liquides, principes physiques Lumière polarisée, transmission Rétro-éclairage

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

Chaîne de détection IR Master OSAE

Chaîne de détection IR Master OSAE Chaîne de détection IR Master OSAE Damien Gratadour - Guillaume Chenegros email: damien.gratadour@obspm.fr guillaume.chenegros@obspm.fr 1 INTRODUCTION L'objectif de ce TP est sensibiliser les étudiants

Plus en détail

Table des matières Chapitre 21

Table des matières Chapitre 21 Les scanners 24/09/00 Chapitre 21, Page 1 Table des matières Chapitre 21 Les scanners...2 Introduction...2 L'interface...2 Le pilote...2 La résolution et la palette....3 Le détramage...3 Scanner a plat...4

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

- MANIP 2 - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE

- MANIP 2 - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE - MANIP 2 - - COÏNCIDENCES ET MESURES DE TEMPS - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE L objectif de cette manipulation est d effectuer une mesure de la vitesse de la lumière sur une «base

Plus en détail

Classification non supervisée de pixels d'images couleur par analyse d histogrammes tridimensionnels

Classification non supervisée de pixels d'images couleur par analyse d histogrammes tridimensionnels Laboratoire d Ingénierie des Systèmes Automatisés Equipe Signal-Image DEA Automatique et Informatique Appliquée Mémoire de DEA Thème Classification non supervisée de pixels d'images couleur par analyse

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

Expression de la Concession et de l Opposition in. La photographie scientifique Par Gérard BETTON (PUF, 1975) 04/06/2015

Expression de la Concession et de l Opposition in. La photographie scientifique Par Gérard BETTON (PUF, 1975) 04/06/2015 1 Expression de la Concession et de l Opposition in La photographie scientifique Par Gérard BETTON (PUF, 1975) 2 Concession /Opposition Compléter avec un des mots ou expressions suivantes : au lieu de

Plus en détail

PROJET DE FIN D ÉTUDES Asservissement visuel d un robot parallèle à câbles pour la réalisation d une fresque verticale de grande taille

PROJET DE FIN D ÉTUDES Asservissement visuel d un robot parallèle à câbles pour la réalisation d une fresque verticale de grande taille Résumé de PFE PROJET DE FIN D ÉTUDES Asservissement visuel d un robot parallèle à câbles pour la réalisation d une fresque verticale de grande taille Introduction Dans le domaine de la robotique, la robotique

Plus en détail

ECHOGRAPHE ET CAPTEUR. D.I.U. d Echocardiographie module 1

ECHOGRAPHE ET CAPTEUR. D.I.U. d Echocardiographie module 1 ECHOGRAPHE ET CAPTEUR D.I.U. d Echocardiographie module 1 Plan Généralités Capteur Echographe Traitement du signal Stockage Transport Généralités Historique the blue goose 1970 180 cm Généralités Historique

Plus en détail

Systèmes de représentation multi-échelles pour l indexation et la restauration d archives médiévales couleur

Systèmes de représentation multi-échelles pour l indexation et la restauration d archives médiévales couleur 18/12/2003 p.1/50 Systèmes de représentation multi-échelles pour l indexation et la restauration d archives médiévales couleur Julien DOMBRE Laboratoire IRCOM-SIC, UMR-CNRS 6615. En partenariat avec le

Plus en détail

ELEMENTS DE CONTENU DETAILLE

ELEMENTS DE CONTENU DETAILLE ELEMENTS DE CONTENU DETAILLE CH : 4 LES CAMÉRAS 4.1 Technologies des caméras 4.1.1 Différents types de caméras 4.1.2 Capteurs CCD 4.2 Caméras dômes et tourelles 4.2.1 Caméras dômes motorisées intérieures

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

Diplôme de Qualification en Physique Radiologique et Médicale

Diplôme de Qualification en Physique Radiologique et Médicale Diplôme de Qualification en Physique Radiologique et Médicale Règlement du concours de janvier 2010 pour le recrutement de septembre 2010 Sommaire Conditions d inscription au concours... page 1 Date du

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

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

Histologie / IRM UMI 2955 IPAL, Singapour. Médecine Biologie Janvier 2014

Histologie / IRM UMI 2955 IPAL, Singapour. Médecine Biologie Janvier 2014 Introduction Initiation au traitement et à l'analyse d'images Diversité de l'imagerie biologique Atomique / moléculaire(angstrom) Moléculaire / sub-cellulaire (nm) Thomas BOUDIER, MCU UPMC thomas.boudier@snv.jussieu.fr

Plus en détail

Les appareillages des Spectrométrie optique

Les appareillages des Spectrométrie optique ATELIERS DE BIOPHOTONIQUE Les appareillages des Spectrométrie optique 1. Spectroscopies optiques conventionnelles Spectrophotomètre, Spectrofluorimètre, 2. Analyse Spectrale en Microscopie de fluorescence

Plus en détail

Travaux Dirigés de Biologie Cellulaire. TD n 1 Compléments sur les microscopes

Travaux Dirigés de Biologie Cellulaire. TD n 1 Compléments sur les microscopes Travaux Dirigés de Biologie Cellulaire TD n 1 Compléments sur les microscopes Les différents types de microscopes photoniques A. Le microscope à fond noir B.Le microscope polarisant C.Le microscope à contraste

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

TP vision industrielle

TP vision industrielle TP vision industrielle -2- SOMMAIRE QU'EST-CE QUE LA VISION INDUSTRIELLE? 7 1. OBJECTIF ET SUPPORTS 7 2. INTRODUCTION A L ANALYSE D IMAGES NUMERIQUES 8 2.1. Formation, traitement et analyse d images 8

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

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

Différences entre image Bitmap et image vectorielle.

Différences entre image Bitmap et image vectorielle. Différences entre image Bitmap et image vectorielle. Qu est-ce qu une image numérique? D un point de vue informatique, l image est avant tout un fichier numérique qui va reconstituer un rendu visuel au

Plus en détail

Imagerie Médicale : Fondements. Radiographie et scanner CT

Imagerie Médicale : Fondements. Radiographie et scanner CT Imagerie Médicale : Fondements Radiographie et scanner CT Master 2 MultiMedia : Image et Son Numériques Pascal Desbarats (desbarats@labri.fr) IMF : Radiographie et scanner CT p.1 Questions Comment produit-on

Plus en détail

LE COSMODETECTEUR : UN EXEMPLE DE CHAÎNE DE MESURE

LE COSMODETECTEUR : UN EXEMPLE DE CHAÎNE DE MESURE LE COSMODETECTEUR : UN EXEMPLE DE CHAÎNE DE MESURE Enseignement : 1 ère STL Mesures et instrumentation Thème : Instrumentation : Instruments de mesure, chaîne de mesure numérique Notions et contenus :

Plus en détail

UE 3A. Aspects fonctionnels et méthodes d étude. Dr Tristan Richard. L1 santé année universitaire 2009/10

UE 3A. Aspects fonctionnels et méthodes d étude. Dr Tristan Richard. L1 santé année universitaire 2009/10 UE 3A Organisationdesappareilset appareils et dessystèmes systèmes : Aspects fonctionnels et méthodes d étude Dr Tristan Richard L1 santé année universitaire 2009/10 Rayons X et gamma Rayonnements particulaires

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

Les capteurs pour l imagerie planétaire, lunaire et solaire. Frédéric Jabet WETAL 2013

Les capteurs pour l imagerie planétaire, lunaire et solaire. Frédéric Jabet WETAL 2013 Les capteurs pour l imagerie planétaire, lunaire et solaire Frédéric Jabet WETAL 2013 Comprendre la photodiode et les capteurs Emmanuel Beaudoin, C14, Basler 1300 - ICX445 Fonctionnement d une photodiode

Plus en détail

Leica M420. Macroscope pour travaux de documentation, de contrôle et de mesure de haute précision

Leica M420. Macroscope pour travaux de documentation, de contrôle et de mesure de haute précision Leica M420 Macroscope pour travaux de documentation, de contrôle et de mesure de haute précision Leica M420 La technologie de pointe de Leica Leica, la marque leader pour la microscopie et les instruments

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

Utilisation du logiciel ImageJ gratuit

Utilisation du logiciel ImageJ gratuit Utilisation du logiciel ImageJ gratuit on peut récupérer sur le lien suivant : http://rsbweb.nih.gov/ij/ à partir duquel ce résumé très bref (!!) a été élaboré Lancer ImageJ Vous avez une fenêtre qui s'ouvre

Plus en détail

Détecteur à comptage de photons uniques, ultra-rapide, pour applications bio-photoniques A. Dominjon (1) (1) Institut de Physique Nucléaire de Lyon IN2P3/CNRS - Université de Lyon E. Chabanat (1), P. Depasse

Plus en détail

Chapitre V. Connexions ensemblistes

Chapitre V. Connexions ensemblistes Chapitre V Connexions ensemblistes Connexions : -> Définition et Propriétés -> connexions dérivées -> Geodésie et ouverture par reconstruction Applications : -> analyse individuelle -> corrections de bords

Plus en détail

Spectrophotométrie - Dilution 1 Dilution et facteur de dilution. 1.1 Mode opératoire :

Spectrophotométrie - Dilution 1 Dilution et facteur de dilution. 1.1 Mode opératoire : Spectrophotométrie - Dilution 1 Dilution et facteur de dilution. 1.1 Mode opératoire : 1. Prélever ml de la solution mère à la pipette jaugée. Est-ce que je sais : Mettre une propipette sur une pipette

Plus en détail

4. Microscopie électronique à balayage

4. Microscopie électronique à balayage 4. Microscopie électronique à balayage 4.1. Principe de formation des images en MEB 4.2. Mise en œuvre 4.3. Les différents modes d imagerie 4.4. Les différents types de contraste 4.5. Performances 4.5.1.

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

Par Richard Beauregard. Novembre 2011

Par Richard Beauregard. Novembre 2011 Par Richard Beauregard Novembre 2011 La lutte contre le bruit et autres parasites lumineux Le temps d exposition versus le compositage Les images de prétraitement L'image de précharge (Offset ou Bias)

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

LES CAPTEURS CCD/CMOS

LES CAPTEURS CCD/CMOS Jérôme SIX Léo MEIGNAN Licence Professionnelle Gestion de la Production Industrielle, spécialité Vision Industrielle LES CAPTEURS CCD/CMOS Introduction...3 I) CCD...4 I.1) Historique...4 I.2) Fonctionnement...4

Plus en détail

Unité. Objectif. travail. B : Stations de. laser

Unité. Objectif. travail. B : Stations de. laser Unité de service à utilisateurss multiples Objectif Partager et offrir à un maximum d utilisateurs l accès à un regroupement volontaire de systèmes spécialisés en microscopie, acquis par des chercheurs

Plus en détail

LES FIBRES OPTIQUES : UN NOUVEL OUTIL POUR LE GENIE CIVIL

LES FIBRES OPTIQUES : UN NOUVEL OUTIL POUR LE GENIE CIVIL LCPC Instrumentation et Mesures sur Chantier CFMSG - 18 Septembre 2002 LES FIBRES OPTIQUES : UN NOUVEL OUTIL POUR LE GENIE CIVIL JM. Caussignac Le Risque et le Génie Civil - F.O.-ENPC 3/02/00 1 Sommaire

Plus en détail