Analyse d images numériques en microscopie

Dimension: px
Commencer à balayer dès la page:

Download "Analyse d images numériques en microscopie"

Transcription

1 Analyse d images numériques en microscopie Yves Usson Reconnaissance et Microscopie Quantitative, Laboratoire TIMC UMR5525 CNRS Institut d Ingénierie et d Information de Santé (IN3S), La Tronche Traitement d images cours 1-1 Yves Usson

2 1 INTRODUCTION SEGMENTATION BINARISATION APPROCHE RÉGIONS APPROCHE FRONTIÈRES FILTRAGE DE FORMES ETIQUETAGE EN COMPOSANTES CONNEXES EXTRACTION DE MESURES OU PARAMÉTRISATION MORPHOMÉTRIE PHOTOMÉTRIE MESURE DE L INTENSITÉ FLUOROGRAMMES... 8 Traitement d images cours 1-1 Yves Usson

3 1 Introduction Analyse d images numériques en microscopie L analyse d images est la séquence d opérations qui va permettre d extraire des mesures quantitatives objectives d une image numérique. Pouvant être précédée d une étape de traitement dans un but de restauration du signal, elle peut-être décomposée en trois étapes successives : 1 ) la segmentation qui va permettre de spécifier les structures d intérêts de l image et de les extraire sous la forme de masques de mesure, 2 ) l extraction de mesures s appuyant sur les masques de segmentation, et enfin 3 ) l analyse des données qui relève plus du domaine des statistiques que de l analyse d image à proprement parler. 2 Segmentation Définition : Phase d interprétation d une image sous forme d entités décrites en terme de régions et de contours. La segmentation porte sur l élaboration de processus de détection, suivie 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. 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. Elle vise donc à définir les zones d'intérêt dans une image. Deux types d'approches sont habituellement utilisées: l'approche par régions et l'approche par frontières. Le but de ces approches est de créer des images binaires à partir d'images niveaux de gris. C'est-à-dire des images dans lesquelles il n'existe que deux classes de pixels: les pixels objets qui correspondent aux zones d'intérêts et les pixels fonds qui correspondent à tout ce qui n'est pas zone d'intérêt. Les pixels objets définissent des masques binaires qui seront mis à profit pour les mesures morphologiques et photométriques. Remarque : Il n existe pas d algorithme universel de segmentation, à chaque type d images correspond une approche spécifique. 2.1 Binarisation Approche régions Dans le chapitre précédent, nous avons vu que la distribution des niveaux de gris dans l'image constitue déjà une information précieuse que l'on peut mettre à profit pour identifier des régions particulières de l'image. pixels objets Figure Segmentation, approche par régions. Seuillage de l histogramme des niveaux de gris. Traitement d images cours 1-2 Yves Usson

4 Il est donc possible d'extraire les masques binaires de régions en appliquant un simple seuillage des niveaux de gris. Ainsi tous les pixels dont les niveaux de gris sont compris entre deux seuils sont considérés comme des pixels "objets" et tous les autres comme des pixels "fonds". La Figure 2.1 illustre cette méthode. Sur l'histogramme, on définit une plage (ou fenêtre) de seuillage, avec un seuil minimum à 60 et un seuil maximum à 255. Le masque binaire obtenu est représenté avec les pixels objets en noir. Comme le laissait prévoir l'allure de l'histogramme on a isolé les noyaux fluorescents Approche frontières Dans certains cas, il est difficile de distinguer des zones par leur valeur de niveaux de gris. Cependant il est possible d'en distinguer les frontières. La méthode de segmentation devra tirer parti de cette propriété. Dans ce cas, un prétraitement de l'image au moyen d'un filtre numérique permet de mettre en évidence les frontières. Différents filtres (Sobel, Prewitt, Laplacien ) ont été développés pour ce type de traitement et tous se basent sur la détection des gradients d'intensité. Ils procèdent en recherchant dans l'image les zones de plus fortes variations d'intensité. Figure Segmentation, approche par frontières. Détection des frontières par un filtre de gradient puis seuillage des niveaux de gris. La Figure 2.2 montre le résultat du traitement par un filtre de Sobel. Les zones de fort gradient apparaissent en clair. Il est ensuite possible de seuiller les niveaux de gris de l'image des gradients pour obtenir un masque binaire des frontières. 2.2 Filtrage de formes Les masques binaires obtenus par les méthodes de segmentation précédemment exposées ne sont pas toujours parfaits. Ils peuvent en effet comporter de nombreuses imperfections: éléments artéfactuels, trous dans les structures, contours déchiquetés Ces masques de segmentation ne peuvent donc pas être utilisés directement pour effectuer des mesures. Il faut les corriger afin d'éliminer les éléments artefactuels, boucher les trous dans les masques et éventuellement lisser les contours des masques. Ces différentes manipulations sont réalisées à l'aide d'opérateurs morphologiques. Il existe principalement deux opérateurs morphologiques: l'érosion et la dilatation. D'autres opérateurs peuvent être construits en combinants les deux précédents. Traitement d images cours 1-3 Yves Usson

5 L'érosion est une opération qui va avoir tendance à réduire la masse des objets. On considère que dans une image binaire tous les pixels objets ont une valeur de 1 et les pixels du fond ont une valeur de 0. Pour chaque pixel (Fig. 2.3) considéré individuellement, on regarde sa valeur et la valeur des 4 pixels immédiatement voisins (c'est-à-dire ceux partageant une face avec le pixel considéré). Parmi ses valeurs, on recherche la plus petite. Puis, on remplace dans l'image résultat la valeur du pixel considéré par cette valeur minimum. Pour une image binaire, le résultat de ce traitement revient à transformer en pixels du fond les pixels objets en contact direct avec des pixels du fond. Cela revient à "raboter" d'une couche de pixels les masques des objets. Figure Filtrage morphologique: érosion. A gauche le masque original: les pixels blancs correspondent au fond, les noirs à l objet. Les pixels grisés sont ceux qui seront convertis en pixels du fond par l érosion. L érosion consiste donc à propager le fond au détriment de l objet. La dilatation est l'opération complémentaire de l'érosion. Dans ce cas (Fig.2.4), on recherche la valeur la grande du voisinage. Pour une image binaire, le résultat de ce traitement revient à transformer en pixels objets, les pixels du fond en contact direct avec des pixels objets. Cela revient donc à épaissir d'une couche de pixels les masques des objets. Figure Filtrage morphologique: dilatation. A gauche le masque original: les pixels blancs correspondent au fond, les noirs à l objet. Les pixels grisés sont ceux qui seront convertis en pixels objets par la dilatation. La dilatation consiste donc à propager l objet au détriment du fond. Les opérations de dilatation et d'érosion peuvent être appliquées itérativement c'est-à-dire de façon répétitive. Par exemple, une érosion de profondeur 3 consistera à appliquer 3 érosions successives à l'image binaire. Ainsi, on peut faire disparaître des structures dont le rayon est inférieur ou égal à 3 pixels. De même, une dilatation de profondeur 3 permettra de boucher les trous dont le rayon est inférieur ou égal à 3 pixels. Traitement d images cours 1-4 Yves Usson

6 Figure Filtrage morphologique: fermeture morphologiques. En noir: pixels objets; en blanc: pixels du fond. La fermeture consiste à appliquer à l'image binaire une dilatation d'une profondeur donnée suivie d'une érosion de profondeur identique. La dilatation va permettre de boucher les trous des masques. Par exemple Figure 2.5, la dilatation comble tous les trous dans le masque du noyau. Cependant on constate que le noyau a maintenant une forme empâtée et surdimensionnée. La mesure de paramètres morphologiques sur ce masque serait donc surévaluée. L'érosion qui suit permet de compenser cet épaississement. On constate que le masque du noyau a retrouvé ses dimensions originales alors que son contour apparaît moins échancré. La fermeture a aussi effectué un lissage du contour. L'ouverture consiste à appliquer à l'image binaire une érosion d'une profondeur donnée suivie d'une dilatation de profondeur identique. L'érosion va permettre d'éliminer les petites structures isolées. Par exemple Figure 2.6, l'érosion permet de gommer les petits artefacts et ne laisser subsister que le masque du noyau. L'érosion a cependant sensiblement réduit la masse du noyau et les mesures morphométriques seraient sous-évaluées. La dilatation permet de retrouver les dimensions originales du noyau. Figure Filtrage morphologique: ouverture morphologiques. En noir: pixels objets; en blanc: pixels du fond. 2.3 Etiquetage en composantes connexes Une dernière étape est nécessaire avant de passer à la paramétrisation. Le seuillage et le filtrage morphologique permettent de définir quelles sont les régions d'intérêt dans l'image. Cependant il est nécessaire dans de nombreux cas de pouvoir distinguer différentes entités au sein de l'image binaire afin d'individualiser les mesures. Figure Etiquetage en composantes connexes. L'opération consiste à attribuer un numéro unique à tous les pixels appartenant à un objet isolé. Notion de chemin connexe :c et d peuvent être reliés sans avoir à passer par le fond (chemin connexe), alors que a et b ne peuvent être reliés sans avoir à passer sur le fond (chemin non- connexe). Traitement d images cours 1-5 Yves Usson

7 Par exemple, si l'on souhaite connaître la surface moyenne d un noyau il faut pouvoir extraire un par un chacun des masques correspondant à une hématie. Ceci est rendu possible par un étiquetage préalable de l'image binaire. L'étiquetage consiste à attribuer à chacune des régions séparées (composantes connexes) une étiquette c'est-à-dire un numéro unique qui sera attribué à chacun des pixels appartenant à une même composante connexe (Fig. 2.7). La notion de connexité représente ici la notion de voisinage par contact direct. En général, on utilise deux règles de connexité: -la connexité 4 où sont considérés connexes les quatre voisins latéraux (droite, gauche, dessus, dessous); -la connexité 8 où sont considérés connexes les quatre voisins latéraux (droite, gauche, dessus, dessous) et les quatre voisins diagonaux (Fig. 2.8). 4 connexité 8 connexité 4 connexité 8 connexité Figure Etiquetage et règles de connexité. En connexité 4 deux objets sont identifiés; en connexité 8 un seul objet est étiqueté, les deux plages sont connectées par la diagonale. 3 Extraction de mesures ou paramétrisation 3.1 Morphométrie La morphométrie va consister à effectuer des mesures morphologiques à partir des masques binaires. Après extraction du masque d'un objet étiqueté, il est possible d'obtenir directement un certain nombre de mesures (Fig.3.1). Par exemple la surface de l'objet peut être obtenu par un simple comptage du nombre de pixels appartenant au masque de l'objet. Connaissant la surface d'un pixel il est facile d'obtenir une mesure de surface directement exprimée en µm 2 par exemple. On peut également calculer le barycentre du masque. En effet dans certaines études à caractère histologique il est souvent intéressant de connaître la position des cellules par référence à une structure histologique particulière (bordure d'un tissu, lumière d'une glande ) ou encore d'étudier la disposition relative de cellules dans un tissu sain ou pathologique. Figure Morphométrie. Extraction de mesures morphologiques à partir du masque binaire ou du contour. D'autres mesures peuvent être obtenues après extraction du contour du masque. La mesure du périmètre est dérivée de la séquence de pixels appartenant au contour. Deux pixels consécutifs voisins en connexité 4 représenteront une distance d'une unité; deux pixels consécutifs voisins par la diagonale Traitement d images cours 1-6 Yves Usson

8 représenteront une distance de racine de deux. Connaissant la dimension latérale d'un pixel il est donc possible de d exprimer directement la mesure du périmètre en µm. On peut également exprimer la complexité de la forme du masque au moyen de l'énergie de courbure, du facteur de forme (ou circularité), des diamètres de ferret 3.2 Photométrie Mesure de l intensité A partir de l'information photométrique contenue dans l'image des niveaux de gris il va être possible (avec certaines réserves cependant) de mesurer des quantités de matière présente dans les objets. En fluorescence l'intensité de lumière dans chaque pixel renseignera sur la concentration de la sonde fluorescente pour peu que le marquage soit stœchiométrique, et les conditions chimiques et d éclairement soient bien maitrisées. Afin que la quantité de lumière fluorescente ait un sens, il est nécessaire d effectuer un prétraitement aux images (fig.3.2). Figure Correction de l intensité de fluorescence en chaque pixel. L intensité du pixel est divisée par l intensité du pixel correspondant de l image d une source fluorescente homogène. Deux corrections s avèrent nécessaires. Premièrement il faut soustraire le courant noir des images. Cette soustraction est obtenue en enregistrant l image d un champ parfaitement obscur en fermant l obturateur de la caméra. Cette image noire contient en fait les irrégularités d intensité liés aux défauts de fabrication du capteur. Ensuite on soustrait pixel par pixel cette image noire de l image de fluorescence. Ainsi on élimine les faibles variations de signal dues aux imperfections du capteur. Deuxièmement il faut corriger les défauts liés à l éclairage du microscope. En effet l intensité de la lumière d excitation varie suivant la position à l intérieur du champ du microscope. Aussi des variations d intensité de fluorescence observées en différents points pourraient ne pas être significatives. Pour corriger ce problème on enregistre l image d un champ de fluorescence homogène appelé référence d homogénéité. Ceci est obtenu soit avec des verres spéciaux fluorescents (verre d uranyl) ou bien avec des plaques d altuglass fluorescent (règles d écolier en plastique fluo) ou bien encore avec des solutions de fluorochromes étalées en film entre lame et lamelle. Une fois cette image Traitement d images cours 1-7 Yves Usson

9 enregistrée on divisera pixel par pixel l image de fluorescence à mesurer par l image de la référence d homogénéité Fluorogrammes L'étude de la co-localisation de deux structures protéiques ou nucléiques est une des applications majeures de la CLSM. Les structures sont marquées par des sondes couplées à des fluorochromes ayant des caractéristiques spectrales d'excitation et d'émission différentes, pour pouvoir acquérir leurs images de façon spécifique. La superposition en couleur des deux images visualise le degré de co-localisation. Pour un fluorochrome visualisé en rouge, l'autre en vert, les zones colocalisées apparaissent jaunes. Cette première étape n'est pas toujours suffisante pour estimer le degré de co-localisation. Elle peut se compléter efficacement par la réalisation d'un fluorogramme (ou histogramme bi-paramétrique de fluorescence). Un fluorogramme est un nuage de points correspondant aux pixels ou aux voxels de l'image 2D ou 3D, et dont les coordonnées sont les valeurs de l'intensité de fluorescence de deux fluorochromes analysés, dans le rouge et le vert par exemple (Fig. 3.3). Il donne une représentation graphique de la distribution conjointe des deux fluorescences. Le nuage peut correspondre à la totalité de l'image, à une région comme une cellule en biologie ou à l'environnement immédiat d'un voxel pour construire une carte de corrélations locales. Les points se concentrent autour d'une droite dans une situation de forte co-localisation ou s'écartent du modèle de régression linéaire, quand le niveau de colocalisation s'atténue. C'est une représentation familière en cytométrie de flux pour estimer le pourcentage de cellules doublement positives, le point étant alors une cellule et non un voxel. Figure 3.3 F luorogramme de cellules HeLa transfectées avec un plasmide codant pour le EGFPtopoisomérase II. Le canal rouge correspond à une coloration de l ADN et le canal vert à la GFP. Sur quatre cellules présentes, seules deux expriment la topoisomérase et sont à l origine des nuages de points c 1 et c 2 correspondant à leurs noyaux et v correspondant à leurs cytoplasmes. Le nuage r correspond aux noyaux des cellules n exprimant pas la topoisomérase. Le contraste a été inversé pour faciliter la visualisation des signaux Plusieurs méthodes de quantification sont dérivées du fluorogramme. On évalue, par exemple, le nombre de points situés dans les zones positives, négatives, simplement ou doublement marqués. On calcule le coefficient de corrélation linéaire ou des coefficients similaires proposés pour mieux tenir compte de différences d'intensité ou de proportion entre les deux marquages. Les fluorogrammes permettent d'estimer la co-localisation de deux structures, mais aussi de contrôler les conditions d'acquisitions : correspondance des images, passage de fluorescenced'un canal à l'autre, stabilité de la fluorescence, amélioration du rapport signal/bruit. Ils s'appliquent à des modalités de fluorescence différentes, spectrales mais aussi temporelles. Traitement d images cours 1-8 Yves Usson

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

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

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

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

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

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

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

Chapitre III : Détection de contours

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

Plus en détail

Projet 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

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

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

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

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

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

S.P.S.N. Lac du Der 2008

S.P.S.N. Lac du Der 2008 S.P.S.N. Lac du Der 2008 Qu'est-ce qu'un histogramme? C'est un graphique qui montre la répartition des pixels de l'image en fonction de leur luminosité. Chaque type d'image (normale, surexposée, sous exposée,

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 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

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

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

Méthodes et techniques de la biologie du développement

Méthodes et techniques de la biologie du développement Méthodes et techniques de la biologie du développement 1. Etude de l expression des gènes : Détecter les transcrits et les protéines au cours de l ontogenèse l outil anticorps 1.1. La RT-PCR La réaction

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

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

Introduction à la microscopie confocale

Introduction à la microscopie confocale Introduction à la microscopie confocale Sylvette CHASSEROT-GOLAZ Unité CNRS UPR 2356, Strasbourg Principe de la microscopie confocale La microscopie confocale est l'une des percées les plus notables de

Plus en détail

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

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

Plus en détail

Visualisation des lignes de crêtes apparentes de modèles 3D

Visualisation des lignes de crêtes apparentes de modèles 3D Visualisation des lignes de crêtes apparentes de modèles 3D HAEHNEL Jonathan Université de Strasbourg 17 mai 2013 Haehnel Jonathan Visualisation des lignes de crêtes apparentes de modèles 3D 17 mai 2013

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

Analyse et traitement de données SPM

Analyse et traitement de données SPM Analyse et traitement de données SPM Introduction Gwyddion est un logiciel libre développé par deux chercheurs de l'institut Tchèque de Métrologie (http://www.cmi.cz), destiné à l'analyse et au traitement

Plus en détail

I Un exemple à partir de données anciennes concernant les leucocytes et leur évolution en cas de SIDA. 3 Utilisation des paramètres de fluorescence :

I Un exemple à partir de données anciennes concernant les leucocytes et leur évolution en cas de SIDA. 3 Utilisation des paramètres de fluorescence : Utilisation du logiciel Cytométrie Logiciel libre et gratuit : adresse de téléchargement et notice complète : http://acces.ens-lyon.fr/acces/logiciels/cytometrie/le-logiciel-cytometrie I Un exemple à partir

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

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

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

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

LA COMPRESSION DES IMAGES JPEG

LA COMPRESSION DES IMAGES JPEG Fête de la Science LA COMPRESSION DES IMAGES JPEG Laboratoire de Mathématiques et Physique Théorique C.N.R.S UMR 6083 Une image numérique Une image numérique est constituée de points élémentaires (pixels)

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

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

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

Traitement numérique de l'image. Raphaël Isdant - 2009

Traitement numérique de l'image. Raphaël Isdant - 2009 Traitement numérique de l'image 1/ L'IMAGE NUMÉRIQUE : COMPOSITION ET CARACTÉRISTIQUES 1.1 - Le pixel: Une image numérique est constituée d'un ensemble de points appelés pixels (abréviation de PICture

Plus en détail

Chapitre 2 LUMIÈRES COLORÉES ET COULEUR DES OBJETS

Chapitre 2 LUMIÈRES COLORÉES ET COULEUR DES OBJETS Chapitre 2 LUMIÈRES COLORÉES ET COULEUR DES OBJETS Compétence(s) requise(s) : Les sources de lumières, primaires et secondaires. La propagation rectiligne de la lumière et les faisceaux de lumière. Objectif(s)

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

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

Caractérisation du réseau de bulles d air dans un béton par analyse d image

Caractérisation du réseau de bulles d air dans un béton par analyse d image Caractérisation du réseau de bulles d air dans un béton par analyse d image Sourdun Journées Techniques OA 9, 10 mai 2012 S. BOUTEILLE, Ch. HERBERT Jeudi 10 mai 2012 Sébastien BOUTEILLE / CETE de Lyon

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

Observer vision et image TP : Couleur. Couleurs

Observer vision et image TP : Couleur. Couleurs I) SYNTHESE ADDITIVE Couleurs I.1 Couleur spectrale et couleur perçue Lumière blanche et couleur spectrale Exp prof : décomposition de la lumière par un prisme (ou un réseau) Couleurs spectrales (exemples)

Plus en détail

Dr E. CHEVRET UE2.1 2013-2014. Aperçu général sur l architecture et les fonctions cellulaires

Dr E. CHEVRET UE2.1 2013-2014. Aperçu général sur l architecture et les fonctions cellulaires Aperçu général sur l architecture et les fonctions cellulaires I. Introduction II. Les microscopes 1. Le microscope optique 2. Le microscope à fluorescence 3. Le microscope confocal 4. Le microscope électronique

Plus en détail

Assemblage des brutes en photo astronomique:

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

Plus en détail

Leçon N 11 Traitement La couleur

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

Plus en détail

Réussir et traiter ses photos sous UV avec Photoshop

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

Plus en détail

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

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

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

3.1.1 Image numérique et image analogique.

3.1.1 Image numérique et image analogique. PLAN 3.1.1 Image numérique et image analogique 3.1.2 Résolution 3.1.3 Niveaux de gris 3.1.4 L'image numérique : un tableau d'entiers 3.1.1 Image numérique et image analogique. Image numérique se dit digital

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

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

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

SYS-809 Vision par ordinateur. Laboratoire 2 - Introduction à la boîte à outils Orfeo (OTB)

SYS-809 Vision par ordinateur. Laboratoire 2 - Introduction à la boîte à outils Orfeo (OTB) SYS-809 Vision par ordinateur Laboratoire 2 - Introduction à la boîte à outils Orfeo (OTB) Objectifs du laboratoire Ce laboratoire se veut une introduction à OTB. Nous nous intéressons à : Présentation

Plus en détail

Travailler avec Photofiltre

Travailler avec Photofiltre Travailler avec Photofiltre 1 - Isoler / Sélectionner une zone d'une image et définir sa forme Les sélections vectorielles Sélectionnez une forme en cliquant sur le bouton la représentant dans la palette

Plus en détail

Les UV ( lampe de Wood, basée sur la fluorescence ultra violette).

Les UV ( lampe de Wood, basée sur la fluorescence ultra violette). Les UV ( lampe de Wood, basée sur la fluorescence ultra violette). Ce type de lumière a été découvert en 1801 par Ritten. Après des recherches par Stoke et Schumann entre 1862 et 1903 c'est en fin de compte

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

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

Détection et suivi d'objets dans une séquence d'images par contours actifs

Détection et suivi d'objets dans une séquence d'images par contours actifs Détection et suivi d'objets dans une séquence d'images par contours actifs A. Fekir (1), N. Benamrane (2) et A. Taleb-Ahmed (3) (1) Département d informatique, Université de Mustapha Stambouli, BP 763,

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

La cytométrie de flux

La cytométrie de flux TD5 La cytométrie de flux Air sous-pression Signal de formation des gouttes Signal de charge des gouttes Cellules en suspension Liquide de Gaine Vibrateur Ultrason Dˇtecteur de Lumi re Arrt du Faisceau

Plus en détail

TRAVAUX PRATIQUES DE TRAITEMENT D'IMAGES

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

Plus en détail

Chapitre 2 : La couleur des objets (p. 29)

Chapitre 2 : La couleur des objets (p. 29) PRTIE 1 - OSERVER : OULEURS ET IMGES hapitre 2 : La couleur des objets (p. 29) onnaissances : Phénomènes d absorption, de diffusion et de transmission. Savoir-faire : Utiliser les notions de couleur blanche

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

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

Utilisation de XnView

Utilisation de XnView http://www.rakforgeron.fr 27/02/2015 Utilisation de XnView Les photos d'actes généalogiques, les scans de documents réalisés par vous, ou vos saisies d'écran de documents téléchargés sur Internet, au-delà

Plus en détail

I Introduction. Enfin, nous discuterons les choix effectués ainsi que les résultats obtenus durant nos recherches.

I Introduction. Enfin, nous discuterons les choix effectués ainsi que les résultats obtenus durant nos recherches. I Introduction ARNAUD CALMETTES, GUILLAUME CEDILLE : VISION PAR ORDINATEUR FILTRES DE GABOR L'oeil est l'organe de la vision. Il nous permet d'interagir avec notre environnement en captant et en codant

Plus en détail

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER Utilisation d images dérivées d un jeu de données LIDAR pour la détection automatisée de vestiges archéologiques (programme de recherche méthodologique LiDARCHEO) Franck VAUTIER, Jean-Pierre TOUMAZET,

Plus en détail

Introduction aux aberrations optiques

Introduction aux aberrations optiques Introduction aux aberrations optiques 1 Aberrations Les aberrations sont les défauts d'un système optique simple qui font que l'image d'un point ou d'un objet étendu obtenu par l'intermédiaire de ce système

Plus en détail

Segmentation d'images à l'aide d'agents sociaux : applications GPU

Segmentation d'images à l'aide d'agents sociaux : applications GPU Segmentation d'images à l'aide d'agents sociaux : applications GPU Richard MOUSSA Laboratoire Bordelais de Recherche en Informatique (LaBRI) - UMR 5800 Université de Bordeaux - France Laboratoire de recherche

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

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

Introduction au Dessin Vectoriel

Introduction au Dessin Vectoriel Introduction au Dessin Vectoriel Introduction Lorsque l'on affiche une image sur l'écran d'un ordinateur, ce que l'on voit n'est qu'une succession de points. Il existe pourtant deux manières différentes

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

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

SOMMAIRE INTRODUCTION

SOMMAIRE INTRODUCTION SOMMAIRE INTRODUCTION 1 - DÉCOUVRIR PHOTOSHOP CS5 1 Choisir un espace de travail... 10 2 Manipuler les palettes... 12 3 Connaître les outils... 14 4 Rechercher et ouvrir une image... 16 5 Afficher plusieurs

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

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

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

la faculté de jouer sur l un ou l autre des paramètres permet la créativité et de s adapter aux conditions de prise de vue.

la faculté de jouer sur l un ou l autre des paramètres permet la créativité et de s adapter aux conditions de prise de vue. 1. L APPAREIL PHOTO la base de l appareil photo comprend un espace clos (la chambre noire) dans le fond, une surface sensible (la pellicule) à l avant, une ouverture fermée au repos et qui s ouvre pour

Plus en détail

Université Victor Segalen Bordeaux 2 UFR Science de la Vie

Université Victor Segalen Bordeaux 2 UFR Science de la Vie Université Victor Segalen Bordeaux 2 UFR Science de la Vie Licence Professionnelle «Techniques et Applications en Biologie Cellulaire et Biologie Moléculaire» Examen 2006-2007 UE1 : «Technologies en Biologie

Plus en détail

PHOTO PLAISIRS. La Lumière Température de couleur & Balance des blancs. Mars 2011 Textes et Photos de Bruno TARDY 1

PHOTO PLAISIRS. La Lumière Température de couleur & Balance des blancs. Mars 2011 Textes et Photos de Bruno TARDY 1 PHOTO PLAISIRS La Lumière Température de couleur & Balance des blancs Mars 2011 Textes et Photos de Bruno TARDY 1 Blanc Infrarouge Flash Température Lumière RVB Couleur chaude Couleur Couleur Couleur Incandescente

Plus en détail

Lumière et couleur. 2 Rayonnement polychromatique et monochromatique.

Lumière et couleur. 2 Rayonnement polychromatique et monochromatique. Chapitre 19 Sciences Physiques - BTS Lumière et couleur 1 Introduction. La lumière fait partie des ondes électromagnétiques qui vont des rayons cosmiques aux ondes radar. Ces ondes se différencient par

Plus en détail

Logiciels d acquisition et de traitement d images

Logiciels d acquisition et de traitement d images Logiciels d acquisition et de traitement d images Iris : http://astrosurf.com/buil/iris/iris.htm : Gratuit et téléchargeable sur Internet. Permet de faire de l acquisition et du traitement ; très performant

Plus en détail

3 : LA COMPRESSION DE DONNEES

3 : LA COMPRESSION DE DONNEES 3 : LA COMPRESSION DE DONNEES Représentation de l information Algorithmique Langages et programmation Architectures matérielles CONNAISSANCES ABORDEES Numérisation : Coder sous forme d'un code standard

Plus en détail

La vidéo rapide à la portée de tous, avec triggers intelligents et traitements embarqués

La vidéo rapide à la portée de tous, avec triggers intelligents et traitements embarqués La vidéo rapide à la portée de tous, avec triggers intelligents et traitements embarqués 252 en 640 x 480 direct PC via l'usb 2.0 Sur la base d'une carte mère munie d'un FPGA Spartan 3,d'une mémoire SRAM

Plus en détail

Microbiologie BIOL 3253. Étude de la structure microbienne: microscopie et préparation des échantillons

Microbiologie BIOL 3253. Étude de la structure microbienne: microscopie et préparation des échantillons Microbiologie BIOL 3253 Étude de la structure microbienne: microscopie et préparation des échantillons Les lentilles et la déviation de la lumière Quand un rayon lumineux passe d un milieu à un autre,

Plus en détail

Notions de traitement et d'analyse d'image

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

Plus en détail

THE GIMP. - Savoir gérer des fichiers/dossiers dans windows. (créer, déplacer, copier/coller, trouver...).

THE GIMP. - Savoir gérer des fichiers/dossiers dans windows. (créer, déplacer, copier/coller, trouver...). retouche photo 1.2 GIMP 02 THE GIMP Tutoriel The Gimp 1.2 : Mes Premières retouches photo durée de la séance : 2h tous public. prérequis : - Connaître l'environnement windows - Savoir gérer des fichiers/dossiers

Plus en détail

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

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

Plus en détail

3. Qu'est-ce qu'une image numérique? 3.1 Pixels et niveaux de gris

3. Qu'est-ce qu'une image numérique? 3.1 Pixels et niveaux de gris 3. Qu'est-ce qu'une image numérique? 3.1 Pixels et niveaux de gris PLAN 3.1.1 Image numérique et image analogique 3.1.2 Résolution 3.1.3 Niveaux de gris 3.1.4 L'image numérique : un tableau d'entiers 3.1.1

Plus en détail

RÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3

RÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3 RÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3 Pour construire un graphique : On lance l assistant graphique à l aide du menu Insérer è Diagramme en ayant sélectionné au préalable une cellule vide dans

Plus en détail

Figure 2.1 : fenêtre de travail d'excel v7.0

Figure 2.1 : fenêtre de travail d'excel v7.0 2.1. Excel 2.1.1. Présentation Les tableurs sont des utilitaires parfois intégrés aux éditeurs de texte (Works, Word, Kspread) ou non (Excel) et qui permettent la gestion de données numériques, le graphisme

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

Traitement d images sous Matlab. EI3 année 2009-2010

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

Plus en détail

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

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

I/ L information génétique se trouve dans les chromosomes du noyau.

I/ L information génétique se trouve dans les chromosomes du noyau. Chapitre 2 : localisation et organisation de l information génétique Mais, que dois-je savoir? Pour rattraper un cours manquant, retrouve-le sur le site du collège dans la rubrique «enseignements» : http://colleges.acrouen.fr/courbet/spipuser/

Plus en détail