Un algorithme de segmentation : La LPE (ou watershed)

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Un algorithme de segmentation : La LPE (ou watershed)"

Transcription

1 Un algorithme de segmentation : La LPE (ou watershed)

2 Qu est-ce que la LPE naturelle? La LPE naturelle Définitions La LPE informatique La ligne de partage des eaux désigne une limite géographique qui divise un territoire en un ou plusieurs bassins versants. Plus précisément, de chaque côté de cette ligne, les eaux s écoulent in fine dans des directions différentes. source : Wikipedia

3 Pour définir une LPE... La LPE naturelle Définitions La LPE informatique Besoin d un relief topologique Recherche de bassins versants crête séparant deux bassins versants = LPE

4 La LPE naturelle Définitions La LPE informatique Définitions

5 Définitions Présentation La LPE naturelle Définitions La LPE informatique On considère un relief topologique. Minimum : Point à partir duquel il est impossible d atteindre un point de hauteur inférieur sans avoir à grimper. Bassin Versant : Zone associée à un minimum telle qu une goutte d eau tombant en un point de cette zone descende au final jusqu au minimum.

6 Définitions (suite) Présentation La LPE naturelle Définitions La LPE informatique Zone d influence d un bassin B : Ensemble des points de l image qui sont plus près de B que de tout autre bassin SKIZ : Squelette par zones d influence = frontières entre les zones d influence. La LPE est équivalente au SKIZ géodésique

7 La LPE Informatique Présentation La LPE naturelle Définitions La LPE informatique Equivalent à la LPE naturelle : relief image heightmap (par exemple niveaux de gris) On cherche à déterminer les zones d influence (bassins) et le SKIZ (frontières) Pour cela on identifie les minima que l on assimile à des bassins On retourne au final l ensemble des frontières : la LPE

8 Principes Algorithme(s) de LPE

9 Algorithmes de LPE Présentation Principes Deux classes d algorithmes : Par Immersion (Vincent & Soille) : On plonge le volume dans l eau Plusieurs implémentations informatiques possibles

10 Algorithmes de LPE (2) Principes Deux classes d algorithmes : Par distances géodésiques (Meyer) : On identifie les bassins par une fonction de distance

11 Principes Algorithme de Vincent & Soille

12 Algorithme de Vincent & Soille Principes Principe : simulation de l inondation Parcours des pixels dans l ordre de leurs hauteurs Pour chaque niveau de hauteur : Extension des bassins existants Identification des nouveaux bassins Détection de la LPE par rencontre de bassins Puis nettoyage final de la LPE

13 Images de référence réels

14 Segmentation de la photo de Lena Images de référence réels Application d un filtrage, puis segmentation sur le gradient

15 Images de référence réels Segmentation de la photo de Lena (2) Gradient, puis érosion de hauteur 0, 5, 10, 20 On remarque l inclusion des images

16 Pièces de monnaie Présentation Images de référence réels Image de départ assez homogène Forte sursegmentation dûe au bruit et aux nombreux bassins

17 Images de référence réels Segmentation d une image de cellules Données originales : 3000x3000x50 Ici application image 512x512, bassins après filtrage morphologique

18 Applications à PTM3D Images de référence réels Applications à des images radiologiques Permet détection et mesure de volumes

19 Applications à PTM3D Images de référence réels Applications à des images radiologiques Permet détection et mesure de volumes

20 Caractéristiques Complexité et Espace Mémoire de la LPE

21 Caractéristiques de la LPE Caractéristiques Complexité et Espace Mémoire Adapté à toutes les dimensions : notion de voisinage Ensemble d arcs jointifs Segmentation et non Détection (où est le fond?) Segmentation importante, voir sursegmentation Forte sensibilité au bruit

22 Complexité et Espace Mémoire Caractéristiques Complexité et Espace Mémoire Algorithme peu complexe : o(n) Néanmoins sensible au voisinage et au bruit Non local donc difficilement parallélisable Ce point appartient-il à une ligne de partage des eaux? Problèmes d utilisation dans des systèmes temps réel Utilisation mémoire importante : 3.5*N à 11*N octets pour une image de N pixels

23 Performances Présentation Caractéristiques Complexité et Espace Mémoire LPE Matlab 8-connexité 2.13s 4-connexité 1.68s image agrandie, 8-connexité 8.23s image filtrée, 8-connexité 1.84s bassins en 8-connexité, en 4-connexité après filtre morphologique, 4359 bassins test : 512x512 pixels en 8bits sur Pentium 1.5ghz

24 Données Adaptées Présentation Données Adaptées Transformations Images topologiques (en niveau de gris) Détection des parties sombres (creux) Pas de bruit Peu d objets à discerner

25 Transformations possibles Données Adaptées Transformations Filtrage : suppression du bruit Techniques : seuil, flou, érosion... Supprime les minima à faible contraste Moins de sursegmentation Transformation des données : Gradient, Inversion des niveaux, etc... Mise en valeur des caractéristiques de l image Zones d intérêt dans des bassins Utilisation de Marqueurs

26 Marqueurs Présentation Données Adaptées Transformations Principe des marqueurs : ne considérer que certains minima Marqueurs : zones de minima. Méthode de swamping pour effacer les autres minima. Marqueurs automatiques ou manuels Problème du choix automatique de marqueurs

27 Marqueurs - Exemple Présentation Données Adaptées Transformations

Maîtrise de la segmentation d images en microscopie

Maîtrise de la segmentation d images en microscopie Maîtrise de la segmentation d images en microscopie Morphologie Mathématique Ligne de partage des eaux «Watershed» Alain Dieterlen Groupe LAB.EL, Laboratoire MIPS Université de Haute Alsace, Mulhouse,

Plus en détail

Morphologie mathématique

Morphologie mathématique Morphologie mathématique Squelette, squelette par zone d influence et ligne de partage des eaux Luc Brun (d après le cours de M. Coster) Morphologie mathématique p.1/50 Plan Squelette (SK) Définitions

Plus en détail

Chapitre X : Segmentation

Chapitre X : Segmentation Chapitre X : Segmentation Paradigme de de Segmentation Morphologique Contraintes sur les les Minima :: Swamping (Exemple des électrophorèses) Contraintes sur les les Maxima :: conditionnalisation (Exemple

Plus en détail

Examen de l UE RDMM. Représentations discrètes et morphologie mathématique. 19 novembre Avec documents

Examen de l UE RDMM. Représentations discrètes et morphologie mathématique. 19 novembre Avec documents NOM : Examen de l UE RDMM Représentations discrètes et morphologie mathématique 19 novembre 2007 - Avec documents 1 Topologie discrète 1. Sur une trame carrée, un objet 8-connexe est-il également 4-connexe?

Plus en détail

Chapitre 5 : Segmentations géométrique et topologique

Chapitre 5 : Segmentations géométrique et topologique Chapitre 5 : Segmentations géométrique et topologique Squelettes : introduction. Squelette morphologique. Homotopie discrète et squelettes par amincissement. Squelette par zones d influences (SKIZ). Ligne

Plus en détail

TRAITEMENT des IMAGES. VISION par MACHINE. Jean-Marc Vézien

TRAITEMENT des IMAGES. VISION par MACHINE. Jean-Marc Vézien TRAITEMENT des IMAGES et VISION par MACHINE MASTER PRO INFO 2011/2012 Vézien.@limsi.fr VII. MORPHOLOGIE MATHEMATIQUE Vision par Machine 2 But: d étudier la forme, la granularité des objets à l aide d ensembles

Plus en détail

Traitement d images : approche morphologique

Traitement d images : approche morphologique Traitement d images : approche morphologique Nikola Stikov ELE6812 5 avril 2016 Nikola Stikov (ELE6812) Morphologie mathématique 5 avril 2016 1 / 28 Position du problème Position du problème Objectifs

Plus en détail

Applications médicales et industrielles de la Morphologie Mathématique

Applications médicales et industrielles de la Morphologie Mathématique Applications médicales et industrielles de la Morphologie Mathématique Serge Beucher Centre de Morphologie Mathématique Ecole des Mines de Paris 1 L efficacité des outils morphologiques en analyse d image

Plus en détail

Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux

Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux Segmentation de maillages 3D à l aide de méthodes basées sur la ligne de partage des eaux Sébastien Delest Thèse dirigée par Hubert Cardot et Romuald Boné Université François Rabelais de Tours 26 novembre

Plus en détail

Exercices sur la morphologie mathématique

Exercices sur la morphologie mathématique Exercices sur la morphologie mathématique Isabelle Bloch Octobre 2006 1 Propriétés d opérations morphologiques 1.1 Exercice 1 Les affirmations suivantes sont elles vraies ou fausses? vraie fausse 1 l érosion

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Vision pré-attentive: Détection de contours Détection de points d'intérêt Frédéric Devernay Introduction Amélioration d images : histogrammes, lissage, filtrage médian Contours d'une

Plus en détail

Morphologie mathématique

Morphologie mathématique Morphologie mathématique Introduction à l analyse d images Luc Brun (d après le cours de M. Coster) Morphologie mathématique p.1/21 Qu est ce qu une image source capteur Disque surface Une image correspond

Plus en détail

PLAN Analyse d images Morphologie et Segmentation

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

Plus en détail

Polytechnique de Montréal Département de génie biomédical

Polytechnique de Montréal Département de génie biomédical École Polytechnique de Montréal Département de génie biomédical GBM3720 : Traitement Numérique d Images Médicales Corrigé du Contrôle périodique - Automne 2011 Exercice 1 : Filtrage du signal 1D (4 points)

Plus en détail

Segmentation S Y S M o d u l e 4

Segmentation S Y S M o d u l e 4 Plan du module Segmentation S Y S - 8 4 4 M o d u l e 4 Seuillage Croissance de région Partition de régions Regroupement Partition - regroupement Définitions Vue d ensemble de la segmentation Segmentation

Plus en détail

Examen Vision industrielle 3 Décembre 2003 Département GI, INSA de Lyon

Examen Vision industrielle 3 Décembre 2003 Département GI, INSA de Lyon Examen Vision industrielle 3 Décembre 2003 Département GI, INSA de Lyon Nom et prénom : Groupe A 1. La figure montre une image, la figure montre la même image après une rotation de 90 o. Les figures (c)

Plus en détail

Reconnaissance automatique des empreintes digitales

Reconnaissance automatique des empreintes digitales Reconnaissance automatique des empreintes digitales Définitions Une empreinte digitale est le dessin formé par les lignes de la peau des doigts, des paumes des mains, des orteils ou de la plante des pieds.

Plus en détail

Introduction au traitement d images

Introduction au traitement d images Introduction au traitement d Traitements de base Nicholas Journet 12 janvier 2011 Plan Semaine 1 : Introduction Traitements de base en image Semaine 2 : Amélioration d et détection de contours Semaine

Plus en détail

Segmentation en régions. o Partition o Croissance de région o Partition par quad-tree o Montée des eaux o Nuées dynamiques

Segmentation en régions. o Partition o Croissance de région o Partition par quad-tree o Montée des eaux o Nuées dynamiques Segmentation en régions o Partition o Croissance de région o Partition par quad-tree o Montée des eaux o Nuées dynamiques 1. Partition d une image Ou segmentation en régions d une image 1 3 2 Image en

Plus en détail

Détection de contours. Détection de contours. IV-Extraction de caractéristiques. Régions homogènes BF de l image Filtre passe-bas Somme de pixels

Détection de contours. Détection de contours. IV-Extraction de caractéristiques. Régions homogènes BF de l image Filtre passe-bas Somme de pixels Cours n 4/6 - C. Petitjean Traitement d images Plan du cours : Introduction Catégorisation de l image Acquisition et Visualisation Opérations basées sur l histogramme Extraction de caractéristiques Morphologie

Plus en détail

Filtre Détecteur de contours de Sarkar et Boyer. Théorie

Filtre Détecteur de contours de Sarkar et Boyer. Théorie Filtre Détecteur de contours de Sarkar et Boyer par Bruno Folscheid et Olivier Ondet Based on the Article Optimal Infinite Impulse Response Zero Crossing Based Edga Detectors S.Sarkar and K.L. Boyer, CVGIP

Plus en détail

Quantification par. analyse d images. Yves Usson La Tronche cedex. Institut Albert Bonniot. Domaine de la Merci.

Quantification par. analyse d images. Yves Usson La Tronche cedex. Institut Albert Bonniot. Domaine de la Merci. Quantification par analyse d images Yves Usson Institut Albert Bonniot Domaine de la Merci 38706 La Tronche cedex Yves.Usson@ujf-grenoble.fr Etapes de la cytométrie par analyse d image Préparation cytologique

Plus en détail

V. Partitionnement d une image

V. Partitionnement d une image V. Partitionnement d une image 1 Partition d une image Soit I une image Soit P un prédicat d'homogénéité S = R1, R2,..., Rn est une partition de I selon P: a) I = È Ri, i Î [1, n] b) Ri est connexe, "

Plus en détail

Traitement des images!

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

Plus en détail

Modalités en Imagerie Médicale: leur relation avec le traitement d image

Modalités en Imagerie Médicale: leur relation avec le traitement d image Modalités en Imagerie Médicale: leur relation avec le traitement d image J-F. Lerallut, UTC J. Azpiroz, UAM-I V. Medina, UAM-I INTRODUCTION Les images médicales sont obtenues grâce à l interaction physique

Plus en détail

Segmentation des Coupes Histologiques Osseuses Par la Ligne de Partage des Eaux

Segmentation des Coupes Histologiques Osseuses Par la Ligne de Partage des Eaux SETIT 2007 4 th International Conference: Sciences Of Electronic, Technologies Of Information And Telecommunications March 25-29, 2007 Tunisia Segmentation des Coupes Histologiques Osseuses Par la Ligne

Plus en détail

Traitement d images. Chapitre I Prétraitements

Traitement d images. Chapitre I Prétraitements Traitement d images Chapitre I Prétraitements 1 2 Introduction Les prétraitements d une image consiste à effectuer des opérations visant à : améliorer sa qualité visuelle restaurer l image en éliminant

Plus en détail

TP Traitement d images

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

Plus en détail

Vision industrielle Les outils de traitement

Vision industrielle Les outils de traitement Vision industrielle Les de traitement Plan du cours Outils de prétraitement Les opérations ponctuelles Les opérations de voisinage Outils de détection Outils de détection Outils de reconnaissance La recherche

Plus en détail

Segmentation d'images et détection de contours

Segmentation d'images et détection de contours Segmentation d'images et détection de contours (Transparents grace à Yves Goussard) Lecture: Jennifer Campbell ELE8812 29-31 mars 2016 Lecture: Jennifer Campbell (ELE8812) Segmentation d'images 29-31 mars

Plus en détail

Algorithmes pour le traitement de l image

Algorithmes pour le traitement de l image Algorithmes pour le traitement de l image Mathias Ortner 7 mai 2004 Table des matières 2 1 Bruit et Filtrage 4 Le bruit................................... 5 Le filtrage..................................

Plus en détail

LAAS-CNRS. JAUMOUILLÉ Rodolphe

LAAS-CNRS. JAUMOUILLÉ Rodolphe 2009 LAAS-CNRS JAUMOUILLÉ Rodolphe [ Tutoriel pour le logiciel de Simulation de communications distribuées et de reconnaissance de formes d une SmartSurface] Tutoriel pour un logiciel permettant de simuler

Plus en détail

Exercices sur la morphologie mathématique

Exercices sur la morphologie mathématique Exercices sur la morphologie mathématique Isabelle Bloch 1 Propriétés d opérations morphologiques Les affirmations suivantes sont elles vraies ou fausses? 1 l érosion d une fonction est croissante par

Plus en détail

Traitement bas-niveau

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

Plus en détail

Morphologie mathématique - I

Morphologie mathématique - I Morphologie mathématique - I Isabelle Bloch http://perso.telecom-paristech.fr/ bloch Télécom ParisTech - CNRS LTCI Paris - France Morphologie mathématique p.1/33 Quelques références M. Schmitt et J. Mattioli,

Plus en détail

Extraction des contours labiaux par algorithmes génétiques multicritères hybrides

Extraction des contours labiaux par algorithmes génétiques multicritères hybrides Extraction des contours labiaux par algorithmes génétiques multicritères hybrides Page 1 I. Présentation II. État de l art III. Nos algorithmes IV. Implémentation - Sommaire - multi-énergies initialisation

Plus en détail

Chapitre IX SKIZ et Ligne de partage des eaux

Chapitre IX SKIZ et Ligne de partage des eaux Chapitre IX SKIZ et Ligne de partage des eaux SKIZ euclidien et géodésique Fonction distance Ligne de partage des eaux Définition et propriétés Algorithmes J. Serra Ecole des Mines de Paris ( 2000 ) Course

Plus en détail

8TRD147: Animation et images par ordinateur

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

Plus en détail

Filtrage Traitement d'images

Filtrage Traitement d'images Filtrage Traitement d'images Lionel Lacassagne Institut d Electronique Fondamentale lionel.lacassagne@u-psud.fr Bruit: origine Origines qualité de l'optique bruit du capteur: bruit électronique liée à

Plus en détail

Perception pour la conduite automatisée

Perception pour la conduite automatisée Perception pour la conduite automatisée Aurélien Cord (aurelien.cord@lcpc.fr) Jean-Philippe Tarel (jean-philippe.tarel@lcpc.fr) Déroulé du cours (1/3) Introduction * Présentation du cours et des intervenants.

Plus en détail

Dilatations, érosions

Dilatations, érosions Cours de Morphologie Mathématique Dilatations, érosions Hugues Talbot talboth@esiee.fr ISBS / ESIEE 1 er semestre 2004-2005 Erosions, Dilatations p.1/23 Rappel des ressources Le cours sera mis en ligne

Plus en détail

Parallélisation d'une méthode de segmentation de mouvement

Parallélisation d'une méthode de segmentation de mouvement Matthieu Boussard Stanislas Dion Projet de fin d étude Option SARP Janvier 2000 Responsable : F. Meunier Table des matières 1 OBJECTIF DU PROJET 2 MÉTHODE Parallélisation d'une méthode de segmentation

Plus en détail

Morphologie mathématique. Séverine Dubuisson. Fondements du Traitement d Images novembre 2006

Morphologie mathématique. Séverine Dubuisson. Fondements du Traitement d Images novembre 2006 Fondements du Traitement d Images novembre 2006 du cours 1 2 3 4 5 6 7 Extensions aux images en niveaux de gris Définition La morphologie est une branche de la biologie traitant des formes et structures

Plus en détail

Introduction Erosion et dilatation Ouverture et fermeture Filtres de réconstruction MM en télédétection. Cours MATLAB

Introduction Erosion et dilatation Ouverture et fermeture Filtres de réconstruction MM en télédétection. Cours MATLAB Cours MATLAB Analyse morphologiqe d images Morphologie mathématique michele.volpi@unil.ch Institut de Géomatique et Analyse du Risque November 24, 2009 Motivation Morphologie Mathématique? On l utilise

Plus en détail

Détection de contours

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

Plus en détail

Mettre sous forme de tableau. Sommaire

Mettre sous forme de tableau. Sommaire MICROSOFT EXCEL Révision Juin 2015 Mettre sous forme de tableau 1. Introduction... 2 2. Choisir un style de tableau lors de la création d un tableau... 2 3. Supprimer un style de tableau... 3 4. Créer

Plus en détail

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

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

Plus en détail

TP de SI241 : segmentation des images

TP de SI241 : segmentation des images TP de SI241 : segmentation des images Le compte-rendu est à rendre pour le 5 novembre. Pour réaliser le TP depuis votre compte personnel lancez les commandes suivantes : source /tsi/tp/bin/tp-seg L ensemble

Plus en détail

Reconnaissance de caractères: Avant tout, connaître le traitement d images. Philippe Foucher

Reconnaissance de caractères: Avant tout, connaître le traitement d images. Philippe Foucher Reconnaissance de caractères: Avant tout, connaître le traitement d images Philippe Foucher Plan Introduction Pré-traitement Segmentation d images Extraction de caractéristiques Classification Conclusion

Plus en détail

CONTRÔLE OPTIQUE DES PROCESSUS DE FRANGMENTATION DANS L INDUSTRIE MINERALE

CONTRÔLE OPTIQUE DES PROCESSUS DE FRANGMENTATION DANS L INDUSTRIE MINERALE CONTRÔLE OPTIQUE DES PROCESSUS DE FRANGMENTATION DANS L INDUSTRIE MINERALE Souhaïl OUTAL Souhail.Outal@ulg.ac.be Géoressources & Imagerie Minérale Université de Liège C F M R 13 Mars 2008 Plan de l exposé

Plus en détail

Segmentation d'image : Contours

Segmentation d'image : Contours Segmentation d'image : Contours Philippe Montesinos EMA/LGI2P Parc Scientifique G.Besse 30000 Nîmes montesin@site-eerie.ema.fr http://www.lgi2p.ema.fr/~montesin 1 Détection de contours (plan) Signal, échantillonnage,

Plus en détail

TI Traitement d'images Semaine 9 : Détection de contours (1) Olivier Losson

TI Traitement d'images Semaine 9 : Détection de contours (1) Olivier Losson TI Traitement d'images Semaine 9 : Détection de contours (1) Olivier Losson Master Informatique : http://www.fil.univ-lille1.fr Spécialité IVI : http://master-ivi.univ-lille1.fr Master Informatique Option

Plus en détail

Graphes planaires. Classes de graphes & Décompositions

Graphes planaires. Classes de graphes & Décompositions Classes de graphes & Décompositions Détails des démonstrations dans les livres suivants : [West] Introduction to Graph Theory, D. West [Diestel] Graph Theory, R. Diestel 2010-2011 : définition Définition

Plus en détail

Introduction. Vision par ordinateur. Histogrammes. Histogrammes : égalisation

Introduction. Vision par ordinateur. Histogrammes. Histogrammes : égalisation Vision par ordinateur Vision pré-attentive: Détection de contours Détection de points d'intérêt Frédéric Devernay Introduction Amélioration d images : histogrammes, lissage, filtrage médian Contours d'une

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

Pré-traitement des images couleur

Pré-traitement des images couleur Pré-traitement des images couleur P. Lambert 1 P. Montesinos 2 1 Laboratoire d'informatique, Systèmes, Traitement de l Information et de la Connaissance LISTIC - Université de Savoie - P 806- F.74016 ANNECY

Plus en détail

Traitement d images 2 ème partie : perception, représentation. Caroline Petitjean

Traitement d images 2 ème partie : perception, représentation. Caroline Petitjean Traitement d images 2 ème partie : perception, représentation Caroline Petitjean Organisation du cours Applications du TI Perception des images Représentation des images numériques Les images couleurs

Plus en détail

Analyse d images numériques en microscopie

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

Plus en détail

Philippe Dutel OI _S43

Philippe Dutel OI _S43 Formation à la photographie Sommaire Qu est-ce que l exposition d une image? Rappel du principe photographique Le principe de la bassine La vitesse d exposition L ouverture La sensibilité La réciprocité

Plus en détail

Transformations géométriques / Filtrage

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

Plus en détail

Photoshop CS6 pour PC/Mac

Photoshop CS6 pour PC/Mac ENVIRONNEMENT DE TRAVAIL. L espace de travail 1 A- Description de l écran de travail 1 B- Utiliser le panneau Outils 2 C- Utiliser les panneaux et les docks 3 D- Gérer l affichage des fenêtres de document

Plus en détail

Réseaux de neurones Multicouches

Réseaux de neurones Multicouches Réseaux de neurones Multicouches Partie 1 Caractérisé par: état interne s S voisinage s 1,., s n fonction de transfert f changement d état s=f(s 1, s 2,.,s n ) s 1 s 2 Neurone élémentaire s=f(s 1, s 2,.,s

Plus en détail

Table des matières AVANT-PROPOS... XV

Table des matières AVANT-PROPOS... XV AVANT-PROPOS......................................................... XV Structure de l ouvrage XVII Liste des tutoriels XVIII Remerciements XXI 1. PRÉSENTATION ET INSTALLATION.............................................

Plus en détail

Bases du traitement des images. Opérations de base et améliorations

Bases du traitement des images. Opérations de base et améliorations Opérations de base et améliorations Séverine Dubuisson 6 octobre 2010 1 / 66 Plan du cours 1 Types d opérations sur une image 2 Transformations géométriques 3 Opérations entre images 4 Améliorations 2

Plus en détail

Techniques de Visualisation Médicale. Pourquoi? Pourquoi? Les Thèmes Abordés. L acquisition des données

Techniques de Visualisation Médicale. Pourquoi? Pourquoi? Les Thèmes Abordés. L acquisition des données Techniques de Visualisation Médicale Thomas Bonfort Laure Heïgéas Étude d Approfondissement RICM3 Objectifs : Comment visualiser des médicales?! Qu est-ce que la visualisation? Compréhension d un phénomène

Plus en détail

Recalage d images 2D et 3D

Recalage d images 2D et 3D Recalage d images 2D et 3D Isabelle Bloch http://www.tsi.enst.fr/ bloch Ecole Nationale Supérieure des Télécommunications - CNRS UMR 5141 LTCI Paris - France Recalage p.1/35 Introduction Intérêt et nécessité

Plus en détail

UE3 Analyse des Images Contours

UE3 Analyse des Images Contours Plan du cours UE Analyse des Images Contours Introduction : principes fondamentaux. Notion de contour. Caractérisation des points contours. Notion de gradient. Filtres linéaires la détection des points

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

NAO-PIC-EDAVISION-v1.0 État de l Art de la Vision. PIC Naolbeuk

NAO-PIC-EDAVISION-v1.0 État de l Art de la Vision. PIC Naolbeuk NAO-PIC-EDAVISION-v1.0 État de l Art de la Vision PIC Naolbeuk Page 2 Auteur(s) Destinataire(s) Résumé PAUL GAY, FLORIAN LÉGER, LUC MIOULET MICHEL MAINGUENAUD, Membres du PIC Naolbeuk, client Le présent

Plus en détail

Projet Image: Méthodes de segmentation. Table des matières. Image Master 2 Automatique. ECHEGUT Romain Introduction 2

Projet Image: Méthodes de segmentation. Table des matières. Image Master 2 Automatique. ECHEGUT Romain Introduction 2 ECHEGUT Romain 2010 Image Master 2 Automatique Projet Image: Méthodes de segmentation Table des matières 1 Introduction 2 2 Segmentation par seuillage 2 3 Accroissement de région 4 4 Split and merge 6

Plus en détail

Cours de morphologie mathématique

Cours de morphologie mathématique Cours de morphologie mathématique Master 2 IMA UPMC Antoine MANZANERA ENSTA/LEI 1 Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 1 Squelettes morphologiques et squelettes connexes Squelettes

Plus en détail

Imagerie HDR & post-production HDR avec EasyHDR. J.Y. Antoine Mars / 31

Imagerie HDR & post-production HDR avec EasyHDR. J.Y. Antoine Mars / 31 Imagerie HDR & post-production HDR avec EasyHDR J.Y. Antoine Mars 2013 1 / 31 HDR Définition HDR = High Dynamic Range (Imagerie à grande gamme dynamique) Plage dynamique Nombre de niveaux d intensité lumineuse

Plus en détail

Segmentation thématique : apport de la vectorisation

Segmentation thématique : apport de la vectorisation Segmentation thématique : apport de la vectorisation Vincent Claveau * Sébastien Lefèvre ** * IRISA-CNRS ** VALORIA, Université de Bretagne-Sud Campus de Beaulieu Campus de Tohannic F-35042 Rennes cedex

Plus en détail

5. Traitement d'image? 5.2 Filtres

5. Traitement d'image? 5.2 Filtres 5. Traitement d'image? 5.2 Filtres PLAN 5.2.1 Définition et utilité 5.2.2 Principe général des filtres 5.2.3 Flou A Flou moyenneur B Flou gaussien 5.2.4 Acentuation du contraste (sharpening) A Accentuation

Plus en détail

Projet LOVE Plus-values scientifiques du CMM. Romaric AUDIGIER, Serge BEUCHER, Christophe CLIENTI, Michel BILODEAU, Eduardo PARRILLA-BERNABE

Projet LOVE Plus-values scientifiques du CMM. Romaric AUDIGIER, Serge BEUCHER, Christophe CLIENTI, Michel BILODEAU, Eduardo PARRILLA-BERNABE Projet LOVE Plus-values scientifiques du CMM Romaric AUDIGIER, Serge BEUCHER, Christophe CLIENTI, Michel BILODEAU, Eduardo PARRILLA-BERNABE Rappel des actions du CMM Contribution du CMM 1. Algorithmes

Plus en détail

IVRG Image and Visual Representation Group

IVRG Image and Visual Representation Group IVRG Image and Visual Representation Group Projet en Digital Photography Responsable : Patrick Vandewalle Sylvain PASINI Bertrand GRANDGEORGE le 2 juin 2003 Table des matières Table des matières 2 1. Introduction

Plus en détail

Application du réseaux de neurones à l apprentissage supervisé. Ricco RAKOTOMALALA

Application du réseaux de neurones à l apprentissage supervisé. Ricco RAKOTOMALALA Application du réseaux de neurones à l apprentissage supervisé Ricco RAKOTOMALALA Tutoriels Tanagra - http://tutoriels-data-mining.blogspot.fr/ Métaphore biologique Fonctionnement du cerveau Transmission

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

Le traitement d image dans l analyse de documents anciens

Le traitement d image dans l analyse de documents anciens Le traitement d image dans l analyse de documents anciens Séminaire de recherche du groupe DIVA Université de Fribourg 29 mai 2008 Denis BOSSY Le traitement d image dans l analyse de documents anciens

Plus en détail

Traitement et analyse d images 2D et 3D

Traitement et analyse d images 2D et 3D DEA de Biologie Structurale et Fonctionnelle - DEA de Biologie Cellulaire et Moléculaire Module de Microscopie Structurale Cours n 6 Traitement et analyse d images 2D et 3D Yves Usson Institut Albert Bonniot

Plus en détail

A propos de la méthode du serpent en traitement des images numériques

A propos de la méthode du serpent en traitement des images numériques A propos de la méthode du serpent en traitement des images numériques Philippe Destuynder et Olivier Wilk Spécialité Mathématiques Conservatoire National des Arts et Métiers 292 rue S t Martin 75141 Paris

Plus en détail

Image numérique. Traitement bas-niveau. Traitement haut-niveau. Pré-traitement. Pré-traitement

Image numérique. Traitement bas-niveau. Traitement haut-niveau. Pré-traitement. Pré-traitement Plan Amélioration d images Compression d images Définition La restauration d'images a pour objet la réduction, voire l'élimination des distorsions introduites (bruits) par le système ayant servi à acquérir

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

METHODES DE SEGMENTATION AUTOMATIQUE D IMAGE

METHODES DE SEGMENTATION AUTOMATIQUE D IMAGE Analyse quantitative des formes (SATFORM ) 251 METHODES DE SEGMENTATION AUTOMATIQUE D IMAGE Mamy RAKOTO-RAVALONTSALAMA INTRODUCTION La segmentation automatique d image est une discipline déjà ancienne,

Plus en détail

TD : Analyse de l Information Multimédia

TD : Analyse de l Information Multimédia Institut Supérieur d Informatique ا دا Année Universitaire 2012/2013 ا ور ا و وزارة ا م ا و ا ث ا و ا و و وس ا ر TD : Analyse de l Information Multimédia L3SIL Exercice 1 : L image I suivante est une image

Plus en détail

Imagerie numérique. Zein Al Abidin IBRAHIM Université de Caen

Imagerie numérique. Zein Al Abidin IBRAHIM Université de Caen Imagerie numérique Zein Al Abidin IBRAHIM Université de Caen Plan Image numérique Introduction Représentation Compression Types d images Filtrage Descripteurs Système du traitement d image Image numérique???

Plus en détail

myriacross editor leçon 21 : Outils Pour Images 32 Bits

myriacross editor leçon 21 : Outils Pour Images 32 Bits Préambule Les images 32 bits RGBA gèrent la couleur comme rouge, vert et bleu plus la transparence comme canal alpha pour chaque pixel : Transparent Opaque Depuis la version 1.57, myriacross editor permet

Plus en détail

Détection de contours [1]

Détection de contours [1] Cet article est rédigé par des élèves. Il peut comporter des oublis ou des imperfections, autant que possible signalés par nos relecteurs dans les notes d édition. Détection de contours [1] 2014-2015 Nom,

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

Gamma 75 HD-NR Gamma 75 HD-NRS Imprimantes céramiques numériques haute définition au rapport prix/performances incomparable

Gamma 75 HD-NR Gamma 75 HD-NRS Imprimantes céramiques numériques haute définition au rapport prix/performances incomparable FR Gamma 75 HD-NR Gamma 75 HD-NRS Imprimantes céramiques numériques haute définition au rapport prix/performances incomparable La nouvelle gamme d imprimantes Gamma bénéficie de l ingénierie Durst de haut

Plus en détail

SYS-844 VISION PAR ORDINATEUR

SYS-844 VISION PAR ORDINATEUR Département de génie de la proction automatisée! VISION PAR ORDINATEUR Plan détaillé - Hiver 2013 1 7 2 3 14 21 Introction Organisation, laboratoires, formation des équipes Aperçu général de la vision

Plus en détail

Caractérisation des matériaux par analyse d image (exemple de l acier)

Caractérisation des matériaux par analyse d image (exemple de l acier) Caractérisation des matériaux par analyse d image (exemple de l acier) Eric Hénault, 8 juin 2016 FORUM SVTM 2016 DATAMET PR 2016-06 Caractérisation des matériaux par analyse d image 1 Caractérisation des

Plus en détail

Camille Salou. Comment utiliser les histogrammes d'une image numérique

Camille Salou. Comment utiliser les histogrammes d'une image numérique Camille Salou Comment utiliser les histogrammes d'une image numérique ÉCOLE NATIONALE DES SCIENCES GEOGRAPHIQUES. 6 et 8 avenue Blaise Pascal 77455 Marne la Vallée Cedex 2 www.ensg.ign.fr IGN 2005 Table

Plus en détail

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

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

Plus en détail

TD : Analyse de l Information Multimédia

TD : Analyse de l Information Multimédia Institut Supérieur d Informatique اد ا Année Universitaire 2012/2013 اوراو وزارةاما واثا واوو وسار TD : Analyse de l Information Multimédia L3SIL Exercice 1 : L image I suivante est une image à niveaux

Plus en détail

Université Tunis el Manar o Institut Supérieur d Informatique. Analyse d Information Multimédia L3SIL.

Université Tunis el Manar o Institut Supérieur d Informatique. Analyse d Information Multimédia L3SIL. Université Tunis el Manar -------------o------------ Institut Supérieur d Informatique Analyse d Information Multimédia L3SIL Nadhem NEMRI (nadhem.nemri@gmail.com) Année Universitaire 2012/2013 Problématique

Plus en détail

Thème info 3 Traitement d images matricielles

Thème info 3 Traitement d images matricielles Thème info 3 Traitement d images matricielles I- Images vectorielles vs images matricielles Certains logiciels de dessin assisté par ordinateur permettent de créer des images vectorielles, c est-àdire

Plus en détail

Cours de Traitement de l Image Licence 3

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

Plus en détail

Le rôle des RH dans l anticipation et l accompagnement des changements dans les organisations

Le rôle des RH dans l anticipation et l accompagnement des changements dans les organisations Le rôle des RH dans l anticipation et l accompagnement des changements dans les organisations Atelier d échanges Public Privé Sophie Pagès- 16 septembre 2014 1 Problématiques à mettre en débat dans notre

Plus en détail

Restitution d image Page 1/7 Restitution d'images

Restitution d image Page 1/7 Restitution d'images Restitution d image Page 1/7 Restitution d'images Baccalauréat STI2D-SIN Objectifs A la fin de la séquence, l'élève doit être capable de définir et valider une solution d'acquisition d'image par simulation

Plus en détail