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

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 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 de notre projet... 1 Détection des paramètres des caméras... 2 Stéréovision... 2 Principe : mesure de disparité = profondeur...2 Coordonnées 3D à partir de la disparité...2 Remarques... 3 Calcul des disparités... 4 L'appariement par corrélation... 4 Post-filtrage médian... 6 Validation par aller-retour... 7 Passage en géométrie épipolaire...8 Propriétés à respecter... 8 Ré-échantillonnage d'une image...9 Résultats Scène initiale Géométrie épipolaire Cartes de disparités et validation Nuage de point obtenu Précision de la reconstruction Code MATLAB Détection de plans dans un nuage de points 3D Reconstruction 3D Structure de notre projet

2 Détection des paramètres des caméras Stéréovision La génération d'une scène 3D à partir des photos est effectuée par stéréovision sur des couples d'images. Ceci suppose un traitement préalable permettant d'estimer les positions des prises de vues, ainsi que les directions de visée et paramètres d'ouvertures. Cette précédente étape n'ayant pas été suffisamment développée ni suffisamment concluante dans notre projet, les images utilisées dans cette partie sont des images de synthèse, générées avec Blender. Cette partie se décompose en quatre points : le principe de la stéréovision : retrouver la position 3D d'un point à partir d'une mesure de disparité ; le calcul des disparités en chaque point, par corrélation entre deux images en géométrie épipolaire ; le passage de deux images quelconques à des images en géométrie épipolaire ; les résultats sur nos images de synthèse. Principe : mesure de disparité = profondeur La stéréovision repose sur le principe suivant : en observant une scène depuis deux points de vue différents (nos deux yeux par exemple) et en comparant la position d'un objet sur chacune des deux images obtenues, on peut en déduire la profondeur à laquelle il se trouve. Coordonnées 3D à partir de la disparité La figure 2.1 illustre ce principe : en déplaçant la caméra latéralement du point au point, le point passe de la position à la position sur l'écran. Ce déplacement relatif d'une distance vers la gauche (matérialisé par le trait horizontal bleu) est appelé disparité, et nous permet de calculer la position du point.

3 Figure 2.1 : positions et d'un point sur les deux images prises depuis et. En effet, dans le cas où le déplacement de l'appareil photo est orthogonal à la direction de visée, les images de la scène sont prises dans un même plan (comme sur la figure 2.1) : on parle alors de géométrie épipolaire. Dans ce cas, les vecteurs (appelé base) et sont donc colinéaires. Le théorème de Thalès nous donne la relation suivante, en utilisant des distances signées (sur ou selon le cas) : En utilisant les relations et (la disparité est ici négative, car se déplace "vers la gauche"), il vient : D'où on en déduit la position du point : Remarques Cette expression donne la position du point en 3D à partir de sa position dans l'image, de la position du plan de l'image, de la base et de la disparité pour ce point. Toutefois, la disparité étant en pratique calculée comme un nombre de pixel (donc un entier), la position du point est échantillonnée selon une séquence de plans parallèles au plan de l'image. Cette conséquence fâcheuse est bien visible sur la figure 2.2 qui en montre un cas pathologique : le mur du fond est échantillonné en 6 plans. Il en est de même pour les objets dans la scène, ainsi que pour le sol qui donne une idée de la position de prise de vue.

4 Figure 2.2 : échantillonnage des profondeurs des points obtenus. La distance entre deux plans d'échantillonnage successifs augmente avec la profondeur, et dépend également de la base (voir l'expression précédente) : plus la base est petite et plus cette distance est élevée (pour la figure 2.2, la base était particulièrement petite). À l'inverse, les plans seront proches pour une base plus élevée, mais l'étape de calcul des disparités sera plus longue (recherche de dans un intervalle plus grand) et donnera moins de points corrects (car les images seront déformées du fait que les caméras sont plus espacées). Calcul des disparités Nous venons donc de calculer la position 3D d'un point en connaissant sa position dans les deux images. Il va maintenant falloir trouver, pour notre couple d'images, les couples de points correspondants : cette étape porte le nom d'appariement de points. Dans toute cette partie, nous travaillons avec des images qui sont déjà en géométrie épipolaire. Le passage d'une géométrie quelconque à une géométrie épipolaire sera détaillé dans la partie suivante. Cette étape d'appariement va se décomposer en trois : l'appariement à proprement parler, par corrélation, qui nous donnera une carte de disparités (la disparité en chaque pixel) ; un post-filtrage, pour diminuer le nombre de points aberrants ; une étape de validation, pour éliminer les points de disparité erronée. L'appariement par corrélation L'étape d'appariement à proprement parler va consister à construire, à partir d'une des deux images, une carte de disparité : cette carte nous donnera la disparité de chaque point de cette image (c'est à dire son décalage par rapport au point correspondant dans l'autre image). En reprenant les notations de la figure 2.1, cela revient à considérer chaque pixel de l'une des images comme un point, de rechercher le point correspondant dans l'autre image, et d'associer au pixel la valeur de ainsi obtenue. Cela nous donne donc une image avec les valeurs de prises en chaque pixel de l'image initiale.

5 Figure 2.3 : la recherche de associé à se fait sur un segment. La recherche de ne se fait pas dans toute l'image : étant données une profondeur minimale et une profondeur maximale, on en déduit une disparité minimale et une maximale par la formule liant disparité et profondeur (partie précédente). De plus, du fait de la géométrie épipolaire, on sait que le point associé à se trouvera sur la même ligne que ce dernier, comme l'illustre la ligne horizontale sur la figure 2.1. On sait donc que est à chercher dans un petit segment horizontal sur la seconde image, comme l'illustre la figure 2.3. Le point retenu est alors celui qui maximise un critère de ressemblance entre et : nous avons choisi comme critère la classique corrélation (centrée normée) entre les voisinages de ces deux points. En pratique, afin de diminuer le temps de calcul (assez conséquent en Matlab), les images sont au préalable filtrées (passe-bas) et décimées, afin de diminuer le nombre de points à appareiller.

6 Figure 2.4 : un auto-stéréogramme, image respectant par nature la géométrie épipolaire. Post-filtrage médian Une fois la carte de disparité obtenue, nous appliquons un léger filtre médian afin de réduire le nombre de valeurs aberrantes. En effet, la profondeur dans une image (et par conséquent la disparité) varie de manière continue par morceaux : on n'a jamais un point tout seul à une profondeur très différente de tout ses voisins. C'est pourquoi nous appliquons un filtrage médian à la carte de disparité. La figure 2.5 montre le gain apporté par cette méthode : la carte de disparité utilisée est calculée à partir de l'autostéréogramme en figure 2.4 (le choix d'un auto-stéréogramme vient du fait que la géométrie est déjà épipolaire, car une telle image est prévue pour être regardée de face).

7 Figure 2.5 : effet d'un (fort) filtrage médian sur les cartes de disparités. (les images ayant été égalisées différemment, les couleurs ne correspondent pas) Validation par aller-retour Afin d'éliminer les points aberrants restants, une méthode classique consiste à utiliser une validation "par aller-retour". Cette technique fonctionne de la manière qui suit. On part d'un point de la première image, et on recherche le point associé dans la seconde image (association déjà calculée et stockée dans la carte de disparité de la première image). On va ensuite effectuer le "retour" en recherchant dans la première image le point associé à (dans la carte de disparité de la seconde image). Normalement, les associations de points se font par paires valide pas., la paire est donc correcte et on valide l'association. Dans le cas contraire, on ne : si

8 Figure 2.6 : cartes de disparités (en haut) et point valides (en bas, couleur noire) pour les deux images. La figure 2.6 montre cette validation dans le cas de l'auto-stéréogramme en figure 2.4. Sur cet exemple, la plupart des points qui ne sont pas valides sont ceux masqués par l'effet de relief. Passage en géométrie épipolaire Les deux parties précédentes expliquaient comment passer d'un couple d'images en géométrie épipolaire à une carte de disparité, et d'en extraire un nuage de point. L'étape manquante pour généraliser cette méthode est le ré-échantillonnage d'un couple d'images quelconques pour passer en géométrie épipolaire : c'est l'objet de cette partie. Propriétés à respecter La première condition est bien visible sur la figure 2.1 : étant donnés les centres optiques et des caméras, il faut que pour tout point de l'espace, le plan intersecte les plans des images selon deux droites parallèles (les droites épipolaires) : il faut donc re-projeter les images dans un plan parallèle à. Notons qu'on pourrait utiliser une autre forme

9 qu'un plan comme support de projection afin de minimiser certaines déformations, mais par soucis de simplicité, nous nous contenterons d'un plan. De plus, pour simplifier la correspondance, on demande à ce que ces droites soient horizontales dans les images ré-échantillonnées (comme sur la figure 2.3). Cette contrainte nous fixe l'orientation des images dans cette nouvelle géométrie. Les deux paramètres qui restent à déterminer sont : l'orientation du plan de re-projection (qui est libre de tourner autour de ) ; la résolution de l'image ré-échantillonnée. Le premier point pourrait être amélioré en choisissant un critère de déformation à minimiser. Ré-échantillonnage d'une image Une fois le plan de projection fixé, il reste à projeter les deux images initiales sur ce plan et à ré-échantillonner le résultat afin d'obtenir une image exploitable. La figure 2.7 illustre cette projection : elle consiste à calculer la couleur de chaque point du plan de re-projection, connaissant la couleur des points du plan. Figure 2.7 : projection sur le plan respectant la géométrie épipolaire à partir de l'image initiale dans le plan. Partant d'un point sur une grille dans le plan de re-projection, notre but est de trouver la couleur du point correspondant dans le plan initial de l'image. Pour cela, basons-nous sur la figure 2.7 en vue "de dessus", dans laquelle est le vecteur entre le centre de la caméra et le centre de l'écran. Le théorème de Thalès nous donne le rapport de distances suivant : Une projection orthogonale nous donne l'expression du vecteur :

10 On déduit alors de ces expressions la position du point recherché : En notant et les bases respectives des grilles d'échantillonnage des deux plans, on trouve le point associé à un pixel de l'image re-projetée par : Inversement, la position du pixel correspondant au point dans l'image initiale est obtenue par projection orthogonale dans de : La couleur de ce point est alors obtenue par interpolation bilinéaire, les valeurs entières. n'étant pas Ceci nous permet d'obtenir, pour chacune des deux images, un ré-échantillonnage en géométrie épipolaire, et d'appliquer alors la méthode d'appariement précédente. Résultats Voici des images obtenues par notre implémentation de la stéréovision, obtenues sur un cube généré sous Blender. La stéréovision est effectuée sur deux couples de caméras : deux caméras sont situées d'un côté, et les deux autres de l'autre côté du cube, de sorte que toutes les faces soient à peu près visibles. Le cube est centré et ses faces sont positionnées sur les plans dont l'une des composantes est constante égale à. Scène initiale

11 Images initiales : 2 couples d'images, montrant en tout les 6 faces du cube. Image de la scène 3D. L'objet d'intérêt est le cube en noir. Les points de couleur représentent les centres des caméras. Les deux plans de couleur sont les écrans de deux des caméras.

12 Géométrie épipolaire Images en géométrie épipolaires : les lignes horizontales se correspondent dans les images. Cartes de disparités et validation Cartes de disparités des images. Disparités validées par aller-retour (en bleu).

13 Cartes de disparités (points validées uniquement). Nuage de point obtenu Nuage de points 3D obtenu.

14 Précision de la reconstruction Afin de mesurer la précision, j'ai calculé la norme infinie de chacun des points obtenus. Notons que le cube d'origine est l'ensemble des points de norme infinie égale à. Le centre du cube est le point de norme, et les caméras sont à une distance de unités environ. On note la présence de quelques points aberrants restants, peu nombreux. La très grande majorité des points sont bien sur le cube (norme très proche de ). Normes infinies des points. Code MATLAB Histogramme des valeurs des normes infinies. L'imprécision est d'à peine 0.5% de la distance aux caméras. Voici des fichiers de test proposés, présents soit dans le dossier "Stéréovision", soit dans le sous-dossier "Code" : LaunchMe.m : exemple du cube de la partie précédente, avec 4 images (2 couples) ;

15 LaunchExamples.m : le cube (avec 2 images) et la scène de la figure 2.2 (avec 2 images initialement en géométrie épilolaire) ; LaunchAppariement.m : l'auto-stéréogramme de la figure 2.4, avec affichages intermédiaires ; LaunchStereo1.m, puis LaunchStereo2.m : le cube (avec 2 images), avec affichages intermédiaires. Détection de plans dans un nuage de points 3D Reconstruction 3D

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

1 - Procédure pour géoréférencer une image dans un Système de Coordonnées de Référence, mise en projection

1 - Procédure pour géoréférencer une image dans un Système de Coordonnées de Référence, mise en projection 1 - Procédure pour géoréférencer une image dans un Système de Coordonnées de Référence, mise en projection Utilisation du projet Portel georef fotos.rvc Lancement de la procédure d édition d un géoréférencement

Plus en détail

Créer un diaporama. La méthode :

Créer un diaporama. La méthode : Créer un diaporama Créer un diaporama nécessite des prérequis : Avoir une idée : des photos ou une bande sonore Associer la durée de la bande son à la durée de projection des images Avoir réfléchi à une

Plus en détail

GLOSSAIRE MATHÉMATIQUE

GLOSSAIRE MATHÉMATIQUE Chapitre 9 - GM GLOSSAIRE MATHÉMATIQUE EN GÉOMÉTRIE DE L'ESPACE GM_01 règle GM_02 GM_03 GM_04 GM_05 GM_06 GM_07 tourne GM_08 GM_09 GM_10 GM_11 plan GM_12 GM_13 GM_14 GM_15 GM_16 GM_17 GM_18 Dessin schématisant

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

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

VISUALISATION EN TEMPS RÉEL PERSPECTIVES À POINT DE VUE MOBILE

VISUALISATION EN TEMPS RÉEL PERSPECTIVES À POINT DE VUE MOBILE 167 VISUALISATION EN TEMPS RÉEL DE J. SAPALY On sait que l'exploration visuelle consiste en une succession de fixations du regard, séparées par des mouvements oculaires saccadés, chaque fixation amenant

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

SOMMAIRE LUNETTES 3D 2008 DOC : 1. Descriptif et caractéristiques... DOC 2

SOMMAIRE LUNETTES 3D 2008 DOC : 1. Descriptif et caractéristiques... DOC 2 SOMMAIRE Descriptif et caractéristiques... DOC 2 Explications diverses DOC 3 Comment voir une image en relief? Principe de restitution du relief Principe théorique de fabrication Comment réaliser votre

Plus en détail

OPERATIONS GEOMETRIQUES 2D

OPERATIONS GEOMETRIQUES 2D OPERATIONS GEOMETRIQUES 2D 1 Les opérations géométriques ont pour but de modifier la position des informations contenues dans l'image sans modifier le niveau de gris. Ces opérations peuvent s'appliquer

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

b. L'image est trois fois plus grande que l'objet car en valeur absolue, le grandissement est égal à 3,0.

b. L'image est trois fois plus grande que l'objet car en valeur absolue, le grandissement est égal à 3,0. 1. Mots manquants a. grandissement ; l'image ; l'objet b. conjugaison ; l'image ; distance focale c. son image ; la rétine d. déforme ; la rétine ; accommode e. la rétine f. l'objectif ; à la pellicule

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

Composition de scènes de Réalité Augmentée

Composition de scènes de Réalité Augmentée Composition de scènes de Réalité Augmentée J-Y. Didier 26/04/11 1 Système de RA Monde réel / Espace de travail Application de Réalité Augmentée Dispositifs de restitution Utilisateur Capteurs Modèles /

Plus en détail

FABRIQUEZ VOTRE VIDEOPROJECTEUR POUR MOINS DE 10 EUROS!!!

FABRIQUEZ VOTRE VIDEOPROJECTEUR POUR MOINS DE 10 EUROS!!! FABRIQUEZ VOTRE VIDEOPROJECTEUR POUR MOINS DE 10 EUROS!!! Copyright 2007 Refextra Tous droits réservés, La lentille de Fresnel LE PRINCIPE DE FONCTIONNEMENT L'objectif de Fresnel a été inventé par Augustin

Plus en détail

La 3D mania continue! Bref une expérience à tenter!

La 3D mania continue! Bref une expérience à tenter! TITRE IMAGE 3D classe : quatrième durée : deux heures la situation-problème La 3D mania continue! Avec Avatar et Shrek le cinéma s en était donné à cœur joie. Maintenant, c est au tour des magazines. Un

Plus en détail

TRAITEMENTS DE L IMAGE NUMÉRIQUE. Auteur : JC. DESMONTS

TRAITEMENTS DE L IMAGE NUMÉRIQUE. Auteur : JC. DESMONTS TRAITEMENTS DE L IMAGE NUMÉRIQUE REDIMENSIONNEMENT D UNE IMAGE Redimensionnement d une image Nombre de pixels Plus nombre de pixels d une image est élevé, meilleure sera sa finesse A l inverse, un trop

Plus en détail

TITRE PARTIE TITRE SECTION. Faire des anaglyphes avec CatiaV5

TITRE PARTIE TITRE SECTION. Faire des anaglyphes avec CatiaV5 TITRE PARTIE TITRE SECTION Faire des anaglyphes avec CatiaV5 1 SOMMAIRE SOMMAIRE 1. QU'EST-CE QU'UN ANAGLYPHE? 3 2. LES LOGICIELS A INSTALLER 5 3. CREATION D'UN ANAGLYPHE FIXE 6 4. CREATION D'UN ANAGLYPHE

Plus en détail

Préparation à réaliser avant le début du TP

Préparation à réaliser avant le début du TP Préparation à réaliser avant le début du TP Soit une suite de points p 0,p 1,... p n du plan (n>=3). On cherche à approximer l'ensemble de ces points par une droite. Écrivez le système d'équations (sur

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

Imagerie 3D et mathématiques

Imagerie 3D et mathématiques Imagerie 3D et mathématiques Jacques-Olivier Lachaud Laboratoire de Mathématiques CNRS / Université de Savoie Fête de la Science, 13/10/2013 Galerie Eurêka Image et perception Synthèse d image 3D Imagerie

Plus en détail

GRAPHISME SUR ORDINATEUR

GRAPHISME SUR ORDINATEUR LE GRAPHISME SUR ORDINATEUR UNE HISTOIRE DE POINTS... 1 ) L'information : Sa «dimension» : le pixel Sa profondeur 2 ) La représentation de l'information : Sur écran, sur papier Le dpi 3 ) L'acquisition

Plus en détail

Bases du traitement des images. Détection de contours. Nicolas Thome. 19 octobre 2009. Plan Modélisation Filtrage Approches continues Post-Traitements

Bases du traitement des images. Détection de contours. Nicolas Thome. 19 octobre 2009. Plan Modélisation Filtrage Approches continues Post-Traitements Détection de contours Nicolas Thome 19 octobre 2009 1 / 61 Introduction Rôle primordial de la détection de contours en vision 1 Réduction d'information Information de toute l'image résumée dans le contours

Plus en détail

PhotoFiltre 7 : Taille des images (10-2014)

PhotoFiltre 7 : Taille des images (10-2014) PhotoFiltre 7 : Taille des images (10-2014) 1 Taille de l'image Utilisation La commande «Taille de l'image» permet de modifier les dimensions en pixels, la résolution et la taille d'impression de l image.

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

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

3.5.1 Introduction: image bitmap versus image vectorielle

3.5.1 Introduction: image bitmap versus image vectorielle 3.5.1 Introduction 3.5.2 Principe 3.5.3 Avantages et Inconvénients 3.5.4 Applications 3.5.5 Logiciels sur Internet PLAN 3.5.1 Introduction: image bitmap versus image vectorielle Lorsque l'on affiche une

Plus en détail

SYSTÈMES CENTRÉS DANS LES CONDITIONS

SYSTÈMES CENTRÉS DANS LES CONDITIONS YTÈME ENTRÉ DAN LE ONDITION DE GAU Table des matières 1 ystèmes centrés focaux 2 1.1 oyer image Plan focal image................................ 2 1.2 oyer objet Plan focal objet.................................

Plus en détail

Peu importe son utilisation, la façon de créer ce réglage est toujours la même:

Peu importe son utilisation, la façon de créer ce réglage est toujours la même: [4.12]AJOUTER UN FLOU GAUSSIEN Outre des effets artistiques comme nous en faisions en argentique avec les filtres soft Cokin (sujet net au centre de l'image et flou onirique tout autour du sujet), le flou

Plus en détail

Séance de TP 4 Lentilles minces. Romain BEL 3 janvier 2002

Séance de TP 4 Lentilles minces. Romain BEL 3 janvier 2002 Séance de TP 4 Lentilles minces Romain BEL 3 janvier 2002 1 Table des matières 1 Lentilles minces, stigmatisme, relations de conjugaison 3 1.1 Lentilles minces............................. 3 1.2 L'approximation

Plus en détail

Etat de l art sur l acquisition de données 3D par photogrammétrie

Etat de l art sur l acquisition de données 3D par photogrammétrie 1/24 Etat de l art sur l acquisition de données 3D par photogrammétrie Gilles Rabatel UMR ITAP IRSTEA Montpellier Pour mieux affirmer ses missions, le Cemagref devient Irstea www.irstea.fr La 3D en Agriculture

Plus en détail

IN103 - Projet Véhicules Intelligents: Détection des feux de circulation par vision

IN103 - Projet Véhicules Intelligents: Détection des feux de circulation par vision IN103 - Projet Véhicules Intelligents: Détection des feux de circulation par vision Alexander Gepperth alexander.gepperth@ensta.fr 30 août 2012 Dans le cadre de ce projet, nous allons mettre en ouvre une

Plus en détail

Paint Shop Pro 8 Les calques

Paint Shop Pro 8 Les calques Créer des calques dans une image permet de travailler sur l'un d'entre eux sans affecter les autres. types: de calques Paint Shop Pro 8 distingue quatre types Quatre de calques 1) Calques de masque 2)

Plus en détail

VISION INDUSTRIELLE PLAN DU COURS. 2. Acquisition ou Formation des images 3. Traitement d images 4. Analyse des images. Exemples d applications

VISION INDUSTRIELLE PLAN DU COURS. 2. Acquisition ou Formation des images 3. Traitement d images 4. Analyse des images. Exemples d applications VISION INDUSTRIELLE Cours Licence ISACP 2008/2009 Christophe BLANC LASMEA Université Blaise Pascal Département Génie Electrique et Informatique Industrielle www.christophe-blanc.info PLAN DU COURS 2. Acquisition

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 géoréférencement dans MapInfo

Le géoréférencement dans MapInfo Géoréférencement et RGF93 Les outils - Fiche O1 O1 Avril 2009 Le géoréférencement dans MapInfo La gestion des projections dans une fenêtre MapInfo Chaque table MapInfo est dotée de son propre système de

Plus en détail

Faire de la déformation interactive avec GIMP

Faire de la déformation interactive avec GIMP Faire de la déformation interactive avec GIMP 1 - Option "Fichier", puis cliquer sur "Ouvrir" Nous allons créer un clin d'œil 2 - Choisir l'image à modifier en navigant dans les dossiers de l'ordinateur

Plus en détail

Recadrage pour diaporama ou image projetée de qualité

Recadrage pour diaporama ou image projetée de qualité Recadrage pour diaporama ou image projetée de qualité Que ce soit pour le diaporama ou l image projeté, les nouvelles réglementations de la fédération photographique de France imposent la projection avec

Plus en détail

Affichage rapide de scènes 3D

Affichage rapide de scènes 3D ÉPREUVE COMMUNE DE TIPE 2010 - Partie D TITRE : Affichage rapide de scènes 3D Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Entretien avec les examinateurs

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Géométrie de la vision Frédéric Devernay Géométrie projective Géométrie projective pour la vision Utilisations de la géométrie projective Dessin Mesures Mathématiques de la projection

Plus en détail

TP MSO Synthèse d images: Lancé de rayons CPE

TP MSO Synthèse d images: Lancé de rayons CPE TP MSO Synthèse d images: Lancé de rayons CPE durée-4h 2011 FIGURE 1 Étapes de l algorithme de lancé de rayons. De gauche à droite : équation du calcul d intersection; image des intersections; ordonnancement

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

Comment coder une image en langage binaire? Michel Futtersack, Faculté de Droit, Université Paris Descartes

Comment coder une image en langage binaire? Michel Futtersack, Faculté de Droit, Université Paris Descartes Comment coder une image en langage binaire? Michel Futtersack, Faculté de Droit, Université Paris Descartes Les deux grands types d'images numériques Image matricielle (bitmap) Image vectorielle Image

Plus en détail

Créer des pages web avec Front Page 2000

Créer des pages web avec Front Page 2000 Créer des pages web avec Front Page 2000 1 - Préparation Préparer le plan du site que l'on souhaite créer avec les liens reliant les différentes pages. Structure du site Structure pour le stockage des

Plus en détail

Qu'est-ce qu'une image numérique?

Qu'est-ce qu'une image numérique? Qu'est-ce qu'une image numérique? Une image numérique est une mosaïque de points unicolores. Plus elle comporte de points, mieux elle est définie. Quand on agrandit une image à l'écran ou en l'imprimant,

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Tableau R : 255 0 0 255 255 0. Tableau G : 0 255 255 255 255 0. Tableau B : 0 0 255 0 255 0. Chaque carré représente un pixel

Tableau R : 255 0 0 255 255 0. Tableau G : 0 255 255 255 255 0. Tableau B : 0 0 255 0 255 0. Chaque carré représente un pixel Mini-Projet n 2 : Jouer avec les images. A rendre pour le lundi 14 novembre 2011 avant midi. Introduction : Une image est un ensemble de pixels dont chacun est défini par trois valeurs, que l'on note R,

Plus en détail

Sketchup pour pour nous, les makers. Cours donné à la Fabrique d'objets Libres Réalisé par MrBidouille (Dimitri Ferrière) Fablab-lyon.

Sketchup pour pour nous, les makers. Cours donné à la Fabrique d'objets Libres Réalisé par MrBidouille (Dimitri Ferrière) Fablab-lyon. Sketchup pour pour nous, les makers Cours donné à la Fabrique d'objets Libres Réalisé par MrBidouille (Dimitri Ferrière) Fablab-lyon.fr Table des matières Sketchup pour pour nous, les makers...1 Les bases...3

Plus en détail

Gérer le poids d'un document PDF scanné

Gérer le poids d'un document PDF scanné Deux méthodes Gérer le poids d'un document PDF scanné Scanner des revues ou articles permet de libérer de la place sur les étagères, et de rendre accessible des documents sur un espace du réseau ; mais

Plus en détail

Manuel d utilisation email NETexcom

Manuel d utilisation email NETexcom Manuel d utilisation email NETexcom Table des matières Vos emails avec NETexcom... 3 Présentation... 3 GroupWare... 3 WebMail emails sur internet... 4 Se connecter au Webmail... 4 Menu principal... 5 La

Plus en détail

Exercices de simulation 1

Exercices de simulation 1 Licence MIA 2ème année Année universitaire 2009-2010 Simulation stochastique C. Léonard Exercices de simulation 1 Les simulations qui suivent sont à effectuer avec Scilab. Le générateur aléatoire de Scilab.

Plus en détail

Vecteurs Géométrie dans le plan Exercices corrigés

Vecteurs Géométrie dans le plan Exercices corrigés Vecteurs Géométrie dans le plan Exercices corrigés Sont abordés dans cette fiche : Exercice 1 : notion de vecteur, transformation de points par translation et vecteurs égaux Exercice 2 : parallélogramme

Plus en détail

Introduction à l analyse des données. Analyse des Données (1) Exemple, ville et (in)sécurité. Exemple, ville et (in)sécurité

Introduction à l analyse des données. Analyse des Données (1) Exemple, ville et (in)sécurité. Exemple, ville et (in)sécurité Introduction à l analyse des données Analyse des Données () Le but de l analyse de données est de synthétiser, structurer l information contenue dans des données multidimensionnelles Deux groupes de méthodes

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

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

INFOGRAPHIE. Rapport du Projet de dessin 2D et 3D

INFOGRAPHIE. Rapport du Projet de dessin 2D et 3D Institut Galilée INFO 1 : Yohan ROUSSET Stéphane FOURNIER INFOGRAPHIE Rapport du Projet de dessin 2D et 3D Superviseur : R. MALGOUYRES Année 2008-2009 2 Table des matières I. Introduction... 4 II. Dessin

Plus en détail

F.Masin et P. Pirotte Travaux Pratiques de 1re Licence Sc. Physiques. Notions élémentaires de télévision.

F.Masin et P. Pirotte Travaux Pratiques de 1re Licence Sc. Physiques. Notions élémentaires de télévision. Notions élémentaires de télévision. 1 Au cinéma, le mouvement est décomposé en un grand nombre d'images fixes projetées successivement. La cadence de défilement de ces images est déterminée par la persistance

Plus en détail

Approche hybride de reconstruction de facettes planes 3D

Approche hybride de reconstruction de facettes planes 3D Cari 2004 7/10/04 14:50 Page 67 Approche hybride de reconstruction de facettes planes 3D Ezzeddine ZAGROUBA F. S.T, Dept. Informatique. Lab. d Informatique, Parallélisme et Productique. Campus Universitaire.

Plus en détail

un repère orthonormé de l espace.

un repère orthonormé de l espace. Terminale S GEOMETRIE Ch 13 DANS L ESPACE. Soit ( O ; i, j, k ) un repère orthonormé de l espace. I) Droites et plans dans l espace : Propriété 1 : Soient A et B deux points de l espace. AB est l ensemble

Plus en détail

Cours de mathématiques

Cours de mathématiques Cours de mathématiques Thomas Rey classe de première ES ii Table des matières 1 Les pourcentages 1 1.1 Variation en pourcentage............................... 1 1.1.1 Calcul d une variation............................

Plus en détail

Vérification du bâti à partir de la disparité de points de contour

Vérification du bâti à partir de la disparité de points de contour Vérification du bâti à partir de la disparité de points de contour Charles Beumier Signal and Image Centre (Prof. Marc Acheroy) Ecole royale militaire Bruxelles, Belgique 8 Jan 29, Paris-Tech 1 Vérification

Plus en détail

Connexion : accès à la page de «LOGIN»

Connexion : accès à la page de «LOGIN» UTILISATION DU PLAN DE MARCHE TRIVAL D ASSOCIES EN FINANCE (Principales fonctionnalités) www.associes-finance.com puis cliquez sur : Connexion : accès à la page de «LOGIN» 1. Accédez par l adresse générale

Plus en détail

Je débute avec. FastStone Image Viewer

Je débute avec. FastStone Image Viewer Je débute avec FastStone Image Viewer 1 FastStone Image Viewer Importer des photos Menus et Icônes Redresser les photos Sélectionner des photos Envoyer des photos par Email Corriger les yeux rouges 2 FastStone

Plus en détail

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

Redimensionner 1. Photoshop, les raccourcis clavier, taille de l'image, zone de travail, recadrage 3. Les raccourcis clavier

Redimensionner 1. Photoshop, les raccourcis clavier, taille de l'image, zone de travail, recadrage 3. Les raccourcis clavier N 5-13 Redimensionner 1. Photoshop, les raccourcis clavier, taille de l'image, zone de travail, recadrage 1.1. Objectifs : 1.1.1. Recadrer une image pour la rendre plus dynamique 1.1.2. Respecter les dimensions

Plus en détail

Vision industrielle Dispositif optique

Vision industrielle Dispositif optique Vision industrielle Dispositif optique Plan du cours L objectif La focale L ouverture La mise au point Qualité d image Choix de l objectif Cours de Vision Industrielle Nicolas Vandenbroucke 2 Constitution

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

Reconstruction et Animation de Visage. Charlotte Ghys 15/06/07

Reconstruction et Animation de Visage. Charlotte Ghys 15/06/07 Reconstruction et Animation de Visage Charlotte Ghys 15/06/07 1 3ème année de thèse Contexte Thèse CIFRE financée par Orange/France Telecom R&D et supervisée par Nikos Paragios (Ecole Centrale Paris) et

Plus en détail

IMN459 - Fondements de la vision par ordinateur

IMN459 - Fondements de la vision par ordinateur IMN459 - Fondements de la vision par ordinateur Chapitre 1 Introduction 1. Acquisition IMN117 2. Traitement IMN259 Scène 3D Caméra optique Une ou plusieurs images 2D Caractéristiques bas niveaux (contours,

Plus en détail

Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.

Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la

Plus en détail

DPI / Pixels / Compression

DPI / Pixels / Compression DPI / Pixels / Compression Sources : -http://fr.wikipedia.org -RUE RD Image numérique RUE Rouen Droite SD Le pixel Le pixel ou point est l'unité de base d'une image numérique. Son nom provient de l'expression

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

Modifier la taille des images avec photofiltre

Modifier la taille des images avec photofiltre Modifier la taille des images avec photofiltre Une photo prise avec un appareil numérique 6 méga-pixels a une taille d'environ 3 Mo ou 3000 Ko. Pour voir quelle taille ont vos images, ouvrir l'explorateur

Plus en détail

Cahier. des charges. T.E.R. : Modélisation architecturale basée photo/vidéo. reconstruction intérieure basée profondeur

Cahier. des charges. T.E.R. : Modélisation architecturale basée photo/vidéo. reconstruction intérieure basée profondeur Cahier T.E.R. : Modélisation architecturale basée photo/vidéo reconstruction intérieure basée profondeur des charges Renaud Jean-Christophe Naville Vincent Explicitation du contexte Dans le cadre de notre

Plus en détail

Cliquez sur suivant (image 1.4)

Cliquez sur suivant (image 1.4) Alain Lamaison 1 10 utilisations de Irfanview 3.33 Utilisation de Irfanview 3.3 Irfanview est un logiciel gratuit d'affichage et de traitement d'image simple, extrêmement rapide et efficace. Très léger

Plus en détail

MATHEMATIQUES. Premier Cycle TROISIEME

MATHEMATIQUES. Premier Cycle TROISIEME MATHEMATIQUES Premier Cycle TROISIEME 79 INTRODUCTION Le programme de la classe de troisième, dernier niveau de l enseignement moyen, vise à doter l élève de savoirs faire pratiques par une intégration

Plus en détail

Echantillonnage MP* 14/15

Echantillonnage MP* 14/15 Echantillonnage MP* 14/15 1. Principe de l oscilloscope numérique L oscilloscope numérique est principalement constitué d un amplificateur analogique (sur chaque voie), d un convertisseur analogique-numérique

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

BREVET DE TECHNICIEN SUPÉRIEUR ÉLECTRONIQUE SESSION 2002. E p r e u v e : P H Y S I Q U E A P P L I Q U É E

BREVET DE TECHNICIEN SUPÉRIEUR ÉLECTRONIQUE SESSION 2002. E p r e u v e : P H Y S I Q U E A P P L I Q U É E BREVET DE TECHNICIEN SUPÉRIEUR ÉLECTRONIQUE SESSION 2002 Calculatrice à fonctionnement autonome autorisée (circulaire 99-186 du 16.11.99) E p r e u v e : P H Y S I Q U E P P L I Q U É E Durée : 4 heures

Plus en détail

génial petit logiciel gratuit bon à tout faire!

génial petit logiciel gratuit bon à tout faire! IrfanView: Meguerdit itchia ian G. passetice.f p a s p a s génial petit logiciel gratuit bon à tout faire! Irfanview est avant tout un «visualiseur d'images» c'est à dire que c'est lui qui affichera sur

Plus en détail

Leçon N 7 PICASA Autres fonctions

Leçon N 7 PICASA Autres fonctions Leçon N 7 PICASA Autres fonctions PICASA a de nombreuses autres applications pour la gestion de vos photos. 1 Les Albums Contrairement aux dossiers, les ALBUMS n existent que dans PICASA. Il n y a pas

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

Projet 4ème année: Bras Robotique Contrôle du mouvement

Projet 4ème année: Bras Robotique Contrôle du mouvement Projet 4ème année: Bras Robotique Contrôle du mouvement TIAMIOU Adam BEN YOUNES Radhoane 1 Sommaire I. Présentation du contexte 3 II Travail effectué... 4 1.Interface de connexion avec le robot...4 2.Récupération

Plus en détail

- TUTORIEL - Introduction

- TUTORIEL - Introduction IE-Tutoriel_ImageModeler Tutoriel sur les bases d ImageModeler dans le cadre du module 3 des filières métiers Auteur(s) Guillaume Lemeunier Version 0.01 Date 13/02/2009 Introduction ImageModeler «Autodesk

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

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et

Plus en détail

I Translation et égalité vectorielle.

I Translation et égalité vectorielle. I Translation et égalité vectorielle. TRNSLTIONS ET VETEURS a) Translation. éfinition : ire que le point N est l image du point N par la translation qui transforme en, signifie que le quadrilatère NN'

Plus en détail

Utilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par

Plus en détail

Exercices. Sirius 1 re S - Livre du professeur Chapitre 3. Couleur des objets. Exercices d application. 5 minutes chrono!

Exercices. Sirius 1 re S - Livre du professeur Chapitre 3. Couleur des objets. Exercices d application. 5 minutes chrono! Exercices Exercices d application 5 minutes chrono! 1. Mots manquants a. diffuse b. magenta c. noir d. rouge ; verte ; bleue e. additive f. soustractive g. absorbée h. soustractive 2. QCM a. Les rouges

Plus en détail

Traitement par lot redimensionner des images

Traitement par lot redimensionner des images Traitement par lot redimensionner des images Demande Je souhaite réduire la taille de plusieurs images RAW (NEF) et les convertir en format JPEG, toutes en même temps, pour les utiliser sur une page Web.

Plus en détail

3.1 Espace vectoriel. La multiplication par un scalaire. L'addition et la multiplication par un scalaire obeissent aux regles suivantes :

3.1 Espace vectoriel. La multiplication par un scalaire. L'addition et la multiplication par un scalaire obeissent aux regles suivantes : .1 Espace vectoriel Un espace vectoriel de dimension p sur le corps des reels IR est une construction mathematique dont les elements sont des vecteurs. Il est deni par deux operations : L'addition. Soient

Plus en détail

Vision par ordinateur : Un tour d horizon. Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand

Vision par ordinateur : Un tour d horizon. Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand Vision par ordinateur : Un tour d horizon Adrien Bartoli LASMEA CNRS/UBP Clermont-Ferrand Séance II : Panoramas en environnement déformable Panoramas en environnement rigide Représentation minimale d un

Plus en détail

Communication graphique

Communication graphique Introduction générale Partie I. La projection parallèle 1. Le dessin multivue 2. La méthode de Monge 3. L axonométrie 4. Courbes de Bézier 5. La projection cotée (topographie) Projection cotée Méthode

Plus en détail

Windows XP. Souris et clavier

Windows XP. Souris et clavier Windows XP Souris et clavier 1 La souris est un périphérique indispensable de l'ordinateur : on la déplace sur un tapis. Si elle est 'optique' (plutôt qu'à boule), son confort d'utilisation est encore

Plus en détail

TECHNOLOGIE Collège J. de Romilly, Cours Rudolf FELLER

TECHNOLOGIE Collège J. de Romilly, Cours Rudolf FELLER SYNTHESE : TraVAIL SUR Le rubik' s cube (cette feuille est à ranger dans la partie Synthèse) I. PROBLEMATIQUES ABORDEES DANS LES TRAVAUX PRATIQUES Différentes problématiques sous-jacentes ont été abordées

Plus en détail

Le modèle des lentilles minces convergentes

Le modèle des lentilles minces convergentes 1 Le modèle des lentilles minces convergentes LES LENTILLES MINCES CNVERGENTES résumés de cours Définition Une lentille est un milieu transparent limité par deux faces dont l'une au moins est sphérique.

Plus en détail

Synthèse d'images (6) Projections 2D & clôturage

Synthèse d'images (6) Projections 2D & clôturage Synthèse d'images (6) Projections 2D & clôturage Plan de l'exposé : 1- Projections planaires 2- Calculs de projection 3- Clôturage (clipping) 4- Digressions La colonne Trajane à Rome Athanase Kircher,

Plus en détail

Exemple. Il ne faudra pas confondre (101) 2 et (101) 10 Si a 0,a 1, a 2,, a n sont n+1 chiffres de 0 à 1, le

Exemple. Il ne faudra pas confondre (101) 2 et (101) 10 Si a 0,a 1, a 2,, a n sont n+1 chiffres de 0 à 1, le Chapitre I - arithmé La base décimale Quand on représente un nombre entier, positif, on utilise généralement la base 10. Cela signifie que, de la droite vers la gauche, chaque nombre indiqué compte 10

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

Utilisation du visualiseur Avermedia

Utilisation du visualiseur Avermedia Collèges Numériques Utilisation du visualiseur Avermedia Un visualiseur est aussi appelé caméra de table et ce nom rend mieux compte de sa fonction première à savoir filmer un document (revue,carte, dissection,

Plus en détail