Analyse et Indexation d images par L.Chen, J.Y.Auloge
|
|
- Bernard Simon
- il y a 7 ans
- Total affichages :
Transcription
1 Analyse et Indexation d images par L.Chen, J.Y.Auloge REHAUSSEMENT D IMAGES. INTRODUCTION 2. DEFINITIONS 3. VISION HUMAINE ET SYSTEMES DE COULEURS 4. ECHANTILLONNAGE ET QUANTIFICATION 5. TRANSFORMATIONS D IMAGES 6. REHAUSSEMENT D IMAGES 7. ANALYSE D IMAGES. Introduction 2. Rehaussement dans le domaine spatial 3. Rehaussement dans le domaine fréquentiel 4. Rehaussement de contraste 5. Transformation géométrique 2 AMELIORATION D IMAGES AMELIORATION D IMAGES. Introduction 2. Amélioration dans le domaine spatial 3. Amélioration dans le domaine fréquentiel 4. Amélioration de contraste 5. Transformation géométrique Pourquoi pré -traiter une image? Pour corriger les effets de la chaîne d acquisition Correction radiométriques et/ou géométriques Réduire le bruit : Restauration, Déconvolution Améliorer la visualisation Améliorer les traitements ultérieurs (segmentation, compression ) 3 4
2 AMELIORATION D IMAGES. Introduction 2. Rehaussement dans le domaine spatial 3. Rehaussement dans le domaine fréquentiel 4. Rehaussement de contraste 5. Transformation géométrique Rehaussement dans le domaine spatial Histogramme Manipulations d'histogrammes Opérations arithmétiques Opérations logiques Procédé par masque Filtre spatial 5 6 Distribution des niveaux de gris Histogramme Histogramme Fonction discrète dans l'intervalle [,L-] h(r k )=n k r k = k th ton de gris n k = nombre de pixel de ton r k Histogramme normalisé p(r k )=n k /n n = nombre total de pixels p(r k ) ~ probabilité d'avoir le ton r k Σ p( r k ) = 7 8
3 Histogramme Types d'images et leurs histogrammes Image sombre Image à bas contraste Manipulations d'histogrammes Étirement (stretching) Une image à hauts contrastes aura un histogramme bien répartie Un histogramme bien répartie résultera en une image à hauts contrastes! Image brillante Image à fort contraste 9 Manipulations d'histogrammes Étirement f ( x, y) f ( x, y) g( x, y) = f ( x, y) max f ( x, y) min min [ MAX MIN ] + MIN Manipulations d'histogrammes Étirement f ( x, y) f ( x, y) max min = plus grand ton de gris = plus petit ton de gris MIN et MAX sont les limites de ton de gris dans f ( x, y) ( et) 2
4 Manipulations d'histogrammes Étirement Manipulations d'histogrammes Étirement - (valeurs hors zones) Élimination des tons de gris extrêmes image après étirement d histogramme après éliminination de 3% de valeurs basses et hautes de l hitogramme 3 Image (e) 4 Histogramme de l image e Manipulations d'histogrammes Compression (shrinking) Manipulations d'histogrammes Compression MAX MIN g( x, y) = f ( x, y) max f ( x, y) min [ f ( x, y) f ( x, y) min] + MIN f ( x, y) max = plus grand ton de gris f ( x, y) min = plus petit ton de gris MIN et MAX sont les limites de ton de gris désirés dans g( x, y) Compression d histogramme 5 6
5 Manipulations d'histogrammes Compression Manipulations d'histogrammes Glissement (sliding) 7 Glissement d histogramme 8 Manipulations d'histogrammes Glissement g( x, y) = f ( x, y) + compensation Manipulations d'histogrammes Glissement 9 2
6 Manipulations d'histogrammes Égalisation (equalization) Détermination automatique d'une transformé pour obtenir un histogramme uniforme Histogramme normalisé p(r k )=n k /n p(r k ) ~ probabilité d'avoir le ton r k Σ p( r k ) = Fonction de densité de probabilité de r Manipulations d'histogrammes Égalisation f(x,y) -> r et g(x,y) -> s Fonction de distribution cumulative de r est uniforme r sk = T( rk) = pr( w) dw sk = T( rk) = pr( rj) = k j= j= k nj n 2 k =,, 2,, L- 22 Manipulations d'histogrammes Égalisation (la recette!) Tons Nombre Cumulatif Cumulatif Valeurs Tons de gris de pixels des tons normalisé étalonnées de gris dans f(f,x) dans f(x,y) dans f(x,y) de f(x,y) dans [, 7] dans g(x,y) Manipulations d'histogrammes Égalisation s = k j = nj n 23 24
7 Manipulations d'histogrammes Égalisation Opérations arithmétiques Procédé par point (région de x pixel) La soustraction et l'addition d'images sont les opérations les plus utiles La division de f(x,y) par h(x,y) est la multiplication de f(x,y) par la réciproque de h(x,y) Donc, ces opérations se limitent à: Soustraction Addition Multiplication Opérations arithmétiques Soustraction: g(x,y) = f(x,y)-h(x,y) Différence entre toutes les paires de pixels correspondants de deux images La valeur de g(5,7) est la différence entre les valeurs des pixels dans les 2 images au points f(5,7) et h(5,7) Très utile pour faire ressortir les différences entre deux images Le résultat est le "changement" Note: le point p(5,7) est un exemple 27 Opérations arithmétiques Soustraction (radiographie masquée) Très utile pour visualiser le changement Image avant = masque Deuxième image après injection Deuxième image - masque 28
8 Opérations arithmétiques Addition: g(x,y) = f(x,y)+h(x,y) La valeur de g(5,7) est simplement la somme des valeurs des pixels dans les 2 images au points f(5,7) et h(5,7) Opérations arithmétiques Multiplication: g(x,y) = f(x,y)*h(x,y) La valeur de g(5,7) est simplement le produit des valeurs des pixels dans les 2 images au points f(5,7) et h(5,7) Division: g(x,y) = f(x,y)/h(x,y) La valeur de g(5,7) est simplement le produit des valeurs des images f(x,y) et [h(x,y)] - 29 Note: le point p(5,7) est un exemple 3 Opérations arithmétiques Ajustement des tons de gris L'intervalle des tons de gris doit être entre et Les résultats d'opérations arithmétiques peuvent donner des résultats hors intervalle Besoin de réajuster les valeurs dans l'intervalle Opérations arithmétiques Ajustement après soustraction [- et ] g(x,y) = ( f(x,y) + ) / 2 Peut ne pas couvrir tout l'intervalle Possibilités d'erreurs d'arrondissement : h(x,y) = ( g(x,y) - MIN ) -> glissement) 2: g(x,y) = h(x,y) * /MAX -> ~étirement (zéro est déjà zéro) MIN est la plus petite différence dans f(x,y) MAX est la valeur maximum dans h(x,y) 3 32
9 Opérations arithmétiques Moyennes d'un ensemble d'images Addition d'images "bruitées" pour générer une image de meilleur qualité Une image bruitée g( x, y) = f ( x, y) + n( x, y) Sommation de K images bruitées K g( x, y) = gi( x, y) K i= Bruit non- corrélé et moyenne de zéro 33 Opérations arithmétiques Moyennes d'un ensemble d'images Si nous avons suffisamment d'images Variance Écart type { } E g( x, y) = f ( x, y) σ σ = σ K 2 2 g( x, y) n( x, y) = σ K g( x, y) n( x, y) 34 Opérations arithmétiques Moyennes d'un ensemble d'images (exemple) (a) (b) (c) Opérations arithmétiques Moyennes d'un ensemble d'images (exemple2) (d) (e) (f) 35 Image (a) du galaxy Pair NGC 334 Image corrompue par ajout d un bruit gaussien à moyenne nulle et écart type de 64 niveaux de 36 gris
10 Opérations arithmétiques Moyennes d'un ensemble d'images b d c e Opérations arithmétiques Moyennes d'un ensemble d'images a-b a-c a-d a-e 37 Résultat de la moyenne avec K=8,6,64 et 28 images bruités Histogrammes des images différences 38 Opérations logiques Procédé par point (région de X pixel) Opérateurs logiques: ET, OU, NON (PAS) Rappel: A ET b est si a et b sont, sinon A OU b est si a et b sont, sinon Si a est, NONa est, et vice versa 39 Opérations logiques Appliqués à des images en tons de gris, les opérations logiques s'effectuent sur des chaînes de bits. Ex: a = 3 -> NONa -> -> 24 Notez que = Ex: a = 9 -> b = 89 -> a ET b -> -> 73 4
11 Procédé par masque Masque de 3X3 pixels Nous utilisons donc les valeurs de f dans le voisinage de (x,y) pour définir la valeur de g(x,y) Masque, filtre, fenêtre, noyau, gabarit "Masque de convolution" On applique le masque de pixel en pixel au travers de l'image Opérations logiques 4 42 Masque de 3 X 3 w(-,-) w(-,) w(-,) w(,-) w(,) w(,) w(,-) w(,) w(,) w w 2 W 3 w 4 w 5 w 6 w 7 w 8 w 9 Masque de 3X3 pixels g(x,y) = w(-,)f(x-,y-)+w(-,)f(x-,y)+ +w(,)f(x,y)+ +w(,)f(x+,y)+w(,)f(x+,y+) Pour un masque impairs de taille mxn a b g( x, y) = w( s, t) f ( x + s, y + t) s = a t = b 43 m=2a+ et n=2b+ a=(m-)/2 et b=(n-)/2 44
12 Généralement pour un masque de mxn La réponse R au filtre est simplifié par: R = WZ + W2Z 2 + W3Z WmnZ R = mn i= Wi Zi R = 9 i = Wi Zi mn W i = coefficient de masque Z i = valeur du pixel à la position i 45 Masque de 3X3 pixels Problème de contour de l'image? Ne pas traiter les pixels de contour Image résultante est moins bonne! Masque partiel Les pixels de contour sont traités avec un plus petit nombre de voisins Tamponnage Ajout de "" en périphérie de l'image On enlève ce tampon ensuite 46 Filtre de lissage (smoothing) Filtre linéaires Filtre moyennant (averaging) Remplace chaque pixel par la valeur moyenne de ses voisins Réduit le bruit Réduit les détails non-important Crée du brouillage (blur edges) Filtre moyennant Moyenne standard ou moyenne pondérée R = 9 Zi 9 i= R = 9 Zi 6 i= 47 48
13 Filtre moyennant - implémentation Pour un masque normal g( x, y) = w( s, t) f ( x + s, y + t) s = a t = b Pour un filtre moyennant g( x, y) = a a s= a b b t = b a w( s, t) f ( x + s, y + t ) s= a b t = b w( s, t) 49 Filtre moyennant - implémentation g( x, y) = a s= a b t = b a w( s, t) f ( x + s, y + t ) s= a t = b w( s, t) L'image complète s'obtient par l'application de cette équation à tous les pixels de l'image originale: x=,, 2,, M- et y=,, 2,, N- b 5 (a) Image originale de taille 5x5 (b) Image résultat avec masque de taille 3 (c) Image résultat avec masque de taille 5 (d) Image résultat avec masque de taille 9 (e) Image résultat avec masque de taille 5 (f) Image résultat avec masque de taille 35 Filtre de lissage (smoothing) Filtre non-linéaires Remplace chaque pixel par la valeur sélectionnée par un critère Réduit le bruit Excellent contre le "sel & poivre" Moins de brouillage Le filtre médian est le plus populaire 5 52
14 Filtre médian La médiane d'un ensemble est une valeur tel que la moitié des éléments sont plus petit, et la moitié sont plus grands Le procédé consiste à ordonner les valeur de l'ensemble et à choisir une valeur au milieu Force les valeurs de pixel à être plus comme leurs voisins 53 Filtre médian (a) Image d un circuit imprimé abimé par un bruit de type «salt-and-pepper» (b) Réduction de bruit avec un filtre moyenneur de taille de masque 3x3 (c) Réduction de bruit avec un filtre médian de taille de masque 3x3 54 Filtre max Filtre max R = max{zk k=,2,,9} Pour trouver les points les plus brillants Utile pour éliminer le "poivre" Filtre max 55 56
15 Filtre min Filtre min R = min{zk k=,2,,9} Pour trouver les points les plus pâles Utile pour éliminer le "sel" Filtre min Lissage (blur) C est un filtre intuitif, permettant de faire la convolution avec un masque: g = 4 F(x,y)=f g=( f(x-,y-) + f(x,y-) + f(x-,y) + f(x,y) )/ 4 u= v= g = 9 F(x,y)=f g Fxy (, ) = f ( x+ v, y+ u) 9 u= v= Lissage d ordre supérieur (blur) g = 25 Interprétation : plus la taille de g est grand plus la convolution augmente le lissage Image originale Image lissée (masque 5x5) Image originale Image lissée (masque 3x3) Problème du coût de calcul exorbitant
16 (plus doux) Filtrage Gaussien Approximation discrète de la Gaussienne 2D (doux) 2 g = g5 = Filtrage passe-bas plus doux (soften) 2 2 x y + G( x, y) = x y e 2 σ σ Gaussienne centrée réduite 2πσ xσy Moyenne pondérée où les pixels proche de (x,y) sont plus importants Comparaison Blur et Soften 62 Image originale Filtre Blur Filtre Soften Rehaussement (sharpen) Filtrage Passe Haut = Image Originale - Filtrage Passe Bas Image Originale= Filtrage Passe Bas + Filtrage Passe Haut Image originale 9 8 = + g= Autres Filtres de rehaussement = 6 + g 2= Un rehaussement = image originale + filtrage passe haut Image rehaussée avec G Image rehaussée avec G2
17 ATTENTION : Plus vous rehausser l image plus son bruit intrinsèque apparaît! Un autre filtre : Filtre de Médian - Filtre le bruit ponctuel : corrige le niveau d un pixel si celui-ci est très différent des niveaux voisins - Classe les valeurs des pixels d un voisinage dans l ordre croissant puis choisit la valeur centrale (médiane) 4 remplacé par 25 Apparition du bruit de fond du scanner Filtre efficace contre le bruit, évite l effet flou et conserve les transitions de couleurs autour des objets Ce filtre n est pas linéaire, il n est pas le produit d une conv olution! AMELIORATION D IMAGES. Introduction 2. Amélioration dans le domaine spatial 3. Amélioration dans le domaine fréquentiel 4. Amélioration de contraste 5. Transformation géométrique Image bruitée Bruit type «poivre et sel» Imagedébruitée par un filtre médian 68
18 Filtre spatial vs fréquentiel Correspondance entre filtres spatial et fréquentiel? Pour deux fonctions f(x,y) et h(x,y) de dimension M X N, la convolution discrète est définie comme suit: f ( x, y) * h( x, y) = M N f ( m, n) h( x m, y n) MN m= n= (pour une fonction h(x,y) symétrique à l'origine) 69 Filtre spatial vs fréquentiel *** Théorème de convolution *** Domaine spatial f ( x, y)* h( x, y) F( u, v) H( u, v) Convolution f ( x, y) h( x, y) F( u, v)* H( u, v) Multiplication Domaine fréquentiel Multiplication Convolution 7 Filtre spatial vs fréquentiel *** Théorème de convolution *** Connaissant une fonction filtre dans le domaine fréquentiel, on peut obtenir un filtre correspondant dans le domaine spatial en calculant la transformé de Fourier inverse de cette fonction filtre Et vice-versa! L'approche générale 7 72
19 La transformé de Fourier présente: Moyenne au centre (composante DC) Les basses fréquences - niveau de gris des surfaces douces (smooth) Les hautes fréquences - les détails, tels les arrêtes et le bruits (sharp) Il est possible de créer des filtres dédiés à l'atténuation de fréquences spécifiques Filtre coupe-bande, passe-bas, passe-haut, Gaussien, 73 Filtre coupe bande Élimination ponctuelle Filtres passe-bas (lowpass-smoothing) Idéal Butterworth Gaussien Filtres passe-haut (highpass-sharpening) Idéal Butterworth Gaussien 74 Filtre coupe-bande (notch filter) ->Moyenne des tons de gris = Fonction filtre (pour transformé centrée) Élimine ce qui est à l'origine M N F(, ) = f ( x, y) MN x= y= si( u, v) = ( M / 2, N / 2) H( u, v) = pour autresconditions 75 Filtre coupe-bande (moyenne = ) 76
20 Filtres passe-bas (lowpass-smoothing) Idéal Butterworth Gaussien 77 Filtres passe-bas idéal Coupe toutes les hautes fréquences après une distance D du centre H( u, v) = si D( u, v) D si D( u, v) > D Distance du centre (M/2, N/2) M N 2 2 D( u, v) = ( u ) + ( v ) 2 2 / 2 78 Filtres passe-bas idéal D est la fréquence de coupure (cutoff) Filtre passe-bas idéal ou 3-D 2-D Section radiale 79 8
21 Filtres passe-bas idéal ou /2 Coupe /2 hautes fréquences après une distance D du centre H( u, v) = si D( u, v) D / 2 si D( u, v) > D Distance du centre (M/2, N/2) M 2 N 2 D( u, v) = ( u ) + ( v ) 2 2 / 2 8 Filtre passe-bas idéal ou /2 82 Effet de la fréquence de coupure D Évalué en fonction de l'énergie comprise dans le cercle de rayon D P( u, v) = F( u, v) = R ( u, v) + I ( u, v) P T M N u = v= = P( u, v) % puissance= u P( u, v) v P T 83 Pour les (u,v) dans le cercle (a) Image de taille 5x5 pixels (b) Sa transformée de Fourier (cercles de rayon 5,5,3,8,23 donnent Respectivement 92%,94.6%,96.4%,98%,99.5% de l énergie de 84 l image
22 Image originale Phénomène de réverbération (contour) Rayon : 5, 5, 3, 8 et 23 pixels 85 Énergie enlevée : 8, 5.4, 3.6, 2, et.5% 86 Phénomène de réverbération H(u,v) Filtre idéal rayon = 5 pixels h(x,y) 87 Filtre Butterworth passe-bas Coupe graduellement les hautes fréquences selon la sélection de D et de l'exposant n H( u, v) = 2 + D u v D n [ (, ) / ] / M N D( u, v) = ( u ) + ( v )
23 Filtre Butterworth passe-bas H( u, v) = 2 + D u v D n [ (, ) / ] Image originale Rayon : 5, 5, 3, 8 et 23 pixels, n = D est choisie pour H(u,v) =.5 Phénomène de réverbération (contour) Filtre Butterworth d'ordre, 2, 5, et 2 9 Filtre Gaussien passe-bas Coupe graduellement les hautes fréquences selon la sélection de l'exposant s H( u, v) e D u v σ = D (, ) / = 2 2σ 2 H u v e D ( u, (, ) v ) / 2 D =
24 Filtre Gaussien passe-bas H u v e D ( u, (, ) v ) / 2 D = 2 2 Image originale D(u,v) = D quand H(u,v) =.67 Rayon : 5, 5, 3, 8 et 23 pixels, n = 2 Filtre Gaussien passe-bas Pas de phénomène de réverbération Moins agressif que le filtre idéal ou le filtre Butterworth Moins de contrôle sur la sélection précise de D Mais présente une garantie contre la réverbération! Filtre Gaussien passe-bas 95 96
25 Filtre Gaussien passe-bas Filtres passe-haut (highpass-sharpening) Idéal Butterworth Gaussien Filtre passe-haut Exactement la fonction contraire des filtres passe-bas : H ( u, v) = H ( u, v) hp Filtre Passe-haut lp Filtre Passe-bas 99 Filtre passe-haut idéal Coupe toutes les basses fréquences après une distance D du centre H( u, v) = si D( u, v) D si D( u, v) > D Distance du centre (M/2, N/2) / M N D( u, v) = ( u ) + ( v ) 2 2
26 Filtres passe-haut idéal D est la fréquence de coupure (cutoff) Filtre passe-haut idéal ou 3-D 2-D Section radiale 2 Filtres passe-haut idéal ou /2 Coupe /2 basses fréquences après une distance D du centre H( u, v) = / 2 si D( u, v) D si D( u, v) > D Distance du centre (M/2, N/2) M N 2 2 D( u, v) = ( u ) + ( v ) 2 2 / 2 3 Filtre passe-haut idéal ou /2 4
27 Filtre passe-haut idéal Phénomène de réverbération (contour) Rayon : 5, 3, et 8 pixels 5 6 Filtre Butterworth passe-haut Coupe graduellement les basses fréquences selon la sélection de D et de l'exposant n H( u, v) = + [ D / D ( u, v) ] 2n M 2 N 2 D( u, v) = ( u ) + ( v ) 2 2 / 2 7 Filtre Butterworth passe-haut H( u, v) = + D / D ( u, v) [ ] 2n D est choisie pour H(u,v) =.5 8
28 Filtre Butterworth passe-haut Phénomène de réverbération (contour) Rayon : 5, 3, et 8 pixels, n = 2 9 Filtre Gaussien passe-haut Coupe graduellement les basses fréquences selon la sélection de l'exposant s 2 2 H( u, v) = e D u v σ = D (, ) / 2σ H u v e D ( (, ) u, v ) / 2 = D 2 2 Filtre Gaussien passe-haut H u v e D ( (, ) u, v ) / 2 = D D(u,v) = D quand H(u,v) =
29 Filtre Gaussien passe-haut Phénomène de réverbération (contour) Aucun! Rayon : 5, 3, et 8 pixels 3 4 Filtre Gaussien passe-haut AMELIORATION D IMAGES. Introduction 2. Amélioration dans le domaine spatial 3. Amélioration dans le domaine fréquentiel 4. Amélioration de contraste 5. Transformation géométrique 5 6
30 Amélioration du contraste Transformation linéaire Transformation linéaire avec saturation Transformation linéaire par morceau Transformation non-linéaire Égalisation de l histogramme Amélioration du contraste Opérations pixel à pixel Modification d'un pixel indépendamment de ses voisins Histogramme des niveaux de gris Comptage des pixels ayant un niveau de gris (NG) donné Histogramme densité de probabilité des niveaux de gris 7 Niveau de gris 8 Amélioration du contraste Modification d histogramme Transformation des niveaux de gris : z v=z(u) avec u niv. gris de départ, v niv.gris d'arrivée z peut prendre une forme quelconque v u v u 9 Transformation linéaire f (x,y) min Amélioration du contraste max f '( x, y) = ( f ( x, y) min) max min f(x,y) ( f ( x, y) min) max min [,] 2
31 Transformation linéaire Transformation linéaire min max % min max Transformation linéaire avec saturation f ' ( x, y ) = ( f ( x, y ) S S S f ' ( x, y ) f ' ( x, y ) max f '( min x, y ) = f' ( x, y ) = min ) FIGURE 2-3 [rf. SCHOWENGERDT, p. 62] min( f ( x, y )) S S min < S max min < S max max( f ( x, y )) 22 Transformation linéaire avec saturation Transformation linéaire par morceau % % min max min max min max Smin Smax FIGURE 2-3 [rf. SCHOWENGERDT, p. 62] FIGURE 2-4 [rf. Smin SCHOWENGERDT, Smax S 2 p. 64]
32 Seuillage Autres 28 f (x,y) = si f(x,y) > seuil f (x,y) = sinon AMELIORATION D IMAGES Transformation géométrique. Introduction 2. Amélioration dans le domaine spatial 3. Amélioration dans le domaine fréquentiel 4. Amélioration de contraste 5. Transformation géométrique Objectif Corriger les déformations dues au système de prise de vue f(x,y) = f (x,y ) avec x =h (x,y) et y =h 2 (x,y) Exemple : transformation affine (translation, rotation) x' a = y' c b x + e d y f 27 Remarque : les paramètres a,b,c,d peuvent ne pas être les mêmes pour toutes les régions d une image 28
33 Transformation géométrique Transformation géométrique Problème x,y,sont des valeurs discrètes (image échantillonnée) x=k x, y=l y et x =h (k x, l y) et y =h 2 (k x, l y) ne seront pas nécessairement des multiples entiers de x et y l l+ k k+ x y m m+ x n P P2 y n+ P4 P 3 29 Solution: Interpolation f (Q)=f ( m x,n y) = G[f(P ),f(p 2 ),f(p 3 ),f(p 4 )] avec f(p )=f (k x, l y) f(p 2 )=f ((k+) x,l y) f(p 3 )=f ((k+) x,(l+) y) n f(p 4 )=f (k x, (l+) y) Plus proche voisin: f(q)=f(p k ), k : d k =min{d,d 2,d 3,d 4 } Interpolation linéaire f ( Q) k = = P P4 f ( P )/ d k k / d Interpolation bilinéaire, fonctions spline, Moindre ², = k k Q d 4 m P 2 P 3 3 y y x = x+.5 y y = y 28x28 x x Warping Placage de texture animation... 3
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 détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailProjet 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 détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailFaire 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 détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailGéométrie 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 détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailTP 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 détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailTraitement 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 détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailAnalyse 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 détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailFiltres passe-bas. On utilise les filtres passe-bas pour réduire l amplitude des composantes de fréquences supérieures à la celle de la coupure.
Filtres passe-bas Ce court document expose les principes des filtres passe-bas, leurs caractéristiques en fréquence et leurs principales topologies. Les éléments de contenu sont : Définition du filtre
Plus en détailUtilisation 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 détailOpérations de base sur ImageJ
Opérations de base sur ImageJ TPs d hydrodynamique de l ESPCI, J. Bico, M. Reyssat, M. Fermigier ImageJ est un logiciel libre, qui fonctionne aussi bien sous plate-forme Windows, Mac ou Linux. Initialement
Plus en détailFAG Detector III la solution pour la surveillance et l équilibrage. Information Technique Produit
FAG Detector III la solution pour la surveillance et l équilibrage Information Technique Produit Principe Utilisation Hautes performances utilisation simple Le FAG Detector III est, à la fois, un appareil
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailBandes Critiques et Masquage
Bandes Critiques et Masquage A. Almeida Licence Pro Acoustique et Vibrations Octobre 2012 Au Menu Au programme 1 Observations du masquage 5 Application du masquage 2 Conséquences du Masquage 3 Interprétation
Plus en détailCatégories de format d'optimisation
Catégories de format d'optimisation On distingue 3 formats principaux pour les images destinées au Web: JPG GIF PNG Le format JPG est le format idéal pour les photographies et ses paramètres d'optimisation
Plus en détailCONJUGUÉ D'UN POINT PAR RAPPORT À UN TRIANGLE
CONJUGUÉ D'UN POINT PAR RAPPORT À UN TRIANGLE Jean Luc Bovet, Auvernier L'article de Monsieur Jean Piquerez (Bulletin de la SSPMP No 86), consacré aux symédianes me paraît appeler une généralisation. En
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailTraitement d un AVI avec Iris
Traitement d un AVI avec Iris 1. Définir le répertoire de travail Fichier > Réglages (Ctrl + R) Et on définit le chemin du répertoire de travail. C est là que les images vont être stockées. 2. Convertir
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailTP Modulation Démodulation BPSK
I- INTRODUCTION : TP Modulation Démodulation BPSK La modulation BPSK est une modulation de phase (Phase Shift Keying = saut discret de phase) par signal numérique binaire (Binary). La phase d une porteuse
Plus en détailMode d emploi ALTO MONITOR PROCESSEUR D ÉCOUTE. www.altoproaudio.com Version 1.0 Juillet 2003 Français
Mode d emploi ALTO MONITOR PROCESSEUR D ÉCOUTE www.altoproaudio.com Version 1.0 Juillet 2003 Français SOMMAIRE 1. INTRODUCTION................................................................... 4 2. FONCTIONNALITÉS................................................................
Plus en détailCours 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 détailMaster 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 détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailMode d emploi pour. Presse à chaud
Mode d emploi pour Presse à chaud traduction francaise par Frédéric Dutois PcWebPoint Bahnhofstr. 66 DE-76751 Jockgrim www.pcwebpoint.de 1 PREFACE : 3 2 DEMARRAGE 4 2.1 LES TISSUS CONTENANT 75-100% DE
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailHiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin
Hiver 2013 Analyse d images IMN 259 Introduction à l analyse d images Par Pierre-Marc Jodoin Où se situe l analyse d images? Traitement d images Imagerie Image Analyse d images/ Vision par ordinateur Infographie
Plus en détailTABLE DES MATIÈRES. PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats. Pierre Dagnelie
PRINCIPES D EXPÉRIMENTATION Planification des expériences et analyse de leurs résultats Pierre Dagnelie TABLE DES MATIÈRES 2012 Presses agronomiques de Gembloux pressesagro.gembloux@ulg.ac.be www.pressesagro.be
Plus en détailRecherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel
Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel Alexis Joly alexis.joly@inria.fr INRIA - IMEDIA Alexis Joly cours monitoring p. 1 Plan de l'exposé
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailLes étapes du traitement de l analyse d image
Les étapes du traitement de l analyse d image La capture image brute Prétraitement niveaux de gris Segmentation image binaire Post-traitement régions d intérêts Amélioration Publication Quantification
Plus en détailProgramme de formation Photoshop : Initiation 24 heures de formation (3 jours) 1/2
Programme de formation Photoshop : Initiation 24 heures de formation (3 jours) 1/2 Graphistes, photographes, webmasters, ou toute autre personne en charge de la création de visuels pour le web ou le print.
Plus en détail1S Modèles de rédaction Enoncés
Par l équipe des professeurs de 1S du lycée Parc de Vilgénis 1S Modèles de rédaction Enoncés Produit scalaire & Corrigés Exercice 1 : définition du produit scalaire Soit ABC un triangle tel que AB, AC
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailChoisir entre le détourage plume et le détourage par les couches.
Choisir entre le détourage plume et le détourage par les couches. QUEL CHOIX D OUTILS ET QUELLE METHODE, POUR QUEL OBJECTIF? Il existe différentes techniques de détourage. De la plus simple à la plus délicate,
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailExposition. VLR plongée e commission photo
Exposition VLR plongée e commission photo Agenda Définitions Exposition / analogie du verre d eau (de vin?) Ouverture Vitesse Sensibilité La notion d EV Pourquoi cela ne suffit pas? Dynamique des capteurs
Plus en détailCHAPITRE VIII : Les circuits avec résistances ohmiques
CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On
Plus en détailFonctions 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 détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailProjet 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 détailSi deux droites sont parallèles à une même troisième. alors les deux droites sont parallèles entre elles. alors
N I) Pour démontrer que deux droites (ou segments) sont parallèles (d) // (d ) (d) // (d ) deux droites sont parallèles à une même troisième les deux droites sont parallèles entre elles (d) // (d) deux
Plus en détailPROBLEME(12) Première partie : Peinture des murs et du plafond.
PROBLEME(12) Une entreprise doit rénover un local. Ce local a la forme d'un parallélépipède rectangle. La longueur est 6,40m, la largeur est 5,20m et la hauteur est 2,80m. Il comporte une porte de 2m de
Plus en détailPR OC E D U RE S D E B A S E
Photofiltre Préparé par Philipe Lampron, auxiliaire du cours FPE 7650 en 2004-2005. *** Pour optimiser une image : enregistrer sous et augmenter la compression PR OC E D U RE S D E B A S E PhotoFiltre
Plus en détailRIE LE RENDU THEO. 2 e trim ÉTAPE DE FINITION BOÎTE DE DIALOGUE. remarques
THEO RIE LE RENDU 2 e trim JANVIER 2008 remarques ÉTAPE DE FINITION Le rendu est la partie finale de notre création, à ce moment on décide que notre 3D est finie et l on en réalise une image 2D Cette image
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailCLIP. (Calling Line Identification Presentation) Appareil autonome affichant le numéro appelant
1. Besoin CLIP (Calling Line Identification Presentation) Appareil autonome affichant le numéro appelant ETUDE FONCTIONNELLE De très nombreux abonnés du réseau téléphonique commuté ont exprimé le besoin
Plus en détailUE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd
UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailCorrection : E = Soit E = -1,6. F = 12 Soit F = -6 3 + 45. y = 11. et G = -2z + 4y G = 2 6 = 3 G = G = -2 5 + 4 11
Correction : EXERCICE : Calculer en indiquant les étapes: (-6 +9) ( ) ( ) B = -4 (-) (-8) B = - 8 (+ 6) B = - 8 6 B = - 44 EXERCICE : La visite médicale Calcul de la part des élèves rencontrés lundi et
Plus en détailManipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes
Manipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes Avant Propos : Le sujet comporte deux parties : une partie théorique, jalonnée de questions (dans les cadres), qui doit être préparée
Plus en détailMicroscopie de fluorescence Etat de l art
Etat de l art Bibliométrie (Web of sciences) CLSM GFP & TPE EPI-FLUORESCENCE 1 Fluorescence Diagramme de JABLONSKI S2 S1 10-12 s Excitation Eex Eem 10-9 s Émission Courtoisie de C. Spriet
Plus en détailUtilisation 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 détailLes réseaux cellulaires
Les réseaux cellulaires Introduction Master 2 Professionnel STIC-Informatique Module RMHD 1 Introduction Les réseaux cellulaires sont les réseaux dont l'évolution a probablement été la plus spectaculaire
Plus en détailLe concept cellulaire
Le concept cellulaire X. Lagrange Télécom Bretagne 21 Mars 2014 X. Lagrange (Télécom Bretagne) Le concept cellulaire 21/03/14 1 / 57 Introduction : Objectif du cours Soit un opérateur qui dispose d une
Plus en détailJ AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE
RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailT u t o r i e l s PhotoFiltre
T u t o r i e l s PhotoFiltre mis à jour le 24/08/2004 à 02h39 Cette section est destinée à vous proposer des tutoriels pour mes utilitaires PhotoFiltre et PhotoMasque. Elle va s'enrichir progressivement
Plus en détailLE PROCESSUS ( la machine) la fonction f. ( On lit : «fonction f qui à x associe f (x)» )
SYNTHESE ( THEME ) FONCTIONS () : NOTIONS de FONCTIONS FONCTION LINEAIRE () : REPRESENTATIONS GRAPHIQUES * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailL 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 détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailIntroduction au maillage pour le calcul scientifique
Introduction au maillage pour le calcul scientifique CEA DAM Île-de-France, Bruyères-le-Châtel franck.ledoux@cea.fr Présentation adaptée du tutorial de Steve Owen, Sandia National Laboratories, Albuquerque,
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailM1107 : Initiation à la mesure du signal. T_MesSig
1/81 M1107 : Initiation à la mesure du signal T_MesSig Frédéric PAYAN IUT Nice Côte d Azur - Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 15 octobre 2014 2/81 Curriculum
Plus en détailLe théorème de Thalès et sa réciproque
Le théorème de Thalès et sa réciproque I) Agrandissement et Réduction d une figure 1) Définition : Lorsque toutes les longueurs d une figure F sont multipliées par un même nombre k on obtient une autre
Plus en détailSYSTEME DE PALPAGE A TRANSMISSION RADIO ETUDE DU RECEPTEUR (MI16) DOSSIER DE PRESENTATION. Contenu du dossier :
SYSTEME DE PALPAGE A TRANSMISSION RADIO ETUDE DU RECEPTEUR (MI16) DOSSIER DE PRESENTATION Contenu du dossier : 1. PRESENTATION DU SYSTEME DE PALPAGE A TRANSMISSION RADIO....1 1.1. DESCRIPTION DU FABRICANT....1
Plus en détailTransmission de données. A) Principaux éléments intervenant dans la transmission
Page 1 / 7 A) Principaux éléments intervenant dans la transmission A.1 Equipement voisins Ordinateur ou terminal Ordinateur ou terminal Canal de transmission ETTD ETTD ETTD : Equipement Terminal de Traitement
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailFiche technique CPU 314SC/DPM (314-6CG13)
Fiche technique CPU 314SC/DPM (3146CG13) Données techniques N de commande 3146CG13 Type CPU 314SC/DPM Information générale Note Caractéristiques SPEEDBus Technologie SPEED7 24 x DI, 16 x DO, 8 x DIO, 4
Plus en détailInitiation à linfographie
Ce support de cours de l Agence universitaire de la Francophonie est distribué sous licence GNU FDL. Permission vous est donnée de copier, distribuer et/ou modifier ce document selon les termes de la Licence
Plus en détailUtiliser le logiciel Photofiltre Sommaire
Utiliser le logiciel Photofiltre Sommaire 1. Quelques mots sur l image 2. Obtenir des images numériques 3. Le tableau de bord de logiciel PhotoFiltre 4. Acquérir une image 5. Enregistrer une image 6. Redimensionner
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailWWW.ELCON.SE Multichronomètre SA10 Présentation générale
WWW.ELCON.SE Multichronomètre SA10 Présentation générale Le SA10 est un appareil portable destiné au test des disjoncteurs moyenne tension et haute tension. Quoiqu il soit conçu pour fonctionner couplé
Plus en détailPlan d études. Traitement visuel 2D. Techniques d intégration multimédia 582-105-HU. http://pedago.cegepoutaouais.qc.ca/media/ma legault/2d/ 1-2-2
Plan d études Techniques d intégration multimédia Traitement visuel 2D 582-105-HU 1-2-2 Enseignant : Mathieu Legault Courriel : malegault@cegepoutaouais.qc.ca Téléphone : 770-4012 # 2480 Bureau : 2.535
Plus en détailCompatibilité Électromagnétique
Compatibilité Électromagnétique notions générales et applications à l électronique de puissance Ir. Stéphane COETS 18 mai 2005 Journée d étude en Électronique de Puissance 1 Plan de l exposé La Compatibilité
Plus en détailLa Rosette (NGC 2237) Fabien
La Rosette (NGC 2237) Fabien 1. Prétraitement 1.1 Introduction Nous partons de 3 jeux d images, prises par les membres du club, avec des instruments différents. - Des images en Ha, prises avec une lunette
Plus en détailCréation de maquette web
Création de maquette web avec Fireworks Il faut travailler en 72dpi et en pixels, en RVB Fireworks étant un logiciel dédié à la création de maquettes pour le web il ne propose que les pixels pour le texte
Plus en détailTD : Codage des images
TD : Codage des images Les navigateurs Web (Netscape, IE, Mozilla ) prennent en charge les contenus textuels (au format HTML) ainsi que les images fixes (GIF, JPG, PNG) ou animée (GIF animée). Comment
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détail