Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo

Dimension: px
Commencer à balayer dès la page:

Download "Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo"

Transcription

1 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 objet de couleur unie (ici, un ballon de basket orange). La figure ci-dessus représente l'application. L'algorithme peut se décomposer de la manière suivante : 1. dans un premier temps de segmenter les zones de l'image qui ont une couleur proche de celle du ballon (à partir d'un modèle statistique de celle-ci). Comme celui-ci est quasiment le seul objet de couleur orange dans la scène, cela reviendra à segmenter le ballon (donc à déterminer quels sont les pixels qui ont cette couleur orange dans l'image). 2. Puis approximer certaines des caractéristiques géométriques du ballon dans l'image : son centre de gravité (les positions (Xc,Yc) du centre du ballon dans l'image) et son rayon. 3. A partir du rayon de la balle, nous pouvons calculer une nouvelle image «logo» (à partir de l'image «logo» originale) à la dimension de la balle. 4. A partir des positions (Xc,Yc), nous pouvons alors insérer notre logo à la bonne dimension dans l'image originale. La page suivante représente la structure globale du projet. A noter qu'il faudra non seulement réaliser un script «principal.m» qui réalisera l'insertion du logo (partie droite du schéma) dans un fichier que l'utilisateur pourra sélectionner. Mais aussi un autre script «creation_modele.m» qui calculera le modèle statistique couleur du ballon (partie à gauche du schéma) à partir d'une image particulière où le ballon occupe quasiment toute l'image. 1/13

2 Fichier ballon00275.bmp lecture_image.m Fichiers ballonxxxxx.bmp lecture_image.m selection_image.m segmente_image.m calcul_modele.m Moyennes couleur et matrice de covariances geometrie_ballon.m script creation_modele.m Positions (Xc,Yc) + Rayon (R) dimensionne_logo.m insere_logo.m script principal.m 2/13

3 I. Notions Importantes 1- Codage des images sous matlab/octave Une image n est autre que l extension d un signal à 2 dimensions. Une image couleur est la superposition de 3 composantes de base (Rouge Vert et Bleu). Sous Matlab/octave, une telle image peut être codée par une matrice tridimensionnelle. Elle correspond à la mise en cascade des 3 matrices (2D : de dimension N*M) correspondant aux 3 composantes primaires (Rouge Vert et Bleu, notée RGB ou RVB). Chacune de ces 3 matrices primaires (aussi appelées «plans couleur») contient le niveau de couleur pour chaque point de l image considérée. En général chaque niveau de couleur est codé entre 0 (canal colorimétrique éteint) et 255 (canal colorimétrique maximum) ce qui correspond à 2553 = combinaisons de couleurs possibles. Dans le cas particulier des images en noir et blanc, les 3 composantes de chaque point de l image considérée (pixel) sont égales. Nous avons donc 256 niveaux de gris (de 0 pour le noir à 255 pour le blanc, en passant par un gris moyen pour 128). Rq : Lorsque l on charge une image sous matlab/octave, la matrice correspondante est de type uint8 (codage sur 8 bits non signés, autrement dit : 0-255). Pour simplifier les calculs et pouvoir utiliser toutes les fonctions octave/matlab sur ces données, il est préférable de les convertir en réels (commande «double»), puis après traitement les reconvertir en entier codé sur 8 bits nonsigné (commande «uint8» ) avant de sauvegarder en format bmp ou d'afficher l'image (commande «imagesc»). 3/13

4 2- Segmentation couleur et Distance de Mahalanobis Cette partie concerne la segmentation couleur de l'image. Elle sera nécessaire pour coder le script «creation_modele.m» et la fonction «segmente_image.m». Pour segmenter la couleur du ballon dans l'image, il faut rechercher les pixels qui ont une distance proche d'un modèle de la couleur du ballon. On obtient alors une image de distance, chaque pixel de cette image représente la distance entre la couleur dans l'image originale et le modèle couleur du ballon. Dans le schéma ci-dessous, la partie sombre (proche de 0) représente alors les pixels de couleur proche de celle du ballon. Il suffit alors de seuiller cette image pour obtenir la segmentation du ballon ; le seuillage consistera à mettre à 1 tous les pixels (de l'image de distance) inférieurs à une valeur dite seuil, et à 0 tous les pixels supérieurs ou égaux à cette valeur. image originale image des distances image segmentée (le blanc représente les pixels à 1et le noir les pixels à 0) La distance que nous utiliserons est la distance de Mahalanobis qui se définit ainsi : avec : * x=[r, v, b]' un vecteur colonne représentant la couleur d'un pixel (en RGB ou RVB) dans l'image originale * μ=[μ r, μ v, μ b ]' un vecteur colonne des moyennes selon les plans R, V et B ; ces moyennes doivent être calculées sur un ensemble de pixels appartenant au ballon. * Σ la matrice de covariance calculée sur un ensemble de pixels appartenant au ballon. Si on considère un ensemble de pixels X={x 1, x 2,,x i,...,x n } appartenant au ballon (extrait d'une image «ballon00275.bmp») avec x i = [r i, v i, b i ]', les moyennes μ=[μ r, μ v, μ b ]' et la matrice de covariance Σ seront définies par : μ r = E( r i ) = moyenne i ( r i ) μ v = E( v i ) = moyenne i ( v i ) μ b = E( b i ) = moyenne i ( b i ) Σ = E( (x - µ)(x µ)' ) = [σ r 2, σ rv, σ rb ; σ vr, σ v 2, σ vb ; σ br, σ bv, σ b 2 ] avec σ rv = σ vr = 1/n * somme i ( (r i μ r )*( v i μ v ) ), σ rb = σ br =... A noter qu'il existe une fonction «cov» sous Matlab et Octave qui calcule cette matrice à partir d'un ensemble de vecteurs. 4/13

5 II. Travail à réaliser L'algorithme que vous allez réaliser permet donc d'insérer un logo sur une image d'un ballon orange situé à une position et une taille a priori non connues. Ces positions et taille seront déterminées à partir d'une segmentation de la couleur du ballon dans l'image. Nous vous fournisons une série d'images acquises (fichiers «ballonxxxxx.bmp» de dimensions 320x240x3) à l'aide d'un camescope numérique et une image (fichier «logo.bmp» de dimensions 600x600x3) représentant le logo à insérer. Afin de constituer cet algortihme, nous vous conseillons de procéder par étapes et toujours valider chacune des étapes en visualisant les images en sortie : écrire la fonction «lire_image.m» qui permet de sélectionner une image (parmi les fichier «ballonxxxxx.bmp») dans le répertoire courant et la lire. écrire les fonctions utiles au script «creation_modele.m», une après l'autre, et les tester à fur et à mesure en y faisant appel dans le script «creation_modele.m» écrire les fonctions utiles au script «principal.m», une après l'autre, et les tester à fut et à mesure en y faisant appel dans le script «principal.m» en affichant les résultats obtenus. Ces affichages pourront être mis en commentaires lorsque le script sera complet. avant d'utiliser une fonction Matlab/Octave que vous ne maîtrisez pas, lisez bien l'aide. Testez la sur des matrices ou vecteurs de petites tailles pour lesquels vous pourrez vérifier les résultats de la fonction. Il sera important de créer une interface utilisateur transparente (c'est à dire que des personnes ne connaissant pas Matlab/Octave puissent l'utiliser) en utilisant les fonctions d'entrées-sorties («input», «disp»,...). 1. La fonction «lire_image.m» Cette fonction n'aura pas d'entrée et doit renvoyer la matrice correspondant à l'image. Elle devra demander à l'utilisateur dans quel répertoire se trouvent les images que l'on veut traiter. Lister les images ('ballon*.bmp') contenues dans ce répertoire et afficher cette liste. Et demander à l'utilisateur laquelle il veut sélectionner. Puis lire le fichier et renvoyer la matrice correspondante. Les fonctions Matlab/Octave dont vous aurez besoin sont listées en annexes. 2. Le script «creation_modele.m» Le script «creation_modele.m» fera appel successivement à 3 fonctions différentes : une fonction «lire_image.m» qui permettra de sélectionner l'image dont on veut extraire le modèle de couleur (composé des moyennes et de la matrice de covariance) 5/13

6 une fonction «selection_image.m» qui, à partir de données (positions approximatives d'un carré inclu dans le ballon) fournies par l'utilisateur, fournie en sortie une matrice 3xN des pixels inclus dans ce carré (où N est le nombre de pixels contenus dans le carré ; chaque contenant la valeur du pixel selon un des plans couleur) une fonction «calcul_modele.m» qui, à partir de la matrice précédente, fournie le modèle de la couleur du ballon (moyennes et matrice de covariance). Le script devra sauvegarder le vecteur moyenne et la matrice de covariance dans un fichier «modele.mat». Rq : nous vous conseillons d'utiliser l'image «ballon00275.bmp» pour construire le modèle. Le ballon apparaît en grand dans cette image. Et plus il y a de pixels utilisés pour construire le modèle, meilleur sera le modèle. 3. Le script «principal.m» Le script «principal.m» fera appel à 5 fonctions différentes : une fonction «lire_image.m» qui permettra de sélectionner l'image oùl'on veut segmenter le ballon et y ajouter le logo. une fonction «segmente_image.m» qui utilise le modèle défini par le script «creation_modele.m» en le chargeant pour calculer l'image des distances de Mahalanobis. Qui affiche l'image de distances obtenue ainsi qu'un histogramme de l'ensemble des distances contenues dans l'image. Un histogramme consiste en une représentation de la distribution d'un ensemble de valeurs (ici, les distances de mahalanobis pour l'ensemble des pixels). Puis demande à l'utilisateur le seuil qu'il veut appliquer sur l'image des distances afin d'obtenir la segmentation. La segmentation obtenue sera affichée. Il serait utile de fair ene sorte que si l'utilisateur n'est pas satisfait du résultat obtenu (et donc de son choix de seuil) qu'il puisse recommencer ce choix, jusqu'à ce qu'il soit satisfait. Enfin, l'ensemble des fenêtres utilisées dans cette fonction doivent être fermées, avant de la quitter. La fonction renverra l'image segmentée. Une fonction «geometrie_ballon.m» qui va approximer et renvoyer les positions (Xc,Yc) en pixels du centre du ballon dans l'image (si la segmentation est approximativement correcte, on pourra supposer qu'il s'agit du centre de gravité de l'ensemble des pixels à 1 dans l'image segmentée) et le rayon en pixels (qui pourra être approximés à partir de l'aire du ballon = nombre de pixels à 1 dans l'image segmentée). Une fonction «dimensionne_logo.m» qui va lire l'image «logo.bmp». Puis va redimensionner celle-ci en la sous-échantillonnant. Il s'agira de constituer une image constituée de pixels sélectionnés à intervalles réguliers sur l'image du logo. La diagonale de l'image redimensionnée vaudra 2 fois le rayon approximé du ballon (de sorte que le logo soit entièrement inclu dans le ballon). Une fonction «insere_logo.m» qui va insérer l'image logo redimensionnée dans le ballon. Cela consistera à additionner la valeur des pixels de l'image logo avec celles des pixels de 6/13

7 Indications : l'image originale au niveau du ballon. Comme la valeur du fond (partie noire) du logo vaut [0 0 0], l'addition du fond sur l'image ne changera pas la couleur de l'image. Comme la valeur de la partie blanche vaut 255, tous les pixels de ces zones sera supérieurs à 255 (en réalisant la convertion de l'image de double en uint8, tous ces pixels prendront la valeur 255). Nous vous conseillons de créer une fonction «distmaha.m» qui calcule à partir du modèle et de l'image à traiter l'image des distances. Cette fonction sera appelée dans «segmente_image.m». Plutôt que d'utiliser des boucles for, essayez de réaliser les calculs sous forme matricielle. Parfois séparer les plans couleur en trois matrices différentes, sera une bonne approche pour y arriver. Pour une image de distances, vous devriez obtenir cette forme d'histogramme (nombre de pixels en fonction de la distance) : nombre de pixels seuil Partie de l'histogramme correspondant au ballon Partie de l'histogramme correspondant au reste de l'image distance Exemple de sous-échantillonage d'une matrice 5x5 de sorte à obtenir une matrice 3x3 : /13

8 II.Améliorations Dans cette partie, nous proposons différentes améliorations de l'algorithme. 1. Changer la couleur du Logo Dans la fonction insere_logo.m précédente, nous ne sommes capables que d'ajouter le logo en blanc. Pour changer la couleur du logo inséré, nous allons exploiter le fait que le logo original est blanc (donc une valeur à 255). A lieu d'additioner la couleur du logo à celle de l'image, nous allons la combiner de la manière suivante : Inew(x,y,c)=( L(x,y,c) )/255*Iorig(x,y,c)+L(x,y,c)/255*Couleur(c) Inew(x,y,c) représente la valeur du pixel en (x,y) et dans le plan couleur c de l'image finale dans la zone d'insertion du logo Iorig(x,y,c) représente la valeur du pixel en (x,y) et dans le plan couleur c de l'image originale (avant insertion) Couleur représente la couleur voulue par l'utilisateur pour le logo L(x,y,c) représente la valeur du pixel en (x,y) et dans le plan couleur c (0 ou 255) du logo original (après redimensionnement) Il sera important de créer une fonction choisir_couleur.m, qui permettra à l'utilisateur de donner les valeurs des composantes RGB de la couleur voulue, de visualiser cette couleur et éventuellement la changer si elle ne le satisfait pas (ceci est important car le choix d'une couleur dans l'espace RGB n'est pas intuitive) avant d'insérer le logo. 2. Réaliser plusieurs fois les mêmes opérations sur différentes images Modifiez le script principal.m ainsi que les fonctions que vous jugerez nécessaires afin que l'utilisateur puisse réaliser les mêmes opérations sur différentes images sans sortir du programme et sans à avoir à modifier les paramètres (choix du seuil, de la couleur,...) qu'il aura choisi à la première itération de l'algorithme (sur une première image). Autrement dit, l'utilisateur devra choisir les paramètres pour la première image. Ensuite ces paramètres devront être conservés pour toutes les autres images qu'il traitera ensuite (sans sortir du programme). Indication : il serait bon de gérer cela en proposant ces paramètres comme des variables optionnelles des fonctions (que vous devrez gérer dans les fonctions en testant les variables nargin et nargout des fonctions). Vous pouvez aussi faire en sorte que le programme principal.m vérifie de lui-même si le modèle couleur modele.mat existe ou non. Si ce n'est pas le cas, il devra faire appel au script creation_modele.m afin d'y remédier avant de traiter les images. 3. Filtrer l'image segmentée L'image segmentée peut présenter des défauts (fausses alarmes ou trous). Les fausses alarmes sont des pixels qui n'appartiennent pas au ballon, mais qui sont reconnus comme tels. Les trous sont des pixels du ballon qui ne sont pas reconnus comme tel. 8/13

9 Exemples de fausses alarmes Exemples de trous Si ces défauts sont trop nombreux, il risque d'influencer les méthodes d'approximations du centre et du rayon du ballon. L'insertion du logo ne sera plus valable (logo trop grand, trop petit, pas au centre du ballon,...). Une manière de limiter ces défauts est de filtrer les fausses alarmes et les trous. Des outils de traitement d'images (dits opérateurs de morphologie mathématique) existent ; l'ouverture (pour éliminer les fausses alarmes) et la fermeture (pour éliminer les trous). La fermeture est une succession d'une dilatation puis d'une érosion (on dilate l'image segmentée, puis on érode le dilaté). L'ouverture est une succession d'une érosion et d'une dilatation. Une dilatation consiste à mettre à 1 tous les pixels de l'image en sortie qui sont dans un voisinage d'un pixel à 1 de l'image binaire originale. Une érosion consiste mettre à 0 tous les pixels de l'image en sortie qui sont dans un voisinage d'un pixel à 0 de l'image binaire originale. Pour représenter un voisinage, nous pouvons utiliser une matrice composée qui de 1 ; on appelle ce voisinage élément structurant ou masque. Pour obtenir une dilatation ou une érosion, nous convoluons d'abord l'image binaire avec le masque. La convolution d'une image I avec un masque F s'écrira sous la forme : + + ( I F)( x, y) = IF( x, y) = I ( x n, y m). F( n, m) n= m= Dans cette formule, on considère des dimensions infinies. En pratique les images et les masques sont de dimensions finies. Cependant, la formule ci-dessus reste valide en considérant des zéros en dehors de leurs zones de définition. L'exemple ci-dessous montre le résultat d'une convolution d'une image binaire (composée de 0 et 1) avec un masque M de dimensions 3x3 (et composé de 1) masque image originale image convoluée avec le masque 9/13

10 En seuillant l'image convoluée avec le masque par le nombre de 1 dans le masque, nous obtenons l'érodé : image convoluée image érodée En seuillant l'image convoluée avec le masque de sorte à conserver tous les éléments supérieurs à 0, nous obtenons le dilaté : image convoluée image dilatée En dilatant l'érodé, on obtient une ouverture de l'image originale, où les fausses alarmes ont disparues : /13

11 image érodée image ouverte En érodant le dilaté, on obtient une fermeture de l'image originale, où les trous ont disparus : image dilatée image fermée Réalisez des fonctions dilatation.m, erosion.m, ouverture.m et fermeture.m de sorte à pouvoir les utiliser dans la fonction segmente_image.m. Dans la fonction segmente_image.m, vos ferez donc appel à une ouverture (pour éliminer les fausses alarmes) suivie d'une fermeture (pour éliminer les trous). Vous devrez créer une interface utilisateur afin qu'il puisse choisir la taille du masque à appliquer de manière interactive (vous devrez afficher le résultat obtenu pour la taille choisie, et proposer à l'utilisateur de la changer si le résultat ne lui convient pas). Si le résultat lui convient, il conviendra avant de sortir de la fonction segmente_image.m de fermer les fenêtres utilisées). 4. Créer du flou sur l'image du Logo Lorsqu'on zoome sur l'image obtenue après insertion du logo, on remarque que la méthode de souséchantillonage du logo de la fonction dimensionne_logo.m ne donne pas un résultat très satisfaisant dans des images où le ballon est petit ; le rendu final n'est pas correct (trop abrupte et pas naturel). Afin de rendre ce rendu plus naturel, il conviendrait de rendre flou l'image du logo à insérer. Une manière de faire est rendre floue l'image du logo en la convoluant avec un masque composée de 1 puis en normalisant le résultat de la convolution (diviser par le nombre de 1 dans le masque) avant de faire l'insertion. Cela correspondrait à réaliser un filtre moyenneur localement. Réaliser une fonction floue_image qui sera appelée dans dimensionne_logo.m. La taille du masque pourra être automatisée en la fixant à la distance entre 2 échantillons. 11/13

12 III. Annexes 1. Quelques fonctions utiles de Matlab/Octave Dans cette annexe, nous présentons une liste de fonctions Matlab qui pourraient vous être éventuellement utiles (en plus, de celles que vous connaissez déjà) dans ce projet. N hésitez pas à lire l aide Matlab/Octave (à l aide de la commande «help») pour comprendre comment elles fonctionnent et les utiliser. imread : permet de charger une image imwrite : permet de sauvegarder une image imagesc ou image : affiche une image. colormap : attribut aux différents pixels de l image la couleur correspondante. Pour afficher une image en niveau de gris (noir et blanc), il faut écrire colormap('gray') reshape : permet de réorganiser les lignes et colonnes d une matrice (changement de taille) repmat : permet d'à partir d'une matrice A (ou d'un vecteur V) de construire une matrice plus grande qui sera la répétition de A (ou de V). load : permet de lire un fichier de données Matlab/Octave save : permet de sauvegarder un fichier de données Matlab/Octave hist : permet de créer un histogramme à partir d'un vecteur de données double : convertit une matrice en matrice de double uint8 : convertit une matrice en matrice d'entier non signé codé sur 8bits ([0-255]) conv2 : réalise la convolution 2D des deux matrices entre elles 12/13

13 2. Notion d'histogramme Exemple (source wikipédia) : Soit la fabrication de rations alimentaires, la pesée des rations avant emballage donne la série de mesures suivantes en kg : 0,547 0,563 0,532 0,521 0,514 0,547 0,578 0,532 0,552 0,526 0,534 0,560 0,502 0,503 0,516 0,565 0,532 0,574 0,521 0,523 0,542 0,539 0,543 0,548 0,565 0,569 0,574 0,596 0,547 0,578 0,532 0,552 0,554 0,596 0,529 0,555 0,559 0,503 0,499 0,526 0,551 0,589 0,588 0,568 0,564 0,568 0,556 0,523 0,526 0,579 0,551 0,584 0,551 0,512 0,536 0,567 0,512 0,553 0,534 0,559 0,498 0,567 0,589 0,579 Les caractéristiques du relevé sont les suivantes : Le nombre d'échantillons : N=64 Valeur minimale : 0,498 kg Valeur maximale : 0,596 kg On peut en dessiner l'histogramme en prenant ces caractéristiques : Le nombre de classes est de 7 L'amplitude de classe est 0,098/7 = 0,014 kg que l'on arrondit à 0,015 kg (résolution de la balance : 0,001 kg) La valeur minimale de la première classe est de 0,498 (0,001/2) = 0,4975. Par souci de facilité pour l'interprétation, on peut arrondir cette valeur à 0,495 kg. On obtient l'histogramme suivant : 13/13

Projet Matlab : un logiciel de cryptage

Projet Matlab : un logiciel de cryptage Projet Matlab : un logiciel de cryptage La stéganographie (du grec steganos : couvert et graphein : écriture) consiste à dissimuler une information au sein d'une autre à caractère anodin, de sorte que

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

II. Conversions. I. Initialisation. III. Méthode point. TD Python Traitement d images MP*

II. Conversions. I. Initialisation. III. Méthode point. TD Python Traitement d images MP* Le but de ce TD est d utiliser les procédures et fonctions Python pour traiter des fichiers images. II. Conversions I. Initialisation Importer le module numpy sous l appellation np. On utilise le module

Plus en détail

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

Travaux pratiques de traitement d images

Travaux pratiques de traitement d images Travaux pratiques de traitement d images EI3 année 2009-2010 TP n 1 : Segmentation d images en régions p. 3 TP n 2 : Reconnaissance des formes p. 15 Vandenbroucke Nicolas R11 TP n 1 Segmentation d images

Plus en détail

Chapitre 2. Transformation ponctuelle. Table de conversion (des couleurs) Notions de traitement d images

Chapitre 2. Transformation ponctuelle. Table de conversion (des couleurs) Notions de traitement d images Chapitre 2 Notions de traitement d images Transformation ponctuelle Table de conversion (des couleurs) 1 Introduction (1/2) 3 types d opérations en traitement d image: - m : indice des lignes - n : indice

Plus en détail

Fête de la science Initiation au traitement des images

Fête de la science Initiation au traitement des images Fête de la science Initiation au traitement des images Détection automatique de plaques minéralogiques à partir d'un téléphone portable et atelier propose de créer un programme informatique pour un téléphone

Plus en détail

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

TP de programmation DSP pour le traitement d'image ISBS2/SP 13 2011-2012

TP de programmation DSP pour le traitement d'image ISBS2/SP 13 2011-2012 TP de programmation DSP pour le traitement d'image ISBS2/SP 13 2011-2012 Introduction 1.1 Objectifs Le TP sur carte EVM6437 s'étend sur une séance de 4 heures. Vous aurez l'occasion durant ces séances

Plus en détail

IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB

IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB Ce document, écrit par des animateurs de l IREM de Besançon, a pour objectif de présenter quelques unes des fonctions du logiciel Scilab, celles qui sont spécifiques

Plus en détail

Chapitre cinq : Représentation des Images

Chapitre cinq : Représentation des Images Chapitre cinq : Représentation des Images Ce chapitre présente les bases pour la représentation des images et des sons. ~ 1 ~ 6. 6.1.1. Introduction Il existe plusieurs moyens de représenter des images.

Plus en détail

OPERATEURS MORPHOLOGIQUES

OPERATEURS MORPHOLOGIQUES OPERATEURS MORPHOLOGIQUES Ensembles caractéristiques et éléments structurants Érosion et dilatation Ouverture et fermeture Application au filtrage Extraction de contours, remplissage de régions Épaississement,

Plus en détail

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

Utiliser des images sous MATLAB Version du 20 mars 2012

Utiliser des images sous MATLAB Version du 20 mars 2012 Utiliser des images sous MATLAB Version du 20 mars 2012 1 Les images à TELECOM ParisTech L existence de l équipe Image de TELECOM ParisTech remonte à près de 30 ans. Aussi il existe un format d image spécifique

Plus en détail

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

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

Plus en détail

Traitement d images. Chapitre I Prétraitements

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

Plus en détail

Introduction à MATLAB R

Introduction à MATLAB R Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d

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

Iniatiation au logiciel Illustrator

Iniatiation au logiciel Illustrator Iniatiation au logiciel Illustrator Illustrator est un logiciel de traitement d image vectorielle. Par image vectorielle on entend, non pas des pixels, mais bien des calculs mathématiques. D une certaine

Plus en détail

Laboratoire recherche UMR CNRS

Laboratoire recherche UMR CNRS Laboratoire recherche UMR CNRS Initiation au traitement des images Détection automatique Mesure de la surface des zones urbaines des images satellitaires Cet atelier propose de mesurer l'emprise urbaine

Plus en détail

LibreOffice Draw. Découvrir. Sommaire LV08001

LibreOffice Draw. Découvrir. Sommaire LV08001 Découvrir LibreOffice Draw LV08001 Sommaire 1. Dessiner une forme...3 2. Changer la couleur ou la ligne d'une forme...7 3. Insérer une image...8 4. Redimensionner une image ou une forme...16 5. Aligner

Plus en détail

Couleur d'une image. Programmes en Visual Basic TABLE DES MATIÈRES

Couleur d'une image. Programmes en Visual Basic TABLE DES MATIÈRES Application des mathématiques Couleur d'une image Programmes en Visual Basic TABLE DES MATIÈRES 1 Introduction... 2 2 Images et Visual-Basic... 2 3 Composantes couleur... 4 4 Le cube des couleurs... 5

Plus en détail

Travaux pratiques de traitement d images numériques. Institut Galilée 2010-2011

Travaux pratiques de traitement d images numériques. Institut Galilée 2010-2011 G. Dauphin et A. Beghdadi Travaux pratiques de traitement d images numériques Première séance Institut Galilée 2010-2011 Les travaux pratiques de traitement d image sont répartis en trois séances de 8

Plus en détail

Pinnacle Studio Fiche n 1

Pinnacle Studio Fiche n 1 Pinnacle Studio Fiche n 1 Voici la première fiche de la cyber-base liée à l'utilisation du logiciel Pinnacle Studio (la version 10, mais Pinnacle reste très semblable d'une version à l'autre). Une première

Plus en détail

DETECTION D OBJETS PAR COULEUR (SYSTEME DE VISION INDUSTRIELLE)

DETECTION D OBJETS PAR COULEUR (SYSTEME DE VISION INDUSTRIELLE) DETECTION D OBJETS PAR COULEUR (SYSTEME DE VISION INDUSTRIELLE) Niveau : 1 ième année de BTS systèmes photoniques. Objectifs : En possession des documents et des informations techniques complémentaires

Plus en détail

Traitement d images sous Matlab. EI3 année 2009-2010

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

Plus en détail

Géométrie discrète Chapitre V

Géométrie discrète Chapitre V Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets

Plus en détail

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

5. Traitement d'image? 5.1 Histogrammes

5. Traitement d'image? 5.1 Histogrammes 5. Traitement d'image? 5.1 Histogrammes PLAN 5.1.1 Histogrammes : définition et utilité 5.1.2 Histogrammes des images en niveaux de gris 5.1.3 Histogramme des images couleurs 5.1.4 Courbes de modification

Plus en détail

Caméra et flux vidéo.

Caméra et flux vidéo. . Pour les PC de CPE, le TP se déroulera sous Linux. Il est possible d'utiliser deux logiciels différents: VLC ou cheese, logiciels de capture et de manipulation de flux vidéo. http://www.videolan.org/vlc/index.html

Plus en détail

Traitement d'image ou Programmer des fonctions de logiciels de retouche d'images!

Traitement d'image ou Programmer des fonctions de logiciels de retouche d'images! I. Bien ranger ses affaires. Traitement d'image ou Programmer des fonctions de logiciels de retouche d'images! Pour bien travailler il est très important de savoir où sont rangées ses affaires. On va travailler

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

Images numériques. Notions et contenus. évaluée

Images numériques. Notions et contenus. évaluée Images numériques Thème Notions et contenus Compétence travaillée ou évaluée Résumé Mots clefs Académie Référence Auteur Transmettre et stocker de l information Caractéristiques d une image numérique :

Plus en détail

3 : LA COMPRESSION DE DONNEES

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

Plus en détail

LA COMPRESSION DES IMAGES JPEG

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

Plus en détail

Traitement 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

IRIS - Prétraitement des images du ciel profond issues

IRIS - Prétraitement des images du ciel profond issues IRIS - Prétraitement des images du ciel profond issues d'un APN http://ti oastro.free.fr IRIS - Prétraitement des images du ciel profond issues d'un APN Figure 1 But du prétraitement et du cumul des poses,

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

TRAVAUX PRATIQUES DE TRAITEMENT D'IMAGES

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

Plus en détail

La recherche du Score maximal en testant les 50 symboles de référence, permet de déterminer quel symbole Chappe est filmé.

La recherche du Score maximal en testant les 50 symboles de référence, permet de déterminer quel symbole Chappe est filmé. 3- Reconnaissance optique Le schéma ci-dessous décrit le processus complet de décision lors de la reconnaissance optique basée sur le calcul de la corrélation d'images décrite dans la section précédente.

Plus en détail

Choisir entre le détourage plume et le détourage par les couches.

Choisir 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 détail

Thème Image - TP1 - Images au format bitmap

Thème Image - TP1 - Images au format bitmap Université Joseph Fourier DLST UE MAP110/120 Année 2013-14 Thème Image - TP1 - Images au format bitmap Compte-ru Il vous est demandé de rédiger un compte-ru pour ce TP. Ouvrez en parallèle un document

Plus en détail

Exemple de filtrage non-linéaire : le filtrage médian

Exemple de filtrage non-linéaire : le filtrage médian Exemple de filtrage non-linéaire : le filtrage médian Le filtrage médian est une opération non-linéaire : médiane { x m + y m } médiane { x m } + médiane { y m } sauf exception exemple sur des séquences

Plus en détail

Introduction au traitement d images Détection de contours et segmentation

Introduction au traitement d images Détection de contours et segmentation Introduction au traitement d images Détection de contours et segmentation Résumé : Ce document est une introduction au traitement d images s intéressant notamment à la détection de contours et à la segmentation.

Plus en détail

Gimp 2.6. Débuter en retouche photo et graphisme libre. 4 e édition. Dimitri Robert. Préface de Cédric Gémy

Gimp 2.6. Débuter en retouche photo et graphisme libre. 4 e édition. Dimitri Robert. Préface de Cédric Gémy Dimitri Robert Gimp 2.6 Débuter en retouche photo et graphisme libre 4 e édition Préface de Cédric Gémy Groupe Eyrolles, 2005, 2007, 2008, 2009, ISBN : 978-2-212-12480-4 Table des matières AVANT-PROPOS.........................................................

Plus en détail

5.1.1 Histogrammes : définition et utilité

5.1.1 Histogrammes : définition et utilité PLAN 5.1.1 Histogrammes : définition et utilité 5.1.2 Histogrammes des images en niveaux de gris 5.1.3 Histogramme des images couleurs 5.1.4 Courbes de modification des histogrammes 5.1.5 Applications

Plus en détail

ENSTA Filtrage baye sien et approximation particulaire. TP 2 : Suivi visuel par histogramme de couleur

ENSTA Filtrage baye sien et approximation particulaire. TP 2 : Suivi visuel par histogramme de couleur ENSTA Filtrage baye sien et approximation particulaire TP 2 : Suivi visuel par histogramme de couleur vendredi 2 octobre 2015 On souhaite re aliser un algorithme de suivi dans une se quence d images nume

Plus en détail

Gimp. Découverte de l espace de travail. Diaporamas,extraits du Cahier Gimp spécial débutants Editions Eyrolles Auteur : Raymond Ostertag

Gimp. Découverte de l espace de travail. Diaporamas,extraits du Cahier Gimp spécial débutants Editions Eyrolles Auteur : Raymond Ostertag Gimp Découverte de l espace de travail Diaporamas,extraits du Cahier Gimp spécial débutants Editions Eyrolles Auteur : Raymond Ostertag Gimp Découvrir l espace de travail Le premier contact avec le logiciel

Plus en détail

Création d'un site dynamique en PHP avec Dreamweaver et MySQL

Création d'un site dynamique en PHP avec Dreamweaver et MySQL Création d'un site dynamique en PHP avec Dreamweaver et MySQL 1. Création et configuration du site 1.1. Configuration de Dreamweaver Avant de commencer, il est nécessaire de connaître l'emplacement du

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 d un AVI avec Iris

Traitement 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 détail

II. Présentation de l'image

II. Présentation de l'image II. Présentation de l'image - Taille des images - La résolution des images - Notions d'image - Les modes colorimétriques - Les formats de travail LA TAILLE D UNE IMAGE Elle peut s exprimer soit en mm/cm

Plus en détail

Figure 2 : lumière visible.

Figure 2 : lumière visible. A LA DÉCOUVERTE DES IMAGES COULEUR. 1 OBJECTIF DE CE TRAVAIL. Le travail qui vous est proposé ici consiste à manipuler des images couleurs et à découvrir les liens qui unissent les espaces de représentation

Plus en détail

EL5E13 Vision et traitement d'images embarqué. Rostom KACHOURI Département IT (Informatique et TELECOMS) ESIEE

EL5E13 Vision et traitement d'images embarqué. Rostom KACHOURI Département IT (Informatique et TELECOMS) ESIEE EL5E13 Vision et traitement d'images embarqué Rostom KACHOURI Département IT (Informatique et TELECOMS) ESIEE Cours : 2 x 2h L image numérique Indexation & analyse d images TD : 2 x 2h L image numérique

Plus en détail

Retouche portrait avec Gimp Sommaire

Retouche portrait avec Gimp Sommaire Retouche portrait avec Gimp Sommaire Présentation...2 Gommer les imperfections du visage...2 Retouche du grain de peau...3 Installation du script Wavelet Decompose...3 Utilisation du script...3 Correction

Plus en détail

Travailler avec Photofiltre

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

Plus en détail

Figure 1 : image de cubes en éponge et leur visualisation en 3D.

Figure 1 : image de cubes en éponge et leur visualisation en 3D. DÉRIVATION DES IMAGES : CALCUL DU GRADIENT DE SHEN-CASTAN. 1 OBJECTIF DE CE TRAVAIL. Beaucoup d algorithmes de traitement ou d analyse d images sont basés sur un opérateur de dérivation spatiale, ou plus

Plus en détail

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

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

Plus en détail

LES IMAGES NUMERIQUES

LES IMAGES NUMERIQUES LES IMAGES NUMERIQUES Baccalauréat S -Spécialité Informatique et Sciences du Numérique 4.1 : Représentation de l'information : Images numériques Objectifs L'apprenant doit être capable de o numériser une

Plus en détail

Edition des portails régionaux du site Nature-France par les responsables SINP (rôle «manager-portail») Table des matières

Edition des portails régionaux du site Nature-France par les responsables SINP (rôle «manager-portail») Table des matières Edition des portails régionaux du site Nature-France par les responsables SINP (rôle «manager-portail») Table des matières Objectifs du document...2 Définitions...2 Convention d écriture...2 Pré-requis...2

Plus en détail

La Clé informatique. Formation Powerpoint XP Aide-mémoire

La Clé informatique. Formation Powerpoint XP Aide-mémoire La Clé informatique Formation Powerpoint XP Aide-mémoire Septembre 2003 Contenu de la formation Powerpoint XP Leçon 1 : Introduction à PowerPoint Démarrage de PowerPoint Leçon 2 : Environnement Powerpoint

Plus en détail

LibreOffice Calc : introduction aux tableaux croisés dynamiques

LibreOffice Calc : introduction aux tableaux croisés dynamiques Fiche logiciel LibreOffice Calc 3.x Tableur Niveau LibreOffice Calc : introduction aux tableaux croisés dynamiques Un tableau croisé dynamique (appelé Pilote de données dans LibreOffice) est un tableau

Plus en détail

ETRE REDACTEUR DANS GUPPY (avec FckEditor) Se connecter sur le site Guppy en tapant son adresse dans un navigateur web.

ETRE REDACTEUR DANS GUPPY (avec FckEditor) Se connecter sur le site Guppy en tapant son adresse dans un navigateur web. ETRE REDACTEUR DANS GUPPY (avec FckEditor) Se connecter sur le site Guppy en tapant son adresse dans un navigateur web. 1) Se connecter en tant que rédacteur : Pour pouvoir écrire des articles, des fiches

Plus en détail

TS 32 Caractéristiques d une image numérique

TS 32 Caractéristiques d une image numérique FICHE 1 Fiche à destination des enseignants TS 32 Caractéristiques d une image numérique Type d'activité Activité documentaire Notions et contenus du programme de Terminale S Caractéristiques d une image

Plus en détail

DIGITAL PHOTO PROFESSIONAL CANON

DIGITAL PHOTO PROFESSIONAL CANON DIGITAL PHOTO PROFESSIONAL CANON Le logiciel Digital Photo Professional de chez Canon permet trois fonctions : 1 - Gérer ses photos (images RAW, TIF et JPG) 2 - Travailler ses photos (images RAW, TIF et

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

La définition : La résolution : La photo numérique

La définition : La résolution : La photo numérique La photo numérique La définition : La définition d'une image est définie par le nombre de points la composant. En image numérique, cela correspond au nombre de pixels (point noir ou coloré) qui compose

Plus en détail

TP : IMAGE NUMERIQUE MATRICIELLE (WINDOWS)

TP : IMAGE NUMERIQUE MATRICIELLE (WINDOWS) TP : IMAGE NUMERIQUE MATRICIELLE (WINDOWS) 1. Calculer la résolution d affichage en ppi de votre écran. Pour cela vous munir d une règle graduée et appliquer la formule : 2. Sur combien d octets est codée

Plus en détail

Paint.NET Fiche n 3. Table des matières

Paint.NET Fiche n 3. Table des matières Paint.NET Fiche n 3 Table des matières Paint.NET Fiche n 3...1 1- Redimensionner...1 2- Recadrer...2 3- Enlever un élément gênant...2 4- Éclaircir une partie de l'image...3 5- Éclaircir une sélection complexe...3

Plus en détail

I. Commencer une nouvelle présentation

I. Commencer une nouvelle présentation Powerpoint 2007 I. Commencer une nouvelle présentation Pour démarrer une nouvelle présentation, cliquez sur le bouton Microsoft Office cliquez sur Nouveau. et Dans la fenêtre Nouvelle présentation, démarrez

Plus en détail

Comment créer des GIF animés en dix étapes?

Comment créer des GIF animés en dix étapes? Comment créer des GIF animés en dix étapes? Tutoriel GIF Movie Gear Septembre 2002 Rédigé par :Visicom Média inc. 1 TABLE DES MATIERES PRÉSENTATION DE GIF MOVIE GEAR... 2 BARRE DE MENUS... 2 BARRE D'OUTILS

Plus en détail

Matrices image et histogramme obtenus avec IMLAB :

Matrices image et histogramme obtenus avec IMLAB : IMAGE, SCILAB et IMLAB Jacques Bretin Les logiciels Scilab Dans un premier temps, télécharger (gratuit) et installer scilab-5.1.1 http://www.scilab.org/download/index_download.php?page=release#windows

Plus en détail

1 : Mettre en place le diaporama avec un arrière-plan

1 : Mettre en place le diaporama avec un arrière-plan POWERPOINT 2007 : LE DIAPORAMA 1 : Mettre en place le diaporama avec un arrière-plan A l'ouverture de PowerPoint 2007, nous avons cet écran...avec la barre d'outil d'accueil à l'emplacement marqué d'une

Plus en détail

Utilisation du logiciel Excel pour des analyses simples de bases données

Utilisation du logiciel Excel pour des analyses simples de bases données Utilisation du logiciel Excel pour des analyses simples de bases données Catherine Raux (interne Santé Publique) et Benoît Lepage (AHU), Service d Epidémiologie du CHU de Toulouse Version 1.1 Avril 2012

Plus en détail

Analyse d images introduction

Analyse d images introduction L3, option Image Analyse d images introduction http ://perception.inrialpes.fr/people/boyer/teaching/l3/ Elise Arnaud - Edmond Boyer Université Joseph Fourier / INRIA Rhône-Alpes elise.arnaud@inrialpes.fr

Plus en détail

TP Traitement d images

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

Plus en détail

Utilisation du logiciel ImageJ gratuit

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

Plus en détail

Classes et templates C++

Classes et templates C++ Classes et templates C++ Ce TP propose une application des classes, des templates et du polymorphisme au travers du design de classes permettant de gérer des courbes de Bézier. Contents 1 Bézier unidimensionnelle

Plus en détail

Traitement et téléchargement de fichier de grande taille dans STAT-TAB

Traitement et téléchargement de fichier de grande taille dans STAT-TAB Département fédéral de l'intérieur DFI Office fédéral de la statistique OFS Publication et communication 18 février 2014 Traitement et téléchargement de fichier de grande taille dans STAT-TAB Ce document

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

Tutoriel GéoIDE Carto avancé

Tutoriel GéoIDE Carto avancé Tutoriel GéoIDE Carto avancé Vue générale d une carte dynamique élaborée avec GéoIDE Carto : Visualiser l emprise de la carte. Outil personnalisé de localisation. Centre et zoom sur la sélection. Les critères

Plus en détail

TP 8 : ONDELETTES 2D, COMPRESSION ET DÉBRUITAGE D IMAGE

TP 8 : ONDELETTES 2D, COMPRESSION ET DÉBRUITAGE D IMAGE Traitement de l information et vision artificielle Ecole des Ponts ParisTech, 2 ème année Guillaume Obozinski guillaume.obozinski@imagine.enpc.fr TP 8 : ONDELETTES 2D, COMPRESSION ET DÉBRUITAGE D IMAGE

Plus en détail

Utilisation de XnView

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

Plus en détail

Mini projet : traitement d'images

Mini projet : traitement d'images Mini projet : traitement d'images Pour ce mini-projet, la pièce finale sera un fichier «mosaique-prenom-nom.py» contenant votre programme que vous enverrez à vos professeurs : pjacquet.mail@gmail.com et

Plus en détail

PG208, Projet n 2 : Dessin vectoriel

PG208, Projet n 2 : Dessin vectoriel PG208, Projet n 2 : Dessin vectoriel Bertrand LE GAL, Serge BOUTER et Clément VUCHENER Filière électronique 2 eme année - Année universitaire 2011-2012 1 Introduction 1.1 Objectif du projet L objectif

Plus en détail

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés

ENSEIRB-MATMECA PG-113 2014. TP6: Optimisation au sens des moindres carrés ENSEIRB-MATMECA PG-113 014 TP6: Optimisation au sens des moindres carrés Le but de ce TP est d implémenter une technique de recalage d images qui utilise une méthode vue en cours d analyse numérique :

Plus en détail

CST-RT021-part 3:2013

CST-RT021-part 3:2013 CST-RT021-part 3:2013 Annexe sur les transformations couleur Groupe de travail CST-RT-021-MFFW Nom Version Auteur Date de publication CST-RT021-part3:2013 1 François Helt 24 mars 2014 CST-RT021-MFFW 1.1

Plus en détail

Tutoriel d'utilisation du site PEEP

Tutoriel d'utilisation du site PEEP Tutoriel d'utilisation du site PEEP Intro Le site, ape-niort.peep.asso.fr, est géré par un système de gestion de contenu (ici Mura CMS). Un CMS permet, entre autre, de générer un site de manière rapide

Plus en détail

PLAN Analyse d images Morphologie et Segmentation

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

Plus en détail

FICHIER d' IMAGE & Compression/Compactage

FICHIER d' IMAGE & Compression/Compactage Partie 1 - Section 2 FICHIER d' IMAGE & Compression/Compactage Guy Kivits - p. 1 Fichier - Contexte Pour conserver une information, ou la transmettre, dans un système informatique il faut " l' emballer

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

Légende : Créer un lien hypertexte depuis un cadre :

Légende : Créer un lien hypertexte depuis un cadre : Pour découvrir les fonctions de base de Didapages, se référer au tutoriel "Un livre simple avec Didapages 1.1.odt" disponible sur http://auch2.free.fr, rubrique Informatique. Légende : En bleu les points

Plus en détail

Cours: SYSTEMES MULTIMEDIA Master RSD, 2014/2015

Cours: SYSTEMES MULTIMEDIA Master RSD, 2014/2015 Cours: SYSTEMES MULTIMEDIA Master RSD, 2014/2015 Prof. Slimane Larabi Chapitre 2. Notions sur l image et la vidéo 2.1 Notions sur l'image 2.2 Représentation d une image 2.3 OPERATIONS SUR LES IMAGES 2.4

Plus en détail

Création de maquette web

Création 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 détail

Séance 0 : Linux + Octave : le compromis idéal

Séance 0 : Linux + Octave : le compromis idéal Séance 0 : Linux + Octave : le compromis idéal Introduction Linux est un système d'exploitation multi-tâches et multi-utilisateurs, basé sur la gratuité et développé par une communauté de passionnés. C'est

Plus en détail

Compte-Rendu. REUNION GROUPE INFORMATIQUE Photos - du 22-01-2009

Compte-Rendu. REUNION GROUPE INFORMATIQUE Photos - du 22-01-2009 Compte-Rendu REUNION GROUPE INFORMATIQUE Photos - du 22-01-2009 PAINT.NET Est un logiciel gratuit de traitement d images. Il vous permettra entre autres : Corriger les défauts d une photographie : photo

Plus en détail

«The Gimp» Logiciel libre pour le traitement de l image Préparer vos images pour Internet

«The Gimp» Logiciel libre pour le traitement de l image Préparer vos images pour Internet «The Gimp» Logiciel libre pour le traitement de l image Préparer vos images pour Internet Formation Sommaire Qu est ce que Gimp?... Page 3 Quelques notions fondamentales... Page 3 Installation et configuration

Plus en détail

Présentation du projet:

Présentation du projet: : Le but du projet est de réaliser le fonctionnement d'un jeu d échec valide. Plus spécifiquement, il consiste à implémenter l'organisation générale du jeu, et le suivi des règles du mouvement des pièces.

Plus en détail

Explorateur Windows EXPLORATEUR WINDOWS...1 INTRODUCTION...2 LANCEMENT DE L'EXPLORATEUR WINDOWS...3 PRÉSENTATION PHYSIQUE...3 RECHERCHER...

Explorateur Windows EXPLORATEUR WINDOWS...1 INTRODUCTION...2 LANCEMENT DE L'EXPLORATEUR WINDOWS...3 PRÉSENTATION PHYSIQUE...3 RECHERCHER... EXPLORATEUR WINDOWS SOMMAIRE EXPLORATEUR WINDOWS...1 INTRODUCTION...2 LANCEMENT DE L'EXPLORATEUR WINDOWS...3 PRÉSENTATION PHYSIQUE...3 RECHERCHER...6 ORGANISATION DE SES DOSSIERS...7 CRÉER UN DOSSIER...7

Plus en détail