Informatique visuelle - Vision par ordinateur. Pré-traitement d images

Dimension: px
Commencer à balayer dès la page:

Download "Informatique visuelle - Vision par ordinateur. Pré-traitement d images"

Transcription

1 Informatique visuelle - Vision par ordinateur Pré-traitement d images Elise Arnaud cours inspiré par X. Descombes, J. Ros, A. Boucher, A. Manzanera, E. Boyer, M Black, V. Gouet-Brunet

2 Pré-traitement d images Le prétraitement regroupe l ensemble des processus visant à améliorer les caractéristiques d une image

3 Pré-traitement d images Le lissage local : il s agit de supprimer le bruit, ou les petites variations, présent dans une image. L intensité d un pixel est transformée en fonction des intensités sur un petit voisinage du pixel. L amélioration d images consiste à modifier les caractéristiques visuelles de l image (contraste,...) pour faciliter son interprétation par l œil humain La restauration d images a pour but de supprimer les dégradations subies par une image à l aide de connaissance a priori sur ces dégradations. Rappel : le bruit est une altération de l image, pouvant être causé par les processus d acquisition, de transmission ou de stockage

4 Filtrage Familles de filtres Passe-haut : élimine les fréquences basses Passe-bas : élimine les fréquences hautes Passe-bande : ne laisse passer qu une gamme de fréquences Lissage de l image Filtres passe-bas Pour quoi faire? élimination du bruit (pré-traitement) Dérivation de l image Filtres passe-haut Pour quoi faire? Extraction de contours, points d intérêt, etc.

5 Filtrage le filtrage est une opération de voisinage : la valeur d un pixel est remplacée par la valeur d une fonction appliquée à ce pixel et à ses voisins. filtres linéaires : la fonction appliquée est une combinaison linéaire utilisation de masques de convolution filtres non linéaires

6 Implémentation des filtres linéaires : convolution soit I une image numérique ; soit h une fonction de [x 1, x 2 ] [y 1, y 2 ] à valeurs réelles (noyau de convolution) La convolution de I par h est définie par : (I h)(x, y) = x 2 i=x 1 y 2 j=y 1 h(i, j)i(x i, y j) Les nouvelles valeurs sont calculées par le produit scalaire entre le noyau de convolution et le voisinage du pixel

7 filtres linéaires séparables Une réponse impulsionnelle h est séparable selon x et y ssi : h(x, y) = h x (x).h y (y) En terme de filtrage d une image par convolution : g(x, y) = h(x, y) f(x, y) = h y (y) (h x (x) f(x, y)) Avantages d un filtre séparable Le filtrage d un signal 2D est ramené au filtrage d un signal 1D réduction du temps de calcul : pour une convolution par un masque de filtrage de dimension H, la complexité est de 2H au lieu de H 2 Possibilité d implémenter récursivement le filtrage

8 Filtrage isotropes / anisotropes En 2D : un filtre est isotrope si le filtrage réalisé est indépendant de l orientation des structures de l image.

9 Filtrage linéaire filtre moyenneur masque de convolution de taille 3 3 : h = filtre passe-bas rend l image floue, en particulier les contours élimine les dégradations locales de faibles dimensions peut être appliqué itérativement

10 Filtrage linéaire amélioration du filtre moyenneur : filtre gaussien approximation discrète d un noyau Gaussien 2D ( ) G(x, y) = 1 exp x 2 +y 2 2πσ 2 2σ 2 donne plus d importance aux pixels du centre h 3 3 = h 5 5 =

11 Filtrage line aire comparaison filtre moyenneur vs filtre gaussien

12 Filtrage non linéaire filtre non linéaire le plus utilisé : le filtre médian remplace la valeur d un pixel par la médiane des valeurs de ses voisins supprime le bruit impulsionnel préserve l information de contour peut être appliqué itérativement

13 Filtrage non line aire filtre non line aire le plus utilise : le filtre me dian

14 Filtre faisant intervenir les variations d intensité Toujours dans l objectif d améliorer les caractéristiques du filtre et en particulier la préservation des contours dans l image, on peut utiliser un filtre faisant intervenir des variations d intensité. soit d(i, j, k, l) la variation d intensité entre les pixels (i, j) et (k, l) { I(i, j) I(k, l) si I(i, j) I(k, l) d(i, j, k, l) = 5 sinon alors les coefficients du masque sont déterminés par : h(m, n) = 1/d(i, j, i + m, j + m) 1/d(i, j, i + k, j + l) (k,l) V

15 Filtre faisant intervenir les variations d intensité h(m, n) = 1/d(i, j, i + m, j + m) 1/d(i, j, i + k, j + l) (k,l) V La distance est plus importante sur un contour que dans une région homogène. Les points fortement bruitées ont peu d influence (h(m, n) petit) Si le pixel est sur un contour, les pixels voisins de même région auront un poids important alors que les pixels voisins de région différente auront peu de poids. Le contour est de cette manière préservé.

16 Histogramme d une image L histogramme d une image h(x) est la fonction qui associe à une valeur d intensité x le nombre de pixels dans l image ayant cette valeur. (Pour une image couleur, il y a un histogramme par composante)

17 Histogramme d une image brillance d un histogramme : moyenne d intensité des pixels de l image décalage de l histogramme augmentation de la brillance

18 Histogramme d une image histogramme normalisé : proportion de pixel en fonction du niveau de gris (densité de probabilité) x h n (x) = h(x) nb pixels dynamique de l image : [min, max] min : valeur minimale des niveaux de gris de l image max : valeur maximale des niveaux de gris de l image

19 Histogramme d une image expension de dynamique : transformation des niveaux de gris de telle sorte que l image utilise toute la dynamique (entre 0 et 255) I Exp (i, j) = (I(i, j) min) 255 max min

20 Histogramme d une image égalisation d un histogramme : transformation des niveaux de gris dont le but est d équilibrer le mieux possible la distribution de pixels dans la dynamique l histogramme cumulé h c (x) = z x h n(z) doit être le plus linéaire possible I Ega (i, j) = 255 h c (I(i, j))

21 Histogramme d une image La normalisation et l égalisation sont des transformations d histogramme Principe algorithmique : parcourir les pixels de l image pour chaque pixel (i, j) 1. lire la valeur x 2. remplacer x par T (x) La fonction T (.) est représenté par son tracé. Le choix de T (.) permet de modifier les caractéristiques d une image (contraste, brillance, etc.)

22 Histogramme d une image transformations d histogramme

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.

Plus en détail

Analyse d images. L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

Analyse d images. L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories : Analyse d images La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers

Plus en détail

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

Analyse d images (Image Analysis) : Informatique visuelle - Vision par ordinateur. Introduction. Plan du cours. Plan du cours

Analyse d images (Image Analysis) : Informatique visuelle - Vision par ordinateur. Introduction. Plan du cours. Plan du cours Analyse d images (Image Analysis) : Informatique visuelle - Vision par ordinateur Introduction Utilisation d un ordinateur pour interpréter le monde extérieur au travers d images. Elise Arnaud elise.arnaud@imag.fr

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

Transformations géométriques / Filtrage

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

Plus en détail

Lissage et filtrage linéaire

Lissage et filtrage linéaire Lissage et filtrage linéaire TP de traitement d images :MMIS A Un système d enregistrement d image ne restitue pas l image de manière parfaite : des informations parasites apparaissent et viennent s ajouter

Plus en détail

Transformations d histogramme / Opérations sur les images

Transformations d histogramme / Opérations sur les images s Traitement s / les images Plan s Les histogrammes Bibliographie s Cours de traitement Elise Arnaud - Edmond Boyer Université Joseph Fourier Cours de traitement Alain Boucher Cours de traitement T Guyer

Plus en détail

Modification des valeurs d une image

Modification des valeurs d une image Modification des valeurs d une image Pour l instant, nous avons vu surtout des transformations ponctuelles des pixels d une image Lire la valeur d un pixel la remplacer par une autre Il existe aussi des

Plus en détail

Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin

Plan de la séance. Partie 4: Restauration. Restauration d images. Restauration d images. Traitement d images. Thomas Oberlin Plan de la séance Traitement d images Partie 4: Restauration Thomas Oberlin Signaux et Communications, RT/ENSEEHT thomasoberlin@enseeihtfr 1 ntroduction 2 Modélisation des dégradations Modèles de bruit

Plus en détail

Détection de contours

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

Plus en détail

Filtrage et EDP. Philippe Montesinos. EMA/LGI2P - Site EERIE. Parc Scientifique G. Besse - 30035 Nîmes Cedex 1- France http://www.lgi2p.ema.

Filtrage et EDP. Philippe Montesinos. EMA/LGI2P - Site EERIE. Parc Scientifique G. Besse - 30035 Nîmes Cedex 1- France http://www.lgi2p.ema. Filtrage et EDP Philippe Montesinos EMA/LGI2P - Site EERIE Parc Scientifique G. Besse - 30035 Nîmes Cedex 1- France http://www.lgi2p.ema.fr 1 Plan 1. Rappels: - Les analyses multi-échelles. - Méthodes

Plus en détail

Propriétés des images numériques Contraintes sur l interprétation

Propriétés des images numériques Contraintes sur l interprétation Propriétés des images numériques Contraintes sur l interprétation M.LOUYS, Traitement d images et problèmes inverses Master Astrophysique, Observatoire de Strasbourg, 2013 Propriétés générales d une image

Plus en détail

TERI : Traitement et reconnaissance d'images

TERI : Traitement et reconnaissance d'images TERI : Traitement et reconnaissance d'images Cours Master 2 IAD Isabelle Bloch - ENST / Département Signal & Images Florence Tupin - ENST / Département Signal & Images Antoine Manzanera ENSTA / Unité d'électronique

Plus en détail

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

Cours de Traitement de l Image Licence 3

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

Plus en détail

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

Bases du traitement des images. Détection de contours

Bases du traitement des images. Détection de contours Détection de contours Dominique.Bereziat@lip6.fr Contributions: N. Thome, D. Béréziat, S. Dubuisson Octobre 2015 1 / 76 Introduction Rôle primordial de la détection de contours en vision 1 Réduction d

Plus en détail

Outils Mathématiques pour l informatique

Outils Mathématiques pour l informatique Outils Math. pour l info. - Licence 3 - IEM - Année 2015/2016 Université de Bourgogne Labo. Le2i, UMR-CNRS 5158 http://jl.baril.u-bourgogne.fr September 10, 2015 Cours outils Math. pour l info. - Licence

Plus en détail

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

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

Plus en détail

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

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

Mesure agnostique de la qualité des images.

Mesure agnostique de la qualité des images. Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire

Plus en détail

Plan. 1. Généralités. 2. Types d Images. 3. Numérisation. 4. Couleurs. 5. Introduction au traitement d Images. 6. Dégradations d une image

Plan. 1. Généralités. 2. Types d Images. 3. Numérisation. 4. Couleurs. 5. Introduction au traitement d Images. 6. Dégradations d une image Plan Licence Pro 1. Généralités 2. Types d Images 3. Numérisation Bases de traitement d images 4. Couleurs Alain Dieterlen 5. Introduction au traitement d Images 6. Dégradations d une image Groupe LAB.EL,

Plus en détail

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

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

Plus en détail

Vision par Ordinateur

Vision par Ordinateur Vision par Ordinateur James L. Crowley DEA IVR Premier Bimestre 2005/2006 Séance 6 23 novembre 2005 Détection et Description de Contraste Plan de la Séance : Description de Contraste...2 Le Détecteur de

Plus en détail

Parcours Ingénieur Polytech. Mini-projets. Banque d images. Auteur : Encadrant : Jonathan Courtois

Parcours Ingénieur Polytech. Mini-projets. Banque d images. Auteur : Encadrant : Jonathan Courtois École Polytechnique de l Université de Tours 64, Avenue Jean Portalis 37200 TOURS, FRANCE Tél. (33)2-47-36-14-14 Fax (33)2-47-36-14-22 www.polytech.univ-tours.fr Parcours Ingénieur Polytech Mini-projets

Plus en détail

III Caractérisation d'image binaire

III Caractérisation d'image binaire III Caractérisation d'image binaire 1. Généralités Les images binaires codent l'information sur deux valeurs. Rarement le résultat direct d'un capteur, mais facilement obtenues par seuillage dans certains

Plus en détail

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

Projet de Traitement du Signal Segmentation d images SAR

Projet 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 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

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation?

Analyse d images, vision par ordinateur. Partie 6: Segmentation d images. Segmentation? Segmentation? Analyse d images, vision par ordinateur Traitement d images Segmentation : partitionner l image en ses différentes parties. Reconnaissance : étiqueter les différentes parties Partie 6: Segmentation d images

Plus en détail

8TRD147: Animation et images par ordinateur

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

Plus en détail

Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun

Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun des s Analyse d images en vidéosurveillance embarquée dans les véhicules de transport en commun Sébastien Harasse thèse Cifre LIS INPG/Duhamel le 7 décembre 2006 1 Système de surveillance des s Enregistreur

Plus en détail

Bases du traitement des images. Filtrage d images

Bases du traitement des images. Filtrage d images Filtrage d images Séverine Dubuisson 22 octobre 2010 1 / 62 Plan du cours 1 Filtrage spatial linéaire 2D 2 Filtrage spatial non linéaire 3 Cas des images en couleurs 4 Filtrage fréquentiel (1D et 2D) 2

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

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

TP5 - Morphologie mathématique

TP5 - Morphologie mathématique TP5 - Morphologie mathématique Vincent Barra - Christophe Tilmant 5 novembre 2007 1 Partie théorique 1.1 Introduction La morphologie mathématique [1] est un outil mathématique permettant au départ d explorer

Plus en détail

SEANCES DE TRAITEMENT D IMAGE ANNEE M2. Images et sujets

SEANCES DE TRAITEMENT D IMAGE ANNEE M2. Images et sujets SEANCES DE TRAITEMENT D IMAGE ANNEE M2 Images et sujets Le principe général des travaux sur machine est le suivant. Les étudiants auront à leur disposition un ensemble d images qu ils pourront lire et

Plus en détail

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

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

Plus en détail

Master IAD Module PS. Reconnaissance de la parole (suite): Paramétrisation. Gaël RICHARD Février 2008

Master IAD Module PS. Reconnaissance de la parole (suite): Paramétrisation. Gaël RICHARD Février 2008 Master IAD Module PS Reconnaissance de la parole (suite): Paramétrisation Gaël RICHARD Février 2008 1 Reconnaissance de la parole Introduction Approches pour la reconnaissance vocale Paramétrisation Distances

Plus en détail

Analyse d images IMN 259

Analyse d images IMN 259 Hiver 2013 Analyse d images IMN 259 Présentation du cours Par Pierre-Marc Jodoin Présentation Professeur : Pierre-Marc Jodoin Courriel : pierre-marc.jodoin@usherbrooke.ca Page web : http://www.dmi.usherb.ca/~jodoin/

Plus en détail

OUTILS FONDAMENTAUX EN TRAITEMENT D IMAGES

OUTILS FONDAMENTAUX EN TRAITEMENT D IMAGES OUTILS FONDAMENTAUX EN TRAITEMENT D IMAGES Défis actuels Mégadonnées (big data) Square Kilometer Array Telescope : 300 To/s (100 Internet) 9 Robustesse Défis actuels Repérer les comportements suspects

Plus en détail

Les mathématiques et le traitement de l image Kévin Polisano

Les mathématiques et le traitement de l image Kévin Polisano Les mathématiques et le traitement de l image Kévin Polisano [ Doctorant au Laboratoire ] Jean Kuntzmann et CNRS N hésitez pas à lever la main! pour m interrompre! Qu est-ce qu une image numérique? Source

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

Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites

Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Projet GIZ-CRTS Formation en Télédétection spatiale et SIG CRTS, 18-21 janvier 2016 Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Abderrahman

Plus en détail

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

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

Plus en détail

Python et traitement d images

Python et traitement d images Python et traitement d images L objectif de ce court document est de présenter quelques aspects simples du traitement d images sous Python, et de donner quelques pistes pour aller plus avant. Plusieurs

Plus en détail

Traitement d images. Quelques applications. Vision humaine. Qu est-ce qu une image? Introduction

Traitement d images. Quelques applications. Vision humaine. Qu est-ce qu une image? Introduction Traitement Introduction Plan Introduction et prise en main J Transformations d histogramme Transformations géométriques Convolution Détection de contour Bibliographie Cours de traitement Elise Arnaud -

Plus en détail

Analyse d images numériques en microscopie

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

Plus en détail

Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1

Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1 Université Paris Diderot Physique L2 2014-2015 Simulations Numériques SN4 Projet : Recherche de source d onde gravitationnelle (analyse de données Metropolis Hastings Markov Chain) 1 Objectifs : Simuler

Plus en détail

Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification

Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification 1/54 Comparaison d images binaires reposant sur une mesure locale des dissimilarités Application à la classification Étienne Baudrier CReSTIC vendredi 9 décembre 2005 2/54 Contexte programme national de

Plus en détail

Hiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin

Hiver 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 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

Chapitre III : Traitement d'image : Pré-traitements

Chapitre III : Traitement d'image : Pré-traitements Chapitre III : Traitement d'image : Pré-traitements Le traitement d'image consiste à améliorer le contenu d'une image pour en extraire de l'information : par exemple identifier une séquence de texte [OCR

Plus en détail

Chapitre 3. Filtrage Linéaire. Voisinage d un point. Fondamentaux du traitement d image

Chapitre 3. Filtrage Linéaire. Voisinage d un point. Fondamentaux du traitement d image Chapitre 3 Fondamentaux du traitement d image Filtrage Linéaire Voisinage d un point Point P d affixe p = (m, n) Notion de voisinage d un pixel Son voisinage : V(P) = {P connectés à P} n N - m P V (P)

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

Bibliothèque de Traitement d Images en Niveaux de Gris

Bibliothèque de Traitement d Images en Niveaux de Gris TP Bibliothèque de Traitement d Images en Niveaux de Gris Étudiants : Besnier Alexandre Taforeau Julien Version 1.2 Janvier 2008 2008 Rapport TP - Version 1.2 i Table des matières Introduction 1 1 Objectif

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

Chapitre 2 : communications numériques.

Chapitre 2 : communications numériques. Chapitre 2 : communications numériques. 1) généralités sur les communications numériques. A) production d'un signal numérique : transformation d'un signal analogique en une suite d'éléments binaires notés

Plus en détail

Multimédia et Signaux Numériques : Image

Multimédia et Signaux Numériques : Image Multimédia et Signaux Numériques : Image Plan des cours «images et multimédia» 1 Images et représentations 2 Images, capteurs, Fourier, TCD 3 Compression d images : JPEG 4 Filtrage numérique des images

Plus en détail

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

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

Plus en détail

Vision par ordinateur

Vision par ordinateur Vision par ordinateur Stéréoscopie par minimisation d'énergie Frédéric Devernay d'après le cours de Richard Szeliski Mise en correspondance stéréo Quels algorithmes possibles? mettre en correspondance

Plus en détail

Extraction de Contours

Extraction de Contours Extraction de Contours Michèle Gouiès À quoi ça sert? Réduction d'information / matrice d'intensité. Déscription de forme (courbure, points particuliers) en vue d'une reconnaissance. Atout des contours

Plus en détail

Traitement d'images et vision artificielle

Traitement d'images et vision artificielle Traitement d'images et vision artificielle Cours ENSTA D9-2 Antoine Manzanera - Unité d'électronique et d'informatique TI & Vision - Introduction Ce cours a pour objectif la découverte de techniques parmi

Plus en détail

TP 1 : sources électriques

TP 1 : sources électriques Objectif : étudier différents dipôles actifs linéaires ou non linéaires. Les mots générateur et source seront considérés comme des synonymes 1 Source dipolaire linéaire 1.1 Méthode de mesure de la demie-tension

Plus en détail

Probabilités 5. Simulation de variables aléatoires

Probabilités 5. Simulation de variables aléatoires Probabilités 5. Simulation de variables aléatoires Céline Lacaux École des Mines de Nancy IECL 27 avril 2015 1 / 25 Plan 1 Méthodes de Monte-Carlo 2 3 4 2 / 25 Estimation d intégrales Fiabilité d un système

Plus en détail

Cours de traitement d images Catherine Achard 1. Cours de Traitement d images

Cours de traitement d images Catherine Achard 1. Cours de Traitement d images Cours de traitement d images Catherine Achard 1 Cours de Traitement d images rédigé par Catherine Achard, sur la base des cours de J. Devars et M. Milgram 00/003 Cours de traitement d images Catherine

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 Cours de B. Desgraupes. Simulation Stochastique

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 Cours de B. Desgraupes. Simulation Stochastique UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2014 2015 L2 MIASHS Cours de B. Desgraupes Simulation Stochastique Séance 04: Nombres pseudo-aléatoires Table des matières 1

Plus en détail

4 TRAITEMENT D'IMAGES

4 TRAITEMENT D'IMAGES 4 TRAITEMENT D'IMAGES Ce chapitre décrit les fondements du traitement d'images, ainsi que l'utilisation d'astroart pour mettre en oeuvre ces techniques. INTRODUCTION Le traitement des images astronomiques

Plus en détail

Indexation 3D à partir de vues 2D

Indexation 3D à partir de vues 2D Indexation 3D à partir de vues 2D Thibault Napoléon 1 Télécom ParisTech - TSI Qu est ce que l indexation 3D? Recherche dans une grande base de donnée 3D Recherche par le contenu (la forme, la couleur...)

Plus en détail

Filtrage - Intégration - Redressement - Lissage

Filtrage - Intégration - Redressement - Lissage PCSI - Stanislas - Electrocinétique - TP N 3 - Filtrage - Intégration - Redressement - Lissage Filtrage - Intégration - Redressement - Lissage Prenez en note tout élément pouvant figurer dans un compte-rendu

Plus en détail

Leçon N 8 Traitement des photos 4 ème

Leçon N 8 Traitement des photos 4 ème Leçon N 8 Traitement des photos 4 ème Partie Voyons maintenant quelques applications de GIMP 10 Renforcement de la netteté Aucun logiciel de retouche ne peut restituer une photo dont la netteté est très

Plus en détail

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

Optimisation en nombres entiers

Optimisation en nombres entiers Optimisation en nombres entiers p. 1/83 Optimisation en nombres entiers Michel Bierlaire michel.bierlaire@epfl.ch EPFL - Laboratoire Transport et Mobilité - ENAC Optimisation en nombres entiers p. 2/83

Plus en détail

Les mathématiques de l image numérique

Les mathématiques de l image numérique Les mathématiques de l image numérique Lionel Moisan Professeur de Mathématiques Université René Descartes - Paris 5 L image numérique fait aujourd hui partie de notre quotidien, et sa production n a jamais

Plus en détail

Discrétisation et génération de hiérarchies de concepts

Discrétisation et génération de hiérarchies de concepts Prétraitement des données 1 Pourquoi prétraiter les données? Nettoyage des données Intégration et transformation Réduction des données Discrétisation et génération de hiérarchies de g concepts Pourquoi

Plus en détail

TECHNIQUES DE BASE IMAGERIE 2D. Yves BRINGER I.S.T.A.S.E. Université Jean Monnet

TECHNIQUES DE BASE IMAGERIE 2D. Yves BRINGER I.S.T.A.S.E. Université Jean Monnet TECHNIQUES DE BASE EN IMAGERIE 2D Yves BRINGER I.S.T.A.S.E. Université Jean Monnet 1 1. INTRODUCTION 2. ECLAIRAGE 3. TYPES D IMAGE 4. OPTIQUE 5. CAPTEUR 6. CALIBRAGE 7. UNITE DE TRAITEMENT 8. TRAITEMENT

Plus en détail

UE3 Analyse des Images Contours

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

Plus en détail

Le traitement d images

Le traitement d images Le traitement d images Formation «Informatique et sciences du numérique» Pierre Chauvet pierre.chauvet@uco.fr 1 Plan de la séance 1. Exemple : Calcul densité synaptique 2. Exemple : Filtres 3. Travaux

Plus en détail

Traitement d'images et vision artificielle

Traitement d'images et vision artificielle Traitement d'images et vision artificielle Cours ENSTA D9 2 Antoine Manzanera Unité d'électronique et d'informatique TI & Vision Introduction Ce cours a pour objectif la découverte de techniques parmi

Plus en détail

Table des matières. Avant propos. Chapitre I NOTIONS SUR LES SYSTEMES

Table des matières. Avant propos. Chapitre I NOTIONS SUR LES SYSTEMES Table des matières Avant propos Chapitre I NOTIONS SUR LES SYSTEMES 1. Systèmes linéaires 1 2. Systèmes stationnaires 1 3. Systèmes continus 2 4. Systèmes linéaires invariants dans le temps (LIT) 2 4.1

Plus en détail

1 Séance de TP 1. 1.2 Pour commencer : Ouverture/Visualisation d images

1 Séance de TP 1. 1.2 Pour commencer : Ouverture/Visualisation d images Université Joseph Fourier UE Imagerie Numérique 1 Séance de TP 1 1.1 Introduction à ImageJ Au cours de ces TPs, nous allons utiliser le logiciel de traitement d images ImageJ. Il s agit d un logiciel «libre»

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

Styles de Rendus. Tour d 'horizon

Styles de Rendus. Tour d 'horizon Styles de Rendus Tour d 'horizon 1 Catégorisation des méthodes de rendu «Photo-réalistes» But : obtenir des images les plus crédibles possibles Notions : Ombres dures / Ombres douces Catégorisation des

Plus en détail

L imagerie vue par un mathématicien

L imagerie vue par un mathématicien L imagerie vue par un mathématicien Li-Thiao-Té Sébastien LAGA UMR 7539, Université Paris 13 Plan Généralités Images Modèles Qu est-ce qu une image? des coordonnées spatiales des mesures pour chaque position

Plus en détail

PROSPECTION SUR LES PROCHE INFRAROUGE. Gilles Gachet. Groupe de travail :

PROSPECTION SUR LES PROCHE INFRAROUGE. Gilles Gachet. Groupe de travail : PROSPECTION SUR LES IMAGES NUMERIQUES PROCHE INFRAROUGE Gilles Gachet Groupe de travail : Orane Reuland (GE) Marc Riedo (NE) Vincent Grandgirard (FR) Raphaël Bovier (Swisstopo) Davis Giorgis (VD) Plan

Plus en détail

Image Numérique. L imagerie numérique 2006-2007. Image numérique / Valérie Gouet-Brunet. Valérie Gouet-Brunet Valerie.Gouet@cnam.

Image Numérique. L imagerie numérique 2006-2007. Image numérique / Valérie Gouet-Brunet. Valérie Gouet-Brunet Valerie.Gouet@cnam. 26-27 Image Numérique Cours : les bases de l image Valérie Gouet-Brunet Valerie.Gouet@cnam.fr 26-27 L imagerie numérique Synthèse d images Analyse/Traitement d images Visualisation - Projection de la scène

Plus en détail

Quelques méthodes mathématiques pour le traitement d image

Quelques méthodes mathématiques pour le traitement d image Quelques méthodes mathématiques pour le traitement d image Maïtine Bergounioux To cite this version: Maïtine Bergounioux. Quelques méthodes mathématiques pour le traitement d image. DEA. Cours M2 - Université

Plus en détail

PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES

PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES PROPOSITION D UNE APPROCHE DE SEGMENTATION D IMAGES HYPERSPECTRALES Nathalie GORRETTA MONTEIRO 1 1 UMR Information et Technologies pour les Agro-Procédés, Cemagref Montpellier, France Présentée le 25 Février

Plus en détail

Thème info 3 Traitement d images matricielles

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

Plus en détail

IMAGE NUMÉRIQUE IMAGE NUMÉRIQUE

IMAGE NUMÉRIQUE IMAGE NUMÉRIQUE 1. Signal analogique et signal numérique 2. Image matricielle - notion de pixel 2.1 La définition 2.2 La résolution 3. Image numérique 3.1 Image en niveaux de gris 3.2 Image en couleurs 4. Formats d image

Plus en détail

UE3 Analyse des Images Transformations ponctuelles. LPro GPI Vision Industrielle UE3 : Analyse des Images O. Losson & F.

UE3 Analyse des Images Transformations ponctuelles. LPro GPI Vision Industrielle UE3 : Analyse des Images O. Losson & F. UE3 Analyse des Images ponctuelles Plan du cours Définition et interprétation s normalisé et cumulé 2 Principe des transformations d'images Types de transformations d'images ponctuelles : table de correspondance

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

Territoires, Environnement, Télédétection et Information Spatiale. Unité mixte de recherche Cemagref - CIRAD - ENGREF

Territoires, Environnement, Télédétection et Information Spatiale. Unité mixte de recherche Cemagref - CIRAD - ENGREF Territoires, Environnement, Télédétection et Information Spatiale Unité mixte de recherche Cemagref - CIRAD - ENGREF Master ère année Analyse spatiale, analyse géographique, spatialité des sociétés Master

Plus en détail

PhotoFiltre 7 : Taille des images (10-2014)

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

Plus en détail

Traitement des images!

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

Plus en détail

Classification par des méthodes de data mining. Yawo Eli Amesefe Guillaume Cernier Christophe Labrousse

Classification par des méthodes de data mining. Yawo Eli Amesefe Guillaume Cernier Christophe Labrousse Classification par des méthodes de data mining Yawo Eli Amesefe Guillaume Cernier Christophe Labrousse Plan: Le processus métier Présentation des 3 méthodes étudiées: Arbres de décision Machines à vecteurs

Plus en détail

Traitement de l'information pour la vision articielle Traitement basique des images, débruitage, détecteur de Canny

Traitement de l'information pour la vision articielle Traitement basique des images, débruitage, détecteur de Canny Traitement de l'information pour la vision articielle Traitement basique des images, débruitage, détecteur de Canny Pascal Monasse monasse@imagine.enpc.fr IMAGINE, École des Ponts ParisTech Plan L'image

Plus en détail

À PROPOS D IMAGES : Fiche professeur

À PROPOS D IMAGES : Fiche professeur À PROPOS D IMAGES : Fiche professeur Damier Assiette Danseuse Eventail Danseuse 1 FICHE ÉLÈVE (1) Que devient une image lorsqu on la grossit? Ouvrir (par exemple avec l application «Aperçu»), les deux

Plus en détail