Traitement d images. Chapitre I Prétraitements
|
|
- Aimé Mercier
- il y a 8 ans
- Total affichages :
Transcription
1 Traitement d images Chapitre I Prétraitements 1
2 2 Introduction Les prétraitements d une image consiste à effectuer des opérations visant à : améliorer sa qualité visuelle restaurer l image en éliminant les défauts et les bruits et en renforçant l information utile qu elle contienne. Compresser l image afin de réduire l'espace nécessaire à son stockage et diminuer le temps de sa transmission Prétraitement Compression
3 3 I. Les opérations d amélioration ont pour but de rendre l image plus lisible. Les techniques d amélioration cherchent essentiellement à augmenter les contrastes afin de rendre les régions et les objets composants l images bien distinctes et bien séparées les uns des autres. En effet L'oeil humain est particulièrement sensible aux contrastes assez forts. Les différentes approches : Transformations de l intensité Traitements à base d histogramme Techniques de Rehaussementdecontraste : Laplacien, filtrage d'ordre adaptatif, opérateurs morphologiques Autres méthodes
4 4 I.1 Transformations des niveaux d intensité a. Introduction : Soit une image f(x,y). On appliquant une transformation Tsur les valeurs d intensité de f(x,y), on obtient une image «améliorée» g(x,y).,, Dans le cas d une image numérique : f et g sont des matrices 2D de dimensions MxN (M lignes, N colonnes) T : une matrice de dimensions plus petites mxn (3x3 par exemple) Si mxn =1x1 : Transformation d intensité Sinon : filtrage spatial M (0,0) x Voisinage 3x3 du pixel (x,y) N y Dans la suite nous supposons que l intensité du pixel varie entre 0 (noir) et 255 (blanc)
5 5 I.1 Transformations des niveaux d intensité Une transformation permet de modifier la valeur de chaque pixel afin d obtenir une nouvelle image de même taille mais ayant des propriétés plus intéressantes. On distingue trois types de transformations : - Ponctuelle: pixel à pixel : la nouvelle valeur g(x,y) est fonction de f(x,y) seulement Exemples : correction gamma, inversion, manipulations d histogramme, ajustement luminosité/contraste, recadrage dynamique - Locales: de voisinage : g(x,y) est obtenue à partir de l ensemble des valeurs f(v(x,y)) dans un voisinage autour du pixel (x,y) Exemple : filtrage - Globale: la nouvelle valeur de chaque pixel g(x,y) dépend de l image initiale - Exemple : transformation dans l espace de Fourier
6 6 b. Inversion Dynamique : I.1 Transformations des niveaux d intensité On inverse les extrêmes noir et blanc. Parfois, on distingue mieux certains détails en blanc sur fond noir qu en noir sur fond blanc : g(x,y),,, f(x,y)
7 7 c. Transformation logarithmique:,, Cette transformation de l intensité permet de dilater les intensités faibles et de compresser les niveaux d intensités élevées. : pour une Image 8bits) I.1 Transformations des niveaux d intensité g(x,y) f(x,y)
8 8 I.1 Transformations des niveaux d intensité d. Correction gamma: Luminance corrigée luminance,, g(x,y) Niveau d intensité transformé L-1 : valeur maximale de l intensité (=255) Lorsque : Cettetransformation augmente la plage dynamique des intensités élevées : dilatation des zones claires Lorsque : elle augmente la plage dynamique des intensités faibles : dilatation de zones sombres. : pour une Image 8bits) Niveau d intensité original f(x,y)
9 9 I.1 Transformations des niveaux d intensité....
10 10 I.1 Transformations des niveaux d intensité e. Dilatations linéaires : 255 g(x,y),, b f(x,y) b g(x,y) a 255 f(x,y) a 255
11 11 I.1 Transformations des niveaux d intensité Dilatation des zones claires : a=60, b=20 Dilatation des zones sombres : a=150, b=220
12 12 I.1 Transformations des niveaux d intensité e. Transformations linéaires par morceaux: Ces fonctions peuvent êtres plus ou moins complexes,, 255 b 2 g(x,y) a 1 =120; b 1 =30 a 2 =160; b 2 =230 b 1 f(x,y) a 1 a Réduire l intensité Augmenter l intensité
13 13 I.2 s par manipulation d histogramme a. Définition: L histogramme H(x) d une image représente la distribution des intensités des pixels. Un histogramme est une fonction qui donne, pour chaque intensité lumineuse, le nombre de pixels ayants cette valeur. Convention : l abscisse d un histogramme représente les niveaux d intensité allant du plus foncé à gauche au plus clair à droite Pour tracer l histogramme d une image : >> I=imread( image.jpg ) >> imhist(i)
14 14 I.2 s par manipulation d histogramme Histogramme normalisé H n (x) : H n (x) est le taux de pixels ayant un niveau de gris égal à x : avec N le nombre de pixels ; Histogramme cumulé (fonction de distribution cumulative FDC) HC (x) est le nombre de pixels dont le niveau de gris est inférieur à x Il est défini récursivement par : Histogramme cumulé normalisé HC n (x) est le taux de pixels dont le niveau de gris est inférieur à x : Exercice: tracer le HC et HC n de l image précédente (diapo 13),
15 15 I.2 s par manipulation d histogramme b. Histogramme d une image d intensités Pour une image d intensités, un histogramme possède 2 d valeurs en abscisses (256 pour 8bits; 16 pour 4bits, etc..) et représente, le nombre de pixels en ordonnées. Exemple: x354= Dans cet exemple, les tons clairs sont plus présents que les tons foncé D après l histogramme le niveau de gris le plus présent est : 231
16 16 I.2 s par manipulation d histogramme Histogramme L application la plus connue de l histogramme cumulé est l égalisation d histogramme. Histogramme Cumulé normalisé Pour Calculer l histogramme cumulé normalisé : utiliser les fonctions «imhist» et «cumsum» Pour tracer : fonction «bar»
17 17 I.2 s par manipulation d histogramme c. Histogrammes d une image en couleur Plusieurs histogrammes sont nécessaires (selon l espace colorimétrique). Pour une image couleur en RVB; 4 histogrammes sont nécessaires : distribution de la luminance Y et distributions respectives des composantes rouge, Verte et bleu Histogramme de luminance Exemple: Histogramme du rouge Histogramme du Vert Histogramme du Bleu
18 18 I.2 s par manipulation d histogramme d. Effet des conditions d acquisition sur l histogramme: L exposition représente la quantité de lumière reçue par le capteur : H=E.t Exposition (lux.seconde) = Eclairement lumineux (lux) * Temps de pose(seconde) Image Normale Image sous-exposée Histogramme décalé à gauche Image surexposée Histogramme décalé à droite
19 19 I.2 s par manipulation d histogramme e. Recadrage Dynamique : Cette technique est utilisé lorsque l image est trop claire, trop foncée ou peu contrastée : On appelle dynamique : l'intervalle [a,b] Où a et b sont respectivement les niveaux de gris minimal et maximal présents dans l image. La dynamique maximale est [0,255]. Le but du recadrage dynamique est de redistribuer les niveaux de gris de l image pour qu ils occupent toute la bande de nuances possible, c.-à-d. la dynamique maximale. a b
20 20 I.2 s par manipulation d histogramme Le recadrage de la dynamique consiste à utiliser une transformation linéaire permettant d obtenir un nouvel histogramme ayant la dynamique maximale : :, 0,255,, 255, g(x,y) (, ) : l image originale g(x,y) : l image améliorée a b Pour le recadrage de la dynamique : imadjust f(x,y)
21 21 I.2 s par manipulation d histogramme Exemple de recadrage dynamique :, 5.1,
22 22 I.1 s par manipulation d histogramme f. Egalisation (ou linéarisation) de l histogramme : L égalisation de l histogramme consiste à équilibrer le mieux possible la distribution des pixels dans la dynamique. L idéal est d obtenir un histogramme plat où l on affecte le même nombre de pixels pour chaque niveau de gris (ceci étant impossible à réaliser pour les images numérique à cause de la nature discrète de l'histogramme et de la quantificationdes niveaux de gris (qui nous limite à un nombre fini de niveaux). on utilise l histogramme cumulé normalisé comme fonction de transformation : é é avec Le niveaux de gris f(x,y) de chaque pixel (x,y) est transformé en g(x,y) en appliquant la transformation suivante :,, ) Valeur entière Valeur maximale : g max =255 (8bits) histeq
23 23 I.2 s par manipulation d histogramme Exemple: Avant égalisation de l histogramme) HC n (f) Après égalisation de l histogramme) Cette linéarisation de l histogramme est une amélioration artificielle qui permet d'augmenter la clarté de l'image grâce à un choix plus judicieux des intensités relatives.
24 24 I.2 s par manipulation d histogramme Exemple d une image couleur : Traiter chaque canal à part Le résultat n est pas satisfaisant
25 25 I.2 s par manipulation d histogramme Exemple d une image couleur : Luminance Y Hist. cumulé Egalisation des trois canaux
26 26 I.3 Rehaussement de contraste a. Position du problème Le contraste(ou brillance) est une propriété intrinsèque d'une image qui quantifie la différence entre les zones claires et foncées. Contraste Bas Contraste Haut Rehaussement de Contraste
27 27 I.3 Rehaussement de contraste Le but du rehaussement de contraste est de diminuer l étendu de la zone de transition sans affecter l intensité moyenne des régions situées de part et d autre de cette transition. Méthodes de rehaussement de contraste : Convolution de l image avec un filtre rehausseur Laplacien Opérateurs morphologiques Filtrage homomorphique Filtrage d ordre adaptatif Multi résolution
28 28 b. Convolution de l image avec un filtre rehausseur : Rappels sur la convolution: Soit f une image numérique et soit h une fonction de,, La convolution de I par h est donnée par: I.3 Rehaussement de contraste,,, La fonction h est dite noyau de convolution. Propriétés : noyau de convolution 1. Commutativité : 2. Associativité : 3. Distributivité :
29 29 I.3 Rehaussement de contraste Filtrage d une image : Contrairement aux manipulations d histogramme (opérations ponctuelles sur le pixel), le filtrage est un produit de convolution qui fait intervenir le voisinage du pixel. Filtrer une image c est modifier la valeur d un pixel en lui appliquant une fonction mathématique. Ce filtre est appelé linéaire si cette fonction est algébriquement linéaire. Un filtre d image est défini par une fenêtre carrée de dimension impaire (souvent 3 ou 5) qui se déplace sur l image en remplaçant la valeur de chaque pixel de l image par le résultat d une transformation portant sur le pixel et ses voisins. y-1 y y+1 Exemple: soit un filtre défini par un masque 3x3 de coefficients : a 11 a 12 a 13 x-1 a 21 a 22 a 23 La nouvelle valeur du pixel : a 31 a 32 a 33 x+1, 1, 1 + 1, 1, 1, 1 +, +, 1 1, 1 + 1, + 1, 1 x
30 30 I.3 Rehaussement de contraste * h -1/6-1/3-1/6-1/3 26/6-1/3 = -1/6-1/3-1/6 Filtre rehausseur
31 31 c. Rehaussement de contraste par Laplacien: Un contour dans une image correspond au maximum du gradient dans la direction orthogonale au contour, ce qui correspond à un passage par zéro de la dérivée seconde. La dérivée seconde est déterminée par le calcul du Laplacien:,,, Qu on peut écrire :,,,,,, Cette opérateur peut être appliquée à une image par l intermédiaire d un filtrage ayant le masque 3x3 suivant : Autres approximations du Laplacien: Principe de rehaussement par Laplacien: Soustraire de l image traitée une proportion de son Laplacien:,,, Avec I.3 Rehaussement de contraste
32 32 I.3 Rehaussement de contraste Exemple de calcul :,,,
33 33 Exemple : I.3 Rehaussement de contraste,,,. & Différence des 2 images Interpréter?!
34 34
35 35 II.1 Objet de la La restauration des images a pour but de palier les défauts et de réduire les distorsions (bruits) introduites par les systèmes d acquisition. Elle cherche a retrouver l image idéale qui aurait pu être obtenue avec un système d acquisition parfait Il existe plusieurs approches : Filtre de Wiener Filtres à moyenne géométrique Filtres de lissage : filtrage fréquentiel filtrage linéaire filtrage non-linéaire
36 36 II.2 Le bruit Le bruit est une information parasite qui s ajoute aléatoirement à une image numérique causant la perte de la netteté dans les détails. Ce bruit peut être d origines diverses : Bruits d acquisition : flou, poussière, bougé Bruits lié au système d acquisition (capteur): mauvaise mise au point, bruit thermique, bruit de grenaille Bruits d échantillonnage et de quantification : bruit poivre et sel Bruits lié à la transmission: Bruit sel et poivre Flou de bougé
37 37 II.2 Le bruit Bruit Sel et poivre ou bruit impulsionnel : Ce bruit apparait sous la formes de points noirs et blancs réparties arbitrairement sur une image. Il peut être causé par un capteur comportant des pixels défectueux, ou lors de la transmission de l images ou la conversion analogique numérique. Bruit thermique : Ce bruit provient des courants parasites dus à l agitation brownienne des électrons. Ce bruit augmente avec la température du capteur. Bruit des photons (ou de grenaille) : Le bruit des photons est la principale source de bruit dans les images prises par les appareils photo numériques actuels. Bruit gaussien
38 38 II.3 Filtres de Lissage Les filtres de lissages sont des opérateurs qui permettent de réduire le bruit et les éléments perturbateurs et non significatifs dans une image numérique. Il existes plusieurs types de filtres que nous classons comme suit : - Filtrage linéaire par convolution - Filtre moyenneur - Filtre gaussien - Filtre exponentiel - Filtrage non linéaire - Filtres d ordre, filtre médian - NL-means - Filtre de Nagao - Filtrage fréquentiel
39 39 II.3 Filtres de Lissage a. Filtrage linéaire par convolution de masque: Plusieurs filtres de lissage sont obtenus à partir de noyaux de convolution symétriques et normalisés (. Les plus utilisés sont : Moyenne Gauss Exponentiel h, 1, 1, h, 1 2 exp h, exp Filtre moyenneur 5x5 Filtre gaussien =1.41 Filtre exponentiel =0.8 Exercice: Déterminer le noyau de convolution -d un filtre moyenneur3x3 -un filtre gaussien 3x3 -un filtre exponentiel 3x3
40 40 II.3 Filtres de Lissage
41 41 II.3 Filtres de Lissage
42 42 II.3 Filtres de Lissage L effet de flou est d autant plus marqué que la taille Du masque est plus grande Filtres non linéaire
43 43 II.3 Filtres de Lissage b Filtrage non linéaire : Les techniques de filtrage non linéaire sont particulièrement utilisés pour - réduire le bruit «sel et poivre» (mal éliminé par les filtres linéaires). - Conserver l intégrité des frontières : éliminer le bruit sans les rendre floues. Plusieurs types de filtres existent : - Le filtre médian - Les filtres d ordre (généralisation du filtre médian) - Filtres de Nagao - NLMeans - Filtres morphologiques
44 44 II.3 Filtres de Lissage i) Filtre médian : Le principe du filtre médian consiste à : 1. Choisir une fenêtre de taille impaire (3x3; 5x5; etc..) 2. Centrer la fenêtre sur chaque pixel et trier les valeurs des pixels voisins qui se trouvent à l intérieur de la fenêtre : Voisinage,,, Tri,,, 3. Remplacer la valeur du pixel courant par le niveau de gris médian des valeurs ainsi ordonnées. ( la valeur médiane = valeur qui se trouve au milieu = celle qui partage la série en deux séries de même effectif) : m valeurs m valeurs
45 45 II.3 Filtres de Lissage Exemple illustratif : Voisinage Tri Valeur médiane 1,1,3,5,,10,12,50,82 Propriétés: Efficace vis-à-vis du bruit de type poivre et sel Préservation des contours(marche, rampe) Destruction des angles et détails fins Local, non linéaire Fonction : >> medfilt2 Avec un filtre moyenneur: on affecterait la valeur moyenne du voisinage, soit 19
46 46 II.3 Filtres de Lissage
47 47 II.3 Filtres de Lissage Bruit Sel & Poivre
48 48 II.3 Filtres de Lissage Bruit Poivre et Sel Bruit Gaussien Bruit de Poisson
49 49 II.3 Filtres de Lissage Ecrire un programme Matlab pour : 1. Générer l image synthétique cidessus 2. Appliquer un filtre moyenneuret un autre médian
50 50 II.3 Filtres de Lissage ii) Filtre d ordre: Le filtre d ordre est une généralisation du filtre médian. Après avoir trier les valeurs au voisinage du pixel, le filtre d ordre procède par remplacer la valeur du pixel par celle qui occupe un certain rang lefiltred'ordrederangkestdéfinipar:, Cas particuliers : k=m: Filtre médian k=1 : l érosion morphologique ( la valeur minimale) K=2m+1: la dilatation morphologique (la valeur maximale) Variante: le filtre du milieu :, Fonction : >> ordfilt2
51 51 II.3 Filtres de Lissage
52 52 Erosion morphologique Filtre médian II.3 Filtres de Lissage Dilatation morphologique
53 53 II.3 Filtres de Lissage Avec une fenêtre 5x5 Le bruit poivre et sel affecte 20%de cette image
54 54 Erosion et dilatation Erosion morphologique Dilatation morphologique II.3 Filtres de Lissage
55 55 II.3 Filtres de Lissage iii) Filtre de Nagao: Le principe de ce filtre consiste à* 1. centrer une fenêtre 5X5 sur chaque pixel 2. Définir les 9 domaines ci-contre,, 3. Calculer pour chaque domaine la moyenne et la variance. : Nombre de pixels dans le domaine 4. Attribuer au pixel la moyenne du domaine ayant la plus faible variance.
56 56 II.3 Filtres de Lissage
57 57 II.3 Filtres de Lissage c. Filtrage fréquentiel : i. Rappels sur la transformée de Fourier discrète bidimensionnelle : La TF est un outil fondamental dans le traitement d images. LaTFest utilisée pour décomposer un signal ou une image f en une combinaison linéaire de sinusoïdes complexes. La transformée de Fourier d une image est une représentation de cette image dans le domaine de Fourier ou fréquentiel. Transformée de Fourier discrète 2D :,, avec,, Transformée de Fourier inverse :,, M : nombre de lignes N: nombre de colonnes (x,y): coordonnées du domaine spatial (u,v): coordonnées du domaine fréquentiel
58 58 II.3 Filtres de Lissage propriétés de la transformée de Fourier discrète bidimensionnelle : Linéarité :,,,, Périodicité :,, Module/Phase :,,, Symétrie : si f une fonction réelle :,,,,,, Convolution :,,,,,,,, Dérivation :,, et,, Translation spatiale/fréquentielle :,,,, Théorème de Parseval:,,
59 59 Exemples : II.3 Filtres de Lissage Transformée de Fourier : >> fft2 et Transformée inverse : >> ifft2
60 60 Exemples : sinusoides II.3 Filtres de Lissage Période : M/2 Période : M/32
61 61 ii) Filtres passe bas: II.3 Filtres de Lissage TFD 2D Un filtre passe bas met en évidence les zones homogènes dans l image où il y a peu de variation des niveaux Filtre Passe-bas : multiplication dans le do mainefréquentielpar une fonction porte (fenêtre 81x81) TFD inverse
62 62 Iii) Filtres passe haut: II.3 Filtres de Lissage TFD 2D Un filtre passe-haut met en évidence les zones hétérogènes où les variations locales des niveaux sont importantes. Filtre passe-haut : multiplication dans le domaine fréquentiel par le complément d une fonction porte (fenêtre 31x31) TFD inverse
63 63 Iv) Filtres passe bande: II.3 Filtres de Lissage TFD 2D Filtres Passe bande, passe-haut, de synthèse : sélection de fréquences particulières. Filtre Passe-bande : multiplication dans le do mainefréquentielpar une fonctionbande symétrique TFD inverse
64 64 v) Autre Exemple: II.3 Filtres de Lissage
65 65 v) Autre Exemple: II.3 Filtres de Lissage
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 détailL 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 détailGéométrie discrète Chapitre V
Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets
Plus en détailTP SIN Traitement d image
TP SIN Traitement d image Pré requis (l élève doit savoir): - Utiliser un ordinateur Objectif terminale : L élève doit être capable de reconnaître un format d image et d expliquer les différents types
Plus en détailProjet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo
Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Dans ce projet, nous allons réaliser le code qui permet d'insérer sur une image, un logo sur un
Plus en détailFête 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 détailLes étapes du traitement de l analyse d image
Les étapes du traitement de l analyse d image La capture image brute Prétraitement niveaux de gris Segmentation image binaire Post-traitement régions d intérêts Amélioration Publication Quantification
Plus en détailIMAGES 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 détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailChapitre 22 : (Cours) Numérisation, transmission, et stockage de l information
Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information I. Nature du signal I.1. Définition Un signal est la représentation physique d une information (température, pression, absorbance,
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailChapitre 18 : Transmettre et stocker de l information
Chapitre 18 : Transmettre et stocker de l information Connaissances et compétences : - Identifier les éléments d une chaîne de transmission d informations. - Recueillir et exploiter des informations concernant
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailRéussir et traiter ses photos sous UV avec Photoshop
Réussir et traiter ses photos sous UV avec Photoshop par Rémi BORNET le 29/12/2009 Beaucoup de personnes n'arrivent pas à obtenir de bons résultats en photos sous UV et ne trouvent pas de conseils. Cet
Plus en détailHiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin
Hiver 2013 Analyse d images IMN 259 Introduction à l analyse d images Par Pierre-Marc Jodoin Où se situe l analyse d images? Traitement d images Imagerie Image Analyse d images/ Vision par ordinateur Infographie
Plus en détailTraitement 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 détailS.P.S.N. Lac du Der 2008
S.P.S.N. Lac du Der 2008 Qu'est-ce qu'un histogramme? C'est un graphique qui montre la répartition des pixels de l'image en fonction de leur luminosité. Chaque type d'image (normale, surexposée, sous exposée,
Plus en détailTP : Gestion d une image au format PGM
TP : Gestion d une image au format PGM Objectif : L objectif du sujet est de créer une classe de manipulation d images au format PGM (Portable GreyMap), et de programmer des opérations relativement simples
Plus en détailUNE TECHNIQUE ÉPROUVÉE : LE ZONE SYSTEM
3 Sur le terrain Info Les appareils photo équipés de deux logements pour cartes mémoire (SDHC et CompactFlash, par exemple) permettent de stocker les photos en Raw sur une carte mémoire et les photos en
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailPar Richard Beauregard. Novembre 2011
Par Richard Beauregard Novembre 2011 La lutte contre le bruit et autres parasites lumineux Le temps d exposition versus le compositage Les images de prétraitement L'image de précharge (Offset ou Bias)
Plus en détailOpérations de base sur ImageJ
Opérations de base sur ImageJ TPs d hydrodynamique de l ESPCI, J. Bico, M. Reyssat, M. Fermigier ImageJ est un logiciel libre, qui fonctionne aussi bien sous plate-forme Windows, Mac ou Linux. Initialement
Plus en détailChoisir entre le détourage plume et le détourage par les couches.
Choisir entre le détourage plume et le détourage par les couches. QUEL CHOIX D OUTILS ET QUELLE METHODE, POUR QUEL OBJECTIF? Il existe différentes techniques de détourage. De la plus simple à la plus délicate,
Plus en détailTraitement d un AVI avec Iris
Traitement d un AVI avec Iris 1. Définir le répertoire de travail Fichier > Réglages (Ctrl + R) Et on définit le chemin du répertoire de travail. C est là que les images vont être stockées. 2. Convertir
Plus en détailT u t o r i e l s PhotoFiltre
T u t o r i e l s PhotoFiltre mis à jour le 24/08/2004 à 02h39 Cette section est destinée à vous proposer des tutoriels pour mes utilitaires PhotoFiltre et PhotoMasque. Elle va s'enrichir progressivement
Plus en détailMesure 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 détailDétection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO
Détection des points d intérêt et Segmentation des images RGB-D Présentée par : Bilal Tawbe Semaine de la recherche de l UQO 25 Mars 2015 1. Introduction Les méthodes de détection de points d intérêt ont
Plus en détailChapitre I La fonction transmission
Chapitre I La fonction transmission 1. Terminologies 1.1 Mode guidé / non guidé Le signal est le vecteur de l information à transmettre. La transmission s effectue entre un émetteur et un récepteur reliés
Plus en détailCréation de maquette web
Création de maquette web avec Fireworks Il faut travailler en 72dpi et en pixels, en RVB Fireworks étant un logiciel dédié à la création de maquettes pour le web il ne propose que les pixels pour le texte
Plus en détailCréative Cloud - Perfectionnement
Créative Cloud - Perfectionnement Objectif : Permettre aux participants de voir et de comprendre les bases et les nouveautés des différents logiciels. Durée : à définir par rapport aux besoins Dans la
Plus en détailFormats d images. 1 Introduction
Formats d images 1 Introduction Lorsque nous utilisons un ordinateur ou un smartphone l écran constitue un élément principal de l interaction avec la machine. Les images sont donc au cœur de l utilisation
Plus en détailLe traitement du 5ème concours A.I.P. pour l objet SH2-155 de Franck JOBARD
Le traitement du 5ème concours A.I.P. pour l objet SH2-155 de Franck JOBARD J ai fait le choix d utiliser Pixinsight en utilisant le process icons de l aip v3-21 pour le prétraitement. 1. Prétraitement
Plus en détailCodage hiérarchique et multirésolution (JPEG 2000) Codage Vidéo. Représentation de la couleur. Codage canal et codes correcteurs d erreur
Codage hiérarchique et multirésolution (JPEG 000) Codage Vidéo Représentation de la couleur Codage canal et codes correcteurs d erreur Format vectoriel (SVG - Scalable Vector Graphics) Organisation de
Plus en détailChapitre 13 Numérisation de l information
DERNIÈRE IMPRESSION LE 2 septembre 2013 à 17:33 Chapitre 13 Numérisation de l information Table des matières 1 Transmission des informations 2 2 La numérisation 2 2.1 L échantillonage..............................
Plus en détailProgramme de formation Photoshop : Initiation 24 heures de formation (3 jours) 1/2
Programme de formation Photoshop : Initiation 24 heures de formation (3 jours) 1/2 Graphistes, photographes, webmasters, ou toute autre personne en charge de la création de visuels pour le web ou le print.
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailLES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION
LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION ) Caractéristiques techniques des supports. L infrastructure d un réseau, la qualité de service offerte,
Plus en détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailUtilisation du logiciel ImageJ gratuit
Utilisation du logiciel ImageJ gratuit on peut récupérer sur le lien suivant : http://rsbweb.nih.gov/ij/ à partir duquel ce résumé très bref (!!) a été élaboré Lancer ImageJ Vous avez une fenêtre qui s'ouvre
Plus en détailGlossaire technique Veditec
Glossaire technique Veditec 3D/2D DNR (digital noise réduction) La technologie DNR est un système de réduction numérique de bruit ayant pour but de réduire le bruit sur l image. Elle permet d obtenir des
Plus en détailCours de numérisation sur Epson Perfection
Cours de numérisation sur Epson Perfection 1- Vérifiez la propreté de la vitre, placez l original sur celle-ci. À savoir, on peut numériser des transparents avec ce scanner ; il a un capteur CCD dans le
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailChap17 - CORRECTİON DES EXERCİCES
Chap17 - CORRECTİON DES EXERCİCES n 3 p528 Le signal a est numérique : il n y a que deux valeurs possibles pour la tension. Le signal b n est pas numérique : il y a alternance entre des signaux divers
Plus en détailUE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd
UE 503 L3 MIAGE Initiation Réseau et Programmation Web La couche physique A. Belaïd abelaid@loria.fr http://www.loria.fr/~abelaid/ Année Universitaire 2011/2012 2 Le Modèle OSI La couche physique ou le
Plus en détailMesures de PAR. Densité de flux de photons utiles pour la photosynthèse
Densité de flux de photons utiles pour la photosynthèse Le rayonnement lumineux joue un rôle critique dans le processus biologique et chimique de la vie sur terre. Il intervient notamment dans sur les
Plus en détailProjet 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 détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailChapitre 22 Optimisation pour diffusion à l'écran, pour le web
1 1 9 9 7 7 Optimisation pour diffusion à l'écran, pour le web Diffusion pour le web........................ 31 Les paramètres avant l exportation................. 31 Optimisation pour le web......................
Plus en détailDÉCOUVERTE DE CAPTURE ONE
Page 1/12 DÉCOUVERTE DE CAPTURE ONE PREMIERS PAS Lorsqu'on a l'habitude ce logiciel on effectue toutes les opérations ( ou presque avec lui ), y compris le transfert des fichiers depuis l'apn vers le disque
Plus en détailLa Rosette (NGC 2237) Fabien
La Rosette (NGC 2237) Fabien 1. Prétraitement 1.1 Introduction Nous partons de 3 jeux d images, prises par les membres du club, avec des instruments différents. - Des images en Ha, prises avec une lunette
Plus en détailChapitre 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 détailLightroom. Chambre noire numérique. Organisation. Lightroom Catalog.lrcat. Lightroom Catalog Previews.lrdata 2005, 2006, 2007
N O E Lightroom S Organisation Lightroom permet d organiser nos photos, de «développer» nos négatifs numériques, aussi bien en RAW qu en format JPEG, de les imprimer, et d en faire des diaporamas ou des
Plus en détailUtilisation 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 détailRégler les paramètres de mesure en choisissant un intervalle de mesure 10µs et 200 mesures.
TP Conversion analogique numérique Les machines numériques qui nous entourent ne peuvent, du fait de leur structure, que gérer des objets s composés de 0 et de. Une des étapes fondamentale de l'interaction
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailUFR de Sciences Economiques Année 2008-2009 TESTS PARAMÉTRIQUES
Université Paris 13 Cours de Statistiques et Econométrie I UFR de Sciences Economiques Année 2008-2009 Licence de Sciences Economiques L3 Premier semestre TESTS PARAMÉTRIQUES Remarque: les exercices 2,
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailTransmission de données. A) Principaux éléments intervenant dans la transmission
Page 1 / 7 A) Principaux éléments intervenant dans la transmission A.1 Equipement voisins Ordinateur ou terminal Ordinateur ou terminal Canal de transmission ETTD ETTD ETTD : Equipement Terminal de Traitement
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailLABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK
LABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK 5.1 Introduction Simulink est l'extension graphique de MATLAB permettant, d une part de représenter les fonctions mathématiques et les systèmes sous forme
Plus en détailhttp://www.u-bourgogne.fr/monge/e.busvelle/teaching.php
TP1 Traitement numérique du son 1 Introduction Le but de ce TP est de mettre en pratique les notions de traitement numérique vues en cours, TDs et dans le précédent TP. On se focalisera sur le traitement
Plus en détailUtiliser le logiciel Photofiltre Sommaire
Utiliser le logiciel Photofiltre Sommaire 1. Quelques mots sur l image 2. Obtenir des images numériques 3. Le tableau de bord de logiciel PhotoFiltre 4. Acquérir une image 5. Enregistrer une image 6. Redimensionner
Plus en détailModule 16 : Les fonctions de recherche et de référence
Module 16 : Les fonctions de recherche et de référence 16.0 Introduction L une des fonctions les plus importantes d Excel, c est la possibilité de chercher une valeur spécifique dans un grand nombre de
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailStructure du format BMP, sa lecture, sa construction et son écriture
Structure du format BMP, sa lecture, sa construction et son écriture Claude Parisel Mars 2003 Table des matières : 1. Le choix du format 2. Commentaires sur les autres formats 3. Format BMP pour noir&blanc,
Plus en détailSimulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE
Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE LAURENT Rémy laurent@clermont.in2p3.fr http://clrpcsv.in2p3.fr Journées des LARD Septembre 2007 M2R
Plus en détailAmélioration des sélections
Amélioration des sélections Introduction historique Faire une bonne sélection d un objet avec un contour compliqué a toujours été un défi. Un problème typique est de changer le fond derrière un visage
Plus en détailInfolettre #18 : Les graphiques avec Excel 2010
Infolettre #18 : Les graphiques avec Excel 2010 Table des matières Introduction... 1 Hourra! Le retour du double-clic... 1 Modifier le graphique... 4 Onglet Création... 4 L onglet Disposition... 7 Onglet
Plus en détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailSur trois couches, on obtient donc 2563 = 16 777 216 de couleurs, soit 24bpp (Bit Per Pixel).
Camera raw La fonction Camera Raw d'adobe Photoshop permet d'accéder facilement et rapidement aux images au format «raw» (brut), utilisé par de nombreux appareils photo numériques professionnels et milieu
Plus en détailNumérisation du signal
Chapitre 12 Sciences Physiques - BTS Numérisation du signal 1 Analogique - Numérique. 1.1 Définitions. Signal analogique : un signal analogique s a (t)est un signal continu dont la valeur varie en fonction
Plus en détailLes images numériques. 1. Le dessin vectoriel
Les images numériques 1 Le dessin vectoriel 2 Les images bitmap 3 Image en noir et blanc 4 Les codages de la couleurs 5 La synthèse additive (RVB) 6 La synthèse soustractive 7 Les couleurs indexées 8 Comment
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailInformation. BASES LITTERAIRES Etre capable de répondre à une question du type «la valeur trouvée respecte t-elle le cahier des charges?
Compétences générales Avoir des piles neuves, ou récentes dans sa machine à calculer. Etre capable de retrouver instantanément une info dans sa machine. Prendre une bouteille d eau. Prendre CNI + convocation.
Plus en détailLes bases de l étalonnage avec Adobe Premiere Pro Formation de Duduf http://www.duduf.training
Les bases de l étalonnage Formation de Duduf http://www.duduf.training I - Régler les contrastes Luminosité, niveaux, gamma... Forme d onde Y/C, Correcteur de luminance II - Régler la saturation Vivacité
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailNombre dérivé et tangente
Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative
Plus en détail2013 Pearson France Photoshop Elements 12 pour les photographes du numérique Loïc Olive
améliorer les PhOtOs L amélioration d une photo passe quasiment toujours par les mêmes étapes. On commence par la redresser, puis on s attelle à corriger ses dominantes de couleurs et sa tonalité. Vient
Plus en détailTraitement des données avec Microsoft EXCEL 2010
Traitement des données avec Microsoft EXCEL 2010 Vincent Jalby Septembre 2012 1 Saisie des données Les données collectées sont saisies dans une feuille Excel. Chaque ligne correspond à une observation
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailChapitre 02. La lumière des étoiles. Exercices :
Chapitre 02 La lumière des étoiles. I- Lumière monochromatique et lumière polychromatique. )- Expérience de Newton (642 727). 2)- Expérience avec la lumière émise par un Laser. 3)- Radiation et longueur
Plus en détailProjet audio. Analyse des Signaux ELE2700
ÉCOLE POLYTECHNIQUE DE MONTRÉAL Département de Génie Électrique Projet audio Analyse des Signaux ELE2700 Saad Chidami - 2014 Table des matières Objectif du laboratoire... 4 Caractérisation du bruit...
Plus en détailPR OC E D U RE S D E B A S E
Photofiltre Préparé par Philipe Lampron, auxiliaire du cours FPE 7650 en 2004-2005. *** Pour optimiser une image : enregistrer sous et augmenter la compression PR OC E D U RE S D E B A S E PhotoFiltre
Plus en détailGalerie de photos échantillons SB-910
Galerie de photos échantillons SB-910 Ce livret présente différentes techniques du flash SB-910 et des exemples de photographies. 1 Fr Franchissez un cap dans l univers de l éclairage créatif Révélez les
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailRÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3
RÉALISATION DE GRAPHIQUES AVEC OPENOFFICE.ORG 2.3 Pour construire un graphique : On lance l assistant graphique à l aide du menu Insérer è Diagramme en ayant sélectionné au préalable une cellule vide dans
Plus en détailMode d emploi ALTO MONITOR PROCESSEUR D ÉCOUTE. www.altoproaudio.com Version 1.0 Juillet 2003 Français
Mode d emploi ALTO MONITOR PROCESSEUR D ÉCOUTE www.altoproaudio.com Version 1.0 Juillet 2003 Français SOMMAIRE 1. INTRODUCTION................................................................... 4 2. FONCTIONNALITÉS................................................................
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailAnalyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1
Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets
Plus en détailSpectrophotométrie. Spectrophotomètre CCD2. Réf : 701 606. Version 1.0. Français p 2. Version : 4105
Réf : Version 1.0 Français p 2 Version : 4105 Spectrophotomètre CCD2 1 Avant-propos et description Chère cliente, cher client, nous vous félicitons d'avoir choisi notre Spectrophotomètre CCD2 pour réaliser
Plus en détail