OPERATEURS MORPHOLOGIQUES
|
|
- Ghislain Lapierre
- il y a 8 ans
- Total affichages :
Transcription
1 OPERATEURS MORPHOLOGIQUES Ensembles caractéristiques et éléments structurants Érosion et dilatation Ouverture et fermeture Application au filtrage Extraction de contours, remplissage de régions Épaississement, amincissement Enveloppes convexes, squelettes
2 Introduction Ensemble caractéristique Une image binaire peut être caractérisée par l'ensemble de ses pixels de valeur 1 (pixels noirs). Cet ensemble est souvent appelé ensemble caractéristique de l'image. Dans ce chapitre nous considérons indifféremment les images binaires et leurs ensembles caractéristiques.
3 Introduction Élément structurant Un élément structurant est un masque binaire (constitué de pixels blancs et noirs) muni d'un point d'ancrage. Voici, à titre d'exemple, quatre éléments structurants, le point d'ancrage étant marqués par un point : Soit (x,y) les coordonnées d'un pixel d'une image binaire X et M un élément structurant. Alors M (x,y) représente l'ensemble des pixels noirs de X qui coïncident avec les pixels noirs de M lorsque le point d'ancrage est superposé au pixel de coordonnées (x,y). Les pixels "blancs" peuvent être interprétés comme "transparents".
4 Érosion et dilatation Définition : érosion Soit une image binaire X et un élément structurant M. L'érosion de X par M est une image binaire définie par Ero M (X) = {(x,y) M (x,y) X} Illustration de l'érosion L'image de droite est obtenue par érosion de l'image de gauche par le masque structurant en forme de croix (au centre)
5 Érosion et dilatation Exemples Illustration de l'érosion d'une image binaire (à gauche) selon quatre éléments structurants différents
6 Érosion et dilatation Définition : dilatation Soit une image binaire X et un élément structurant M. La dilatation de X par M est une image binaire définie par Dil M (X) = {(x,y) M (x,y) X } Illustration de la dilatation L'image de droite est obtenue par dilatation de l'image de gauche par le masque structurant en forme de croix (au centre)
7 Érosion et dilatation Exemples Illustration de la dilatation d'une image binaire (à gauche) selon quatre éléments structurants différents
8 Érosion et dilatation Dualité entre érosion et dilatation L'érosion et la dilatation sont deux opérations duales par rapport aux complémentaires des ensembles caractéristiques : Ero M (X C ) = (Dil M (X)) C Dil M (X C ) = (Ero M (X)) C où X C représente le complémentaire de X. Illustration de la dilatation et de l'érosion du complémentaire
9 Érosion et dilatation Propriétés de l'érosion et de la dilatation Les propriétés algébriques suivantes sont valables : l'érosion et la dilatation sont monotones croissantes X Y Ero M (X) Ero M (Y) X Y Dil M (X) Dil M (Y) si le point d'ancrage de l'élément structurant vaut 1, la dilatation est extensive et l'érosion est anti-extensive : si M[0,0]=1 alors X Dil M (X) si M[0,0]=1 alors Ero M (X) X les propriétés ensemblistes suivantes sont valables : Dil M1 M2 (X) = Dil M1 (X) Dil M2 (X) Dil M1 M2 (X) = Dil M1 (X) Dil M2 (X) Ero M1 M2 (X) = Ero M1 (X) Ero M2 (X) Ero M1 M2 (X) = Ero M1 (X) Ero M2 (X)
10 Ouverture et fermeture Définition de l'ouverture Soit une image binaire X et un élément structurant M. L'ouverture de X par M est une image binaire définie par Ouv M (X) = Dil M -(Ero M (X)) où M représente l'élément structurant symétrique de M par rapport au point d'ancrage. Définition de la fermeture Soit une image binaire X et un élément structurant M. La fermeture de X par M est une image binaire définie par Fer M (X) = Ero M -(Dil M (X)) où M représente l'élément structurant symétrique de M par rapport au point d'ancrage.
11 Ouverture et fermeture Illustration de l'ouverture L'image de droite représente l'ouverture de l'image de gauche par un élément structurant en "L"; elle est obtenue par la composition d'une érosion et d'une dilatation.
12 Ouverture et fermeture Illustration de la fermeture L'image de droite représente la fermeture de l'image de gauche par un élément structurant en "L"; elle est obtenue par la composition d'une dilatation et d'une érosion.
13 Ouverture et fermeture Propriétés algébriques de l'ouverture et de la fermeture L'ouverture d'une image X par un élément structurant M est caractérisée par les propriétés suivantes: l'ouverture est anti-extensive et la fermeture est extensive Ouv M (X) X X Fer M (X) l'ouverture et la fermeture sont monotones croissantes X Y Ouv M (X) Ouv M (Y) X Y Fer M (X) Fer M (Y) l'ouverture et la fermeture sont idempotentes Ouv M (Ouv M (X)) = Ouv M (X) Fer M (Fer M (X)) = Fer M (X) l'ouverture possède la caractéristique suivante : Ouv M (X) = { M (x,y) M (x,y) X }
14 Ouverture et fermeture Dualité entre ouverture et fermeture L'ouverture et la fermeture sont deux opérations duales par rapport aux complémentaires des ensembles caractéristiques: Ouv M (X C ) = (Fer M (X)) C Fer M (X C ) = (Ouv M (X)) C où X C représente le complémentaire de X.
15 Applications Commentaire Les opérateurs morphologiques peuvent être utilisés dans plusieurs applications du traitement d'image: l'élimination du bruit l'extraction de contours le remplissage de régions amincissement et épaississement
16 Applications Filtrage du bruit Le filtrage du bruit dans une image binaire peut être réalisé par un opérateur morphologique exprimé par Filtre(X) = Fer B4 (Ouv B4 (X)) B4 = Exemple
17 Applications Extraction du contour d'une composante 4-connexe L'extraction du contour d'une composante 4-connexe peut être obtenue par l'expression Contour4(X) = X Ero B9 (X) B9 = Exemple
18 Applications Extraction du contour d'une composante 8-connexe L'extraction du contour d'une composante 8-connexe peut être obtenue par l'expression Contour8(X) = X Ero C5 (X) C5 = Exemple
19 Applications Remplissage de régions Soit Z une courbe 8-connexe; l'intérieur peut être construit de manière itérative à partir d'une image X [0] contenant un seul pixel intérieur : X [k] = Dil C5 (X [k-1] ) Z C C5 = Lorsque la stabilité est atteinte X [k] = X [k-1] contient l'intérieur de la courbe Z.
20 Opérateur "tout ou rien" Définition Soit une image X et un couple d'éléments structurants M=(M 1,M 0 ) avec la propriété M 1 M 0 =. L'opérateur "tout ou rien" est défini de la manière suivante : ToR M (X) = Ero M1 (X) Ero M0 (X C ) Commentaire L'opérateur "tout ou rien" permet de rechercher les points dont le voisinage est conforme à un masque dans le sens que certains pixels sont noirs; certains pixels sont blancs; certains pixels sont quelconques (blancs ou noirs).
21 Opérateur "tout ou rien" Représentation Nous représentons un couple d'éléments structurants M=(M 1,M 0 ) au moyen d'un masque ternaire: les pixels obligatoirement blancs (resp. noirs) sont blancs (resp. noirs); les pixels quelconques sont gris; le point d'ancrage est marqué par un point. Exemple Voici une image X, un masque M=(M 1,M 0 ), puis Ero M1 (X), Ero M0 (X C ) et ToR M (X)
22 Amincissement Définition Soit une composante connexe X et un masque M dont le point d'ancrage vaut 1. L'amincissement de X par M est défini par Exemple Am M (X) = X ToR M (X) = X (ToR M (X)) C Voici une composante connexe X, un masque M et l'amincissement Am M (X)
23 Épaississement Définition Soit une composante connexe X et un masque M dont le point d'ancrage vaut 0. L'épaississement de X par M est défini par Exemple Ep M (X) = X ToR M (X) Voici une composante connexe X, un masque M et l'épaississement Ep M (X)
24 Enveloppe convexe Définition (cas continu) Un ensemble X du plan est dit convexe si pour tout couple de points A,B X, le segment AB appartient aussi à X, c'est-à-dire: α [0,1] αa + (1-α)B X L'enveloppe convexe d'un ensemble X, notée Env(X) est définie comme l'intersection de tous les ensembles convexes contenant X. Commentaire Une définition rigoureuse de l'enveloppe convexe discrète suppose une définition rigoureuse de droite discrète. Nous nous contentons ici d'une définition intuitive fondée sur les caractéristiques locales. Voici deux composantes convexes et deux composantes non convexes
25 Enveloppe convexe Construction L'enveloppe convexe d'une composante connexe X peut être construite par un procédé itératif au moyen des masques M k (k=1,2,..., 12) suivants: Algorithme Soit X 0 := X. répéter pour i = 0, 1, 2,... X i+1 := ToR M1 (X i ) ToR M2 (X i )... ToR M12 (X i ) X i jusqu'à ce que X i+1 = X i Env(X) := X i
26 Enveloppe convexe Exemple Voici une illustration de la construction de l'enveloppe convexe comprenant la composante initiale X, les trois premières itération X 1, X 2, X 3 et l'enveloppe convexe obtenue Env(X)
27 Transformation homotope Définition Une transformation est dite homotope si elle préserve la connexité, c'est-à-dire le nombre de composante connexe, le nombre de trous dans chaque composante connexe. Masques homotopes Certains masques d'amincissement engendrent des transformations homotopes: cas d'une composante 4-connexe: cas d'une composante 8-connexe:
28 Squelette Définition (cas continu) Soit X une forme connexe du plan. Le squelette de X noté Sq(X) est formé de l'ensemble des centres des cercles inscrits maximaux, c'est-à-dire Sq(X) = { s x,y frontière(x), x y et d(s,x)=d(s,y) } Exemples
29 Squelette Problème Il n'existe pas de définition satisfaisante dans le cas discret! Néanmoins le squelette peut être construit par un procédé itératif qui transforme une composante connexe X en une composante filiforme ayant les mêmes caractéristiques topologiques. La squelettisation sera ainsi effectuée par une suite de transformations homotopes.
30 Squelette Construction Le squelette d'une composante connexe X peut être construit par un amincissement homotope itératif au moyen des masques M k (k=1,2,..., 8) suivants : Algorithme X 0 := X. répéter pour i = 0, 1, 2,... X i+1 := Am M8 (Am M7 (... (Am M2 (Am M1 (X i ))... )) jusqu'à ce que X i+1 = X i Sq(X) := X i
31 Squelette Exemple Voici une illustration de la construction du squelette d'une composante connexe comprenant la composante initiale X, l'amincissement obtenu avec les masques M 1 à M 4, puis le résultat des deux premières itérations X 1 et enfin le squelette obtenu Sq(X)
32 Axe médian Définition L'axe médian d'une composante connexe X, noté Méd(X) est l'ensemble des centres des carrées de taille impaire maximale inscrits dans X Exemple Voici une composante connexe et son axe médian.
33 Axe médian Construction L'axe médian d'une composante connexe X peut être construit par une itération d'érosions et de dilatations au moyen de l'élément structurant M=B 9 : Algorithme X 0 := X. répéter pour i = 1, 2,... X i := Ero M (X i-1 ) ; Y i := X i-1 Dil M (X i ); jusqu'à ce que X i = Méd(X) := Y 1 Y 2... Y i
34 Axe médian Exemple Voici une illustration de la construction de l'axe médian contenant la composante connexe X, puis les ensembles Y 1, Y 2, Y 3, Y 4 obtenus selon l'algorithme et enfin l'axe médian Méd(X) = Y 1 Y 2 Y 3 Y 4.
35 Axe médian Commentaire La construction de l'axe médian est réversible : X peut être reconstruit à partir de Méd(X) = Y 1 Y 2... Y i par un procédé itératif fondé sur la propriété X = Dil M (Y 1 ) Dil M (Dil M (Y 2 ))... Dil M (Dil M (...(Dil M (Y i )...)) Algorithme pour j = 1, 2,..., i faire pour k = j, j+1,..., i faire Y k := Dil M (Y k ) jusqu'à ce que X i = X := Y 1 Y 2... Y i
36 Axe médian Remarque La reconstruction de X à partir de Méd(X) suppose connus les diamètres des blocs, soit la décomposition en ensembles Y k. Exemple Voici une illustration de la reconstruction de X à partir de son axe médian contenant les dilatations successives des ensembles Y i et leur réunion.
37 Élagage Problème La squelettisation produit souvent des formes bruitées caractérisées par des barbules se greffant sur le squelette proprement dit. L'élagage est une opération morphologique qui permet de supprimer les barbules. Le procédé consiste à éliminer de manière itérative des pixels terminaux au moyen des masques
38 Élagage Exemple Voici une illustration de l'élagage d'un squelette obtenu en deux itérations successives
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 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 détailTraitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en 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 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 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 détailMode d'emploi du plugin Grayscale_Granulometry
Mode d'emploi du plugin Grayscale_Granulometry D. Legland 27 mars 2013 Mode d'emploi rapide du plugin Grayscale Granulometry pour ImageJ. Le plugin permet de calculer des courbes de granulométrie en niveaux
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
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 détailAxe " Génie des Procédés", centre SPIN, Ecole des Mines de Saint-Etienne ECOLE DES MINES SAINT-ETIENNE ANALYSE D IMAGE
ANALYSE D IMAGE 1. PRESENTATION DE L ANALYSE D IMAGE. 4 1.1. OJECTIF ET BUT DE L ANALYSE D IMAGE 4 1.2. PRINCIPE 4 1.2.1. FORMATION DE L IMAGE NUMERIQUE 4 1.2.2. TRANSFORMATION DE L IMAGE NUMERIQUE EN
Plus en détailChapitre VI. Connexions et fonctions numériques
Chapitre VI Connexions et fonctions numériques Concepts : -> Extension aux fonctions -> Opérateurs connexes -> Géodésie numérique -> Nivellements et auto-dualité Applications : -> Etude des extrema ->
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 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 détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailRecherche dans un tableau
Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6
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 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 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 détailCours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques
Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de
Plus en détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailSujet. calculatrice: autorisée durée: 4 heures
DS SCIENCES PHYSIQUES MATHSPÉ calculatrice: autorisée durée: 4 heures Sujet Approche d'un projecteur de diapositives...2 I.Questions préliminaires...2 A.Lentille divergente...2 B.Lentille convergente et
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 détailFonction inverse Fonctions homographiques
Fonction inverse Fonctions homographiques Année scolaire 203/204 Table des matières Fonction inverse 2. Définition Parité............................................ 2.2 Variations Courbe représentative...................................
Plus en détailBaccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.
Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la
Plus en détailM2R IMA UE CONF Présentation
M2R IMA UE CONF Présentation L objectif de l UE «Conférences» est de : 1. Présenter des applications du traitement d images dans divers domaines industriels ou académiques. 2. Apporter des compléments
Plus en détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
Plus en détailTp_chemins..doc. Dans la barre "arche 2" couleur claire 1/5 21/01/13
TP de création : utilisation des chemins vectoriels Finis les mauvais rêves : vous aurez enfin votre dreamcatcher (Indienss des Grands Lacs) 1 ) Créez une nouvelle image de 300 pixels sur 600 pixels en
Plus en détailCARTE DE VOEUX À L ASSOCIAEDRE
CARTE DE VOEUX À L ASSOCIAEDRE JEAN-LOUIS LODAY Il y a cinq ans le Centre International de Rencontres Mathématiques de Luminy a envoyé ses voeux avec la carte ci-dessus. L illustration choisie par Robert
Plus en détailCorrection : E = Soit E = -1,6. F = 12 Soit F = -6 3 + 45. y = 11. et G = -2z + 4y G = 2 6 = 3 G = G = -2 5 + 4 11
Correction : EXERCICE : Calculer en indiquant les étapes: (-6 +9) ( ) ( ) B = -4 (-) (-8) B = - 8 (+ 6) B = - 8 6 B = - 44 EXERCICE : La visite médicale Calcul de la part des élèves rencontrés lundi et
Plus en détail5 ème Chapitre 4 Triangles
5 ème Chapitre 4 Triangles 1) Médiatrices Définition : la médiatrice d'un segment est l'ensemble des points équidistants des extrémités du segment (cours de 6 ème ). Si M appartient à la médiatrice du
Plus en détailSi deux droites sont parallèles à une même troisième. alors les deux droites sont parallèles entre elles. alors
N I) Pour démontrer que deux droites (ou segments) sont parallèles (d) // (d ) (d) // (d ) deux droites sont parallèles à une même troisième les deux droites sont parallèles entre elles (d) // (d) deux
Plus en 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 détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailProjet MDMA - Rapport L2
Projet MDMA - Rapport L2 Coordinateurs : Timothée Bernard, Louis Parlant Membres du projet : Hadrien Croubois, Henri Derycke, Gaëtan Gilbert, Semen Marchuk, Luc Rocher 1 Table des matières 1 Introduction
Plus en détailCours de D.A.O. Mécanique
Cours de D.A.O. Mécanique Institut Sainte-Begge 3ème & 4ème qualification technique Site Cobegge électromécanique QCad, le DAO libre Qcad est un logiciel libre de dessin apte à dresser des plans, tout
Plus en détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailAngles orientés et trigonométrie
Chapitre Angles orientés et trigonométrie Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Trigonométrie Cercle trigonométrique. Radian. Mesure d un angle orienté, mesure principale.
Plus en détailDétection et suivi d'objets dans une séquence d'images par contours actifs
Détection et suivi d'objets dans une séquence d'images par contours actifs A. Fekir (1), N. Benamrane (2) et A. Taleb-Ahmed (3) (1) Département d informatique, Université de Mustapha Stambouli, BP 763,
Plus en détailGestion de gros fichiers binaires (images) en APL*PLUS III
Gestion de gros fichiers binaires (images) en APL*PLUS III par Gérard A. Langlet Lun des nombreux problèmes que nous avons rencontrés en APL concerne l impression d images, constituées en fait de grosses
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 détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en 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 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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
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 détailCNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2
CNAM UE MVA 210 Ph. Duran Algèbre et analyse tensorielle Cours 4: Calcul ierentiel 2 Jeui 26 octobre 2006 1 Formes iérentielles e egrés 1 Dès l'introuction es bases u calcul iérentiel, nous avons mis en
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 détail# let rec concat l1 l2 = match l1 with [] -> l2 x::l 1 -> x::(concat l 1 l2);; val concat : a list -> a list -> a list = <fun>
94 Programmation en OCaml 5.4.8. Concaténation de deux listes Définissons maintenant la fonction concat qui met bout à bout deux listes. Ainsi, si l1 et l2 sont deux listes quelconques, concat l1 l2 constitue
Plus en détailRecherche De Coalescences Binaires Étalonnage Du Détecteur
Recherche De Coalescences Binaires Étalonnage Du Détecteur Fabrice Beauville Journées Jeunes Chercheurs 18/12/2003 Les Coalescences Binaires & VIRGO Système binaire d objets compacts (étoiles à neutrons,
Plus en détailContenu attendu des guides nationaux de bonnes pratiques d hygiène GBPH
Contenu attendu des guides nationaux de bonnes pratiques d hygiène GBPH Note d information à l usage des professionnels En complément de cette note, des informations relatives au contenu des GBPH sont
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 détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailAlgorithmique avec Algobox
Algorithmique avec Algobox 1. Algorithme: Un algorithme est une suite d instructions qui, une fois exécutée correctement, conduit à un résultat donné Un algorithme doit contenir uniquement des instructions
Plus en détailIntroduction 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 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 détailLicence Sciences et Technologies Examen janvier 2010
Université de Provence Introduction à l Informatique Licence Sciences et Technologies Examen janvier 2010 Année 2009-10 Aucun document n est autorisé Les exercices peuvent être traités dans le désordre.
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
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 détailProjet d informatique M1BI : Compression et décompression de texte. 1 Généralités sur la compression/décompression de texte
Projet d informatique M1BI : Compression et décompression de texte Le but de ce projet est de coder un programme réalisant de la compression et décompression de texte. On se proposera de coder deux algorithmes
Plus en détailUne fiabilité et une solidité éprouvées
SAFE PAD 732 Une fiabilité et une solidité éprouvées La SAFE PAD 732 est le complément des barres de panique 1800 et 60 PREMIUM. Elle possède des qualités de résistance et d'efficacité : elle est CE EN179,
Plus en détailSurf 3. Design Patrick DUBOIS
Surf 3 Design Patrick DUBOIS Le système SURF 3 permet la création d'un espace supplémentaire de rangement de proximité qui libère le plan de travail et contribue à optimiser l'utilisation des surfaces.
Plus en détailAxiomatique de N, construction de Z
Axiomatique de N, construction de Z Table des matières 1 Axiomatique de N 2 1.1 Axiomatique ordinale.................................. 2 1.2 Propriété fondamentale : Le principe de récurrence.................
Plus en détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en détailDOSSIER D'ACTIVITES SUR TUXPAINT Dessiner avec Tuxpaint. Objectifs :
DOSSIER D'ACTIVITES SUR TUXPAINT Dessiner avec Tuxpaint Objectifs : Apprendre à l apprenant à connaître l'ordinateur Apprendre à l'apprenant à allumer l'ordinateur Faire découvrir à l'apprenant Linux Faire
Plus en détailTBI et mathématique. Pour vous soutenir dans votre enseignement des mathématiques. Les outils du logiciel Notebook. les ressources internet
TBI et mathématique Pour vous soutenir dans votre enseignement des mathématiques Dessin tiré du site www.recitus.qc.ca Les outils du logiciel Notebook et les ressources internet Document préparé par France
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
Plus en détailEté 2015. LIVRET de RÉVISIONS en MATHÉMATIQUES
Eté 2015 LIVRET de RÉVISIONS en MATHÉMATIQUES Destiné aux élèves entrant en Seconde au Lycée Honoré d Estienne d Orves Elaboré par les professeurs de mathématiques des collèges et lycées du secteur Une
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
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 détailPRINCIPE MICROSCOPIE CONFOCALE
PRINCIPE MICROSCOPIE CONFOCALE Un microscope confocal est un système pour lequel l'illumination et la détection sont limités à un même volume de taille réduite (1). L'image confocale (ou coupe optique)
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailModules Multimédia PAO (Adobe)
Modules Multimédia PAO (Adobe) Pré-requis : Bonne maîtrise de la manipulation d'un PC (environnement Windows ou Mac) et de la navigation Internet. Disposition pour le graphisme recommandée. Mémoire visuelle,
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 détailFUSION DE CARTES DE PROFONDEURS EN PHOTOGRAMMETRIE ARCHITECTURALE
Rapport de Projet Pluridisciplinaire Mastère spécialisé Photogrammétrie, positionnement et mesures de déformations (PPMD) FUSION DE CARTES DE PROFONDEURS EN PHOTOGRAMMETRIE ARCHITECTURALE GARDON Elzbieta
Plus en détailINF 232: Langages et Automates. Travaux Dirigés. Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies
INF 232: Langages et Automates Travaux Dirigés Université Joseph Fourier, Université Grenoble 1 Licence Sciences et Technologies Année Académique 2013-2014 Année Académique 2013-2014 UNIVERSITÉ JOSEPH
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailPart Design. Plan du site Préface Nouveautés Mise en route Tâches de base Tâches avancées Description de l'atelier Personnalisation Glossaire Index
Part Design Plan du site Préface Nouveautés Mise en route Tâches de base Tâches avancées Description de l'atelier Personnalisation Glossaire Index Dassault Systèmes 1994-2001. Tous droits réservés. Plan
Plus en détail1S Modèles de rédaction Enoncés
Par l équipe des professeurs de 1S du lycée Parc de Vilgénis 1S Modèles de rédaction Enoncés Produit scalaire & Corrigés Exercice 1 : définition du produit scalaire Soit ABC un triangle tel que AB, AC
Plus en détail2.4 Représentation graphique, tableau de Karnaugh
2 Fonctions binaires 45 2.4 Représentation graphique, tableau de Karnaugh On peut définir complètement une fonction binaire en dressant son tableau de Karnaugh, table de vérité à 2 n cases pour n variables
Plus en détailAlgorithme. Table des matières
1 Algorithme Table des matières 1 Codage 2 1.1 Système binaire.............................. 2 1.2 La numérotation de position en base décimale............ 2 1.3 La numérotation de position en base binaire..............
Plus en détailAdobe Illustrator Logiciel de dessin vectoriel et de Cartographie Assistée par Ordinateur
Adobe Illustrator Logiciel de dessin vectoriel et de Cartographie Assistée par Ordinateur I- Ouverture d une nouvelle feuille de travail Fichier / Nouveau (ou ctrl + N) Indiquer dans la fenêtre qui s ouvre
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailChapitre 2 : Caractéristiques du mouvement d un solide
Chapitre 2 : Caractéristiques du mouvement d un solide I Rappels : Référentiel : Le mouvement d un corps est décris par rapport à un corps de référence et dépend du choix de ce corps. Ce corps de référence
Plus en détailCONSEIL. Memo page 2&3. La serrure à mortaiser page 4&5. La serrure en applique pages 6 POSER UNE SERRURE 10.02. Castorama
10.02 POSER UNE SERRURE CONSEIL Castorama Memo page 2&3 La serrure à mortaiser page 4&5 La serrure en applique pages 6 page 1/6 MEMO Ce mémo vous permet de préparer votre chantier sans perdre de temps.
Plus en détailPourquoi l apprentissage?
Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
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 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 détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailCalcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane
Calcul de développements de Puiseux et application au calcul du groupe de monodromie d'une courbe algébrique plane Poteaux Adrien XLIM-DMI, UMR-CNRS 6172 Université de Limoges Soutenance de thèse 15 octobre
Plus en détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détail