Cours

Traitement d’images

Master 2 IA
Département d’Informatique, Université Blida 1
Par : GUESSOUM D.
Introduction
• Les images sont partout autours de nous
• Les images permet de résoudre des
problèmes concrets dans de nombreux
secteurs:
• Imageries médicales , reconnaissances
faciale; voiture autonome….
• Le traitement d’images est le fondement
de nombreuses applications de vision par
ordinateur.

2
Introduction
• Les images sont plus que de simples photos:
• Ce sont des données complexes à analyser et à améliorer
• Du flou à la neté, du noir au blanc aux couleurs ,chaque manipulation
d’images commences par un traitement d’images
Application
• Amélioration de la qualité
• Extraction d’information caché
• Optimisation pour la vision par ordinateur…..

3
Sommaire
1. Introduction au traitement d’images
2. Opérations de base et amélioration d’images
3. Perception de la couleur
4. Filtrage spatial et filtrage fréquentiel
5. Détection de contours
6. Segmentation

4
Chapitre 01: Introduction au
traitement d’images

5
But de traitement d’images
Le traitement d'images est l'ensemble des opérations effectuées sur l’image dont
l’objectif est :
Transformer les images numériques
• Modifier visuellement l’aspect : opérations de rehaussement de contraste, élimination du
bruit et correction d’un flou….
Permettre l’analyse d’images
• Extraire des informations symboliques
• Reconnaître des formes
Niveaux de traitement
Bas-niveau : Extraction de caractéristiques sans interprétation (ex. : contours,
texture).
Haut-niveau : Interprétation et analyse des données (ex. : classification, prise de
décision).

6
Sources d’Imagerie

Le spectre électromagnétique non

visible
• L’imagerie par rayons X Rayons
pénétrant la “matière molle”.
• Elle est utilisée principalement en
Médecine : par exemple, pour localiser
les pathologies (infections, tumeurs).
On trouve la radiographie,
angiographie, scanner ...

7
Sources d’Imagerie

Le spectre électromagnétique non visible

• L’imagerie par rayons gamma:
Utilisée principalement en médecine pour détecter
les infections, tumeurs: tomographie (PET : Position
Emission Tomography)

8
Sources d’Imagerie

Le spectre électromagnétique non visible

• L’imagerie ultra-violet
Utilisée dans divers domaines:
omicroscopie,
oastronomie,
obiologie,
oet d'autres disciplines.

9
Sources d’Imagerie

Le spectre électromagnétique non visible

• L’imagerie infra-rouge
Utilisée dans plusieurs domaines :
oTélédétection
oMicroscopie et industrie
oPhotographie et vidéo

10
Sources d’Imagerie

Le spectre électromagnétique non visible

• L’Imagerie dans la bande micro-ondes:
Utilisée principalement en imagerie radar pour voir
des zones inaccessibles exemple les nuages

11
Sources d’Imagerie

Le spectre électromagnétique non visible

• Imagerie par ultrason
Utilisée principalement en médecine et géologie:

12
Sources d’Imagerie

Le spectre électromagnétique non visible

• Imagerie dans la bande Radio
Utilisée principalement en :
oMédecine (IRM: Imagerie par Résonnance
Magnétique).
o Astronomie

13
Sources d’Imagerie

Le spectre électromagnétique visible

• Les images de la vie courante Photos,
• Images Naturelles

14
Acquisition d’une Image

• L’acquisition correspond au processus de formation de l’image.

• on utilise des capteurs selon l’application désirée:
• Application spatiale : Satellite
• Application avec grande précision : caméra CCD(Charged-coupled devices)
• Application (précision non exigée) : web cam
• ll existe d’autres capteurs , notamment dans le domaine médical
IRM, Tomographie..

15
Acquisition d’une Image

• Image naturelle : Plusieurs moyens d'acquisition:

• Caméra, microscope, infra-rouge, satellite, tomographie
• Image artificielle : Plusieurs outils de représentation: synthèse
d'images, réalité virtuelle, visualisation scientifique, …

16
Système de vision humain (SVH)
• Le système visuel humain est l'ensemble
des organes participant à la perception
visuelle humaine.
• Son rôle est de percevoir et d'interpréter les
images reçues.
• L'image est analysée au sein de la rétine et
le résultat de ce traitement est envoyé au
reste du système visuel par le nerf optique.
• Le cortex visuel dans le cerveau humain est
responsable des traitements des images.
• Il effectue des traitements de bas niveau
(orientation, contours) mais aussi de haut
niveau (formes, mouvements)

17
Acquisition d’image àl’aide de Capteur
• Les capteurs photoélectriques de type CCD (Charged
Coupled Devices) sont conçus en s'inspirant du
fonctionnement de l'œil humain.
• Fonction Principale :
• Le capteur d'image transforme l'énergie lumineuse de
chaque point de l'image en un signal électrique.
Composition d'un Capteur :
• Dispositif Optique : Capture la lumière.
• Système de Transfert : Convertit l'énergie lumineuse
en énergie électrique.
• Carte d'Échantillonnage : Numérise et mémorise le
signal vidéo.
Remarque: les capteurs sont analogiques
18
Problèmes d’acquisition
• Changement de point de vue, d’échelle,
• Faible luminosité,
• Changement de lumière (jour/ nuit),
• Ombres,
• Changements de couleur,
• Caméras en mouvement,
• Arrière-plan complexes.

20
Qu'est-ce qu'une image ?
Une image est avant tout est un signal 2D (x,y)
Souvent, cette image représente une réalité 3D (x,y,z)
D'un point de vue mathématique :
Une image est une fonction qui associe en un point donné une valeur
(niveau de gris) qui dépend de la quantité de lumière: f(x,y) pour tout
(x,y) de l’image.
D'un point de vue humain
Une image contient plusieurs informations sémantiques.

21
Définition et Représentation de l’image
• Une image numérique est constituée d’un
ensemble de points appelés pixels (abréviation
de PICture Element) pour former une image.
• Le pixel représente ainsi le plus petit élément
constitutif d’une image numérique
• Un pixel de l'image est caractérisé par :
• Ces coordonnées (i,j) Pixel (i,j)
• Son intensité lumineuse : le niveau de gris ou la
couleur, suivant qu'il s'agit d'une image en niveaux
de gris ou en couleur
intensité lumineuse
22
 Définition et Représentation de l’image
Représentation matricielle :
L’ensemble de ces pixels est contenu dans un tableau à
deux dimensions constituant l’image :
o Sous forme d’ une matrice f = [0, . . . , N − 1] × [0, . . . , M − 1]
o La largeur de l’image est donnée par la nombre de colonnes
M
o La hauteur par le nombre de lignes N
• Le pixel au croisement de la ligne i et de la colonne j est
désigné par f (i, j).

23
Définition et Représentation de l’image
Définition d’une image:
• C’est nombre de points (pixels) constituant une image
• C’est le nombre de colonnes de l’image que multiplie son
nombre de lignes.
Résolution d’une image:
• C'est le nombre de points contenu dans une longueur Definition =10 x 11 =110 pixels.
donnée (en pouce).
• Elle est exprimée en points par pouce DPI (Dots Per
Inch).
• Un pouce mesure 2.54 cm

24
Résolution
• Résolution =la définition sur la longueur (pixels) / la
longueur de l’image (pouce).
• Ou
• Résolution =la définition sur la hauteur (pixels) / la
hauteur de l’image.
• Exemple: pour calculer la résolution d’une image: 5
pouces (ou points) sur sa longueur et 4 pouces (ou points)
sur sa hauteur.
• Les données concernant les longueurs :
Résolution = 50 pixels / 5" = 10 ppp.
• Les données concernant les hauteurs :
Résolution = 40 pixels / 4" = 10 ppp.

25
 Résolution

Standard Definition Haute Définition Full HD Ultra Haute Définition Résolution supérieure 26
(SD) (HD) (UHD standard) (UHD)
Du signal analogique au signal numérique
• L’image analogique obtenue par le système d’acquisition ne peut pas
être stockée: Le signal analogique est continu.
• Image analogique( comme un signal) → image numérique
• La numérisation implique que l'image est une approximation d'une
scène réelle
• Pour obtenir une image sous forme numérique nous avons besoin de
deux opérations:
échantillonnage et quantification.

27
Numérisation d’une image
• La numérisation est l’opération qui transforme les signaux
analogiques capturés par une caméra en valeurs numériques
(discrète).
• Transformer l’image analogique (continue) en une image numérique
(discrète)
Numérisation = Échantillonnage + Quantification

Echnatillonage spatial :Discrétation des coordonnées de l’image réelle

Quantification lumineuse: Discrétation d des intensité lumineuses

28
Pourquoi cherche t on à numériser les images?
Tout simplement pour :
• les visualiser sur un moniteur ,
• les imprimer,
• les traiter sur un ordinateur ,
• les stocker ou bien les transmettre dans un réseau.

29
Rappel sur les signaux
• Un signal peut être de nature analogique (continue) ou numérique
(discrète) :
• Un signal continue est un signal dont les valeurs sont définie sur IR Il est
mesurable à chaque instant t, t Є IR
• Un signal discret est un signal dont la valeur n’est mesurable qu’à certains
instants. Un signal discret n’est pas définissable pour tout t Є IR
• L’homme perçoit le signal analogique (Audio, vidéo,…).
• Un signal numérique est un signal qui se représente grâce à des valeurs
discrètes.
• Matériel informatique: Simplicité du traitement du signal sous sa forme
numérique.
• Nécessité de convertir le signal analogique en signal numérique.

30
Echantillonnage
• Afin de convertir le signal analogique en signal numérique, il est
nécessaire de mesurer son amplitude à intervalle de temps
réguliers, c’est l’échantillonnage.
• L’échantillonnage consiste à prélever périodiquement des
échantillons d’un signal périodique.
• un signal quelconque est échantillonné à dont les amplitudes
représentent l’amplitude instantanée du signal

31
Echantillonnage

Théorème de Shannon : si on échantillonne un signal à une fréquence

supérieure au double de sa plus grande fréquence, alors on peut le
reconstruire de manière exacte de ces échantillons.
Fe> 2Fmax
Conformément au théorème de SHANON, si la période
d’échantillonnage a été correctement choisie, alors il n’y a pas de perte
d’information

32
Echantillonnage

L’échantillonnage est une opération qui

remplace une représentation continue d’un
signal par un ensemble de valeurs prises à
intervalle de temps réguliers : les
échantillons, dans le but de son traitement
ou de son enregistrement.
Le nombre de pixels: consiste à associer à
chaque zone rectangulaire de l’image une
valeur unique I(x,y).

33
Quantification
La quantification est un processus essentiel qui détermine le nombre de
valeurs d'intensité lumineuse disponibles pour chaque pixel dans une image
numérique.
Quantification ⇨ nombre de bits par pixel
• Pour un bit attribué, deux valeurs d'intensité lumineuse (21 ) sont possibles.
Il s'agit là d'une image en noir et blanc (0 ou 1).
• Si par contre l'intensité est représentée par un octet (huit bits), 256 valeurs
(28 ) d'intensité sont donc possibles (de 0 à 255).
La dynamique de l’image: Le nombre de valeurs d'intensités possibles L est
l’intervalle qu’un pixel peut prendre pour une quantification sur k bits est
donc donné par :
L=2k

34
Quantification

35
Echantillonnage et quantification appliqué à
une image
• L’échantillonnage est limité par la capacité du capteur, donc le
nombre de pixels disponible (ou autre limite imposée)
• La quantification est limitée par la quantité de tons (de gris) définie
dans l’intervalle

36
Echantillonnage et quantification appliqué à
une image
Résolution spatiale – Le plus petit détail discernable.
Résolution tonale (de tons de gris) – Le plus petit changement
discernable.
(a) Image continu
(b) Résultat de l’échantillonnage et la
quantification d’image.

37
 Image numérique
Après Échantillonnage Spatial Après Quantification
• N : Nombre de lignes de l'image. f(i, j) : Amplitude associée au pixel (i,j)
• M : Nombre de colonnes de l'image. f : Niveau de gris du pixel.
• I(i, j) : Coordonnées spatiales d'un k : Nombre de bits utilisés pour coder
élément de l'image la valeur d'un niveau de gris.
Représentation Matricielle : L : Dynamique de l'image, donc
f=[0..N−1]×[0..M−1] f∈[0,2k−1]
Résolution de l'Image
Résolution Spatiale : M×N pixels.
Résolution de Tons de Gris : k bits ou L niveaux/tons.
Nombre de Bits b requis pour stocker une image
b=M×N×k 38
Trois principaux types d’images
Image Binaire
• Composée uniquement de deux valeurs possibles : {0, 1}.
• Représente généralement des images en noir et blanc.
0 = Noir
1 = Blanc
Image en Niveaux de Gris
• Utilise 8 bits (1 octet) pour représenter le niveau de gris.
0 = Noir
255 = Blanc
• Permet d'afficher 256 niveaux de gris différents, offrant une
gamme de nuances entre le noir et le blanc.
Image en Couleur
• Utilise 24 bits (3 octets) pour chaque pixel.
• 8 bits pour le Rouge
• 8 bits pour le Vert
• 8 bits pour le Bleu
• Permet de créer environ 16 millions de couleurs différentes, ce
qui rend les images colorées très riches et détaillées. 39
Effets typiques de la variation du nombre
d’échantillons dans une image numérique

Une image 1024 × 1024, 8 bits sous-échantillonnée jusqu’à 32 × 32 pixels.

Le nombre de niveaux de gris à été maintenu à 256.
40
Effets typiques de la variation du nombre
d’échantillons dans une image numérique

• Une image 1024 × 1024, 8 bits sous-échantillonnée jusqu’à 32 × 32 pixels.

• Le nombre de niveaux de gris à été maintenu à 256.
41
Effets typiques de la variation du nombre de
niveaux de gris dans une image numérique
(a) 452 × 374, image de
256 niveaux.
(b) - (h) Image affichée en
128, 64, 32, 16, 8 , 4 et 2
niveaux de gris, tout en
maintenant la résolution
spatiale constante.

42
Effets typiques de la variation du nombre
d’échantillons et du nombre de niveaux de gris

43
Résolution : Combien est suffisant ?
• Tout cela dépend de ce qu'il y a dans l'image et de ce que vous
souhaitez en faire.
• Questions clés :
• L'image est-elle esthétiquement plaisante ?
• Pouvez-vous voir ce dont vous avez besoin dans l'image ?

44
Résolution : Combien est suffisant ?
• L'image à droite est adéquate pour compter le nombre de voitures,
mais pas pour lire le numéro de la plaque.

45