La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Année universitaire 2009-2010 FACULTE DES SCIENCES DE TUNIS FACULTE DES SCIENCES DE TUNIS UNIVERSITE DE TUNIS ELMANAR Introduction au traitement dimages.

Présentations similaires


Présentation au sujet: "Année universitaire 2009-2010 FACULTE DES SCIENCES DE TUNIS FACULTE DES SCIENCES DE TUNIS UNIVERSITE DE TUNIS ELMANAR Introduction au traitement dimages."— Transcription de la présentation:

1 Année universitaire FACULTE DES SCIENCES DE TUNIS FACULTE DES SCIENCES DE TUNIS UNIVERSITE DE TUNIS ELMANAR Introduction au traitement dimages 1Naouai MohamedTMM Cour3

2 Rappel 2

3 Analogique /Numérique Lorsque le support physique où on enregistre les données peut prendre des valeurs continues on parle de valeurs analogiques. Elles sont représentées par une courbe. Lorsque le support physique où on enregistre les données peut prendre des valeurs continues on parle de valeurs analogiques. Elles sont représentées par une courbe.

4 Lorsque le support physique où on enregistre les données ne peut prendre que des valeurs discontinues on parle de valeurs numériques. Lorsque le support physique où on enregistre les données ne peut prendre que des valeurs discontinues on parle de valeurs numériques. Ces données sont alors représentées par un histogramme. (escaliers) Ces données sont alors représentées par un histogramme. (escaliers) 4 Analogique /Numérique

5 5

6 Lenregistrement de données analogiques provoque des pertes Lenregistrement de données analogiques provoque des pertes Lenregistrement de données numériques est sans perte Lenregistrement de données numériques est sans perte

7 Numérisation transformation d'un signal analogique en signal numérique transformation d'un signal analogique en signal numérique –échantillonnage (en anglais sampling) : prélever périodiquement des échantillons d'un signal analogique –quantification : affecter une valeur numérique à chaque échantillon prélevé. 7

8 Qualité du signal Dépend de : Dépend de : –la fréquence d'échantillonnage (appelé taux d'échantillonnage) : plus celle-ci est grande (~= petits intervalles de temps) plus le signal numérique sera fidèle à l'original ; –le nombre de bits utilisés pour coder les valeurs (appelé résolution) : ~= nombre de valeurs différentes qu'un échantillon peut prendre. Plus celui-ci est grand, meilleure est la qualité.

9 Intérêt de la numérisation Garantir la qualité d'un signal, ou La réduire volontairement pour : Garantir la qualité d'un signal, ou La réduire volontairement pour : –diminuer le coût de stockage –diminuer le coût de la numérisation –diminuer les temps de traitement Il faut tenir compte des limitations matérielles, etc. Il faut tenir compte des limitations matérielles, etc.

10 Convertisseur analogique numérique (CAN) Appareil permettant de transformer en valeurs numériques un phénomène variant dans le temps. Appareil permettant de transformer en valeurs numériques un phénomène variant dans le temps. Lorsque les valeurs numériques peuvent être stockées sous forme binaire (donc par un ordinateur), on parle de données multimédia. Lorsque les valeurs numériques peuvent être stockées sous forme binaire (donc par un ordinateur), on parle de données multimédia.

11 Ordinateur multimédia Machine capable de numériser des documents (papier, audio, vidéo...). Machine capable de numériser des documents (papier, audio, vidéo...). Les principaux périphériques comportant des CAN sont: Les principaux périphériques comportant des CAN sont: –les cartes d'acquisition vidéo –les scanners –les cartes de capture sonore (la quasi-totalité des cartes-sons) –la souris, l'écran + mécanismes de pointage –les lecteurs (optiques CD-ROM, DVD) ou magnétiques comme le DD ou la clé USB –les modems (à la réception)

12 Introduction au traitement dimages Plan du cours: 1. Problématiques du traitement dimages 2. Définitions 3. Propriétés de limage 12

13 Qu'est-ce que la vision ? Le monde a une structure 3D est composé de plusieurs objets. Le monde a une structure 3D est composé de plusieurs objets. L'être humain sait parfaitement décrire et interpréter ce monde. L'être humain sait parfaitement décrire et interpréter ce monde. Pourtant, l'information disponible sur la rétine n'est qu'un ensemble de points (environ un million de picture elements ou pixels)... Pourtant, l'information disponible sur la rétine n'est qu'un ensemble de points (environ un million de picture elements ou pixels)... 13

14 Qu'est-ce que la vision? Chaque pixel contient des informations sur la lumière (quantité et contenu spectral/couleur) reçue en ce point de la rétine Chaque pixel contient des informations sur la lumière (quantité et contenu spectral/couleur) reçue en ce point de la rétine Les objets (téléphone, voiture…) n'existent pas sur la rétine, et pourtant on les voit : leur interprétation est le résultat du processus visuel. Les objets (téléphone, voiture…) n'existent pas sur la rétine, et pourtant on les voit : leur interprétation est le résultat du processus visuel. 14

15 Qu'est-ce que la vision? 15

16 Résoudre le problème de la vision ? La vision humaine est extrêmement complexe (neurosciences) La vision humaine est extrêmement complexe (neurosciences) La vision par ordinateur ne cherche pas à comprendre ou à reproduire la vision humaine, mais à construire un modèle algorithmique qui, vu de l'extérieur, possède des propriétés semblables. La vision par ordinateur ne cherche pas à comprendre ou à reproduire la vision humaine, mais à construire un modèle algorithmique qui, vu de l'extérieur, possède des propriétés semblables. De plus, un problème de vision par ordinateur correspond souvent à un sous-ensemble du système de vision humain. De plus, un problème de vision par ordinateur correspond souvent à un sous-ensemble du système de vision humain. 16

17 Problématiques du traitement dimages 17

18 Problématiques du traitement dimages Vision globale 18

19 Image numérique 19

20 Problématiques du traitement dimages Sciences connectées au traitement dimages 20

21 Problématiques du traitement dimages Du traitement dimages à la vision par ordinateur Pourquoi le traitement dimages ? Pourquoi le traitement dimages ? –Le futur est au multimedia : les images sont partout! –Les applications sont multiples 21

22 Problématiques du traitement dimages Domaines dapplication: 1. Télédétection : météo, cartographie, astronomie 2. Imagerie médicale : aide au diagnostic, tomographie, suivi automatique, reconstruction 3D 3. Applications militaires : guidage de missile, reconnaissance terrestre 4. Robotique : reconnaissance/assemblage de pièces, véhicules autonomes, contrôle de qualité 5. Sécurité : identification de visages, reconnaissance dempreintes digitales, tatouage dimage (watermarking) 6. Divertissement : HDTV, images haute qualité(DVD), compression (normes JPEG et MPEG) 22

23 Problématiques du traitement dimages Exemples de traitement dimages: 1. Amélioration : augmenter la qualité de la perception visuelle dune image 2. Restauration : compenser les dégradations (bruit, flou,...) 3. Compression : stocker et transférer efficacement 4. Segmentation : délimiter les objets 5. Reconstruction 3D : obtenir un volume à partir de plans (images) 6. Représentation : modéliser –Bas niveau : texture, couleur, forme, etc. –Haut niveau : caractéristiques (features), apprentissage, statistiques, graphes 7. Analyse : convertir en informations 8. Reconnaissance / Compréhension : identifier le contenu 23

24 Définition dune image réelle Définition: Une image est la projection sur un plan dune scène 3D Une image est la projection sur un plan dune scène 3D Elle peut être définie comme une fonction à deux variables f (x, y) Elle peut être définie comme une fonction à deux variables f (x, y) –(x, y) est la position dun point de lespace sur le plan de projection –f (x, y) est lintensité (ou brillance) au point de coordonnées (x, y) Une image est un plan analogique dans lequel les Intensités sont réelles Une image est un plan analogique dans lequel les Intensités sont réelles 24

25 Définition dune image numérique Définition: Matrice dont la valeur de chaque élément représente une intensité discrète de la lumière Matrice dont la valeur de chaque élément représente une intensité discrète de la lumière Plan discret dérivé dune image analogique après numérisation (digitization) Plan discret dérivé dune image analogique après numérisation (digitization) 1.Echantillonnage spatial (sampling) : discrétisation des coordonnées de limage réelle 2.Quantification des luminances (quantization) : discrétisation des intensités de limage réelle 25

26 Echantillonnage spatial (sampling) Définit la résolution spatiale de limage Pas de division du plan image : nombre d éléments par unité de longueur. Pas de division du plan image : nombre d éléments par unité de longueur. Plus petits détails discernables dans limage. Plus petits détails discernables dans limage.Attention: Une résolution spatiale trop faible provoque des effets de crénelage (aliasing)(le bord d'une forme arrondie par exemple prenant un aspect en escalier disgracieux.). Une résolution spatiale trop faible provoque des effets de crénelage (aliasing)(le bord d'une forme arrondie par exemple prenant un aspect en escalier disgracieux.). 26

27 Quantification des luminances (Quantization) Définition: Lintensité I est quantifié sur m bits et peut prendre L = 2 m valeurs : I Є[0,..., 2 m 1] Lintensité I est quantifié sur m bits et peut prendre L = 2 m valeurs : I Є[0,..., 2 m 1] Plus petit changement dintensité discernable dans limage. Plus petit changement dintensité discernable dans limage.Attention: Un quantification trop faible provoque des faux contours Un quantification trop faible provoque des faux contoursExemple: m = 1 : 2 valeurs possibles (images binaires) m = 1 : 2 valeurs possibles (images binaires) m = 8 : 256 valeurs possibles (images en niveaux de gris) m = 8 : 256 valeurs possibles (images en niveaux de gris) m = 16 : valeurs possibles (images en couleurs) m = 16 : valeurs possibles (images en couleurs) 27

28 Représentation de limage 28

29 Représentation de limage 29

30 Représentation de limage 30

31 Exemple : Échantillonnage/Quantification 31

32 Caractéristiques dune image Définition: Surface divisée en éléments de taille fixe, ou pixels (picture element), définie par : Surface divisée en éléments de taille fixe, ou pixels (picture element), définie par : –Le nombre N de pixels en largeur et le nombre M de pixels en hauteur (obtenus après échantillonnage). –L étendue L des intensités (dynamique) que peut prendre chaque pixel après quantification. Exemple: Exemple: Image en niveaux de gris (8 bits) de taille 128 × 128 : Image en niveaux de gris (8 bits) de taille 128 × 128 : 128 × 128 × 8 = octets = 16 Koctets 128 × 128 × 8 = octets = 16 Koctets Image en couleurs (32 bits) de taille 256 × 256 : Image en couleurs (32 bits) de taille 256 × 256 : 256 × 256 × 32 = 256 Koctets 256 × 256 × 32 = 256 Koctets 32

33 Caractéristiques dune image 33

34 Formats dimages numériques Standards universels : gif, bitmap, tiff, ppm, eps,... Standards universels : gif, bitmap, tiff, ppm, eps,... Standards médicaux : DICOM, ACR-NEMA,... Standards médicaux : DICOM, ACR-NEMA,... Standards propriétaires : Philips, Siemens,... Standards propriétaires : Philips, Siemens,...Exemple: BMP (Bitmap) : matrice de bits cod´es en couleur (jusqu à 24 bits/pixel) BMP (Bitmap) : matrice de bits cod´es en couleur (jusqu à 24 bits/pixel) GIF : format compressé avec codage 8 bits/pixel GIF : format compressé avec codage 8 bits/pixel JPG (jpeg) : format de compression (DCT) dimages photographiques JPG (jpeg) : format de compression (DCT) dimages photographiques 34

35 Quelques exemples dimages numériques Image 2D : objet représenté par un tableau bidimensionnel de surfaces élémentaires (pixels). Image 2D : objet représenté par un tableau bidimensionnel de surfaces élémentaires (pixels). Séquence vidéo (2D) : scène dynamique présentant des objets 2D en mouvement. Les séquences vidéos 2D sont une juxtaposition dimages 2D, où le temps est vu comme une troisième dimension. Séquence vidéo (2D) : scène dynamique présentant des objets 2D en mouvement. Les séquences vidéos 2D sont une juxtaposition dimages 2D, où le temps est vu comme une troisième dimension. Image volumique : objet représenté par un tableau tridimensionnel de volumes élémentaires (voxels) Image volumique : objet représenté par un tableau tridimensionnel de volumes élémentaires (voxels) –Notion de profondeur z. –Un volume peut être vu comme un entassement dimages 2D (ex. des coupes scanner pour la reconstruction 3D). Séquence volumique : scène dynamique présentant des objets 3D en mouvement. Séquence volumique : scène dynamique présentant des objets 3D en mouvement. 35

36 Types dimages numériques Définition: Niveau de gris : valeur de lintensité lumineuse f (x, y) au pixel de coordonnées (x, y) Niveau de gris : valeur de lintensité lumineuse f (x, y) au pixel de coordonnées (x, y) Exemple: Exemple: Image binaire : deux valeurs possibles dintensité (0 ou 1) pour les pixels Image binaire : deux valeurs possibles dintensité (0 ou 1) pour les pixels Image en niveaux de gris : Image en niveaux de gris : –Quantification des luminances sur lintervalle [0, 255] –Codage sur 8 bits (1 octet) : k –Convention : noir=0, blanc=255 36

37 Types dimages numériques Binaire: I(x,y) {0,1} Binaire: I(x,y) {0,1} Niveau de gris: I(x,y) [0,255] Niveau de gris: I(x,y) [0,255] Couleur: I R (x,y) I V (x,y) I B (x,y) Couleur: I R (x,y) I V (x,y) I B (x,y) 37

38 Qualité de limage Contraste : qualité de la dynamique des intensités de limage. Contraste : qualité de la dynamique des intensités de limage. Bruit : signal parasite dont la distribution dans limage est aléatoire et la plupart du temps inconnue. Bruit : signal parasite dont la distribution dans limage est aléatoire et la plupart du temps inconnue. Déformations géométriques : défauts dus à la différence daxe entre le capteur dacquisition et le centre de la scène observée. Déformations géométriques : défauts dus à la différence daxe entre le capteur dacquisition et le centre de la scène observée. 38

39 Contenu de limage Texture : répartition statistique ou géométrique des intensités dans limage Texture : répartition statistique ou géométrique des intensités dans limage Contour : limite entre deux (ou un groupe de) pixels dont la différence de niveau de gris (couleur) est significative Contour : limite entre deux (ou un groupe de) pixels dont la différence de niveau de gris (couleur) est significative Région : groupe de pixels présentant des caractéristiques similaires (intensité, mouvement, etc.) Région : groupe de pixels présentant des caractéristiques similaires (intensité, mouvement, etc.) Objet : région (groupe de régions) entièrement délimitée par un contour, possédant une indépendance dans limage Objet : région (groupe de régions) entièrement délimitée par un contour, possédant une indépendance dans limage 39

40 Propriétés des images Voisinage de pixels: On parle de connexité dun pixel On parle de connexité dun pixel Connexité dordre 4 (4-Connectivity) : on considère les 4 voisins directs N, S, O et E du pixel. Connexité dordre 4 (4-Connectivity) : on considère les 4 voisins directs N, S, O et E du pixel. Connexité dordre 8 (8-Connectivity) : on considère les 8 voisins directs N, NE, NO, S, SE, SO, O et E du pixel. Connexité dordre 8 (8-Connectivity) : on considère les 8 voisins directs N, NE, NO, S, SE, SO, O et E du pixel. La connexité peut s étendre aux voisins indirects (i.e. pas de la première couronne) La connexité peut s étendre aux voisins indirects (i.e. pas de la première couronne) 40

41 Propriétés des images Moyenne : moyenne des niveaux de gris de limage (on lappelle aussi brillance ou luminance) Moyenne : moyenne des niveaux de gris de limage (on lappelle aussi brillance ou luminance) Contraste, plusieurs définitions possibles : Contraste, plusieurs définitions possibles : –Ecart-type des variations de niveaux de gris : –Variations entre valeurs de niveaux de gris min et max : 41

42 Représentation dune image numérique Représentation matricielle Représentation matricielle Représentation lexicographique de limage : matrice Représentation lexicographique de limage : matrice I = [0...M 1] × [0...N 1] I = [0...M 1] × [0...N 1] Largeur = nombre de colonnes N, hauteur = nombre de lignes M Largeur = nombre de colonnes N, hauteur = nombre de lignes M Le pixel au croisement de la ligne i et de la colonne j désigné par I(i, j) Le pixel au croisement de la ligne i et de la colonne j désigné par I(i, j) Représentation vectorielle Représentation vectorielle Lignes de limage juxtaposées : vecteur Lignes de limage juxtaposées : vecteur v = [0...,M × N 1] v = [0...,M × N 1] Le pixel (i, j) : composante v[j*N + i] Le pixel (i, j) : composante v[j*N + i] 42

43 Représentation dune image numérique 43


Télécharger ppt "Année universitaire 2009-2010 FACULTE DES SCIENCES DE TUNIS FACULTE DES SCIENCES DE TUNIS UNIVERSITE DE TUNIS ELMANAR Introduction au traitement dimages."

Présentations similaires


Annonces Google