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

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

Introduction au traitement dimages Simulation sous Matlab Professeur. Mohammed Talibi Alaoui Département Mathématique et Informatique, Oujda.

Présentations similaires


Présentation au sujet: "Introduction au traitement dimages Simulation sous Matlab Professeur. Mohammed Talibi Alaoui Département Mathématique et Informatique, Oujda."— Transcription de la présentation:

1 Introduction au traitement dimages Simulation sous Matlab Professeur. Mohammed Talibi Alaoui Département Mathématique et Informatique, Oujda

2 Le traitement dimage et vision par ordinateur

3 La vision par Ordinateur

4 Vision Artificielle VA Un système de vision artificielle capte une scène tridimensionnelle et la traduit en une ou plusieurs images Objectifs Reconnaître et localiser les objets présents dans la scène

5 Le Traitement dImage TI On désigne l'ensemble des opérations sur les images numériques, qui transforment une image en une autre image.

6 Imagerie Médicale Rehaussement du contraste dune radiographie de la cage thoracique

7 Imagerie Médicale Détection des tumeurs cancéreuses à partir dune mammographie

8 Recherche de lésions ou danomalies dans le cerveau Imagerie Médicale

9 Traitement dImage Amélioration dimages (dégradation inconnue)

10 Traitement dImage Restauration dimages (dégradation connue)

11 Applications TI

12 Systèmes à base de TI

13 Difficultés Variations naturelles dans une même catégorie dobjet –Exemple :maison, chaise Grande quantité de données à traiter –Image faible résolution N/B 128x128 16Ko –Image haute résolution couleur 512x512x3 750Ko –Image caméra numérique 2592x1944 pix 15,1Mo –Mouvement (30 im./s) 22.5 Mo

14 Variations dans le processus de formation de limage –Éclairage –Qualité du capteur –Qualité du système –…

15 PLAN Chapitre 1 : Introduction Chapitre 2 : Filtrage Chapitre 3 : Détection de contours Chapitre 4 : Morphologie mathématique Chapitre 5 : Image couleur et texturé Chapitre 6 : Restauration dimages Chapitre 7 : Compression dimages Chapitre 8 : Reconnaissance de formes Chapitre 9 : Recalage dimages

16 Chapitre 1 : Introduction 1.Le traitement dimages Trier le courrier Contrôle automatique par la vision Domaine militaire ( reconnaître automatiquement la cible ) Compression des images

17 Chapitre 1 : Introduction 2.Notions élémentaires concernant Matlab Langage de programmation de haut niveau Structure de base : Matrice

18 Création dune matrice : M = [ ; ]; Pour des matrices de taille plus importantes : inf : pas : sup Exemple : M = [3:7; 1.5:0.5:3.5];

19 Lun des principaux intérêts de Matlab : La manipulation directe de matrices sans passer par la manipulation des composantes : Exemple : C = A * B; Rajouter des fonctions spécialement dédiées à différents domaines dapplication : Traitement du signal, Traitement dimages, réseaux de neurones,.. boites à outils ou Toolbox

20 Pour écrire un programme Matlab, il suffit de placer les instructions dans un fichier portant lextension.m. Il est conseillé de commencer chaque programme par les lignes suivantes : close all clear

21 3.Formats dimage en mémoire : Images binaires : éléments valent 0 ou 1. Exemple Images dintensités : élément est un réel compris entre 0 et 1. Exemple

22 Image couleur RGB Superposition de 3 couleurs de base. Exemple : Représenter une image couleur par trois matrices ou chaque matrice correspond à une couleur de base.

23 Les intensitées des images R, G et B Lumière blanche Lumière rouge Lumière verte Lumière bleue

24 Les images H, S et V Lumière blanche Image de teinte (H) Image de saturation (S) Image dintensité (V)

25 Images couleur indexées : schéma dune image indexée. Exemple

26 4.Numérisation La numérisation est la conversion du signal électrique continu (dans l espace ou temps et en valeur) en un signal numérique discret (image numérique).

27 Numérisation Scanner Caméra numérique Image réelle Numérisation = échantillonnage + Quantification Numériseurs

28 A chercher pour numériser une image : – Combien d échantillons ? – Quantification: Combien de niveaux discrets sont suffisants pour couvrir la plage de limage ? (en bits). – Tessellation : Forme des pixels ?

29 Dun signal continu (analogique) à un signal discret (numérique): 3 étapes Chaîne de numérisation dun signal temporel (1-D) Signal continu (référence) Étape 1 Signal échantillonné Signal quantifié (4 niveaux) Étape 3 Étape 2 Codage (4 niveaux 2bits)

30 Quantification : lamplitude du signal échantillonné est représentée par un nombre fini de valeurs damplitude (niveaux de quantification). Échantillonnage : lévolution du signal suivant la dimension « t » (ici le temps) est représentée par un nombre fini de ses valeurs. Les valeurs du signal sont prises régulièrement à une période déchantillonnage T e. Codage : les niveaux de quantification sont codés sous la forme dun mot binaire sur k bits ( 2 k niveaux possibles). Dun signal continu (analogique) à un signal discret (numérique): 3 étapes

31 CAS DES IMAGES Les images sont des signaux 2-D, léchantillonnage se fait selon les dimensions spatiales « x » et « y » (et non pas selon le temps comme précédemment). Le nombre de niveaux de quantification de la luminance est généralement de 256, chaque niveau étant alors codé sur 8 bits (code binaire naturel).

32 Numérisation :

33

34 Tessellation (pavage) : Cest la forme du pixel. Le pavage est «choisi» pour couvrir au mieux le plan image. Le pavage est donc une partition du plan image qui, une fois discrétisé, résulte en un maillage qui représente la grille déchantillonnage.

35

36 5.Changement de format Matlab : les fonctions pour passer dun format à un autre : indexé - intensité : I = ind2gray(X,map); Indexé - RGB : [R,G,B] = ind2rgb(X,map); RGB - indexé : [X, map] = rgb2ind(R,G,B); RGB - intensité : I = rgb2gray(R,G,B); Exemple : Traduire limage indexée en image intensité et en image RGB.

37 Généralement, Le passage de la couleur à lintensité est obtenu par la formule : Intensité = α.r + β.g + γ.b avec α + β + γ = 1

38 6.Formats dimage sur disque Le format Matlab ( fichiers *.mat ) Les formats graphiques standard : les formats jpeg et tiff ( fichiers *.jpg et *.tif) pour le choix dun format : Format tiff : images binaires ( compression parfaite ) Format jpeg : images de scènes réelles Format matlab : tout type dimage (sans compression), lorsque lon souhaite éviter toute dégradation

39 Format des images: JPEG Format JPEG (Joint Photo Expert Group) Nb. couleurs : 16 millions (vraies couleurs) Compression avec perte : Le taux de compression peut varier de 1% (meilleure qualité) à 99% (moins bonne qualité). Animation : Non Beaucoup utilisé sur Internet pour sa taille mémoire réduite.

40 Format GIF (Graphics Interchange Format) Nb. couleurs : 256 couleurs avec palette Compression avec perte : Compression sans perte Animation : Oui Ce format est très utilisé sur Internet. Format des images : GIF

41 Exemple : ( Négatif dune image ) Écrire un programme qui lit une image couleur au format jpeg, puis la convertit en image dintensité. Visualisez cette image. Ensuite, construire le négatif de limage (inversion des niveaux dintensités) et visualiser le résultat.

42 7.Analyse élémentaire dhistogramme

43 7.1. Histogramme Image de pixels, codés chacun sur 8 bits Population de pixels pour chaque niveaux de gris [0 ; 255] Pour chaque niveau de gris, compter le nombre de pixels sy référant Pour chaque niveau, tracer le graphe en bâton du nombre de pixels (possibilité de regrouper les niveaux proches en une seule classe)

44 Image « A » en niveaux de gris Matrice des valeurs de luminance des pixels de limage « A » Histogramme de limage « A » Les niveaux 0, 1 et 2 sont respectivement représentés par 24, 12 et 28 pixels représentation de cette population de pixels sur l'histogramme. Exemple simple de calcul dhistogramme pour une image L'image « A » comporte 3 niveaux de gris différents : 0, 1 et 2. Compter le nombre de pixels pour chaque niveau de gris, à laide de la matrice des valeurs de luminance.

45 Exemple : Afficher lhistogramme de limage de lexercice, et celui de son négatif, sur 256 niveaux. Expliquer le résultat obtenu

46 7.2. Égalisation dhistogramme Il sagit de déterminer une transformation f des niveaux dintensité qui rend lhistogramme aussi plat que possible. Objectif : Améliorer certaines images de mauvaises qualité. Mauvais contraste Images trop sombres ou trop claires Mauvaise répartition des niveaux dintensité Exemple


Télécharger ppt "Introduction au traitement dimages Simulation sous Matlab Professeur. Mohammed Talibi Alaoui Département Mathématique et Informatique, Oujda."

Présentations similaires


Annonces Google