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

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

1 traitement numérique des images objectifs : amélioration, élimination du bruit, rehaussement du contraste, visualisation transmission stockage compression.

Présentations similaires


Présentation au sujet: "1 traitement numérique des images objectifs : amélioration, élimination du bruit, rehaussement du contraste, visualisation transmission stockage compression."— Transcription de la présentation:

1 1 traitement numérique des images objectifs : amélioration, élimination du bruit, rehaussement du contraste, visualisation transmission stockage compression et reconstruction détection, analyse, reconnaissance (théorie de la décision, intelligence artificielle méthodes de base à partir desquelles de nombreuses adaptations : filtrage, convolution, analyse fréquentielle (Fourier) à deux dimensions extension des méthodes monodimensionnelles décomposition de limage en régions stationnaires séparées par des contours caractérisés par leur pente, leur courbure faible et leur discontinuités ainsi que par leurs intersections (points caractéristiques) domaines dapplication : dès quon dispose dune image et quon souhaite en extraire une information : transmissions numériques, robotique, automatisation des tâches, télédétection, imagerie médicale, assistance à lopérateur,...

2 2 évaluation : présence active pendant les cours travaux dirigés : présence et travail réalisé en 12 semaines rapport écrit et présentation en fin de semestre soit vous proposez un sujet qui vous intéresse soit vous traitez détection de la pupille et de liris dans une image dœil ou décomposition dune image en régions et contours (simulation dun vitrail) examen écrit portant sur les aspects mathématiques théoriques les méthodes et les algorithmes contrôle continu :

3 3 One of the oldest surviving photographs. This image is believed to be the second photograph ever taken and the first using a camera. [View from theWindow at le Gras, Joseph Nicéphore Niépce 1826] 1822 contact

4 4 exemple de problème (difficile) : compenser un bougé ou un flou

5 5 TRAITEMENT NUMERIQUE DES IMAGES J. Le Roux, SI 4/ MAM 4 Fév.- Mai Introduction à limage numérique exemples de problème : lamélioration dimages 2. Filtrage convolution 2D (liens avec loptique) Analyse en fréquence ; échantillonnage 3. Contours, Régions 4. Tomographie, imagerie médicale 5. Reconnaissance dimages 6. Divers problèmes danalyse dimage télédétection remote sensing biométrie analyse dimages et robotique

6 6 1. Introduction à lImage Numérique Objectifs du cours Intensité, quantification ; couleurs Echantillonnage (pixels) ; Exemple de pb : la rotation dimages Liste de problèmes Compression images fixes animées Amélioration dimages Lissage Reconnaissance de formes Imagerie satellitaire Images médicales * représentation en perspective de l'intensité (bien voir les difficultés sur l'amplitude du signal) * il faut bien formaliser ce qu'on veut obtenir et modifier les méthodes académiques en conséquence si cela est nécessaire

7 7 2. Filtrage convolution 2D Analyse en fréquence ; échantillonnage Convolution (liens avec loptique) Sinusoïdes 2D orientation basses fréquences hautes fréquences Transformée de Fourier 2D propriétés Théorème de Shannon ; limitations en traitement dimages Gibbs, Franhaufer Airy Transformée de Fourier discrète Transformée en cosinus (Compression jpeg) la célèbre Lenna icône du traitement dimages...

8 8 3. Contours Régions Les difficultés * les détections de contours et les segmentations en région ne sont en général pas très performantes Que faire quand le résultat est décevant ? Faut il fermer les contours ? et isoler les régions ? attention aux objectifs à atteindre dans le problème posé Morphological image processing Squelettisation Régions et texture Bruit de fond snakes Lissage Amélioration dimages préservant les contours

9 9 4. Stéréovision, Tomographie imagerie médicale détection de points caractéristiques appariement de points (stéréo, séquence vidéo) Vision stéréographique, profondeur Interférences vision en relief holographie * Medical image processing * Microscope image processing www-physique.u-strasbg.fr/cours/lphys/Einstein_imageriemed.ppt

10 10 5. Reconnaissance dimages Théorie de la décision La difficulté pratique : très grande variabilité Detection dobjets simples (transformée de Hough) * Computer vision * Face detection * Feature detection (reconnaissance) Biométrie Analyse de scène en robotique

11 11 6. Problèmes divers danalyse dimages Images animées mpeg etc... * image compression JPEG ondelettes * images animées mpeg4 divx jerome rota * H.264 ou AVC (Advanced Video Codec) Recherche du mouvement Remote sensing Problèmes inverses en traitement dimages

12 R.A. Peters,Vanderbilt University Fundamentals of Image Processing Ian T. Young, Jan J. Gerbrands, Lucas J. van Vliet quelques références cours de Diane Lingrand

13 13 Livres conseillés Olivier Faugeras, with Nikos Paragios and Yunmei Chen * "Mathematical Models in Computer Vision", Springer, 2005edited Rafael C. Gonzalez, Richard E. Woods * Digital Image Processing (2nd Edition) - - Addison-Wesley; /dip3e_downloads/dip3e_sample_book_material/dip3e_chapter_01.pdf Bernd Jähne * Practical Handbook on Image Processing for Scientific Applications - - CRC Press; Diane Lingrand, "Introduction au Traitement d'Images" 2nd edition, Vuibert, Paris, France, feb 2008, ISBN : * A course in english * Books available on the web * Computer Vision Online W. K. Pratt, * "Digital Image Processing" by John Wiley & Sons, inc., Third Edition, 2001 K.R. Rao, P.C. Yip - * The Transform and Data Compression Handbook - CRC Press. John C. Russ * The Image Processing Handbook (3rd Edition) - - Springer; N. Short, remote sensing turorial Alan Watt, Fabio Policarpo * The Computer Image - - Addison-Wesley;

14 14 enhance contrast, remove noise, detect edges, segment an image into regions, thin regions, or perform skeletonization on regions. Morphological functions Erosion and dilation Opening and closing Watershed segmentation Reconstruction Distance transform Detect lines and extract lines segments from an image using the Hough transform using texture analysis functions

15 15 notions élémentaires sur limage numérique une fonction scalaire ou vectorielle de deux variables f(x,y) notions sur la vision humaine et les capteurs intensité, couleurs, quantification dans la rétine Echantillonnage (pixels) ; histogramme des niveaux dintensité Exemple de pb : la rotation dimages numériques 1.Introduction à lImage numérique

16 16 Quest ce quune image numérisée (noir et blanc)? LINTENSITE LUMINEUSE EST UNE FONCTION DE DEUX VARIABLES

17 17 il est très difficile dinterpréter le contenu dune image en étudiant la fonction f(x,y) ! il est parfois important de se rappeler que la machine ne voit pas limage comme vous

18 18 quelques notions de biologie de la vision couleurs lœil la rétine les circuits neuronaux

19 19 Une image couleur f(x,y) est un vecteur à trois composantes les chrominances peuvent souvent être codées avec une précision moindre (p. ex. un échantillon sur 2)

20 20 une image couleur = trois intensités (rouge, vert, bleu ou combinaisons)

21 21 une image couleur = trois intensités (rouge, vert, bleu ou combinaisons)

22 22 génération des intensités RVB dun arc en ciel

23 23 Annabelle - Serpentine Dance (1894) [Edison] Premières colorisations de film

24 24 loeil 125 millions de bâtonnets (intensité et vision nocturne) 5 millions de cônes (couleur)

25 25 La métarhodopsine II produite par transformation de la rhodopsine sous l'effet de la lumière active une protéine : la transducine. Par la suite, les canaux Na+ des cellules réceptrices se ferment, provoquant une hyper-polarisation membranaire qui engendre un potentiel d'action électrique dans les cellules ganglionnaires.fermentpolarisation Une protéine transmembranaire, l'opsine, sur laquelle vient se fixer un groupement le rétinène, qui n'est autre qu'un aldéhyde de la vitamine A ou rétinol subit l'arrivée d'un photon entre 650 et 400nm sur la partie rétinène de la rhodopsine qui passe alors de la conformation 11-cis à la conformation tout-trans (appelée métarhodopsine II).protéinealdéhyde vitaminephotonrhodopsine

26 26 quels sont les mécanismes mis en œuvre au niveau neuronal ? recherches actuelles en neurologie : ensuite : quest ce que la mémoire enregistre ? comment le cerveau compare-t-il une nouvelle image aux données mémorisées pour éventuellement reconnaître un objet en quelques centièmes de secondes pour progresser : apport incontournable de limagerie médicale p. ex : au premier niveau : détection de contours et de leur orientation

27 27 quantification numérique quantification en niveaux –en couleurs –traitements à base dhistogramme rehaussement quantification spatiale

28 28 noter leffet de contraste près des transitions

29 29 pour chaque couleur lintensité est en général codée sur un octet parfois 2 1bit

30 30

31 31 modifier lhistogramme pour améliorer la qualité dune image (contraste) nombre de pixels dune intensité donnée (souvent un octet) grande sensibilité des capteurs des appareils photos numériques noir blanc

32 32 construire lhistogramme choisir un pas de quantification pour chaque niveau de quantification compter le nombre de pixel ayant ce niveau de quantification modifier les niveaux dintensité par exemple pour augmenter le contraste noir blanc avant modification blanc après modification

33 33

34 34

35 35 échantillonnage des images (nous reviendrons ultérieurement sur le théorème déchantillonnage)

36 36 Abraham Lincoln [Salvador Dali, 1976] formalisation rigoureuse (théorème de Shannon dans le cas des images) Pixels ; échantillons mosaïques

37 37 de 4x4 à 128x128 pixels

38 38 Point Par Pouce Unité de mesure de la résolution, utilisée principalement pour les écrans et les imprimantes. En français on parle de Points Par Pouce (PPP) ou de Pixels Par Pouce, ce qui est un peut différent, en anglais on parle de Dots Per Inch (DPI) ou de Pixels Per Inch (PPI). Note : un pouce (inch) vaut 2,54 cm. Plus il y a de points par pouce, meilleure est la résolution d'une image. Les détails que l'on pourra voir seront plus fins. Par exemple un écran classique peut afficher 75 pixels par pouce, si on atteignait les qualités dappareils actuels (12 millions de pixels p.ex.) on aurait de lordre de 250 pixels par pouce (10 pixels par mm qualité comparable à la photographie argentique)

39 39 quantité dinformation contenue dans une image (sans compression) images animées quelques millions de pixels par image trois couleurs huit bits par couleur 24 ou 25 images par seconde pixels couleurs niveaux de quantification de lintensité une photo = quelques dizaines de millions de bits un film de 1h30 = 10 térabits (dix mille milliards) une page décriture = 40x60 caractères = vingt mille bits un livre = quelques millions de bits un cd audio = 10 milliard de bits

40 40 enhance contrast, remove noise, detect edges, segment an image into regions, thin regions, or perform skeletonization on regions. Morphological functions Erosion and dilation Opening and closing Watershed segmentation Reconstruction Distance transform Detect lines and extract lines segments from an image using the Hough transform texture analysis functions

41 41 télédétection

42 42 Attention aux fausses interprétations (face on mars)

43 43

44 44 surveillance remote sensing détection intelligente de mouvement

45 45 limportance du contexte dans linterprétation dune image

46 46

47 47 analyse de lextension dun feu de forêt

48 48 BIOMETRIE

49 49 BIG BROTHER IS WATCHING YOU

50 50 la géométrie de l'oreille, méthode parfois utilisée par la police, la démarche (vitesse, mouvements du corps, …), l'odeur corporelle, l'analyse des pores de la peau, la thermographie faciale, les ongles, l'irrigation sanguine...

51 51

52 52 contours haut et bas segmentation reconnaissance des « segments » dans une base de segments mémorisés et de leurs enchaînements (modèles de markov) Abdenaim EL YACOUBI (la poste nantes) ftp://ftp.irisa.fr/local/IMADOC/lorette/elyacoubi/MOUNIM.PPT exemple de reconnaissance décriture manuscrite

53 53 comment reconnaître automatiquement le visage malgré les mimiques, les variations déclairage, le bruit, les données manquantes, etc... reconnaissance de visages qui cest ?

54 54

55 55 quest ce que cest ?

56 56 une très grande variété dalgorithmes et dapplications ; toutefois la première étape est souvent basée sur un filtrage linéaire ou une analyse en fréquence des problèmes concrets difficiles, car une multitude de causes de variations dune image à lautre encore beaucoup de recherches pour arriver à comprendre les processus mis en jeu dans le cerveau


Télécharger ppt "1 traitement numérique des images objectifs : amélioration, élimination du bruit, rehaussement du contraste, visualisation transmission stockage compression."

Présentations similaires


Annonces Google