Introduction à la vision numérique Présentation du plan de cours Lectures supplémentaires: Sonka et al: chap. 1 Patrick Hébert & Denis Laurendeau (dernière révision mai 2016) 1

2 Qu'est-ce que la vision artificielle? source: simple ou multiple ponctuelle ou non contrôlable ou non milieu de propagation action traitement représentation raisonnement décision caméra: 1 ou plusieurs fixe ou mobile couleur, N&B, IR, X, TeraHz Processus d’interprétation! Objets statiques ou dynamiques rigides ou déformables mats, transparents ou brillants

3 D’où part-on? Une image numérique *tirée de Trucco et Verri matrice des valeurs de l'image noir et blanc de l'oeil

4 Plan du cours – Une introduction plus 3 parties 1.Introduction et mise à jour en mathématiques 2.Formation des images 3.Traitement de base d’une image 4.Traitement multivue et reconstruction

5 1- La formation des images: géométrie et radiométrie Projection, modèles de caméras et systèmes d’acquisition Radiométrie: lumière, sources, réflectance de surface, définition et application de concepts

6 2- Traitement de base d’une image Bruit Filtrage Extraction et description élémentaire de caractéristiques basées sur les pixels: points, régions, contours

7 3- La vision 3D: traitement multivue et la reconstruction 3D Objectif: Décrire la structure et l'organisation des objets dans l'espace Comment? la stéréoscopie la vision active (survol rapide)

8 Des applications de la vision artificielle Assemblage/inspection/métrologie Guidage Surveillance Communications homme-machine … Le défi de l’interprétation! En général, on imposera des contraintes pour simplifier le processus de vision.

9 Un exemple de ce que vous pourrez faire … Segmentation Suivi (tracking) Homographie

10 Deux autres exemples! Suivi de trajectoire Projet de vision: la table interactive

11 Vision vs traitement des images Le traitement des images vise à : Améliorer une image pour visualisation (imagerie médicale, astronomie) Restaurer une image: corriger des dégradations (ex: le flou) à partir de modèles Compresser une image pour transmission sur réseau **En traitement d’images, l’interprétation demeure essentiellement au niveau du pixel. L’humain interprète le contenu de l’image.

12 Exemple de traitement d’image Tirées de restoreinpaint.sourceforge.net avant après

13 Autres domaines connexes Infographie (synthèse vs analyse) Photogrammétrie (cartographie, mesure) Reconnaissance de formes

14 Le modèle humain : vision biologique et psychophysique Une source d'inspiration mais … non exempt d’erreurs Voici quelques exemples parmi des centaines!

15 image tirée de Nalwa Que voyez-vous? En êtes-vous sûrs? (faites un suivi avec votre doigt) La spirale de Fraser

16 Comme nous le verrons dans le cours, une image est une projection d'une scène réelle. Une même image peut donc être le résultat de plusieurs scènes (en théorie). Il faut donc plusieurs images ou des connaissances a priori sur la scène si on veut établir un lien entre les images et le monde réel 3D.

17 Un exemple! Que voyez-vous? images tirée de Nalwa Et maintenant?

18 Il s'agit du même fichier d'image avec une rotation à 180 degrés! images tirée de Nalwa Explication de notre interprétation : on supposerait que l'éclairage provient du dessus

19 Références utiles en vision artificielle sites web CVonline: computer vision homepage: computer vision bibliography: Notes/bibliography/contents.html Notes/bibliography/contents.html

20 Quelques revues scientifiques International Journal of Computer Vision (IJCV) IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI) Computer Vision and Image Understanding (CVIU) Machine Vision and Applications (MVA) Image and vision Computing Journal (IVC) Journal of the Optical Society of America A Pattern Recognition Journal of Photogrammetry and Remote Sensing

21 Magazines (abonnement gratuit) Advanced Imaging Vision and System Design

22 Conférences International Conference on Computer Vision (ICCV) International Conference on Computer Vision and Pattern Recognition (CVPR) European Conference on Computer Vision (ECCV) International Conference on Image Processing (ICIP) International Conference on Pattern Recognition (ICPR) International Conference on 3-D Vision (3DV)

23 Outils mathématiques et librairie utiles Outils: Numerical Recipes Matlab Mathematica Librairie de vision OpenCV