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

Slides:



Advertisements
Présentations similaires
L’encodage des images informatiques
Advertisements

Introduction au traitement d’images Simulation sous Matlab
Composants Matériels de l'Ordinateur Plan du cours : Ordinateurs et applications Types d'ordinateurs Représentation binaires des données Composants et.
L'image: Le codage des images BacPro SEN Lycée Condorcet.
L'image: Les espaces couleur BacPro SEN Lycée Condorcet.
Modélisation Géométrique Cours 4 : Acquisition de la géométrie.
L'image 1ère partie: Généralités 2ème partie: Les espaces de couleurs
Du chapitre 1 au chapitre 2 1. Les graphiques : introduction (p.15)  Pour prendre possession des données o des chiffres dans un tableau, c’est bien o.
Les objectifs de connaissance : - Différence entre un signal analogique et un signal numérique ; - Processus de numérisation d’un signal analogique ; -
Hypergraph Lossless Compression, Quadtrees et notion de complexité sur les images G graphes et sécurité Sujet de stage de Master en cours: Sujet de thèse.
L'image: Formats et compression BacPro SEN Lycée Condorcet ➢ 1ère partie: Généralités ➢ 2ème partie: Les espaces de couleurs ➢ 3ème partie: Codage des.
Comparing color edge detection and segmentation methods Projet TIM.
GHU 9/09/2016 Atelier : De la prise de vue numérique à la publication 1)L'appareil de photo numérique 2)La prise de vue et ses réglages 3)Profondeur de.
Chapitre 6. Introduction à l’échantillonnage Les sondages Notions fondamentales Fluctuations d’échantillonnage d’une moyenne Théorème central limite C6-1.
Traitement d'images en Java avec JAI
Acquisition Multicanal
A propos des formats de photos numériques
la lumière des corps chauds
Tableau à double entrée
Les tables de multiplication au ce1 « Une construction réfléchie des tables favorise-t-elle leur mémorisation et leurs transferts ? » DOUARCHE Vaéa.
Chapitre 1 Généralités sur les données
I- ANALYSE DU BESOIN / Plan
RAW, JPEG, TIFF, etc. Comment s’y retrouver…
Architecture de machines Codage des informations
Bases de données multimédia
Information, Calcul, Communication
Représentation des nombres réels
Quelques Termes INFORMATIQUE ? ORDINATEUR ( Système Informatique)?
Dominique PETRELLA – Frédéric GUINEPAIN - IA-IPR STI Versailles
Information, Calcul, Communication
Ce videoclip produit par l’Ecole Polytechnique Fédérale de Lausanne
Information, Calcul, Communication
4°) Intervalle de fluctuation :
Préparer par : Intissare et kaoutare
La courbe ci-contre représente
Construire les premiers outils pour structurer sa pensée
MOUTON Marielle - DUMETZ François - LEVECQUE Alain
Recherche et Indexation d’Image
Précision d'une mesure et chiffres significatifs
Détection de coutours - Exemples élémentaires -
HUDELOT Céline, Monique THONNAT Inria Sophia Antipolis Equipe ORION
Format des fichiers TIFF
Échantillonnage non-aléatoire
Extension de fichiers*
Plus de 4000 langages....
Les formats Stage – Semaine 4 1. Formats de fichiers  Qu’est-ce que le codage de données ?  Qu’est-ce qu’un format de fichier ? 2.
ACP Analyse en Composantes Principales
Statistiques. Moyenne, Moyenne pondérée, Tableur et graphiques.
Royaume de Maroc Université Hassan Premier Settat Faculté des Sciences et Techniques de Settat LA CLASSIFICATION K-MEANS SOUS R /MATLAB Master :Automatique.
Prof. MOHAMED وزارة التربية الوطنية والتعليم العالي وتكوين الأطر والبحث العلمي 1.
DÉTECTION DE DÉFAUTS DANS DES HOLOGRAMMES DE PHASE
Kit de formation multimedia
VI. Introduction à l ’indexation
Sylvie DELAËT 2002 Architecture des machines Bienvenus en Amphi d’Architecture des Machines.
Catherine Cyrot - Cours bibliothèques numériquesz - cours 4
Formats Stage – Semaine 4.
ENSEIGNER L’ALGORITHMIQUE ET LA PROGRAMMATION AU COLLÈGE
Janvier 2019 IA-IPR Physique-Chimie
Sujets Spéciaux en informatique II
1 Architecture des ordinateurs Généralités. 2 Définition Informatique = Information + Automatique Ce terme a été introduit en France. Il est très répandu.
Wilber. Définition: GIMP , pour GNU Image Manipulation Program, littéralement « programme GNU de manipulation d'images », est un logiciel libre et gratuit.
Conception cartographique
Amélioration de la visibilité
Tableau de bord d’un système de recommandation
Sous-échantillonner le signal audio pour compresser
Encadrée par: - Mr. Abdallah ALAOUI AMINI Réalisée par : -ERAOUI Oumaima -DEKKAR Amal - ES-SAHLY Samira -Houari Mohammed PROGRAMMATION MULTIOBJECTIFS.
Mon cahier de réussites Prénom : _____________________
DONNÉE DE BASE QM Manuel de formation. Agenda 2  Introduction  Objectif de la formation  Données de base QM: Caractéristique de contrôle Catalogue.
STATISTIQUE INFERENTIELLE LES TESTS STATISTIQUES.
Vision DÉFINITION   La vision par ordinateur ou vision artificielle est le traitement d’images par ordinateur provenant d’un dispositif extérieur tel.
Transcription de la présentation:

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

Le traitement d’image et vision par ordinateur

La vision par Ordinateur

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

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

Imagerie Médicale Rehaussement du contraste d’une radiographie de la cage thoracique

Imagerie Médicale Détection des tumeurs cancéreuses à partir d’une mammographie

Recherche de lésions ou d’anomalies dans le cerveau Imagerie Médicale

Traitement d’Image Amélioration d’images (dégradation inconnue)

Traitement d’Image Restauration d’images (dégradation connue)

Applications TI

Systèmes à base de TI

Difficultés Variations naturelles dans une même catégorie d’objet –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

Variations dans le processus de formation de l’image –Éclairage –Qualité du capteur –Qualité du système –…

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 d’images Chapitre 7 : Compression d’images Chapitre 8 : Reconnaissance de formes Chapitre 9 : Recalage d’images

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

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

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

L’un 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 d’application : Traitement du signal, Traitement d’images, réseaux de neurones,.. boites à outils ou Toolbox

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

3.Formats d’image en mémoire :  Images binaires : éléments valent 0 ou 1. Exemple  Images d’intensités : élément est un réel compris entre 0 et 1. Exemple

 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.

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

Les images H, S et V Lumière blanche Image de teinte (H) Image de saturation (S) Image d’intensité (V)

 Images couleur indexées : schéma d’une image indexée. Exemple

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).

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

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

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

 Quantification : l’amplitude du signal échantillonné est représentée par un nombre fini de valeurs d’amplitude (niveaux de quantification).  Échantillonnage : l’évolution 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 d’échantillonnage T e.  Codage : les niveaux de quantification sont codés sous la forme d’un mot binaire sur k bits (  2 k niveaux possibles). D’un signal continu (analogique) à un signal discret (numérique): 3 étapes

CAS DES IMAGES  Les images sont des signaux 2-D, l’échantillonnage 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).

Numérisation :

Tessellation (pavage) : C’est 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 d’échantillonnage.

5.Changement de format Matlab : les fonctions pour passer d’un 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 l’image indexée en image intensité et en image RGB.

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

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

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.

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

Exemple : ( Négatif d’une image ) Écrire un programme qui lit une image couleur au format jpeg, puis la convertit en image d’intensité. Visualisez cette image. Ensuite, construire le négatif de l’image (inversion des niveaux d’intensités) et visualiser le résultat.

7.Analyse élémentaire d’histogramme

7.1. Histogramme Image de 256  256 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 s’y référant  Pour chaque niveau, tracer le graphe en bâton du nombre de pixels (possibilité de regrouper les niveaux proches en une seule classe)

Image « A » en niveaux de gris Matrice des valeurs de luminance des pixels de l’image « A » Histogramme de l’image « 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 d’histogramme 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 l’aide de la matrice des valeurs de luminance.

Exemple : Afficher l’histogramme de l’image de l’exercice, et celui de son négatif, sur 256 niveaux. Expliquer le résultat obtenu

7.2. Égalisation d’histogramme Il s’agit de déterminer une transformation f des niveaux d’intensité qui rend l’histogramme aussi plat que possible. Objectif : Améliorer certaines images de mauvaises qualité.  Mauvais contraste  Images trop sombres ou trop claires  Mauvaise répartition des niveaux d’intensité Exemple