FACULTE DES SCIENCES DE TUNIS

Présentation au sujet: "FACULTE DES SCIENCES DE TUNIS"— Transcription de la présentation:

1 FACULTE DES SCIENCES DE TUNIS
Année universitaire FACULTE DES SCIENCES DE TUNIS UNIVERSITE DE TUNIS ELMANAR FACULTE DES SCIENCES DE TUNIS Introduction au traitement d’images TMM Cour3 Naouai Mohamed

2 Rappel

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.

4 Analogique /Numérique
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)

5 Analogique /Numérique

6 Analogique /Numérique
L’enregistrement de données analogiques provoque des pertes L’enregistrement de données numériques est sans perte

7 Numérisation 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.

8 Qualité du signal 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 : diminuer le coût de stockage diminuer le coût de la numérisation diminuer les temps de traitement 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. 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...). 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 d’images
Plan du cours: Problématiques du traitement d’images Définitions Propriétés de l’image

13 Qu'est-ce que la vision ? Le monde a une structure 3D est composé de plusieurs objets. 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)...

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 Les objets (téléphone, voiture…) n'existent pas sur la rétine, et pourtant on les voit : leur interprétation est le résultat du processus visuel.

15 Qu'est-ce que la vision?

16 Résoudre le problème de la vision ?
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. De plus, un problème de vision par ordinateur correspond souvent à un sous-ensemble du système de vision humain.

17 Problématiques du traitement d’images

18 Problématiques du traitement d’images
Vision globale

19 Image numérique

20 Problématiques du traitement d’images
Sciences connectées au traitement d’images

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

22 Problématiques du traitement d’images
Domaines d’application: Télédétection : météo, cartographie, astronomie Imagerie médicale : aide au diagnostic, tomographie, suivi automatique, reconstruction 3D Applications militaires : guidage de missile, reconnaissance terrestre Robotique : reconnaissance/assemblage de pièces, véhicules autonomes, contrôle de qualité Sécurité : identification de visages, reconnaissance d’empreintes digitales, tatouage d’image (watermarking) Divertissement : HDTV, images haute qualité(DVD), compression (normes JPEG et MPEG)

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

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

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

26 Echantillonnage spatial (sampling)
Définit la résolution spatiale de l’image Pas de division du plan image : nombre d’ éléments par unité de longueur. Plus petits détails discernables dans l’image. 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.).

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

28 Représentation de l’image

29 Représentation de l’image

30 Représentation de l’image

31 Exemple : Échantillonnage/Quantification

32 Caractéristiques d’une image
Définition: 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: Image en niveaux de gris (8 bits) de taille 128 × 128 : 128 × 128 × 8 = octets = 16 Koctets Image en couleurs (32 bits) de taille 256 × 256 : 256 × 256 × 32 = 256 Koctets

33 Caractéristiques d’une image

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

35 Quelques exemples d’images numériques
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 d’images 2D, où le temps est vu comme une troisième dimension. Image volumique : objet représenté par un tableau tridimensionnel de volumes élémentaires (voxels) Notion de profondeur z. Un volume peut être vu comme un entassement d’images 2D (ex. des coupes scanner pour la reconstruction 3D). Séquence volumique : scène dynamique présentant des objets 3D en mouvement.

36 Types d’images numériques
Définition: Niveau de gris : valeur de l’intensité lumineuse f (x, y) au pixel de coordonnées (x, y) Exemple: Image binaire : deux valeurs possibles d’intensité (0 ou 1) pour les pixels Image en niveaux de gris : Quantification des luminances sur l’intervalle [0, 255] Codage sur 8 bits (1 octet) : 20 − 1 ≤ k ≤ 28 − 1 Convention : noir=0, blanc=255

37 Types d’images numériques
Binaire: I(x,y) ∈{0,1} Niveau de gris: I(x,y) ∈[0,255] Couleur: IR(x,y) IV(x,y) IB(x,y)

38 Qualité de l’image Contraste : qualité de la dynamique des intensités de l’image. Bruit : signal “parasite” dont la distribution dans l’image est aléatoire et la plupart du temps inconnue. Déformations géométriques : défauts dus à la différence d’axe entre le capteur d’acquisition et le centre de la scène observée.

39 Contenu de l’image Texture : répartition statistique ou géométrique des intensités dans l’image 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.) Objet : région (groupe de régions) entièrement délimitée par un contour, possédant une indépendance dans l’image

40 Propriétés des images Voisinage de pixels:
On parle de connexité d’un pixel Connexité d’ordre 4 (4-Connectivity) : on considère les 4 voisins directs N, S, O et E du pixel. Connexité d’ordre 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)

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

42 Représentation d’une image numérique
Représentation matricielle Représentation lexicographique de l’image : matrice I = [ M − 1] × [ N − 1] 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) Représentation vectorielle Lignes de l’image juxtaposées : vecteur v = [ ,M × N − 1] Le pixel (i, j) : composante v[j*N + i]

43 Représentation d’une image numérique