Master Mathematical Analysis and Applications

Course M1 - S1

Image processing
- Introduction -
Week 1

Mohammed Hachama
[email protected]
http://hachama.github.io/home

Saad Dahlab University - Blida 1

-January 2021-
Introduction Caractéristiques d’une image Numérisation Transformations

Plan

1. Introduction

2. Caractéristiques d’une image

3. Numérisation

4. Transformations

Image processing (week 1) -Introduction- (2/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Plan
1. Introduction

2. Caractéristiques d’une image

3. Numérisation

4. Transformations

Image processing (week 1) -Introduction- (3/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Illusions d’optique

Image processing (week 1) -Introduction- (4/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Illusions d’optique

Image processing (week 1) -Introduction- (4/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Illusions d’optique

Image processing (week 1) -Introduction- (4/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Illusions d’optique

Image processing (week 1) -Introduction- (4/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Illusions d’optique

Image processing (week 1) -Introduction- (4/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Qu’est-ce que c’est une image ?

Image = représentation d’une scène
• Scène : Ensemble d’objets qui se trouvent dans le champ de
vision
• Source lumineuse : Soleil, Éclairage ambiant, Projecteurs, ...
• Image = Représentation d’une scène

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Qu’est-ce que c’est une image ?

Image = matrice d’intensités

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Qu’est-ce que c’est une image ?

Image = matrice d’intensités

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Qu’est-ce que c’est une image ?

Intensité = information
• Imagerie thermique : degrés de température

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Qu’est-ce que c’est une image ?

Intensité = information
• Imagerie de résonance magnétique (IRM)

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Qu’est-ce que c’est une image ?

Intensité = information
• Imagerie de rayons X

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Qu’est-ce que c’est une image ?

Intensité = information
• Imagerie radar

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Qu’est-ce que c’est une image ?

Image = Objet mathématique
• Matrice/Tenseur
• Fonction I : E −→ F
• Espaces de départ et d’arrivée ; Espace fonctionnel, propriétés,
...
• Distribution
• Champ aléatoire
• Surface/sous-variété
• ...

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
• Niveau 0 : Représentation d’image (acquisition,
échantillonnage, quantification, compression)
• Niveau 1 : Transformations Image/Image (débruitage,
amélioration, segmentation)
• Niveau 2 : Transformations Image/Attribus (Extractions de
points caractéristiques, contour, ...)
• Niveau 3 : Transformation Attribus/Interprétation
(Reconnaissance de formes, navigation autonome,
interpretation des scènes, ... )
• Traitement d’images (Niveaux 0 et 1) ; Analyse d’images (
Niveaux 1 et 2) ; Vision artificielle (Niveaux 2 et 3)

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Problèmes fondamentaux

• Restauration

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Problèmes fondamentaux

• Restauration

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Problèmes fondamentaux

• Restauration

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Problèmes fondamentaux

• Déconvolution

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Problèmes fondamentaux

• Détection des contours

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Problèmes fondamentaux

• Segmentation

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Problèmes fondamentaux

• Mise en correspondance

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Problèmes fondamentaux

• Inpainting

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Applications

• Reconnaissance de forme

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Applications

• Reconnaissance de forme

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Applications

• Inspection manufacturière

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Applications

• Compression

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Applications

• Imagerie médicale

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Applications

• Systèmes d’information géographique

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Traitement d’images
Applications

• Systèmes d’information géographique

Image processing (week 1) -Introduction- (5/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Plan
1. Introduction

2. Caractéristiques d’une image

3. Numérisation

4. Transformations

Image processing (week 1) -Introduction- (6/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Relations entre pixels

• Image = Matrice ( I : {1, .., N} × {1, ..., M} −→ [0, 1])

• Pixel = indices + intensité

Image processing (week 1) -Introduction- (7/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Relations entre pixels

• Image = Matrice ( I : {1, .., N} × {1, ..., M} −→ [0, 1])

• Pixel = indices + intensité

• Choix du repère : Origine + Axes

Image processing (week 1) -Introduction- (7/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Relations entre pixels

• Image = Matrice ( I : {1, .., N} × {1, ..., M} −→ [0, 1])

• Pixel = indices + intensité

• Choix du repère : Origine + Axes
• Voisinage d’un pixel : 4 horizontaux et verticaux

Image processing (week 1) -Introduction- (7/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Relations entre pixels

Voisinage d’un pixel
• 4 horizontaux et verticaux

(x + 1, y ), (x − 1, y ), (x , y + 1), (x , y − 1)

• 4 diagonaux

(x + 1, y + 1), (x + 1, y − 1), (x − 1, y + 1), (x − 1, y − 1)

• Ces 8 pixels
• Certains peuvent être hors image !

Image processing (week 1) -Introduction- (8/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Relations entre pixels

Distances entre pixels
• Considérant des pixels p(x , y ), q(s, t), et z(v , w )

• D est une distance ssi :

D(p, q) ≥ 0 (= 0 si p = q)
D(p, q) = D(q, p)
D(p, z) ≤ D(p, q) + D(q, z)

Image processing (week 1) -Introduction- (8/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Relations entre pixels

Distances entre pixels
• Distance de Manhattan : D1 (p, q) = |x − s| + |y − t|

? ? ? ? ?
? ? ? ? ?
? ? 0 ? ?
? ? ? ? ?
? ? ? ? ?

Image processing (week 1) -Introduction- (8/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Relations entre pixels

Distances entre pixels
• Distance Euclidienne : D2 (p, q) = [(x − s)2 + (y − t)2 ]1/2

? ? ? ? ?
? ? ? ? ?
? ? 0 ? ?
? ? ? ? ?
? ? ? ? ?

Image processing (week 1) -Introduction- (8/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Relations entre pixels

Distances entre pixels
• Distance échiquier : D3 (p, q) = maximum(|x − s|, |y − t|)

? ? ? ? ?
? ? ? ? ?
? ? 0 ? ?
? ? ? ? ?
? ? ? ? ?

Image processing (week 1) -Introduction- (8/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Types de régions d’une images

Image processing (week 1) -Introduction- (9/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Caractéristiques
Soit une image I
• Dynamique :
max I − min I
• Luminance :
Lum = Moyenne(I)
• Contraste :
(I − Moy )2 max I − min I
P
C1 = , C2 =
N max I + min I

Image processing (week 1) -Introduction- (10/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Format et stockage
• Un bit (BinaryDigit) = l’élément de base avec lequel travaille
l’ordinateur : sa valeur est 1 ou 0.
• 8 bits = 28 = 256 valeurs possibles. (16 bits = 65.536).
• 1 Byte = 1 octet = 8 bits.
• Image binaire 512 × 512 : 512 × 512 × 1 = 262144 bits =
32768 bytes.
• 512 × 512 8-bit en niveau de gris : 512 × 512 × 1 = 262144
bytes.
• 512 × 512 couleur, avec a byte utilisee pour le stockage de
chaque couleur : 512 × 512 × 3 = 786432 bytes.

Image processing (week 1) -Introduction- (11/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Plan
1. Introduction

2. Caractéristiques d’une image

3. Numérisation

4. Transformations

Image processing (week 1) -Introduction- (12/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Numérisation
• Échantillonnage + quantification

Image processing (week 1) -Introduction- (13/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Résolution tonale

Image processing (week 1) -Introduction- (14/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Résolution tonale

Image processing (week 1) -Introduction- (14/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 1 : Compression
Image originale/1

Image processing (week 1) -Introduction- (14/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 1 : Compression
Image réduite/2

Image processing (week 1) -Introduction- (14/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 1 : Compression
Image réduite/4

Image processing (week 1) -Introduction- (14/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 1 : Compression
Image réduite/8

Image processing (week 1) -Introduction- (14/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 1 : Compression//Apparition de faux contours
Image réduite/16

Image processing (week 1) -Introduction- (14/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 1 : Compression//Dithering : rajouter du bruit
Image réduite/16

Image processing (week 1) -Introduction- (14/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 1 : Compression (Code Matlab)

1 % L e c t u r e de l ' ' image s o u r c e

2 im = i m r e a d ( ' l a k e . j p g ' ) ; imshow ( im ) ;
3
4 % Quantification
5 n = 3 2 ; im1 = im /n ;
6 f i g u r e ; imshow ( im1 , [ 0 , 2 5 6 / n ] ) ;
7

8 % Dithering
9 im1 = i m n o i s e ( im , ' g a u s s i a n ' , 0 , 0 . 0 0 0 2 ) ;
10 im2 = im1 /n ;
11 f i g u r e ; imshow ( im2 , [ 0 , 2 5 6 / n ] ) ;

Image processing (week 1) -Introduction- (15/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie

Représentation décimale / binaire

241 = (?) × 20 + (?) × 21 + (?) × 22 + (?) × 23

+ (?) × 24 + (?) × 25 + (?) × 26 + (?) × 27

241 120 60 30 15 7 3 1 0
1 0 0 0 1 0 1 1 −

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Bitplanes : Originale / Bit 1

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Bitplanes : Originale / Bit 2

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Bitplanes : Originale / Bit 3

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Bitplanes : Originale / Bit 4

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Bitplanes : Originale / Bit 5

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Bitplanes : Originale / Bit 6

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Bitplanes : Originale / Bit 7

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Bitplanes : Originale / Bit 8

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Image originale

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Image + message secret

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie
Message extrait de l’image

Image processing (week 1) -Introduction- (16/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Quantification
• Application 2 : Stéganographie (Code Matlab)

1 % L e c t u r e de l ' ' image c o n t e n a n t un message

2 im = i m r e a d ( ' i m a g e s / l a k e . t i f ' ) ;
3 i m m e s s = i m r e a d ( ' i m a g e s / s e c r e t . png ' ) ;
4 im mess = rgb2gray ( im mess ) /255;
5
6 % A d d i t i o n du message
7 im1 = im − mod ( im , 2 ) + im mess ; imshow ( im1 ) ;
8
9 % Extraction
10 e x t r a c t e d m e s s = mod ( im1 , 2 ) ;
11 imshow ( e x t r a c t e d m e s s , [ 0 , 1 ] ) ;

Image processing (week 1) -Introduction- (17/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage
• Résolution spatiale : nombre de pixels

Image processing (week 1) -Introduction- (18/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage
• Résolution spatiale : unités (1 inch = 2.54 cm)
• dpi : dots per inch (ppp : points par pouce 1 pouce)
• N pixels physiques dans un inch d’un document imprimé.
• ppc : points par centimètres ; ppm : points par millimètre

• ppi : pixels per inch

• N. pixels ”carrés” dans un inch d’un écran.

Image processing (week 1) -Introduction- (18/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage
• Résolution spatiale : calcul
• Il faut mettre en relation 3 paramètres
• Dimensions physiques de l’image finale (sur un écran,
imprimée) ou de l’image source (page à scanner)- ex. 30*20 cm
• Résolution de l’image finale - ex. 118 ppc
• Taille en pixels de l’image - ex. 3072*2048 pixels

Image processing (week 1) -Introduction- (18/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage
• Résolution spatiale : calcul
• Exemple1. Vous souhaitez imprimer une photo de 13 x10 cm.
Votre imprimeur vous demande de lui fournir des images dont
la résolution est de 300 dpi au moins.
• largeur minimale : 13x300/2,54=1535 pixels
• longueur minimale : 10x300/2,54=1181 pixels.

Image processing (week 1) -Introduction- (18/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage
• Résolution spatiale : calcul
• Exemple2. Un écran réglé à 75ppi affiche une photo de
dimension 15x12cm. Quelle est la taille de l’image, en pixels ?
• 75ppi=75/2,54 pixels/cm
• Largeur de l’image : 15*75/2,54 = 443 px
• Hauteur de l’image : 12*75/2,54 = 354 px

Image processing (week 1) -Introduction- (18/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage
• Repliement du spectre = distorsion dans le signal due à une
fréquence d’échantillonnage trop faible

Image processing (week 1) -Introduction- (18/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage
• Repliement du spectre = distorsion dans le signal due à une
fréquence d’échantillonnage trop faible

Image processing (week 1) -Introduction- (18/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage
• Repliement du spectre = distorsion dans le signal due à une
fréquence d’échantillonnage trop faible

Image processing (week 1) -Introduction- (18/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage
• Repliement du spectre = distorsion dans le signal due à une
fréquence d’échantillonnage trop faible

• Les bandes changent de direction et d’épaisseur

Image processing (week 1) -Introduction- (18/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage
• Repliement du spectre = distorsion dans le signal due à une
fréquence d’échantillonnage trop faible

• Les bandes changent de direction et d’épaisseur

Image processing (week 1) -Introduction- (18/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Échantillonnage

• Sous-échantillonnage (Code Matlab)

1 % Read an image
2 im = i m r e a d ( ' i m a g e s / b a r b a r a . png ' ) ;
3
4 % Sampling
5 i m s a m p l e d = im ( 1 : 2 : end , 1 : 2 : end ) ;
6 imshow ( i m s a m p l e d ) ;
7
8 % Save t h e s a m p l e d image
9 i m w r i t e ( im sampled , ' barbara sampled . jpg ' ) ;

Image processing (week 1) -Introduction- (19/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Plan
1. Introduction

2. Caractéristiques d’une image

3. Numérisation

4. Transformations

Image processing (week 1) -Introduction- (20/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Transformation directe : (i 0 , j 0 ) = T (i, j)

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Transformation directe : (i 0 , j 0 ) = T (i, j)

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Transformation directe : (i 0 , j 0 ) = T (i, j)

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Transformation directe : (i 0 , j 0 ) = T (i, j)

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Transformation directe : (i 0 , j 0 ) = T (i, j)

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Transformation directe : (i 0 , j 0 ) = T (i, j)

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Transformation directe : (i 0 , j 0 ) = T (i, j)

• Points sans images, Points hors d’image

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Transformation inverse : (i, j) = T −1 (i 0 , j 0 )

• Interpolation : Plus proche voisin, Bilinéaire, ...

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Translation : ! ! ! !
i0 1 0 i ti
= +
j0 0 1 j tj

• Rotation :
! ! ! !
x0 cos θ sin θ x 0
= +
y0 − sin θ cos θ y 0

• Coordonnées par rapport au cente de l’image

• Exercice : Faire une implémentation et des simulations.

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])
Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Rotation :
• Coordonnées par rapport au cente de l’image

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Rotation : Interpolation par PPV

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Transformations
Différents Types

Transformation géométriques
• Rotation : Interpolation bilinéaire

Image processing (week 1) -Introduction- (21/22) M. Hachama ([email protected])

Introduction Caractéristiques d’une image Numérisation Transformations

Plan du cours
• Introduction (1 semaine)
• Traitement spatial (3 semaines)
• Traitement fréquentiel (3 semaines)
• Restauration (3 semaines)
• Segmentation d’images (2 semaines)

Liens utiles
• Cours
• http://github.com/hachama/introimg
• Professeur
• web : https//hachama.github.io/home/
• Email : [email protected]

Image processing (week 1) -Introduction- (22/22) M. Hachama ([email protected])