Traitement d’Images

Traitement d’Images 
2022 - 2023 M. SID AHMED BERRABAH
M1 - MID423
 PROGRAMME
2


 Introduction au TI
 Histogramme & Opérations Pixel
 Filtres : Voisinage et traitement spatial
 Filtres linéaires et non linéaires
 Opérations Morphologiques
 Détection de contours
 Segmentation

30/01/2023
 PROGRAMME
3


 Introduction au TI
 Image et Image numérique ?
 Traitement d’Image (TI) ?
 Exemples de TI
 Applications de TI
 Étapes essentielles dans le TI
 Histogramme & Opérations Pixel
 Filtres : Voisinage et traitement spatial
30/01/2023
 PROGRAMME
4


 Introduction au TI
 Histogramme & Opérations Pixel
Définition et calcul de l’Hist d’une Img
 Utilisation de l’Hist pour l’analyse de
l’image
 Opérations Pixel
 Opérations Pixel et Histogramme
 Normalisation de l’Hist
 Filtres : Voisinage et traitement spatial
30/01/2023
 PROGRAMME
5


 Introduction au TI
 Histogramme & Opérations Pixel
 Filtres : Voisinage et traitement spatial
 Définition de voisinage du pixel
 Définition du filtrage
 Applications de filtrage
 Filtres linéaires et non linéaires
 Opérations Morphologiques
 Détection de contours 30/01/2023
 PROGRAMME
6


 Introduction au TI
 Histogramme & Opérations Pixel
 Filtres : Voisinage et traitement spatial
 Filtres linéaires et non linéaires
 Opérations Morphologiques
 Détection de contours
 Segmentation

30/01/2023
 PROGRAMME
7


 Filtres : Voisinage et traitement spatial

 Filtres linéaires et non linéaires
 Opérations Morphologiques
 Image Binaire
 Dilatation et Erosion
 Fermeture et ouverture
Extension des Op Mor aux Img en
niveau de gris
 Détection de contours 30/01/2023
 PROGRAMME
8


 Introduction au TI
 Histogramme & Opérations Pixel
 Filtres : Voisinage et traitement spatial
 Filtres linéaires et non linéaires
 Opérations Morphologiques
 Détection de contours
 Segmentation

30/01/2023
 PROGRAMME
9


 Introduction au TI
 Histogramme & Opérations Pixel
 Filtres : Voisinage et traitement spatial
 Filtres linéaires et non linéaires
 Opérations Morphologiques
 Détection de contours
 Segmentation

30/01/2023
 PROGRAMME
10


 Introduction au TI
 Histogramme & Opérations Pixel
 Filtres : Voisinage et traitement spatial
 Filtres linéaires et non linéaires
 Opérations Morphologiques
 Détection de contours
 Segmentation

30/01/2023
 CHAPITRE 1 :

Traitement d’Images :
Introduction

Traitement d’Images 
2022 - 2023 M. SID AHMED BERRABAH
M1 - MID423
 INTRODUCTION
12

C’est quoi une Image ?

 Une image numérique est constituée d'un ensemble de points
appelés pixels (abréviation de PICture Element) pour former une
image. Le pixel représente ainsi le plus petit élément constitutif d'une
image numérique. L'ensemble de ces pixels est contenu dans un
tableau à deux dimensions constituant l'image :
 Exemple d’Images Numériques
13

a) Photo de nature
b) Image Synthétique
c) Poster
d) Prise d’écran
e) Illustration noir et blanc (dessin)
f) barre codes
g) empreint digitale
h) Rayon-X
i) Films Microscopique
j) Images Satellitaire
k) Image Radar
l) Astronomie
 Traitement d’Image ?
14

 Un algorithme qui affecte une image pour créer une nouvelle image

● L’objectif du TI est d’extraire des informations utiles de l’image

 A l’entrée une image et à la sortie une image

Algorithme de
Traitement d’Image
(e.g Filtre de Sobel)

Image originale Image traitée

 Exemples de TI 
15

 Élimination de Bruit
 Exemples de TI 
16

 Ajustement du Contraste

 Détection de Contour
 Exemples de TI
17

 Segmentation, détection de régions

 Compression d’Image
 Du traitement d’image à l’application
18

Vision par ordinateur

Haut niveau Détection d’objets, reconnaissance, tracking, l’analyse des
formes, Intelligence Artificielle et l’apprentissage , ...

Analyse d’Image
Segmentation, Recalage d'images, Correspondance, ...

Traitement d’Image
Bas niveau Suppression de bruit, restoration, detection de zones d’interêts
Compression, ...
 Fonctions importantes dans le TI
19

Restauration Traitement
de l’image morphologique

Amélioration Segmentation
de l’image

Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème

Traitement Compression
d’image couleur d’image
 Fonctions importantes dans le TI :
Acquisition d’Image
20

Restauration Traitement
de l’image morphologique

Amélioration Segmentation
de l’image

Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du Exemple : prendre une photo
problème

Traitement Compression
d’image couleur d’image
 Fonctions importantes dans le TI :
Amélioration de l’Image
21

Restauration Traitement
de l’image morphologique

Amélioration Segmentation
de l’image

Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème Exemple : Ajustement du contraste

Traitement Compression
d’image couleur d’image
 Fonctions importantes dans le TI :
Restauration de l’image
22

Restauration Traitement
de l’image morphologique

Amélioration Segmentation
de l’image

Représentation
00
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème Exemple : suppression de bruit

Traitement Compression
d’image couleur d’image
 Fonctions importantes dans le TI :
Traitement morphologique
23

Restauration Traitement
de l’image morphologique

Amélioration Segmentation
de l’image

Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème Extraire des attribues utiles

Traitement Compression
d’image couleur d’image
 Fonctions importantes dans le TI :
Segmentation
24

Restauration Traitement
de l’image morphologique

Amélioration Segmentation
de l’image

Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème Détecter les régions constituant l’image

Traitement Compression
d’image couleur d’image
 Fonctions importantes dans le TI :
Représentation & description
25

Restauration Traitement
de l’image morphologique

Amélioration Segmentation
de l’image

Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème
Transformer les régions pour un traitement de haut niveau

Traitement Compression
d’image couleur d’image
 Fonctions importantes dans le TI :
Reconnaissance d’objet
26

Restauration Traitement
de l’image morphologique

Amélioration Segmentation
de l’image

Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du
problème Trouver et étiqueter les objets de la scène

Traitement Compression
d’image couleur d’image
 Fonctions importantes dans le TI :
Compression d’image
27

Restauration Traitement
de l’image morphologique

Amélioration Segmentation
de l’image

Représentation
Acquisition & description
de l’image
Reconnaissance
d’objet
Scène du Réduire la taille de l’image (ex jpeg)
problème

Traitement Compression
d’image couleur d’image
 Fonctions importantes dans le TI :
Traitement d’image couleur
28

Restauration Traitement
de l’image morphologique

Amélioration Segmentation
de l’image

Représentation
Acquisition & description
de l’image
Reconnaissance
Prendre en considération le spectre de couleur, ... d’objet
Scène du
problème

Traitement Compression
d’image couleur d’image
 Lumière et spectre Électromagnétique
29

Lumière : est juste une partie particulière du spectre électromagnétique

qui peut être détectée par l’œil humaine

Le spectre électromagnétique est réparti selon la longueur des ondes

de sources d’énergies différentes
 Lumière et spectre Électromagnétique
30
 Des Images selon les ondes EM
31

● Imagerie Radar (ondes radio)

● Imagerie par Résonance Magnétique (IRM) (ondes radio)

● Imagerie Micro-ondes

● Imagerie Infrarouge

● Photographie

● Télescope à imagerie Ultraviolet

● Imagerie à Rayons-X
 Des Images selon les ondes EM
32

● Imagerie Radar (ondes radio)

● Imagerie par Résonance Magnétique (IRM) (ondes radio)

● Imagerie Micro-ondes

● Imagerie Infrarouge

● Photographie

● Télescope à imagerie Ultraviolet

● Imagerie à Rayons-X
 Des Images selon les ondes EM
33

● Imagerie Radar (ondes radio)

● Imagerie par Résonance Magnétique (IRM) (ondes radio)

● Imagerie Micro-ondes

● Imagerie Infrarouge

● Photographie

● Télescope à imagerie Ultraviolet

● Imagerie à Rayons-X
 Des Images selon les ondes EM
34

● Imagerie Radar (ondes radio)

● Imagerie par Résonance Magnétique (IRM) (ondes radio)

● Imagerie Micro-ondes

● Imagerie Infrarouge

● Photographie

● Télescope à imagerie Ultraviolet

● Imagerie à Rayons-X
 Des Images selon les ondes EM
35

● Imagerie Radar (ondes radio)

● Imagerie par Résonance Magnétique (IRM) (ondes radio)

● Imagerie Micro-ondes

● Imagerie Infrarouge

● Photographie

● Télescope à imagerie Ultraviolet

● Imagerie à Rayons-X
 Des Images selon les ondes EM
36

● Imagerie Radar (ondes radio)

● Imagerie par Résonance Magnétique (IRM) (ondes radio)

● Imagerie Micro-ondes

● Imagerie Infrarouge

● Photographie

● Télescope à imagerie Ultraviolet

● Imagerie à Rayons-X
 Des Images selon les ondes EM
37

● Imagerie Radar (ondes radio)

● Imagerie par Résonance Magnétique (IRM) (ondes radio)

● Imagerie Micro-ondes

● Imagerie Infrarouge

● Photographie

● Télescope à imagerie Ultraviolet

● Imagerie à Rayons-X
 Des Images selon les ondes EM
38

● Imagerie Radar (ondes radio)

● Imagerie par Résonance Magnétique (IRM) (ondes radio)

● Imagerie Micro-ondes

● Imagerie Infrarouge

● Photographie

● Télescope à imagerie Ultraviolet

● Imagerie à Rayons-X
 Lumière et spectre Électromagnétique
39
 Vision humaine
40

Les couleurs perçues par l’œil humaine sont déterminées par

la nature de la lumière réfléchie par un objet

● Par exemple, si une lumière blanche

(contenant toutes les longueurs
d’ondes visibles) est réfléchie sur un
objet de couleur rouge, toutes les
ondes sont absorbées par l’objet sauf
les ondes correspondantes à la couleur
rouge.
 Vision humaine
41
 Vision humaine
42

● La Cornée et le Cristallin concentrent les rayons

lumineux sur la rétine, qui joue le rôle d'écran au fond
de l'œil.
● La rétine est couverte par des récepteurs de
lumière : les Cônes (6 à 7 Millions) et les
bâtonnets (75 à 150 Millions)
● Les cônes perçoivent les couleurs. Ils sont
spécialisés : une sorte réagit au rouge, une autre
au vert et une autre au bleu
● Les bâtonnets sont associés à la perception de
l’intensité de la lumière
● Les cônes et les bâtonnets transforment la
lumière en impulsions électriques
● Ces impulsions sont conduites par le nerf
optique jusqu’au cerveau qui reconstruit l'image,
point par point, couleur par couleur.
 Système d’Imagerie
43
 Système d’Imagerie
44
 Image numérique
45
 Image Numérique
46

La Numérisation engendre une image numérique qui est

une approximation de l’image réelle

Image Réelle Image Numérique Image Réelle Image Numérique

Caractéristiques de l’Image Numérique
47

La Définition:
On appelle définition le nombre de points (pixels) constituant une image:
c'est le nombre de colonnes de l'image multiplié par son nombre de
lignes. Une image possédant 10 colonnes et 11 lignes aura une
définition de 10x11.

Formule : Calcul du nombre total des pixels

dans une image:
Nombre total des pixels = colonnes x lignes.

Ex: 10x11= 110 pixels au total pour l'image

ci-contre.
Caractéristiques de l’Image Numérique
48

La résolution :
- C'est le nombre de points contenu dans une longueur donnée (en
pouce). Elle est exprimée en points par pouce (PPP, en anglais: DPI
pour Dots Per Inch). 1 pouce = 2.54 cm.
- La résolution permet ainsi d'établir le rapport entre la définition en
pixels d'une image et la dimension réelle de sa représentation sur un
support physique (affichage écran, impression papier...)
Formule : Calculer la résolution à partir de
la définition et de la dimension

Résolution = définition / dimension

Ex: la résolution d'une image de 300 pixels

de large mesurant 2 pouces de coté :
Résolution = 300 / 2 = 150dpi
Caractéristiques de l’Image Numérique
49

Résumé:
La taille d'une image numérique peut se définir par:
* sa définition en pixels (ex : 640x480 pixels)
* ses dimensions en pouces (ex : 12'')
* sa résolution en dpi ou ppp. (ex: 300dpi)

Ces 3 informations sont liées : Résolution = définition / dimension

Exemple:
Quelle est la définition en pixel d'une feuille de 8,5 pouces de largeur
et 11 pouces en hauteur scannée à 300dpi?
Réponse:
300 X 8,5 = 2550 pixels
300 X 11 = 3300 pixels
Caractéristiques de l’Image Numérique
50

CODAGE DES COULEURS (ou profondeur des couleurs)

Une image numérique utilise de mémoire selon sa définition et le
codage des informations de couleur qu'elle possède. C'est ce que l'on
nomme le codage de couleurs ou profondeur des couleurs, exprimé en
bit par pixel (bpp): 1, 4, 8, 16 bits...
En connaissant le nombre de pixels d'une image et la mémoire
nécessaire à l'affichage d'un pixel, il est possible de définir exactement
le poids que va utiliser le fichier image sur le disque (ou en mémoire)

Formule: Calculer le poids d'une image en octet

Nombre de pixel total X codage couleurs (octet) = Poids (octet)
Caractéristiques de l’Image Numérique
51

Petit rappel du code binaire utilisé en informatique :

1bit = permet de stocker 2 états; (0 ou 1) = 21
2bits = permet de stocker 4 états, = 22
4bits = permet de stocker 16 états, = 24
8bits = permet de stocker 256 états, = 28 etc.

Un ensemble de 8bit forment 1 Octet.

1024 Octets forment un kilo-octet (Ko).
1024 Ko forment un Mega-Octet (Mo)...Giga-Octet...Terra-Octet...

Ex: quel est le poids d'une image d'une définition de 640 x 480 codée
sur 1 bit (noir et blanc)?
(640x480) x 1bit
307200 x (1/8) = 38400 octets
38400 / 1024 = 37,5 ko
Modes de couleurs
52

Mode bitmap (noir et blanc): Avec ce mode, il est possible

d'afficher uniquement des images en deux couleurs: noir et blanc. Il
utilise une seule couche.
- Codage en 1 bit par pixel (bpp) : => 21 = 2 possibilités: [0,1]
Modes de couleurs
53

Mode niveau de gris: il permet d'obtenir différentes valeurs de gris,

afin d'afficher des images nuancées. Il utilise qu'une seule couche.
- Codage en 8 bits par pixel (bpp) => 28 = 256 niveaux de gris possibles
- Codage en 16 bits par pixel (bpp) => 216 = 65536 niveaux de gris
possibles

Nuances de 256 gris Exemple de photo possible en 8 bpp

Modes de couleurs
54

Mode couleurs indexées: permet d'obtenir jusque 256 couleurs fixes,

définies à l'avance dans une palette. Il utilise qu'une seule couche.
- Codage en 8 bits par pixel (bpp) => 28 = 256 couleurs fixes possibles.
Modes de couleurs
55

Les Modes colorimétriques RVB / CMJN: Afin de créer des images encore
plus riches en couleurs, l'idée de mélanger des couleurs primaires en «
couches » est arrivée. Il existe deux systèmes de représentation des couleurs
par mélange, selon qu'on les reproduisent sur un écran ou sur support papier
via une imprimante :

La synthèse additive : c'est le La synthèse soustractive : c'est le

phénomène qui se passe lorsqu'un un phénomène qui se passe lorsqu'on
écran affiche une image par la lumière. mélange des pigments colorés en
On part du noir (lumière éteinte) et on peinture. On part du blanc (support
va vert le blanc. L'addition du rouge, du papier) pour aller vers le noir. L’addition
vert et du bleu donne le blanc: du Cyan, du Magenta et du Jaune
donne le Noir:
Modes de couleurs
56

En mode RVB, Les 3 canaux sont donc séparés en 3 couches afin d'offrir
de nouvelles combinaisons de couleurs possibles par la variation de
chaque couleurs primaires.
Lorsqu'on travaille en mode CMJN pour réaliser un document imprimé, il
y aura donc 4 couches pour réaliser ces mêmes couleurs.
Modes de couleurs
57

Mode couleur RVB:

Avec un codage en RVB 8 bits PAR COUCHE:

Chaque couche utilise 8bit (1 octet), soit 256 nuances possibles:
8Bits pour le Rouge, 8bit pour le Vert et 8bits pour le Bleu. Donc
utilisation de 3 x 8bits = 24 bits utilisées au total.
=> 256 x 256 x 256 = 224 = 16,7milions Chaque pixel peut prendre
16,7Milions de couleurs possibles!

- Avec un codage en RVB 16 bits PAR COUCHE:

Chaque couche utilise le double, soit 16bits! (65535 nuances). 3 x
16 = 48bits utilisées au total.
=> 65535 x 65535 x 65535 = 2 48 = 4 milliards 4 milliards de
nuances de couleurs sont possibles!
 Image couleur
58

rouge

vert

Bleu
Modes de couleurs
59

Mode couleur CMJN:

En CMJN on a 4 couches (Cyan, Magenta, Jaune et Noir ou chaque
couleur est exprimée en pourcentage)
- Avec un codage en CMJN 8 bits PAR COUCHE:
Chaque couche utilise 8bit (soit 256 nuances possibles): 8Bits pour le
Cyan, 8bit pour le Magenta, 8bits pour le Jaune et 8bits pour le Noir.
Donc utilisation de 4 x 8bits = 32 bits utilisées au total.
=> 256 x 256 x 256 x 256 = 232 = 4 milliards de nuances de couleurs sont
possibles!
- Avec un codage en CMJN 16 bits PAR COUCHE:
Chaque couche utilise le double, soit 16bits! (65535 nuances). 3 x 16 =
64bits utilisées au total.
=> 65535 x 65535 x 65535 x 65535 = 248 nuances de couleurs sont
possibles!
 Échantillonnage & Quantification
60

● Il n’est pas possible d’enregistrer les valeurs pour tous les points de l’image

● Échantillonner / Enregistrer l’image à des points discrets (x,y)

● La résolution de la caméra dépend du nombre de photo-éléments constituant le

capteur
 Échantillonnage & Quantification
61

●L'échantillonnage est le procédé de discrétisation

spatiale d'une image et consiste à associer à chaque
zone rectangulaire R(x,y) d'une image continue une
unique valeur I(x,y). On parle de résolution spatiale.
●On parle de sous­-échantillonnage lorsque l'image est
déjà discrétisée et qu'on diminue le nombre d'échantillons.

● La quantification désigne la limitation du nombre de valeurs différentes que

peut prendre I(x,y). On parle de résolution de l’intensité et elle est décrite par le
nombre de bits utilisés pour représenter le niveau d’intensité.

● Une image numérique est une image échantillonnée et quantifiée.

● L’image numérique est une approximation d’une image réelle.

 Echantillonnage : résolution Spatiale
62
 Quantification : résolution de l’Intensité
63
 Quelle résolution choisir ?
64

●
La plus importante question concernant la résolution est
combien c’est suffisant ?

●
Cela dépend de :
➢
Le contenu informationnel de l’image (détails)
➢
L’utilisation de l’image (applications)
 Quelle résolution choisir ?
65

Image 1 Image 2

Exemple (résolution spatiale) : L’image 2 est suffisante pour

compter les voitures mais non suffisante pour lire la plaque
d’immatriculation.
 Quelle résolution choisir ?
66

Faible Détail Moyen Détail important détail

Exemple (résolution de l’intensité) :
 Saturation & Bruit
67

● Saturation : est le seuil de l’intensité à partir

duquel la couleur est perdue (zones très
lumineuses).

● Bruit : est la présence d'informations parasites

qui s'ajoutent de façon aléatoire aux détails de la
scène photographiée numériquement.
 LES FORMATS DE FICHIER BITMAP
68

formats non compressés:

Ce sont les formats de fichiers dit « non destructifs ». Ils enregistrent
chaque pixel de l’image et utilisent en général beaucoup de mémoire.
Ils ne sont pas donc utilisés lorsqu'on à besoin de préserver la totalité
des informations d'une image.
Exemples : .PSD, . BMP, .TIFF, .RAW

formats compressés:
Ce sont les formats de fichiers dit « destructifs ». Ils permettent, selon
un algorithme particulier, de gagner plus ou moins de mémoire en
supprimant certaines informations peu ou non perceptible par l'œil
humain.
Exemples : .JIPG, .GIF, .PNG