Université Blida 1 Niveau : Master 1 - Maths
Faculté des Sciences Année : 2022-2023, Semestre 1
Département des Mathématiques Matière : Intro. au traitement d’images
Série d’exercices 2
Traitement spatial
Novembre 2022
Exercice 1
Les fonctions exponentielles sont utilisées souvent pour transformer les intensités d’une image.
Déterminer des fonctions simples pouvant être associées aux graphes suivants :
Exercice 2
Soit I une image de taille 4 × 4, codée sur 4 bits/pixel image
7 3 4 1
1 2 0 3
I=
4 2 2 1
0 3 5 1
1. Calculer le résultat de l’application des deux transformations suivantes :
√
s = T1 (r) = 5 r, s = T2 (r) = 15 − 2r
2. Calculer les critères suivants : M AE, M SE et P SN R.
Exercice 3
Une image a un histogramme normalisé pour lequel on est arrivé à trouver la forme analytique
suivante :
h(r) = 6(r − r2 ), r ∈ [0, 1]
On suppose donc ici que r correspond à un niveau de gris (1 correspond au blanc et 0 au noir).
— Tracer grossièrement cet histogramme et préciser quelle est la moyenne des niveaux de
gris de cette image qualitativement et par calcul.
1
— Pourquoi 12 h(r) ne pourrait pas être une courbe d’histogramme normalisé ?
— Déterminer la transformation s = T (r) qui permettrait d’égaliser h(r).
— Perd t-on de l’information quand on fait une égalisation d’histogramme sur une image
numérique ?
Exercice 4
1. Il existe trois classes de transformations d’intensité en fonction de leur support. Les-
quelles ? Citer un exemple de chaque classe.
2. Un nombre important de techniques de transformation d’intensités reposent sur l’histo-
gramme.
(a) Donner un algorithme simple permettant de calculer l’histogramme d’une image
(b) Exprimer en termes de probabilités les notions d’histogramme, histogramme norma-
lisé et histogramme cumulé.
(c) Comment calculer la moyenne, la variance et l’entropie à partir de l’histogramme ?
On rappelle que l’entropie est définie par :
255
X
b=− pi log2 (pi )
i=0
où pi est la probabilité de présence du niveau de gris i.
Exercice 5 Transformation d’intensité
1. Appliquer une égalisation de l’histogramme à l’image suivante (donner tous les détails
nécessaires).
10 12 11 9 12
15 11 9 10 6
I = 13 15 8 12 6
9 6 7 11 8
7 2 1 1 0
2. Tracer les histogrammes de l’image originale et de l’image égalisée.
3. Calculer la norme de l’image de différence entre l’image originale et l’image égalisée.
Exercice 6
Appliquer le filtre de moyenne à l’image suivante (en précisant la stratégie de gestion du bord) :
10 12 2 1
10 14 5 2
13 12 13 4
10 12 14 3
2
Exercice 7
On applique différents filtres spatiaux à une image A de taille 4 × 4 codée sur 4 bits.
1. Calculer l’image 1 en utilisant le zéro padding, et sans arrondir le résultat en entiers.
2. Calculer l’image 2 en utilisant le zéro padding, et sans arrondir le résultat en entiers.
3. En utilisant les résultats 1 et 2, calculer l’image 3 en utilisant le zéro padding, et sans
arrondir le résultat en entiers.
4. Calculer le résultat de l’application du filtre de moyenne à l’image A, en utilisant le zéro
padding pour traiter les pixels du bord.
5. Calculer le résultat de l’application du filtre du maximum et le filtre médian à l’image
A, en utilisant le zéro padding.
Exercice 8
On dispose d’une image I représentée par le tableau suivant :
175 150 114 86 79
156 119 91 80 113
I = 132 93 80 96 174
96 85 87 165 193
87 82 153 192 194
1. Appliquer le filtre du maximum (3 × 3) à l’image I (la stratégie de gestion des bords
doit être expliquée).
2. Calculer le Laplacien de l’image I : ∆I.
3. Appliquer le filtre suivant à l’image I (préciser la stratégie de gestion des bords).
0 -1 0
-1 5 -1
0 -1 0
4. Quelle est la quantité approchée par ce filtre ?
5. Donner, en le démontrant, des filtres permettant de calculer le Gradient et le Laplacien
d’une image.
