Chapitre II : introduction et fondement de traitement d'image

II. Introduction :

Le traitement d’image numérique est une technologie avancée permettant de manipuler des
images numériques. Le traitement d’image numérique permet à l’utilisateur de prendre l’image
numérique en tant qu’entrée et d’y appliquer les différents algorithmes de traitement d’image
pour générer des résultats. Ces algorithmes peuvent varier d’une image à l’autre selon le rendu
d’image souhaité, Matlab et Python étant des langages de programmation permettants de
manipuler les images numériques via des algorithmes de traitement d’images. Les 3 phases
principales constituant le traitement d’image numérique sont :

- L’importation d’image en utilisant l’outil d’acquisition d’images

- Le traitement et la manipulation d’images
- Le changement des résultats issus des rapports d’analyse des images

II.2. Les différentes étapes de traitement des images numériques

Voici les étapes fondamentales en traitement d’images numériques :

L’acquisition d’image : Cette étape implique un traitement préliminaire tel que la mise à
l’échelle, … Cela peut être aussi simple que de disposer d’une image au format digital

L’amélioration de l’image : Il s’agit là d’utiliser des techniques permettant de mettre en

évidence des détails en atténuant et en accentuant certains éléments selon l’intérêt et ce en
opérant sur la luminosité, le contraste, …

La restauration d’image : Cette étape fait partie de celle liée à l’amélioration de l’apparence
d’une image. La restauration d’image est dite objective dans le sens où les techniques de
restauration tendent à se baser sur des modèles probabilistes ou mathématiques quant à la
correction de la dégradation de l’image. Cette étape est souvent réalisée via le traitement
d’image en Matlab qui est une plateforme de traitement numérique et de programmation pour
l’analyse de données

Le traitement des couleurs : Le traitement des couleurs est une étape prenant de plus en plus
d’importance étant donné l’augmentation significative de l’usage des images digitales sur
Internet. Cela peut inclure la modélisation et le traitement des couleurs des images digitales. Le
traitement des couleurs est par ailleurs subjectif

Le traitement des ondulations et des résolutions : Le fondement de la représentation d’image

en des degrés de résolution variés, est rendu possible par les ondulations. Dans ce type de

6
 Chapitre II : introduction et fondement de traitement d'image

traitement d’images numériques, les images sont subdivisées en de plus petites zones pour
compresser les données et être présentées de manière pyramidale

La compression : Les techniques de compression réduisent l’espace de stockage requis pour

une image et la bande passante nécessaire à sa transmission. Cette technique est
particulièrement utilisée sur Internet

Le traitement morphologique : Il consiste en l’extraction des composants utiles à la

représentation à la description d’une forme

La description et la représentation : Ces étapes suivent presque toujours le résultat d’une

segmentation. Ce résultat représente habituellement des données brutes de pixels qui peuvent
constituer ou les limites d’une zone ou tous les points de cette même zone

L’identification de l’objet : Il s’agit du processus consistant à attribuer une étiquette à l’image

en se basant sur ce qu’elle représente.

III.3. Fondement de traitement d’image :

III.3.1. Historique :

Le traitement d'images commence à être étudié dans les années 1920 pour la transmission
d'images par le câble sous-marin allant de New York à Londres. Harry G. Bartholomew et

Maynard D. McFarlane effectuent la première numérisation d'image avec compression de

données pour envoyer des fax de Londres à New York. Le temps de transfert passe ainsi de plus
d'une semaine à moins de trois heures. Il n'y a pas vraiment d'évolution par la suite jusqu'à la
période d'après-guerre. Le traitement du signal prend de l'importance vers la fin de la Seconde
Guerre mondiale avec l'arrivée du radar. La prospection pétrolière participe aussi beaucoup au
développement des techniques de traitement du signal. Le véritable essor du traitement d'images
n'a lieu que dans les années 1960 quand les ordinateurs commencent à être suffisamment
puissants pour travailler sur des images. Peu après, la redécouverte de la transformée de Fourier
rapide (FFT) révolutionne le domaine, en rendant possible les manipulations du contenu
fréquentiel des signaux sur ordinateur. Cependant, l'essentiel des recherches porte encore, à
cette époque, sur l'amélioration des images et leur compression.

En 1980, David Marr formalise le premier la détection de contours de manière précise.

Au cours des années 1980, un véritable engouement se fait jour pour le traitement de l'image et
surtout pour la compréhension de l'image par des systèmes experts. Les ambitions étaient

7
 Chapitre II : introduction et fondement de traitement d'image

beaucoup trop grandes, l'échec fut d'autant plus cuisant. Les années 1990 sont témoin de
l'amélioration constante des opérateurs. La recherche médicale devient un très gros demandeur
en traitement d'images pour améliorer les diagnostics faits à partir des nombreuses techniques
d'imagerie médicale, la technique reine étant l'IRM. Les publicitaires, puis le grand public se
familiarisent avec la retouche d'image grâce au logiciel Photoshop, et le traitement d'images
dans un objectif esthétique se répand avec l'apparition d'autres logiciels dédiés (The Gimp, Paint
Shop Pro). Enfin, la décennie s'achève sur l'engouement pour les ondelettes et les images
multimodales.

III.3.2. Définition Scientifique :

Le traitement et l'analyse d'images numérique désigne une discipline de l'informatique et des

mathématiques appliquées qui étudie les images numériques et leurs transformations, dans le
but d'améliorer leur qualité ou d'en extraire de l'information. Il s'agit d'un sous-ensemble du
traitement et analyse du signal dédié aux images et aux données dérivées comme la vidéo (par
opposition aux parties du traitement du signal consacrées à d'autres types de données : son et
autres signaux monodimensionnels notamment), tout en opérant dans le domaine numérique
(par opposition aux techniques analogiques de traitement du signal, comme la photographie ou
la télévision traditionnelles). Dans le contexte de la vision artificielle, le traitement d'images se
place après les étapes d'acquisition et de numérisation, assurant les transformations d'images et
la partie de calcul permettant d'aller vers une interprétation des images traitées. Cette phase
d'interprétation est d'ailleurs de plus en plus intégrée dans le traitement d'images, en faisant
appel notamment à l'intelligence artificielle pour manipuler des connaissances, principalement
sur les informations dont on dispose à propos de ce que représentent les images traitées
(connaissance du domaine).

II.3.3. Domaines d'Applications :

• Contrôle de présence / absence. Sur des chaînes de production, on vérifie en bout de

chaîne avec une caméra vidéo la présence d'une pièce dans un ensemble plus complexe. Pour
cela bien souvent il suffit de faire un simple seuillage dans une région spécifique.

• Contrôle du niveau de maturation des fruits sur une chaîne de conditionnement. Il

s'agit de reconnaître à la couleur et à la texture du fruit son degré de maturité et donc la
catégorie sous laquelle il sera emballé puis vendu.

8
 Chapitre II : introduction et fondement de traitement d'image

• Construction et correction de cartes géographiques d'après des images satellites ou des

images aériennes. On recale d'après des informations topographiques les images reçues, puis
on les met sur la carte en correspondance avec les informations trouvées dans l'image : voies
de communication, voies et plans d'eau, parcelles agricoles...

• Surveillance et évaluation de la production agricole. Il est possible de déterminer le degré

de maturation des cultures, la quantité d'eau nécessaire pour l'irrigation, le rendement
moyen... On peut ainsi établir des prévisions à large échelle de la récolte à venir.

• Reconnaissance de l'écriture. La reconnaissance de l'écriture manuscrite progresse de jour

en jour. Elle est suffisamment opérationnelle pour que la majorité des adresses, même
manuscrites, soient reconnues automatiquement sur le courrier postal.

• Recherche d'image par le contenu. L'objectif de cette technique est de rechercher, parmi
une base de données d'images, les images similaires à une image exemple, ou ayant certaines
caractéristiques, par exemple rechercher toutes les images comportant un vélo.

• Analyse de la vidéo. L'objectif de cette technique devenue une discipline depuis les années
2000 (lorsque la puissance des processeurs peu onéreux et en particulier des PC a permis des
traitements puissants en temps réel) est d'interpréter les faits observés à l'image afin de
signaler ou d'enregistrer des faits marquants. Le plus souvent, la caméra est fixe et observe les
mouvements d'une scène. Les applications sont nombreuses : Protection des biens (détection
d'intrusion, détection d'objet abandonné ou déposé...), Identification (biométrie faciale),
Sécurité des personnes (détection de chutes de personnes, franchissement de rambardes, ...),
Animations (planchers animés selon les mouvements des danseurs en boîte de nuit), Détection
de feux (industriel, forêts, tunnels, ...), Surveillance de tunnels (comptage, mesure de vitesse,
détection de fuites/anomalies dans les plafonds), surveillance de tuyaux et autres process
industriels.

III.3.4. L'Image Numérique :

Une image est avant tout un signal 2D (x,y), souvent, cette image représente une réalité 3D

(x,y,z), d'un point de vue mathématique :

• Une image est une matrice de nombres, représentant un signal.

• Plusieurs outils permettent de manipuler ce signal.

D'un point de vue humain :

9
 Chapitre II : introduction et fondement de traitement d'image

• Une image contient plusieurs informations sémantiques. Il faut interpréter le contenu au-delà
de la valeur des nombres

Image naturellePlusieurs moyens d'acquisitioncaméra, microscope, tomographie, infra-

rouge, satellite, ...

Image artificielle Plusieurs outils de représentation synthèse d'images, réalité virtuelle,

visualisation scientifique, ...

a- Image couleur dans l'espace RVB :

En peut représenter une image couleur numérique par addition de (03) trois couches
des couleurs représentatifs du spectre qui sont : Rouge, Vert, Bleu.
Mais il existe aussi d’autres codages de la couleur que RVB... ex : CMJ : Cyon,
Magenta, Jaune
b- Acquisition des Images Numériques :
Le processus général pour l'acquisition d'une image numérique est illustré sur la figure
suivante :

c- De l'analogique vers le Numérique :

Les valeurs de f(x,y) sont la réponse du capteur au phénomène observé.
Les valeurs de f(x,y) sont des valeurs de « voltage » continu.
Les valeurs de f(x,y) doivent être converties vers le domaine numérique
Conversion Analogique/Numérique (A/N)
Deux procédés sont impliqués pour numériser une image :
Numérisation = Échantillonnage + Quantification
d- Echantillonnage et quantification :

10
 Chapitre II : introduction et fondement de traitement d'image

L’échantillonnage est limité par la capacité du capteur, donc le nombre de pixels

disponible (ou autre limite imposée), tandis que la quantification est limitée par la
quantité de tons (de gris) définie dans l’intervalle.

e- Représentation des images :

1. Une image I est une Matrice de dimension L x H
2. Chaque élément à une valeur entière dans l'intervalle [ Nmin , Nmax].
3. Le nombre de « bits » requis pour représenter les niveaux de gris dans l’intervalle
« N » est « K »
4. La relation entre « K » et « N » est : N = 2k
5. Le nombre de bit pour représenter une image est donc : b = L . H . K

On peut distinguer de mode de résolutions des images :

1. Résolution spatiale : est le plus petit détail discernable.

2. Résolution tonale (de tons de gris) : est le plus petit changement discernable.

Une image a donc une résolution spatiale de LxH pixel et une résolution de tons de gris de K

bits ou de N niveaux ou tons.

11
Chapitre II : introduction et fondement de traitement d'image

12