Traitement d’images

et Vision

Lecture 1
Concepts généraux sur l’image numérique

[Link] Ali Mahjoub

 Introduction à la vision par
ordinateur

Domaines d’pplication
Types et formats d’images
Représentation de la couleur
Image numérique

Filtrage
Segmentation

2
 Exemples
les bibliothèques numériques :
Reconnaissance de l’écriture O C R

•Traitement automatique des chèques

•Tri- postale

3
 Imagerie biologique
Imagerie biologique:
Identification des cellules, bactéries, virus
comptage des cellules :ex globules blancs 4 000 et 10 000/mm3

4
Imagerie médicale
Imagerie médicale:
Aide au diagnostique

Reconstruction 3D des images

Image de scintigraphie cardiaque
Reconstruction 3D

5
 Vision robotique

Vision des robots :

Robots autonomes
▪Intervention en milieu contaminé
▪Sonde d’exploration
Robotique médicale
▪Assistance au geste médical

6
Imagerie aérienne et satellitaire
[Link]
accidents-list-rank

Analyse des ressources terrestres

Météo
Cartographie
Astronomie

[Link]
14
 Biométrie
Reconnaissance d’empreintes digitales
Reconnaissance de visage
Reconnaissance d’iris

Reconnaissance du style d’écriture du scripteur

15
Vision industrielle
Note : en industrie, les
systèmes de vision pour la
reconnaissance fonctionnent
très bien

▪ Forte contraintes sur

la lumière
le type d'objets
la position des
objets
C'est le cas général (en
recherche) qui pose
problème

16 M. Mahjoub - Horizon School

Vision industrielle
Contrôle d’aspect et d’intégrité de biscuits
Vidéosurveillance
•Détection de mouvements et
reconnaissance de comportement

Détection automatique d’incidents

Analyse de plaque d’immatriculation

prévention des noyades

11
Reconnaissance d'objets routiers
Vision artificielle, perception du conducteur, simulateur de
conduite, modélisation du trafic.

12
13
Applications

⦁ La reconstruction 3D permettant de modéliser, a partir d'un

certain nombre d'images, l'environnement entourant la ou les
caméras.

⦁ la mise en correspondance « inter-image » de points

remarquables.
⦁ Ces appariements et l'exploitation d'un modèle géométrique de
camera permettent la reconstruction par triangulation des
points 3D correspondants

14
 Reconstruction 3D d'une place de Prague

15 M. Mahjoub - Horizon School

Applications
⦁ Suivi d'objets:
⦁ nécessitant une analyse préliminaire (détection et description)
an de caractériser les points extraits des images
⦁ Le suivi (ou tracking),est défini par l‘étude du déplacement au
fil du temps de points d'intérêt,dont l'identification se base sur
leur descripteur.

16
17
 Reconnaissance d'objets :

A gauche des piétons et à droite des voitures

18 M. Mahjoub - Horizon School

 Eye Tracking (ou oculométrie)

Ensemble de techniques permettant de mesure le regard d'une

personne en vue interagir avec un système. Les applications
possibles sont :

l’étude de l’impact d’une publicité, d'un packaging, d'un

linéaire de supermarché (domaine du marketing ) ;

l'aide à la communication aux personnes handicapées

moteur

les nouveaux jeux vidéos impliquant différents modes

d’interaction,dont le regard du joueur

la commande à distance d'objets dits "intelligents" ou

26 interactifs
 Eye Tracking (ou oculométrie)

l'aide à la communication aux personnes handicapées

moteur .

[Link]
20
 Acquisition des images

21
Formation des images

22
1 . Notions de base sur l’Image numérique

⦁ Toute image (dessin, icône, photographie … ) acquise,

créée,traitée ou stockée sous forme binaire (suite de 0
et de 1) :
⦁ Acquise par des dispositifs comme les scanners, les
appareil photo ou les cartes d'acquisition vidéo.
⦁ Créée directement par des programmes
informatiques, via la souris, les tablettes graphiques ou
par la modélisation ( images de synthèse).
⦁ Traitée grâce à des outils informatiques. Il est facile de
la modifier en taille,en couleur,d'ajouter ou
supprimer des éléments, d'appliquer des filtres (effets
spéciaux) variés, etc.
⦁ Stockée sur un support informatique (disque,…)
23
Types d’images
⦁ Image Bitmap
⦁ l'image est considérée comme un rectangle constitué de
points élémentaires de couleur uniforme, les pixels. Décrire
l'image revient alors à préciser la couleur de chaque point.
⦁ Elles autorisent la qualité photographique (+)
⦁ Les fichiers sont encombrants (-)
⦁ Leur agrandissement provoque un effet de mosaïque (-)
⦁ Usage exigé d'un périphérique de numérisation :scanner,… (-)
⦁ Les retouches sont délicates (-)
⦁ Image vectorielle
⦁ l'image est considérée comme un ensemble de figures
élémentaires pouvant être décrites par des données
mathématiques
⦁ Les fichiers sont petits (+).
⦁ Les images sont redimensionnables sans perte de qualité (+).
⦁ Les retouches sont aisées (+)
⦁ Inutilisables pour des images complexes,des photographies (-).
🞂 Non reconnues par les navigateurs Internet (-).
24
25
Echantillonnage / Quantification

26
 Image Bitmap : Numérisation

Dispositifs d’acquisition :
Monde réel -Scanner
-Caméra
-Appareil photo
Echantillonnage Image échantillonnée

Quantification
Prélever des échantillons (points)
Tableau à
De l’image réelle lignes et
Image quantifiée colonnes
Donner une valeur (parmi Image numérique
Un ensemble de valeur) à Image à niveaux de gris – Image couleur
Cha3q4ue point
 Traitement et Analyse d’images

Image bitmap

Traitement Amélioration d’images Compression d’images

d’images
Restauration d’images

Corriger les défauts liés Rendre l’image « belle » Réduire le volume

À l’acquisition À l’affichage De l’image

Segmentation d’images Mettre en évidence les

informations intéressantes

Analyse d’images Objectifs : interprétation (reconnaissance, aide au

35
 Technique de traitement d'images
⦁ Toutes les techniques ayant pour but la
modification des caractéristiques chromatiques
des pixels des images bitmap.

⦁ Souvent synonyme d'amélioration des images

avec pour but l'obtention d'une plus grande
lisibilité. Il n'y a pas création d'informations,
mais mise en évidence de l'information
pertinente déjà présente

29
Représentation numérique de la couleur
⦁ La lumière est une onde électromagnétique qui se
propage dans l’espace et dans le temps.
⦁ Le système visuel humain ne peut détecter dans le
spectre de la lumière que des longueurs d’ondes
comprises entre 400 et 700 nanomètres.
⦁ En dessous :ultraviolet,en dessus :infrarouge.

30
Représentation numérique de la couleur
⦁ 1931 :la naissance de la commission internationale de
l’é[Link] :définir un espace colorimétrique
commun pour pouvoir transmettre une même
couleur.

⦁ Principaux systèmes de représentation de la couleur :

⦁ La synthèse additive RVB
⦁ La synthèse soustractive CMJ
⦁ Les systèmes liés à la perception humaineTSL

31
Le Système R V B

•Le système RVB s'appuie sur la synthèse additive.

•Chaque couleur est représentée par son niveau de
rouge, de vert et de bleu.
•si on souhaite afficher une couleur spécifique, il "suffit"
de déterminer l'importance de chacune des trois
primaires additives qui interviennent dans sa composition

32
 Représentation d’une image numérique

Lena et un détail de l’image

Valeurs du détail de l’image Lena

33
Représentation d’une image numérique
Distance entre pixels

Différents distances entre 2 points P(i,j) et P(k,l) peuvent être utilisées:

i k
[Link] euclidienne :
j
 (P(i, j), P(k,l) = (k − i) 2 + (l − j)2

+ Cette distance ne privilège

aucun axe

34
Représentation d’une image numérique
Distance entre pixels

Différents distances entre 2 points P(i,j) et P(k,l) peuvent être utilisées:

i k [Link] blocks:
Cette distance est appelé également «

j Manhatten distance »
il faut contourner les blocs d’habitations
pour relier deux points

57
Manhatten city NY
 Représentation d’une image numérique
Distance entre pixels

Différents distances entre 2 points P(i,j) et P(k,l) peuvent être utilisées:

i k
[Link] tour d’échiquier:
j

36
 Représentation d’une image numérique
Pavage ou tesselation
A chaque échantillonneur on associe une surface élémentaire dite "pavé" ou
"tesselle".
Les pixels sont généralement arrangés sous forme rectangulaire,dans un
tableau 2D … il peut exister d’autres pavages ou tesselations :
❑ Le pavage hexagonal,
❑ Le pavage triangulaire ou carré
❑ Le pavage rectangulaire

Pavage hexagonale Pavage triangulaire

Pavage carré
37
Représentation d’une image numérique
Codage des pixels

❑ Pour un ordinateur une image ⇒ ensemble de pixels

❑Un pixel possède une valeur :scalaire,vecteur,…

❑ O rdre de grandeur :

oSi un pixel est codé sur un (1) bit => image noir/blanc
osi un pixel est codé sur 8 bits ⇒ 28=256 couleurs ou niveau de gris
osi un pixel est codé sur 16 bits ⇒ 216=65 536 couleurs…plus d’espace
o si un pixel est codé sur 8bits/couleur primaire:24 bits
⇒ 224=16 777 216 couleurs…encore +++

38
 (a) (b)

(c) (d)

Exemple de décomposition d’une image couleur en 3 plans de couleur :

(a) image originale,(b)canal rouge,(c)canal vert,(d)canal bleu
39
 Formats d’images
[Link] d’images

Binaire: I(x,y) ∈ {0,1}

Niveau de gris: I(x,y) ∈ [0,255]

IR(x,y)

Couleur: IR(x,y) IV(x,y) IB(x,y) IV(x,y)

IB(x,y)
40
Synthèse soustractive:CMJ

Cyan - magenta - jaune

•Il faut une source lumineuse pour créer des couleurs,
•le modèle CMJ est fondé sur la qualité d'absorption des
couleurs de l'encre sur le papier
•Lorsque de la lumière blanche traverse les encres, une
partie du spectre est absorbée. Par exemple, la
superposition sur une surface blanche de deux filtres
colorés, l'un jaune et l'autre bleu, permet d'obtenir du vert
41
 Couleurs complémentaires
⦁ Sur le cercle chromatique, on peut facilement
retrouver La complémentaire d’une couleur donnée.

42
 Les systèmes liés à la perception humaine :
Modèle TSL
⦁ La luminosité (lightness ou brightness) correspond à
l’aspect clair ou foncé d’une couleur
⦁ La teinte ou tonalité (hue) correspond à la longueur
d’onde prédomionante dans la couleur :jaune,rouge,vert,
…
⦁ La saturation (saturation) caractérise la pureté de la
couleur. C’est le degré de mélange de la longueur d’onde
prédominante avec le blanc.
⦁ Plusieurs espaces couleurs ont été définis en fonction de
ces trois attributs suivant la façon dont sont calculés les
attributs.

43
 Teinte : C’est la longueur d’onde de
Modèle TSL la lumière réfléchie, ou transmise
par un objet
Saturation : pureté de la couleur
Luminosité : Quantité de la
blanc
Cercle chromatique lumière blanche dans la couleur

noir
48
 Pourquoi la lune change-t-elle
Parfois de couleur ?

45
 Formats d’images
🞂 Un format d'image comprend en général un en-
tête qui contient des données sur l'image (taille de
l'image en pixels par exemple) suivie des données
de l'[Link] structuration des données est
différente pour chaque format et chaque type
d'image (bitmap ou vectoriel)
⦁ L'avénement duWeb :nouveaux formats qui se
sont répandus de façon très [Link],
cette évolution à jusqu'ici touché plus
particulièrement les formats bitmap.
⦁ Les images vectorielles en sont restées à des
techniques et à des formats moins récents, qui
sont toutefois aussi efficaces.

46
Formats bitmap
⦁ Le format T IFF
⦁ Le format TIFF (Tag Image File Format) est le format
bitmap qui est utilisé par les professionnels,
notamment de la photographie.
⦁ Attention ! la taille-mémoire des images haute
résolution est très grande, et le temps de transfert
par e-mail sera peut-être prohibitif.
⦁ Ce format présente l'avantage d'être lu et interprété
correctement par tous les logiciels de traitement
d'images, ou presque,quelle que soit la plateforme.

47
 Formats bitmap
⦁ GIF (Compuserve Graphics)
⦁ format de fichier graphique couramment utilisé
pour afficher les images de couleurs indexées
(256 couleurs), sur [Link] s'agit d'un format
compressé,conçu pour réduire les temps de
transfert des fichiers par le biais des lignes
téléphoniques standards.
⦁ permet une compression sans perte mais dont
l'efficacité dépend de plusieurs facteurs comme
de l' existence de zones "homogènes".

3956 octets
1385 octets

48
Formats bitmap
⦁ JPEG standard
⦁ format de fichier graphique utilisé pour afficher
des images couleurs hautes résolutions en tons
continus sur leWEB.
⦁ Contrairement au format GIF,JPEG conserve
toutes les informations de couleurs d'une image
RVB. Utilisant un code de compression spécifié par
l'utilisateur,ce système réduit considérablement la
taille des fichiers en éliminant les données
superflues pour l'affichage de l'image.
⦁ Cependant un niveau élevé de compression
réduira la qualité de l'image restitué. Une image
JPEG,automatiquement décompressée à
l'ouverture de son fichier, n'es donc pas identique
à l'image originale.
Formats bitmap : résolution
⦁ La définition d'une image est définie par le nombre de points
la composant. En image numérique, cela correspond au
nombre de pixels qui compose l'image en hauteur (axe
vertical) et en largeur (axe horizontal) :200 pixels par 450
pixels par exemple,abrégé en « 200×450 ».

⦁ La résolution d'une image est définie par un nombre de

pixels par unité de longueur de la structure à numériser
(classiquement en ppp :point par pouce). Ce paramètre est défini
lors de la numérisation (passage de l’image sous forme binaire),
et dépend principalement des caractéristiques du matériel
utilisé lors de la numérisation. Plus le nombre de pixels par
unité de longueur de la structure à numériser est élevé, plus la
quantité d'information qui décrit cette structure est
importante et plus la résolution est élevée

50
 Résolution
⦁ Pour une même dimension d'image,plus la
résolution est élevée,plus le nombre de pixels
composant l'image est grand. Le nombre de pixels
est proportionnel au carré de la résolution, étant
donné le caractère bidimensionnel de l'image

51
 Représentation numérique d’une image :

Quelques caractéristiques d’images numériques

❑ La résolution d'une image = nombre de pixels par unité de longueur de la

structure à numériser (dpi (dots per inches) ou ppp (pixel par pouce).

❑ La définition de l'image =nombre de pixels qui compose l'image en hauteur et en

largeur (512 pixels par 512 pixels par exemple).

❑ La taille des données pour une image (en bits) = Nlignes x Ncolonnes x B

❑La profondeur de bits = nombre de bits nécessaire pour représenter un pixel dans
l’image numérique

❑La dynamique d'une image= l'étendu de la gamme de couleurs 2nbre de bits/pixels – 1

❑Le poids d’une image numérique est l’espace mémoire qu’elle occupe sur un
support de stockage numérique = nombre de bits par pixel x nombre total de pixels
52
Les unités : rappel
⦁ 1 bit = plus petite unité ; 1 octet (byte) = 8 bits
⦁ 1 kilo-octet (1Ko) = 2 à la puissance 10 octets
= 1024 octets
⦁ 1 mega-octet (1Mo) = 2 à la puissance 20 octets
= 1048576 octets (million)
⦁ 1 giga-octet (1Go) = 2 à la puissance 30
= 1073741824 octets (milliard)

Exemple : Quel est le poids d’une image avec une résolution de

200 ppp et une dimension de 20 x 15 cm ?

53
Exemple 1 Quel est le poids d’une image avec une résolution de
200 ppp et une dimension de 20 x 15 cm ?

54
Exemple 2 Soit une image de 200 x 300 pixels avec une résolution de 100
pixels par pouce. Quelles sont les dimensions de l'image en
centimètres ?

55
 Image volumique 3 D

Différentes représentations : a) nuage de points b) maillage triangulaire

c) Surfaces paramétriques d) pixel volumique : voexel
56
Reconnaissance de forme : Exemple
Identifier u n poisson : Bar ou S a u m on

57
Système de reconnaissance

Classes
Image Objets
reconnues
identifiés

Prétraitement

Classification
Segmentation Base
(étiquettes)

Régions D escription Descripteurs

Apprentissage
58
 Problém atique
La Mise en oeuvre pose plusieurs
problèmes
– Représentation
• Stabilité des mesures, primitives

– Méthode
• Choix des échantillons de test
• Évaluation des performances

– Avec ou sans apprentissage

• Choix des formes modèles
• Connues a priori, idéales
• Statistiquement représentatives

– Choix du mode
• Supervisé (professeur) ou non
59