Rapport
TP1 : Traitement
de base de l’image
2024/2025
Filière GI
GROUPE D
I. Introduction à l’image
Introduction à l’image
Objectif
L'objectif de cette partie est de nous initier aux techniques de base de traitement
d'image avec MATLAB.
1-Lire l’image I : « [Link] » ; I=imread(‘[Link] ‘).
La fonction imread() dans MATLAB lit une image d'un fichier et la convertit en
une matrice. Pour une image en couleur, cette matrice a trois dimensions :
hauteur, largeur, et profondeur de couleur. La profondeur de couleur est
généralement de 3, représentant les canaux Rouge, Vert, et Bleu. Chaque
élément de la matrice est un pixel de l'image. Pour une image en noir et blanc,
c'est une matrice 2D où chaque élément indique la luminosité de ce pixel.
I, est la variable où
l'image lue est stockée
sous forme d'une matrice
3D contenant les
informations sur la
hauteur, la largeur et les
canaux de couleur.)
2. Afficher cette image ; imshow(I); Utiliser impixelinfo.
imshow(I)
• Afficher l'image contenue dans la variable I.
• Fonctionnement : Gère divers formats de données d'image et ajuste
automatiquement le contraste et la gamme dynamique, en particulier pour
les images en niveaux de gris.
impixelinfo
• Fournir des informations détaillées sur les pixels de l'image affichée.
• Fonctionnement : Ajoute une barre d'informations à la fenêtre de
visualisation de l'image, affichant les coordonnées (x, y) et les valeurs de
pixel sous le curseur de la souris.
ousama
Introduction à l’image
imshow(I);
impixelinfo
3. Afficher la taille de cette image ; size(I); tester le
changement de taille imresize()..
size(I)
Quand on l'applique à une image, size(I) renvoie un vecteur contenant le nombre
de lignes (hauteur), de colonnes (largeur), et souvent de couches (profondeur)
pour les images en couleur.
Imresize(I, scale)
Utilise l'interpolation pour estimer les valeurs des nouveaux pixels lors du
redimensionnement de l'image. Cette estimation dépend des valeurs des pixels
existants et de leur position relative.
Output de size()
Imresize size()
ousama
Introduction à l’image
4. Afficher la composante Rouge (Ir), Verte (Iv) et Bleu(Ib)
de cette image
on charge une image couleur (I = imread('[Link]')), puis crée trois versions de cette
image, chacune mettant en évidence une des composantes de couleur (rouge, vert, bleu) en
annulant les deux autres canaux de couleur. Enfin, il affiche ces trois images côte à côte pour
visualiser séparément les composantes rouge, verte et bleue de l'image originale.
5. Transformer l’image en niveau de gris. Igray=rgb2gray(I);
Afficher, cette image.
La fonction rgb2gray(I) dans MATLAB convertit une image RGB en niveaux de gris en
appliquant une pondération linéaire sur les composantes de couleur (rouge, vert, bleu) selon
les coefficients standard de perception humaine (0.2989 pour le rouge, 0.5870 pour le vert,
0.1140 pour le bleu). Chaque pixel de l'image RGB est transformé en une valeur de gris par le
calcul Gris=0.2989×R+0.5870×G+0.1140×B, effectué sur toutes les valeurs de pixels de
l'image.
II. Formats et représentation
D’images
ousama
Formats et représentation d’images
6. Sauvegarder l’image I sous forme « jpeg » avec une
qualité de 10, 20, 40, …80. ;
Chaque commande imwrite crée un fichier JPEG avec un niveau de qualité spécifié. Le
paramètre 'Quality' définit la qualité de compression de l'image JPEG : des valeurs plus
basses entraînent une compression plus forte et une perte de qualité, tandis que des valeurs
plus élevées préservent davantage la qualité de l'image.
ousama
Formats et représentation d’images
7. Transformer l’image RGB vers la représentation YCbCr ;
rgb2ycbcr ; afficher les trois composantes.
YCbCr est un espace colorimétrique utilisé en traitement d'image et vidéo, où Y représente la luminance
(luminosité) et Cb/Cr représentent la chrominance (couleur).
La conversion de RGB à YCbCr s'effectue selon les formules :
• Y = 0.299×R+0.587×G+0.114×B
• Cb = −0.168736×R−0.331264×G+0.5×B+128
• Cr = 1280.5×R−0.418688×G−0.081312×B+128
8. Transformer l’image RGB vers la représentation HSV ;
rgb2hsv ; afficher les trois composantes.
HSV (Hue, Saturation, Value) est un espace colorimétrique utilisé pour représenter les couleurs.
Il se compose de :
• Hue (Teinte) : Décrit la couleur pure (spectre de la couleur).
• Saturation : Intensité ou pureté de la couleur (de pale à saturée).
• Value (Valeur) : Luminosité de la couleur (de sombre à clair).
III. Traitement de base d’images
ousama
III. Traitement de base d’images
9. Tracer le profil d’intensité de la ligne 100 ; improfile.
improfile(); dans MATLAB trace le profil d'intensité de couleur de l'image I. Il dessine les valeurs
d'intensité le long d'une ligne spécifique dans l'image,
.
10. Dans la composante rouge, calculer le nombre de pixel
qui ont une valeur = 200.
HSV (Hue, Saturation, Value) est un espace colorimétrique utilisé pour représenter les couleurs.
Il se compose de :
• Hue (Teinte) : Décrit la couleur pure (spectre de la couleur).
• Saturation : Intensité ou pureté de la couleur (de pale à saturée).
• Value (Valeur) : Luminosité de la couleur (de sombre à clair).