ECOLE SUPERIEURE MULTINATIONALE DES TELECOMMUNICATIONS

MASTER 2 RESEAUX ET MULTIMEDIA

Cours de Traitement d’images

Présenté par:
Dr Seynabou TOURE LY
 PLAN

§ Notion de base du traitement d’images numériques

§ Filtrage, rehaussement de contraste & correction d’histogramme

§ Morphologie mathématique

§ Segmentation par approche contours

§ Segmentation par approche région

2
 Chapitre 1:

Notions de base du traitement d’images

3
1. Quelles applications?

4
 Imagerie médicale Imagerie satellite

IRM Etude du littoral

Chirurgie assistée par ordinateur Météo

5
Etc. Etc.
Transport Analyse de document

Numérisation de documents anciens

Conduite automobile
Reconnaissance de caractères
Detection d’obstacles
Etc. Etc. 6
 Industrie

Défauts de fabrication
Contrôle de stocks
7
Etc.
2. Définition ?

8
• Image : représentation planaire d’une scène ou d’un objet situé en
général dans un espace tridimensionnel.

• Une image se présente comme une application d’un ensemble de

points vers un ensemble d’échantillons radiométriques selon un
processus physique lié à la nature du capteur.

• Chaque point de l’image (pixel) est défini par sa position (i,j) et son
intensité́ (niveau de gris) Ng (i,j)
9
3. Types d’images ?

10
 Les images en niveau de gris
Ce sont des images qu’on stocke sur une seule matrice I[i,j] et qui sont
codées soit :

§ au format 8bit [0, 255 ]

50 60 70 71
§ au format 16bit [0, 65535] 55 88 55 10
56 90 20 66

11
 Les images binaires

Ce sont des images dont les pixels n’ont que deux valeurs possibles :

§ 0 ou 1

§ 0 ou 255

12
 Les images RVB

Ce sont des images qu’on stocke sur une matrice I[i,j,3] qui définit

les trois canaux rouge, vert et bleu pour chaque pixel [i,j].

Chaque canal est codé sur 8bits et l’image RVB est codée sur

24bits , ce qui donne une image sur 16 million de couleur

13
Canal rouge

Canal vert

Canal bleu
14
4. A quoi sert le traitement d’images ?

15
§ Amélioration visuelle des images en rehaussant le contraste

§ Amélioration de la qualité de l’image en réduisant les bruits.

§ Extraction de paramètres d’intérêt pour l’étude à mener :
extraction d’information non directement visible sur l’image
• contours,
• classes,
• mesure de surface,
• canaux synthétiques, etc.
16
§ Améliora)on de la qualité géométrique des images pour :
• référencement spa)al (géo-référencement) des pixels de
l’image
• superposi)on avec des données exogènes ( carte
topographiques, théma)ques…)

17
5. Traitement de bas-niveau / traitement de haut niveau

18
 Traitements de bas niveau

§ Opèrent, en général, sur les grandeurs calculées à partir des

valeurs attachées à chaque pixel de l’image

§ sans faire nécessairement la liaison avec la réalité qu’elles

représentent
19
 Traitements de bas niveau
Par exemple, la détection de contours est effectué sans
comprendre l’image

le contour détecté peut très bien ne pas correspondre à un bord

d’objet dans la réalité

et ne présenter aucun intérêt ( création d’artefacts liés à un

éclairage non homogène par exemple).
20
 Traitements de haut niveau
S’appliquent à des en/tés de nature symbolique associées à une
représenta/on de la réalité extraite de l’image ;

ils sont rela/fs à l’interpréta/on et à la compréhension de l’image

exprimées avec des mots du vocabulaire de l’applica/on.

Exemple : des zones d’une image peuvent être caractérisées par

leur forme (rectangulaire, circulaire, linéaire, …),
21
 Traitements de haut niveau

être étiquetées avec les termes : bâtiment, terrain de sport, route,

groupement d’arbres etc.)

Des relations entre ces zones sont exploitées pour comprendre la

scène étudiée,

Par exemple : une route ne peut pas être incluse dans un

groupement d’arbre.
22
6. Types de transformations sur les images

23
 5 types de transforma1ons
Transformation sur les couleurs

§ Concerne la table de correspondance des couleurs (LUT)

§ Affecte uniquement la visualisation

et non le contenu de l’image Ngsortie
255

§ Transformation canal à canal

§ Exemple : étalement linéaire Ngentrée

0
de la dynamique de l’image Min Max

24
Transformation ponctuelle

Transformation qui affecte le contenu de l’image et la

visualisation

Transformation pixel à pixel

Ngentrée Ngsortie

Ng sortie = f ( Ng entrée )

Exemple : segmentation de l’image

25
Transformation locale

§ c’est une transformation qui affecte le contenu et la

visualisation

§ c’est une transformation de voisinage à pixel

Ngentrée Ngsortie

Ng [i, j ]sortie = f (V [i, j ]pixel )

§ Exemple : statistique locale ou le filtrage spatial
26
Transformation globale
La valeur du pixel transformé ne dépend pas uniquement des
valeurs de ses correspondants (ou du voisinage) sur l’image brute
mais dépend de toutes les valeurs de l’image dans les
différents canaux.

Exemple : Analyse en composante principale,

décorrélation de canaux
Ng [i, j ]sortie = f ( I [i, j , nb _ canaux]pixel )

27
Transformation géométrique

• n’affecte pas uniquement les valeurs de pixels mais aussi la

taille de l’image.
• utilise les techniques d’interpolation
• Exemple : correction géométrique et recalage des images

28
Image avant le recalage Image après le recalage
Transformation géométrique
Le recalage est l’opé[Link] de rec.fi[Link] d’une image oblique
afin d’obtenir une image [Link]

corrigée de toutes ou de la plupart des dé[Link]

inhérentes à la prise de vue

(angle, mouvement de plateforme type roulis, etc.) et aux

distorsions produites par l’environnement.
29
7. Mise en évidence de la dynamique d’une image

30
§ On peut évaluer la dynamique d’une image, en générant à
partir des pixels un histogramme.

§ Deux sortes d’histogrammes

§ L’histogramme classique d’une image est donné par la

densité de probabilité pk pour que la radiométrie vaille k et
est donné par
n
pk =h = n k
k

31
où nk : nombre de pixel ayant un niveau de gris k dans l’image

n : nombre de pixel total de l’image

32
L’histogramme cumulé est donné par la fonction de répartition de
l’image k

ån i
H k
= i =0
n

33
Image multispectrale: histogramme pour chaque canal

Canal XS1 histogramme du canal XS1

Canal XS 2 histogramme du canal XS2

34
Canal XS 3 histogramme du canal XS3
La visualisation de l’histogramme permet de :
§ renseigner sur le nombre d’objet présent sur la scène

Image ayant un seul type d’objet histogramme monodale

Image ayant plusieurs objets histogramme multimodale 35

§ Savoir si l’image est à fort radiance ou à faible radiance

Image à faible radiance histogramme correspondant

Image à fort radiance histogramme correspondant 36

§ renseigner sur le contraste de l’image

Image à faible contraste histogramme très étroit

Image à fort contraste histogramme très étalé 37

Travaux Pratiques

38