Master : Systèmes d’information décisionnel et imagerie(SIDI)
TD 1 : Indexation et recherche d’image par le contenu
CBIR (Content-Based Image Retrieval)
Pr. Ahmad EL ALLAOUI
Exercice 1. Soit les images suivantes :
I1 I2 Iq
1 1 1 1 1 1 1 2 4 2 1 1 2 3 4
1 1 2 2 1 2 1 2 4 2 1 1 2 2 2
2 3 3 4 1 3 2 2 4 2 2 2 2 4 4
3 3 2 4 5 3 3 2 4 4 3 3 2 4 4
3 3 3 4 4 3 3 2 4 4 3 3 2 4 4
1. Calculer les histogrammes des images : simple ou cumulé.
Niveau de gris 1 2 3 4 5
Histogramme
H1 9 4 7 4 1
H2 3 10 5 7 0
Hq 4 9 5 7 0
Histogramme cumulé
Niveau de gris 1 2 3 4 5
Hist CUM
H1 9 13 20 24 25
H2 3 13 18 25 25
Hq 4 13 18 25 25
5)
2. Donner les valeurs de distance entre les images de la base et l'image requête dans les 3 cas :
intersection des histogrammes, distance euclidien et distance de Manhattan
3. Quelle(s) est (sont) l’image(s) de la base la(les) plus similaire(s) à l'image requête
4. Quel est le meilleur histogramme : simple ou cumulé.
Exercice 2.
Soit les histogrammes des images I1, I2 et IQ
Niveau de gris 1 2 3 4 5
Histogramme
H1 9 13 20 24 25
H2 3 13 18 25 25
Hq 4 13 18 25 25
1. Calculer la distance par intersection d’histogramme entre les images de base I1 et I2 et la
requête Iq. Quelle est l’image la plus similaire à la requête.
1/1