Cours Traitement d'Images

Chapitre 1 Perception de la couleur
✓ Colorimétrie. Lumière et couleur dans la perception humaine
✓ Systèmes de représentation de la couleur : RGB, XYZ, YUV, HSV, YIQ
✓ Formats couleur et stratégies de traitement de l'image couleur
Chapitre1_TI.pdf

Chapitre 2: Capteurs d'images et dispositifs d'acquisition numérique
- Schéma de principe d'une chaine de traitement d'images.
- Principe des capteurs CCD et CMOS
- Spécifications des capteurs couleur
- Numérisation d'une image
- Notions de définition, résolution et quantification d'une image numérique (taille, dpi, ppi, bpp ...etc)
- Exemples de formats d'images numériques (BMP, TIFF, JPG, GIF et PNG)
Chapitre2_TI.pdf

Chapitre 3 Traitements de bases sur l'image

On s'intéresse d'abord aux traitements ponctuels qui consistent `a faire subir à chaque pixel une correction ne dépendant que de sa valeur. On trouve dans cette catégorie, les fonctions de recadrage ou d'´egalisation de dynamique, de binarisation etc ... . Sauf mention particulière. On peut se poser deux questions principales

• Pourquoi la correction et l'amélioration des images ? : en fait cette amélioration s'effectue généralement en amont de la chaine d'un système de vision, lorsqu'on a un mauvais contraste (faible ou excessif). Cette amélioration est nécessaire également lorsque l bruit est présent dans l'image, ou s'il y a des détails intéressants qui sont difficilement visibles.
• Comment résoudre et réaliser cette amélioration ?: à ce stade, plusieurs procédures et techniques sont proposées dans la littérature. Il existe les techniques de prétraitement comme il y a les techniques qui sont appliquées sur les images traitées, c'est-à-dire le post-traitement
Chapitre3_TI.pdf


Chapitre 4 Filtrage numérique des Images
- Filtrage spatial et Convolution 2D : notion de masque (moyenneur, gaussien, binomial ...etc)
- Lissage linéaire puis non linéaire de l'image (médian ...etc)
- Filtrage fréquentiel : (FFT 2D et propriété de séparabilité, filtre passe-bas, passe-haut ...etc)

Le filtrage des images a la même finalité que celui des signaux 1D. Il s'agit essentiellement d'enlever le bruit (parasite) ou de sélectionner certaines fréquences. Si la notion de haute fréquence ou basse fréquence est naturelle en signal 1D (son aigu ou grave), la fréquence spatiale est un concept plus délicat qui découle du fait que les images appartiennent au domaine spatial. La fréquence est une grandeur qui caractérise le nombre de phénomènes qui se déroulent au cours d'un temps donné. Si en voiture, le long d'une route, on voit 2 bandes blanches PAR seconde : c'est une fréquence temporelle. Il est ensuite facile de comprendre que ce concept de fréquence « temporelle » peut aussi se traduire en disant qu'il y a 200 bandes blanches PAR kilomètre : c'est une fréquence spatiale. Dans une image, les détails se répètent fréquemment sur un petit nombre de pixels, on dit qu'ils ont une fréquence élevée : c'est le cas pour les bords et les contours dans une image. Au contraire, les fréquences basses correspondent à des variations qui se répètent peu car, diluées sur de grandes parties de l'image, par exemple des variations de fond de ciel. Nous verrons dans la suite que la plupart des filtres agissent sélectivement sur ces fréquences pour les sélectionner, en vue de les amplifier ou de les réduire tout comme dans le cas 1D.
Ce paragraphe s'intéresse aux techniques de filtrage spatial: c'est-à-dire un filtrage qui s'applique sur un voisinage d'un pixel dans une image. Parmi les différents types de filtrage, certains sont linéaires, s'exprimant sous forme de convolution, d'autres sont non-linéaires (filtrage médian, ...). Nous passerons en revue les filtres classiques d'images. Cependant, il convient de rappeler la notion du bruit ainsi que ses sources.
Chapitre4_TI.pdf


Chapitre 5 Détection de Contours

Objectifs et généralités
- Types de contours
- Dérivées 1ere : masque de convolution (Opérateurs de gradient : masque de Roberts, Prewitt, Sobel ...etc)
- Dérivées 2eme d'une image (Opérateurs Laplacien, Filtre de Marr-Hildreth)
- Opérateurs Laplacien vs Opérateur de gradient (sensibilité aux bruits, localisation ...etc)
- Filtre optimal (critères d'optimalité, Canny et Derriche ...etc)

Si l'homme sait naturellement séparer des objets dans une image c'est grâce à des connaissances de haut niveau (compréhension des objets et de la scène).
La segmentation est une étape primordiale en traitement d'image. Elle permet d'isoler certaines parties de l'image qui présentent une forte corrélation avec les objets contenus dans cette image, généralement dans l'optique d'un post-traitement. Les domaines d'application sont nombreux : médecine, géophysique, géologie, etc ...
Dans le domaine médical, la segmentation d'images est extrêmement compliquée. En effet, pour chaque organe (cerveau, coeur, etc ...), l'approche est différente : l'outil de segmentation doit donc pouvoir s'adapter à un organe particulier, suivant une modalité d'acquisition particulière (scanners, radiographie, Imagerie par Résonance Magnétique, ...) et pour une séquence de données particulière. L'objectif est la quantification de l'information, par exemple, la volumétrie: volume d'une tumeur dans le cerveau, étude de la cavité ventriculaire cardiaque, etc. C'est à ce niveau que la segmentation de l'image est utilisée. En géophysique, la segmentation peut permettre d'isoler des objets du sous-sol (failles, horizons ...) àpartir de données sismiques
dans le but, par exemple, de modéliser ou d'exploiter un gisement.
Il existe de nombreuses méthodes de segmentation, à savoir:
➢ Segmentation fondée sur les régions;
➢ Segmentation fondée sur les contours
➢ Segmentation fondée sur la classification ou le seuillage des pixels en fonction de leur intensité;
➢ Segmentation fondée sur la coopération entre les trois premières segmentations.

Chapitre5_TI.pdf