TPs Traitement dimages
Matlab utilise plusieurs types d'images : 1- Image en niveaux de gris: c'est une matrice d'entiers dont les valeurs représentent des nuances de gris. Les pixels
Initiation au traitement dimages avec MATLAB
I.2. Rappels sous Matlab : Une image Matlab est une matrice bidimensionnelle de valeurs entières ou réelles. Les principales fonctions de traitement
Traitement dimages sur MATLAB
17 Jun 2019 Une image numérique est représentée par un tableau ou une matrice contenant les différentes valeurs de chaque pixel. Pour les images en couleur ...
Introduction au traitement dimages
quelles informations peut on extraire d'une image 2D ? ? reconstruire en 3D `a partir d'images. ? outils de test et de démonstration : matlab + toolbox
Traitement dimages Travaux pratiques
L'acquisition d'une image sous Matlab peut-être réalisée de deux manières : • par la création d'un objet d'entrée vidéo en utilisant la fonction videoinput.
Notions de traitement dimages - Transformation ponctuelle
En traitement d'image on peut considérer 3 types de transformations. Exercice « Prise en main Matlab » du chapitre 1 : essayez image = double(image)).
Filtrage en traitement dimage - avec quelques applications
Filtrage en traitement d'image. Éric Busvelle. Sommaire. Introduction. Probas. Estimateurs. Champs aleatoires. Morphomaths. Filtre de Kalman. Applications.
Traitement dimages
TP3 : Traitement fréquentiel des images sous matlab. TP4 : Détection de contours et segmentation. TP5 : Binarisation d'images et opérations morphologiques
R31 – Initiation au traitement numérique dimages avec Matlab/Octave
Nous illustrerons les concepts vu en cours à l'aide de MATLAB (MATrix LABoratory) un environnement de programmation et de visualisation.
TRAITEMENT DIMAGE BASES. . Découvrir quelques méthodes de
Ce format est très compatible avec le format de représentation des images. 2• CHARGEMENT AFFICHAGE
Introduction au traitement d'images
Marie-Odile Berger, INRIA Nancy Grand Est
M.O. BergerBas niveau1/38
Points abordes dans le cours
I les fondements du Traitement d'Images I formation d'une image, bas nievau Iquelles informations peut on extraire d'une image 2D?Ireconstruire en 3D a partir d'images
I outils de test et de demonstration : matlab + toolbox image processing, machine learning I objectifs : I vous montrer qu'on peut rapidement construire des applications de vision utiles dans votre discipline Ivous apprendre comment fonctionnent les nouvelles methodes de machine learning et les r eseaude neuronesM.O. BergerBas niveau2/38
Premiere partie I
Formation d'une image : dierents types
d'imagesM.O. BergerBas niveau3/38
Formation d'une image
I Une image est une representation bi-dimensionnelle d'une scene. I Elle depend de la scene (geometrie), du systeme optique (lentilles, focales,...), des proprietes associees a la lumiere (illumination, proprietes de re ectance des materiaux de la scene)M.O. BergerBas niveau4/38
Formation d'une image
Les objets emettent une onde electromagnetique, ils en re etent aussi. I le cas le plus frequent : les rayons lumineux issues de sources (lampes, soleil,...) sont re echis par les objets et atteignent le capteur. I Les objets emettent des ondes electromagnetiques : c'est le cas de l'infra-rouge I les objets absorbent des ondes et on mesure le reste : c'est le cas des images RX.M.O. BergerBas niveau5/38
Dierents types de formation d'une image
I les objets emettent une onde electromagnetique, ils en re etent aussi. I Le niveau de gris d'une image est l'energie recue par le capteur. IDans des images multi-spectrales, chaque composante mesure l'eclairement recu dans une gamme de frequences du signal electromagnetique (pas forcement dans le domaine visible). exemple : l'imagerie infra-rouge est utilisee pour detecter les zones de chaleur, invisibles a l'oeil nu. L'oeil humain voit les longueurs d'onde entre400nm et 750 nm mais les capteurs sont sensibles aux ondes entre 200
et 1200 nm. Iles images couleurs :Dans le modele RGB, les couleurs sont obtenues par addition des trois couleurs fondamentales Rouge (= 700nm),vert et bleu.M.O. BergerBas niveau6/38
Images sismiques (image d'echos)
ILa sismique par re
exion etudie la re exion d'ondes sismiques aux interfaces entre plusieurs couches geologiques. I Les ondes emises se propagent suivant les lois de re exion et de refraction et sont en partie re echies a chaque changement de vitesse de propagation (couche geologique). Elles sont mesurees par des capteurs. I Traitement : transformer les donnees sismiques en une image en deux ou trois dimensions (2D ou 3D) du sous sol a. b. I permet par exemple d'estimer les probabilites de trouver du petrole.M.O. BergerBas niveau7/38Image infrarouge meteo
Exemple tire dehttp://fr.allmetsat.com/interpretation.phpLes images infrarouges representent une mesure du rayonnement infrarouge emis par le sol ou les nuages. Ce rayonnement depend de la temperature. IPlus l'objet est chaud, plus il est
noir et plus l'objet est froid, plus il est blanc. ILes nuages eleves apparaissent
plus blancs que les nuages bas car ils sont plus froids. IDans les zones sans nuages, plus
le sol est chaud, plus il est sombre.M.O. BergerBas niveau8/38
Beaucoup d'autres images
I beaucoup d'images creees par la physique-chimie I images de profondeurs (stereo multi-vues, laser, Kinect,...) I les sequences d'images 2D+t (temporelles) I images volumiques (scanner, IRM,...) I sequences d'images volumiques I nombreux exemples en imagerie medicaleM.O. BergerBas niveau9/38Exemple d'images 3D
stereo multivues (56 frames)KinectLaser Scanning 3D
M.O. BergerBas niveau10/38
Deuxieme partie II
Visualisation des images
M.O. BergerBas niveau11/38
La visualisation des images
I Une image correspondant a un seul canal peut ^etre rendue avec une couleur proportionnelle a l'intensite (en niveaux de gris) I Une image couleur est dele a ce qu'un observateur aurait vu I On peut aussi utiliser de fausses couleurslut ou colormappour une meilleure comprehension du rendu (sous matlab : edit!colormap).I les images infrarouges sont souvent rendues avec une echelle de rouge I les images d'erreurs avec une couleur d'autant plus chaude que l'erreur est importanteM.O. BergerBas niveau12/38
La visualisation des images
Tire dehttp://eoedu.belspo.be/fr/guide/deftele.asp?section=1M.O. BergerBas niveau13/38Troisieme partie III
Quantication et compression d'une image
M.O. BergerBas niveau14/38
La realite d'une image numerique
IUne image est un tableau a deux
dimensions a valeurs discretes IL'image est issue d'un monde
continu par pixelisation et quantication des niveaux de couleur IEn pratique, on considerera une
image comme une fonctionR!Rmais elle n'est connue
qu'en un ensemble discret de valeurs.M.O. BergerBas niveau15/38
Quantication des images
I Chaque valeur d'une composante est representee par un mot binaire code sur un nombre ni de bits : I codage 8 bits : on code 28= 256 valeursIcodage sur 16 bits : 65536 valeurs
In bits : codage entre 0 et 2n1 valeurs
I Eets de la quantication sur la qualite des images sur une image50x50 avec 255 puis 16 et 8 niveaux de gris :
M.O. BergerBas niveau16/38
La compression d'images
Les capacite de stockage sont maintenant tres grandes mais on produit de plus en plus d'images, de sequences a visualiser sur des dispositifs portables!necessite de comprimer les donnees I deux criteres antagonistes : le taux de compression et la qualite de l'image apres compression. I taux compression= nombre de bits utilises par l'image originale/nombre de bits utilises par l'image compactee I le codage peut ^etre sans perte (GIF, TIFF, png) ou avec perte (JPG, JPG 2000). Quantier la perte est dicile car c'est aussi une question de perception.M.O. BergerBas niveau17/38
La compression d'images
I Pourquoi peut on compresser?: car les valeurs des pixels ne sont pas independantes mais sont correlees a leurs voisins. IExemples de methodes pour la compression
sans p erte I methode de codage des repetitions Imethodes statistiques : le codage de Human utilise un code a longueur variable pour representer un symbole de la source. Le code est determine a partir des probabilites d'apparition des symboles de source : un code court est asso cieaux symb olesde source les plus fr equents IPrincipes de compression
avec p erte I reduction/sous echantillonnage de l'espace des couleurs Iapproximations locales de l'image avec des transformationsM.O. BergerBas niveau18/38La compression JPEG
JPEG= Joint Photographic Expert Group
I Taux de compression (20 :1 a 25 :1 sans perte notable de qualite) IDecoupage de l'image en blocs de 8x8 points
I puis l'application de la fonction DCT (Discrete Cosinus Transform, transformation discrete en cosinus : variante de la transformee de Fourier) qui decompose l'image en somme de frequences.Dans la norme JPEG2000, utilisation d'une transformee en ondelettes.La compression s'eectue sur les hautes frequences : selon un seuil,
on met a 0 les valeurs peu signicatives et on arrondit les autres I utilisation d'un algorithme de compression sans perte sur les coecients en zigzag.M.O. BergerBas niveau19/38
Matlab et la toolbox image processing
Les principales fonctionnalites :
I path: sert a denir les repertoires ou Matlab cherche par defaut les fonctions appelees ou les images; Ajouter le repertoire ImagesTest dans votre path. I lire une image: im=imread('triGrain.jpg');iest une matrice d'entiers (entre 0 et255) de dimension 2.im(i;j) est la valeur du pixel correspondant a laiiemeligne et
lajiemecolonne de l'image. ex : im(100,200). I conna^tre lataille de l'image: size(im) Les indices commencent a 1 en matlab. I acher une image: imshow(im), imagesc (si c'est une image a valeurs non entieres). SI achage dans uneautrefenetre : gure; imshow(im); I extraire une sous imagesubim=im(50 :100, 100 :300); imshow(subim); I image couleur : I=imread('champ.jpg'); Taper size(I); Il y a 3 composantes R,V,B. Visualiser la composante verte : imshow(I( :, :,2)); I plot pouracher des courbes: plot([1,100,200],[200,10,300]); I Connaitre la liste desfonctions disponibles dans la toolbox image processing: help images I connaitre la facon d'utiliser une fonction : help nom-fonction I ex : avec l'image champ.jpg : passer d'une image couleur i a une image a niveaux de gris avecrgb2gray, binariser cette image avec un seuil donne avecim2bwM.O. BergerBas niveau20/38 TP : Amelioration d'images et egalisation d'histogrammes I Necessite frequente d'ameliorer les images en augmentant le contraste (pour une meilleure visibilite ou mieux les comparer) I Le contraste est deni comme la variance des niveaux de gris (N :nombre de pixels) : 1=NX x;y(I(x;y)moy)2 I l'egalisation d'histogramme vise a transformer l'image pour avoir une repartition uniforme des niveaux de grisUne image avec un faible contrasteM.O. BergerBas niveau21/38
Quelques idees sur l'egalisation d'histogrammes
I objectif : avoir un histogramme le plus uniforme possible, ou les niveaux dequotesdbs_dbs23.pdfusesText_29[PDF] Cours de spécialité mathématiques en Terminale ES - Olivier Lader
[PDF] physique BTS 1 - Don Bosco Marseille
[PDF] iut cachan - gmp 2 - Matthieu Barreau
[PDF] COURS MECANIQUE CLASSIQUE
[PDF] Le MEDAF Modèle d 'évaluation des actifs financiers
[PDF] MERCHANDISING COURS ET APPLICATION
[PDF] MERISE - Lipn
[PDF] Merise - Cours ofppt
[PDF] la messagerie electronique - ACTIV Formations
[PDF] Initiation ? la Météorologie appliquée ? l 'aéronautique Pour le BIA
[PDF] LES ÉTAPES DE L ALGORITHME DU SIMPLEXE
[PDF] Introduction aux méthodes numériques
[PDF] Analyse physico-chimique des sols Agricoles
[PDF] Résumé de méthodes quantitatives II 1 Introduction - Etudiant·e·s