[PDF] [PDF] Traitement dimages 2ème partie : prétraitements - Caroline Petitjean

[PDF] 5 Traitement dimage ? - Université Rennes 2

Pour le traitement, il permet de corriger ou modifier l'exposition de l'image, ainsi image corrigée avec un gamma de 2,5 5 1 Exercices sur les histogrammes

[PDF] Examen de Traitement dImages : Concepts de base

A quoi sert le filtrage passe-bas sur une image et quels sont les filtres les plus usuels ? c) Pour accélérer les calculs, on décide de considérer l'histogramme

[PDF] Images - Master 2 Droit privé fondamental

1 sept 2016 · Exercice 1 : (cours Définitions fondamentales et prétraitements) Figure 1 : image I1 d'une roue d'engrenage et son histogramme H1 traitements, il est demandé de représenter l'image résultat correspondante et de 

[PDF] Traitement dimages 2ème partie : prétraitements - Caroline Petitjean

Niveaux de gris de l'image initiale Niveaux de gris de l'image corrigée Extension Égalisation d'histogramme • On calcule l'histogramme cumulé Image originale Exercices 1) Soit une image de taille 8X8 dont les niveaux de gris vérifie:

[PDF] Maitrise EEA

EC232 - Traitement d'images Corrigé du DS du 10 Janvier 2004 Exercice 1 2) Histogramme cumulé: pour N=100, on retrouve le nombre total de pixels de 

[PDF] Travaux dirigés de traitement dimages numériques Séances - L2TI

En déduire l'image filtrée avant échantillonnage fh(x, y) Exercice 5 (3) On cherche `a calculer `a la main un histogramme sur trois niveaux de l'image gmn = m

[PDF] Exercice 1 :

Travaux Dirigés de Traitement d'images Série d'exercices N° : 1 Exercice 1 : La figure 1 représente une image notée I1 et son histogramme, noté H1 Figure 1 

[PDF] Traitement Corrigé du Contrôle péri École Polytechnique de

GBM3720 – Traitement Numérique d'Images Mé École Polytechniq Exercice 1 : Filtrage du signal 1D Exercice 3 : Histogramme et transformat Soit une 

[PDF] Exercice 01 : ( 10 pts ) Soit limage I à niveaux de gris (codée sur 4

image I? 2- Tracer l'histogramme de l'image I? 3- Binariser l'image I de façon à séparer l'emoji (visage souriant) 5- Maintenant, on veut corriger le contraste de l'image I par l'égalisation de l'histogramme: Facile et rapide de leur traitement

[PDF] exercice corrigé ias 16

[PDF] exercice corrigé immunologie

[PDF] exercice corrigé incertitude de mesure

[PDF] exercice corrigé ir maroc

[PDF] exercice corrigé journal comptable marocain

[PDF] exercice corrigé kkt

[PDF] exercice corrigé logarithme bac pro

[PDF] exercice corrigé logarithme népérien bac pro

[PDF] exercice corrigé logique mathematique

[PDF] exercice corrigé logique sequentielle

[PDF] exercice corrigé loi student

[PDF] exercice corrigé macroéconomie is lm

[PDF] exercice corrigé macroéconomie l1

[PDF] exercice corrigé management de projet pdf

[PDF] exercice corrigé math financière pdf les annuités

Traitement d'images

2

ème

partie : prétraitements

Caroline Petitjean

Plan • Applications, perception, représentation... • Prétraitements - Amélioration - Restauration • Traitement : Segmentation • Traitement de 2 images Présentation de l'analyse d'images• Prétraitements

1) Améliorer le contraste2) Enlever le bruit présent dans l'image

Histogramme d'une image

• Distribution des niveaux de gris de l'image - Pour chaque NdG, compter le nombre de pixels possédant ce NdG - Exemple : 10 3 111

Nombre de pixels

ayant ce niveau de gris

Niveau de gris

Histogramme

Niveaux de gris

Histogramme

Niveaux de gris

Photo ancienne peu contrastée

Histogramme

Niveaux de gris

IRM cardiaque (sous-exposée)

Histogramme

Niveaux de gris

Radio (sur-exposée)

Histogramme

Niveaux de gris

Histogramme bimodal

Histogramme

• Que peut-on dire des images dont les histogrammes sont représentés ci-dessous ?

Histogramme

Histogramme

Histogramme

• Pour améliorer le contraste d'une image :

Opérations sur l'histogramme

Histogramme

Niveaux de gris de l'image initialeNiveaux de grisde l'imagecorrigée

Extension de

la dynamique

Extension de la dynamique

• Algorithme • a n b 0 n'255

Extension de la dynamique

Égalisation d'histogramme

• Principe : en l'absence d'informations sur l'image, un histogramme " idéal » présenterait une distribution uniforme des niveaux de gris

Égalisation d'histogramme

• On calcule l'histogramme cumulé

Image originale

Histogramme

original

Histogramme

cumulé0 255Nb de pixels de niveau n

Égalisation d'histogramme

• On calcule l'histogramme cumulé

Image originale

Image après

égalisation

Histogramme

égaliséHistogramme

original

Transformation

0 255Niveau de sortieNiveau d'entrée

0 255

Égalisation d'histogramme

Egalisationd'histogramme

Egalisationd'histogramme

• Ne convient pas forcément...àvoir selon l'application Transformations d'histogramme• Que font ces transformations ?

Inversion

Binarisation

Résumé

Image originale

Égalisation d'histogramme

Étalement d'histogramme

Nombreuses méthodes à disposition...

voir celle qui convient pour notre application ! Plan • Applications, perception, représentation... • Prétraitements - Amélioration du contraste - Restauration • Traitement : Segmentation • Traitement de 2 images

Restauration

• Objectif : enlever le " bruit » présent dans l'image la filtrer

Restauration

• But : éliminer le bruit dans l'image • Différents types de bruit :

Original

Salt and pepper(noir et blanc,aléatoire)

Gaussien(additif)

Speckle(multiplicatif)

Restauration• L'image est filtréepar un " masque» de taille 3x3

Filtrelinéaire

Résultat du filtrage

Résultat du filtrage

Filtrage passe-bas

• Filtre moyenneur filtre gaussien • Action sur un profil 1D ? • Filtres linéaires

1 1 1 1 1 1 1 2 1

W

1= 1/9 1 1 1 W

2= 1/10 1 2 1 W

3= 1/16 2 4 2

1 1 1 1 1 1 1 2 1

Filtrage gaussien

Filtrage médian• Au lieu de faire une

moyenne pondérée dans un masque  la médiane Filtre non linéaire Filtrage médian• Principe :Dans un voisinage 3x3 : - Trier les 9 valeurs - Sélectionner la 5

ème

Permet de ne pas

" inventer» de valeurs qui n'étaient pas présentes dans l'image

Filtrage médian

Filtrage médian

Résultat filtre médian

Filtrage médian

Médian 3x3

Médian 7x7

Bruit salt and pepper

Comparaison médian/moyenneur

Image originale

Comparaison médian/moyenneur

Bruit gaussien

Moyenneur 3x3Bruit

salt and pepper

Médian 3x3

Bruit speckle

Filtrage médian

• Avantages : Elimine les petits bruits, sans rendre les frontières floues • Inconvénients : A tendance à " déplacer » les frontières (rétrécir les convexités)

Résumé

• Supprimer le bruit dans une image : par filtrage passe-basFiltrage linéaire

Moyenneur

Gaussien

Filtrage non-linéaire

Médian

Pour le bruit additif gaussien

(filtre lisse les contours)Pour le bruit impulsionnel (filtre préserve les contours)

Choix du voisinage

• Voisinage classique 3x3 : • Autres tailles : 5x5, 7x7 • Autres possibilités :

Et sur les bords ?

Et sur les bords ?

• Les bords ne sont pas considérés  pixels noirs • Effet miroir • On duplique les 1

ère

et dernière lignes, les 1

ère

et dernière colonnes

RéférencesSource des images

Cours de Imagerie NumCours de Imagerie Num

éérique Bruno NAZARIAN, rique Bruno NAZARIAN,quotesdbs_dbs2.pdfusesText_3