Exercices et examens résolus: Mécaniques des Systèmes de
Exercices et examens résolus: Mécaniques des Systèmes de Solides Indéformables M BOURICH 8 Exercice 4 Dans un repère orthonormé direct R , on considère le champ de vecteurs dont les composantes sont définies en fonction des coordonnées (x, y, z) de M par : où t est un paramètre réel 1-Calculer le vecteur au point O
ALGEBRE LINEAIRE Cours et exercices
Coordonnées d’un vecteur Définition : λn sont appelés les coordonnées de x dans la base B 5 6 2 Rang d’une famille de vecteurs Sous-espaces engendrés
Exercice 1 Exercice 2 R - unicefr
3) A l’aide d’un algorithme du cours, donner une base de G echelonn ee par rapport a la base canonique B 4 de R4 4) D eterminer alors, en suivant par exemple l’algorithme du cours, un syst eme de 2 equations a 4 inconnues dont Gest l’ensemble des solutions 5) Montrer que (v 1;v 2) est une base de G Pr eciser l’expression de v 3 et v
MAT 902 - Algèbre linéaire et géométrie vectorielle
de nombre complexe, de vecteur, d’espace vectoriel, de droite et de plan Tout au long du cours, les étudiantes et les étudiants seront appelés à comprendre ou à produire des démonstrations, et à appliquer des algorithmes de calcul
LANGAGE C Exercices corrigés 1
du plan dont les coordonnées (XA, YA) et (XB, YB) sont entrées au clavier comme entiers #include #include main() { int XA, YA, XB, YB; double DIST; /* Attention: La chaîne de format que nous utilisons */ /* s'attend à ce que les données soient séparées par */ /* une virgule lors de l'entrée
Python 3 - Accueil
2 Définir une classe Vecteur2D avec un constructeur fournissant les coordonnées par défautd’un vecteur duplan(par exemple : x = 0 ety = 0) Dansleprogrammeprincipal,instanciezunVecteur2D sansparamètre,unVecteur2D avecsesdeux paramètres,et affichez-les 3 Enrichissez la classe Vecteur2D précédente en lui ajoutant une méthode d
Annales des examens et partiels de l’UE 4M017 années 2018-2016
Annales des examens et partiels de l’UE 4M017 années 2018-2016 4M017 M Pocchiola juin 2019 4M017 - Examen session 1 - 3h M Pocchiola 10 janvier 2019
Notes de cours Traitement d’images numériques
donner un vecteur caractérisant les valeurs des pixels dans la région autour de chacun de ces points d’intérêt 1 2 Représentation des images Parmi les images on distingue : —les images naturelles correspondent à une scène naturelle —les images synthétiques sont obtenues à partir d’un ordinateur Au sein d’une image, on
[PDF] Algorithme d'appartenance d'un point à une courbe 2nde Mathématiques
[PDF] algorithme d'Euclide 3ème Mathématiques
[PDF] Algorithme d'Euclide - Révisions Brevet 2014 3ème Mathématiques
[PDF] Algorithme d'Euclide et PGCD 3ème Mathématiques
[PDF] Algorithme d'Euclide et Tableur 3ème Mathématiques
[PDF] algorithme d'euglide 3ème Mathématiques
[PDF] Algorithme d'une suite 1ère Mathématiques
[PDF] algorithme d'euclide bezout PDF Cours,Exercices ,Examens
[PDF] algorithme d'euclide calculatrice PDF Cours,Exercices ,Examens
[PDF] algorithme d'euclide en arabe PDF Cours,Exercices ,Examens
[PDF] algorithme d'euclide polynomes PDF Cours,Exercices ,Examens
[PDF] algorithme d'euclide tableau PDF Cours,Exercices ,Examens
[PDF] algorithme d'un portail automatique PDF Cours,Exercices ,Examens
[PDF] Algorithme dans un contexte matriciel (spé maths terminale) 1ère Mathématiques
Notes de cours
Traitement d"images numériques
G. Dauphin
7 novembre 2018
Table des matières
1 Images numériques : cours J2
1.1 Objectif du traitement d"images
21.2 Représentation des images
21.2.1 Divers formalismes
21.2.2 Logiciels pour faire du traitement d"image
51.2.3 Format sous Matlab
51.3 Images couleurs
51.3.1 Transformer une image couleur en une image en niveau de gris
51.3.2 Application du traitement sur chaque composante couleur
51.4 Standard
62 Déformations et représentations des images : cours K
72.1 Déformation d"une image
72.2 Description d"une image
72.2.1 Profile d"une image
72.2.2 Histogramme d"une image
72.3 Représentations fréquentielles
112.3.1 TFTC
112.3.2 TFD
112.4 Echantillonnage
122.4.1 Sous-échantillonnage et sur-échantillonnage
123 Filtrage et applications : cours L13
3.1 Filtrage
133.1.1 Produit de convolution
133.1.2 Fonction d"étalement du point
133.1.3 Réponse fréquentielle
143.1.4 Filtres pour lisser
153.2 Restauration d"image
163.2.1 Objectif
163.2.2 Mesure de l"efficacité avec le TAEQM
163.2.3 Choix optimal du filtre linéaire pour restaurer
163.3 Compression d"image
163.3.1 Compression sans perte
173.3.2 Compression avec perte
173.3.3 Débit pour les vidéos
173.3.4 Notion de robustesse au bruit
183.3.5 Utilisation du sous-échantillonnage et du sur-échantillonnage en compression
18 1Chapitre 1
Images numériques : cours J
1.1 Objectif du traitement d"images
Le traitement numérique des images consiste en une phase acquisition et une phase de traitement d"image.
L"acquisiton consiste en un dispositif optique qui forme une image à partir d"une scène. Le numériseur forme une image
numérique (échantillonnage et quantification). distance focale : distance entre la lentille et le point focal point focal : point à proximité du capteur CCD où les rayons lumineux con vergentcapteur tri-CCD : ensemble de trois capteurs CCD transformant les intensités lumineuses en chaque pix elen signal
électrique
On distingue dans le traitement d"image, une partie bas niveau qui agit localement et une partie haut niveau qui agit globa-
lement sur toute l"image.Parmi les applications, on distingue :
compression d"image : stockage, diffusion, transmission;le traitement d"image :amélioration d"image, réhaussement de contraste, la réalité augmenté;
la vision par ordinateur : segmentation d"images médicales, la route intelligente, l"analyse de documents, la reconnais-
sance de visage.Ces applications reposent sur des outils
La se gmentationen région consiste à découper l"image en régions ayant des proprétés communes.
La détectionde contour consisteàtrouverlescontoursdesdifférentesrégions.Unedétectiondecontourpeutêtreobtenue
de contours détectés.La détection de points d"intérêts consiste à trouver des points particuliers dans l"image et pour chacun de ces points à
donner un vecteur caractérisant les valeurs des pixels dans la région autour de chacun de ces points d"intérêt.
1.2 Représentation des images
Parmi les images on distingue :
les images naturelles correspondent à une scène naturelle les images synthétiques sont obtenues à partir d"un ordinateur .Au sein d"une image, on distingue les
les zones homogènes, les contours, les zones te xturées.1.2.1 Divers formalismes
Definition 1Une image continue est un ensemble de valeurs ou de triplets de valeurs dépendant de deux variables notéesxet
y:f(x;y).xetysont les coordonnées d"un point selon deux axes orthogonaux.Definition 2Une image numérique est un ensemble de valeurs ou de triplets de valeurs dépendant de deux variables notéesm
etn:fm;n.metnsont des entiers, ce sont les coordonnées d"un pixel sur deux axes orthogonaux. 2On distingue aussi les imagesinfiniesdes images ayant une taille donnée. La conventionMNsignifie dans ce cours que
l"image a une hauteur deMpixels et une largeur deNpixels, mais dans beaucoup de logiciels et y compris pour certaines
fonctions de Matlab, c"est la convention inverse.On distingue les images déterministes des images aléatoires, qui par exemple permettent de modéliser une image bruitée.
Definition 3On parle de quantification lorsqu"on réduit le nombre de valeurs possible pour représenter les valeurs de l"image.
On parle de quantification par exemple dans les cas suivants : -f(x;y)2[0;1]etf(Q)(x;y)2 f0:::255g -f(x;y)2 f0:::255getf(Q)(x;y)2 f0;10;:::25g oùfest l"image avant quantification etf(Q)est l"image après quantification. Definition 4Une image périodique est une image vérifiant f(x+Tx;y+Ty) =f(x;y)(1.1)C"est nécessairement une image infinie.
Dans la pratique on parle parfois d"image périodique pour des zones d"une image finie, par exemple quand (
1.1 ) est vérifiée sur ces zones. De telles zones sont généralement appeléestexture déterministe.Repérage d"un pixel dans une image-Con ventionrelati veaux composantes d"une matrice : mreprésente le numéro d"une ligne,nle numéro d"une colonne
en partant d"en haut à gauche.Con ventionrelati veaux graphiques : xest indiqué sur un axe horizontal etysur un axe vertical avec l"origine en bas à
gauche.Signification des pixels-En vidéo, les teintes sombres correspondent aux v aleursf aibles,les teintes claires correpondent aux v aleurséle vées.
Dans le domaine de l"impression c"est l"in verse.
Formats d"images-image binaire : image à v aleursdans f0;1g image en ni veauxde gris sur 8 bits : image à v aleursdans f0;1;:::;255g image en ni veauxde gris à v aleursréelles : image à v aleursdans [0;1]image RGB : chaque pix elde l"image est représenté par un triplet d"entier entre 0et255ou par un triplet de réel dans
[0;1] f (R)(m;n); f(G)(m;n); f(B)(m;n) Les formats suivants sont non-compressés :-bmp Bitmap Image File(format très simple) Des espaces de couleurs (en valeurs approchées)-XYZ 2 4X Y Z3 5 243 2 1
1 5 00 0 63
524R G B3 5
Aujourd"hui c"est l"espace X,Y,Z qui sert de définition à RGB. La vraie matrice de conversion est défini avec7chiffres
significatifs. Le Y désigne la luminance, Z est du bleu (cône S de la rétine) et X est un mélange (cône L et M de la
rétine).L"espace de couleur pour le cinéma digital est X",Y",Z" qui est une fonction non-linéaire du X,Y,Z, de façon à être plus
précis dans la description des teintes sombresX0=X12:6. Ce genre de transformation non-linéaire est aussi utilisé sur
les écrans classiques pour les mêmes raisons, c"est ce qu"on appelle le facteur gamma.Dans la figure
1.1, chaque point est une couleur. Toutes les couleurs représentées ont la même luminance (pour chaque
couleur on pourrait représenter ce qu"elle devient quand elle plus sombre ou plus claire). Le lobe penché délimite les
couleurs qui sont visibles. Chaque couleur représentée peut être désignée par une valeur de rouge (coordonnée sur l"axe
horizontal) et de vert (coordonnée sur l"axe vertical), la quantité de bleue est ici déduite avec la luminance. Ces couleurs
3FIGURE1.1 - Diagramme dans l"espace CIE RGB
Le contour du lobe penché montre ce que l"on voit quand on regarde une lumière n"ayant qu"une seule longueur d"onde :
violet pour les petites longueur d"onde, puis bleu, vert, jaune, orange et rouge. Une primaire est une couleur. Le système
r,g,b est obtenu avec un mélange de couleurs primaires avec des coefficients de mélange positif, historiquement ces
couleurs primaires était le bleu au centre du repère, le vert en haut du repère et le rouge à droite. Depuis le couleurs
primaires sont en fait des mélanges, mais l"idée est la même, un écran classique ne permet pas d"afficher toutes les
couleurs visibles. On appelle gamut les couleurs que l"on peut voir avec un dispositif donné. L"espace de couleur X,Y,Z
permet de désigner avec des valeurs positives toutes les couleurs visibles. Chaque point est désigné par une coordonnée
x qui désigne le mélange de la primaire Cr et Cb et y qui désigne le mélange de la primaire Cr et Cg. Ici y ne désigne
pas la luminance qui est ici constante pour toutes les couleurs x=XX+Y+Zy=YX+Y+Z Yétant connu, il est possible de retrouverXetZà partir dexety X=xyY Z=1xyy
YOn remarque d"ailleurs queXetZsont toujours positifs (en effet tant que les couleurs sont dans le triangle,xetysont
positifs et leur somme est inférieure à 1). YUV : 8< :Y= 0:3R+ 0:6G+ 0:1BU= 0:5(BY)
V= 0:9(RY)(1.2)
en réalité il s"agit deY,Cb,Cr.Yest ce qu"on appelle la luminance etUetVsont les composantes de chrominance.
Dans les faits les trois signaux sont des entiers entre0et255ce qui amène à une renormalisation et donc une transfor-
mation affine.YIQ : Yreprésente l"intensité,Ila teinte (couleur de l"arc en ciel) etQla saturation (blanc-rouge).
Les formats suivants sont compressés sans pertes-gif (Graphics Interchange F ormat) 4 -png (pour remplacer le format gif, mais sans la partie animé), (Portable Netw orkgraphics) svg (Scalable V ectorGraphics) : description v ectorielled"une image dxf (Dra wingExchange F ormat): description v ectorielled"une image y compris 3D. Les formats suivants sont compressés avec pertes-jpg (Joint Photographic Experts Group) jpg2000 mp4 (audio et vidéo), du format MPEG4 (Mo vingPicture Expert Group)Les formats suivants sont des conteneurs-tif f,tif (T aggedImage File F ormat),très fle xible,l"image
a vi(Audio V ideoInterlea ve)1.2.2 Logiciels pour faire du traitement d"image
Dans le cadre des TP, nous utiliserons Matlab, mais il y a aussi Des librairies à partir du C et du C++ dont OpenCVPython
des librairies sous Ja va1.2.3 Format sous Matlab
Sous Matlab, les images sont stockées en mémoire sous deux format possibles. Images stockées sous la forme d"une triple matrice im(2,5,1)désigne la composante rouge du pixel ligne 2 et colonne 5 Cela peut être sous la forme d"un entier entre 0 et 255 ou un double entre 0 et 1.Images stockées avec une table de couleur
L"image est stockée sous la forme d"une image qui a autant de valeurs que l"image n" a de pixels. Mais ces valeurs désignent
des lignes d"une matrice qui contient la définition d"une couleur.Ainsi la composante rouge du pixel ligne 2 et colonne 5 est donnée parmap(im(2,5),1),imest l"image etmapest la
carte de couleur.1.3 Images couleurs
Les notions de traitement d"image sont d"abord définis pour les images en niveaux de gris puis appliqués sur des images en
couleurs.1.3.1 Transformer une image couleur en une image en niveau de gris
La formuleY= 0:3R+ 0:6G+ 0:1Bs"applique sous cette forme : f(x;y) = 0:3fR(x;y) + 0:6fG(x;y) + 0:1fB(x;y)fest l"image en niveaux de gris, aussi appelées l"image de luminance.fRest la composante rouge,fGla composante verte
etfBest la composante bleue.1.3.2 Application du traitement sur chaque composante couleur
On note iciTun traitement par exemple un filtrage ou une quantification, dans tous les cas un traitement qui fonctionne sur
une image en niveau de gris. On peut appliquer ce traitement sur une image de couleur en l"appliquant séparément sur chaque
composante couleur. gR=T[fR]gG=T[fG]gB=T[fB]
5 Plutôt que d"utiliser l"espace de couleur R,G,B on peut utiliser un autre espace de couleurs. gY=T[fY]gU=T[fU]gV=T[fV]
L"intérêt de cette deuxième façon de traiter la couleur est qu"il permet en pratique de traiter les images en niveaux de gris de
façon similaire à la couleur. L"autre intérêt est qu"il permet d"avoir un traitement différencié pour la luminance et la chrominance.
1.4 Standard
La résolution signifie en général le nombre de pixels par unité de surface. On distingue les unités suivantes
dpi : dots per inch (points par pouce) ppc : points par centimètres ppm : points par millimètre ppi : pix elsper iEn pratique il se peut qu"on ne puisse pas voir les détails d"une image non par manque de pixels mais parce que la photo
n"est pas d"assez bonne qualité, cela correspond généralement à du flou et on parle aussi de résolution pour désigner la taille du
détail le plus petit.Plutôt que de parler d"image à valeurs discrètes et à valeurs continues comme il est d"usage en traitement de signal on précise
plutôt ce que représente les valeurs de l"image. 6Chapitre 2
Déformations et représentations des images : cours K2.1 Déformation d"une image
pix ellisation: nombre insuf fisantde pix els,les carrés de di versescouleurs ou teintes de viennentvisibles (v oirla fi-
gure 2.1quotesdbs_dbs13.pdfusesText_19