Professional Documents
Culture Documents
Master : 2ME
2013/2014
Mhamed SAYYOURI
Abdselam HMIMID
Rfrences
1- Rafael C. Gonzalez, Richard E. Woods Digital Image
Processing (2nd Edition) - Addison-Wesley.
2- Diane Lingrand, "Introduction au Traitement d'Images" 2nd
dition, Vuibert, Paris, France, feb 2008, ISBN : 2-7117-4866-9
2ME - 2013/2014
Image naturelle
Image artificielle
2ME - 2013/2014
Image artificielle
On distingue :
D'autres capteurs :
Traitement dimages
amlioration des images pour linterprtation
par un observateur humain.
traitement de scnes en temps rel pour la
perception par des automates.
Traitements de bas niveau : donnes de
nature numrique.
Traitements de haut niveau : entits de nature
symbolique associes une reprsentation de
la ralit extraite de limage.
2ME - 2013/2014
Traitement dimage
2ME - 2013/2014
Thorie du
signal
Informatique
Statistique
Traitement
dimages
Electronique
Optique
Thorie des
systmes
2ME - 2013/2014
Thorie de
linformation
Neurophysiologie
psychophysique
Traitement
dimages
Analyse de
scnes
Reconnaissance
de formes
2ME - 2013/2014
Intelligence
artificielle
Applications TI
2ME - 2013/2014
Systmes base de TI
2ME - 2013/2014
Systmes base de TI
Acquisition
Numrisation
Traitement
Stockage
Visualisation
2ME - 2013/2014
3 tapes fondamentales :
description
Difficults
clairage
Qualit du capteur
Qualit du systme
2ME - 2013/2014
Dfinitions
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Numrisation
La numrisation est la conversion du
2ME - 2013/2014
Image numrique
chantillonnage et quantification
L'chantillonnage est le procd de discrtisation spatiale
d'une image consistant associer chaque zone
rectangulaire R(x,y) d'une image continue une unique
valeur I(x,y).
On parle de sous chantillonnage lorsque l'image est
dj discrtise et qu'on diminue le nombre d'chantillons.
La quantification dsigne la limitation du nombre de
valeurs diffrentes que peut prendre I(x,y).
Une image numrique est une image chantillonne et
quantifie.
2ME - 2013/2014
Signal chantillonn
tape 1
tape 3
2ME - 2013/2014
Echantillonnage 2D
2ME - 2013/2014
chantillonnage et quantification
2ME - 2013/2014
Echantillonnage et quantification
2ME - 2013/2014
Echantillonnage et quantification
2ME - 2013/2014
Numrisation
2ME - 2013/2014
Echantillonnage et quantification
2ME - 2013/2014
Matrice de dimension M X N
Chaque lment une valeur entire dans l'intervalle
[Lmin , Lmax]
Le nombre de bits requis pour reprsenter les
niveaux de gris dans lintervalle L est K
La relation entre K et L est :
L = 2K
Le nombre de bit pour entreposer un image est donc :
b=MXNXK
2ME - 2013/2014
2ME - 2013/2014
Tessellation (pavage)
Cest la forme du pixel.
Le pavage est choisi pour couvrir au
mieux le plan image.
Le pavage est donc une partition du plan
image qui, une fois discrtis, rsulte en
un maillage qui reprsente la grille
dchantillonnage.
2ME - 2013/2014
2ME - 2013/2014
Distance
Voisinage
2ME - 2013/2014
0
1
2
3
4
5
6
0 1 2 3 4 5 6 7
Rsolution spatiale
2ME - 2013/2014
Echantillonnage et rsolution
2ME - 2013/2014
Discrtisation de lamplitude
(quantification des niveaux de gris)
16
b its (ra d io g ra p h ie s )
2ME - 2013/2014
Discrtisation de lamplitude
(quantification des niveaux de gris)
2ME - 2013/2014
1 bits (2 niveaux)
2ME - 2013/2014
2ME - 2013/2014
Rsolution spatiale
2ME - 2013/2014
2ME - 2013/2014
le mdium d'acquisition
les conditions extrieures d'acquisition (luminosit, mouvement, etc.)
Types d'images
Images binaires
I(x,y) {0 , 1}
2ME - 2013/2014
Images couleurs
IR(x,y) IG(x,y) IB(x,y)
64
65
65
66
66
59
60
62
63
60
62
66
66
64
63
62
62
64
69
68
70
68
64
62
60
58
58
100
97
95
90
84
88
85
81
78
2ME - 2013/2014
149
145
142
135
129
130
127
122
118
151
148
146
140
134
128
125
120
117
176
175
176
172
168
166
163
160
159
182
183
185
184
181
185
183
181
180
179
181
184
184
182
180
178
176
176
x =
58 59
y =
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
210
206
201
216
221
209
204
214
209
208
207
208
204
200
205
209
196
207
206
206
214
212
215
205
209
210
205
206
203
210
60
61
62
63
64
65
66
204
203
192
211
211
224
213
215
214
205
211
209
203
199
202
202
197
201
193
194
199
208
207
205
203
199
209
209
236
203
197
195
198
202
196
194
191
208
204
202
217
197
195
188
199
247
210
213
207
197
193
190
180
196
186
194
194
203
197
197
143
207
156
208
220
204
191
172
187
174
183
183
188
183
196
71
56
69
57
56
173
214
188
196
185
177
187
185
190
181
64
63
65
69
63
64
60
69
86
149
209
187
183
183
173
2ME - 2013/2014
67
68
69
70
71
72
80 84
58 53
57 55
60 55
60 55
60 59
62 66
72 55
62 66
71 63
90 62
239 58
221 75
196 122
186 105
54
53
52
77
46
51
76
49
87
55
64
68
61
63
62
54
61
53
49
97
62
51
56
57
55
52
61
58
58
57
57 58
62 51
60 50
62 61
58 106
56 48
49 55
52 56
60 48
45 56
93 52
51 56
60 60
64 66
64 63
R=Red
G=Green
B=blue
2ME - 2013/2014
1 010100000111000011
1110001110111100001
1 010100000111000011
1110001110111100001
1 010100000111000011
1110001111 111100001
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Analyse spatiale
g(x,y) = T [ f(x,y) ]
2ME - 2013/2014
Oprations ponctuelles
Dfinitions
Moyenne et contraste
Histogramme
Dcalage additif
Mise lchelle multiplicative
Inversion
Amlioration du contraste
Oprations de base
Rduction du bruit par la moyenne
2ME - 2013/2014
Moyenne
Image couleur
Une moyenne par canal
R
G
B
2ME - 2013/2014
2ME - 2013/2014
Contraste
2ME - 2013/2014
2ME - 2013/2014
%%moyenne
%%contraste
2ME - 2013/2014
Niveau de gris
2ME - 2013/2014
2
2
2
2
2
2
2
2
2
0
0
0
0
0
0
2
2
0
1
1
1
1
0
2
2
0
1
0
1
0
0
2
2
0
1
0
1
0
0
2
2
0
1
1
1
1
0
2
2
0
0
0
0
0
0
2
Histogramme de
limage A
2
2
2
2
2
2
2
2
k
PI(k)
PI(k)
Image sous-expose
Image sur-expose
2ME - 2013/2014
niveaux de gris
niveaux de gris
niveaux de gris
niveaux de gris
2ME - 2013/2014
Histogramme
2ME - 2013/2014
2ME - 2013/2014
Transformation de recadrage
On suppose une image de dpart prsentant un
histogramme concentr dans lintervalle
[min, max]. Les valeurs min, max correspondent
aux niveaux de gris extrmes prsents dans cette
image.
Le recadrage de dynamique consiste tendre la
dynamique de limage transforme ltendue
totale [0, 255]. La transformation de recadrage
est donc une application affine dfinie comme
suit:
2ME - 2013/2014
gl'
gl ' m gl b
m
gl1'
min
gl1
max min
max
min
gl
PIX MAX
max min
max min
PIX MAX
gl '
max
PIX MAX
gl '
gl '
max min
255
max min
2ME - 2013/2014
( gl min)
( gl min)
Recadrage dhistogramme
2ME - 2013/2014
Amlioration du contraste
Transformation linaire
galisation de lhistogramme
2ME - 2013/2014
Amlioration du contraste
Transformation linaire
f '( x, y )
f '( x, y )
PIX MAX
max min
( f ( x, y ) min)
( f ( x, y ) min)
max min
( f ( x, y ) min)
max min
0,1
2ME - 2013/2014
PIX MAX
Transformation linaire
GL
GL
min
max
min
2ME - 2013/2014
max
GL
255
Amlioration du contraste
Transformation
f '( x, y )
f '( x, y )
PIX MAX
S max S min
( f ( x, y ) S min )
( f ( x, y ) S min )
S max S min
( f ( x, y ) S min )
S max S min
PIX MAX
0,1
GL
Smin
min1 Smax
max 2
Smax1/Smin2
min
2ME - 2013/2014
max
GL
255
Dilatation de la dynamique
des zones claires
Dilatation de la dynamique
des zones sombres
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Image originale
Image restaure
Source : www.crans.ens-cachan.fr/~genest/histogramme.pdf
2ME - 2013/2014
Egalisation de l'histogramme
h(k )
galisation de lhistogramme
2ME - 2013/2014
Exemple 1
3500
3500
3000
3000
2500
2500
2000
2000
1500
1500
1000
1000
500
500
50
100
150
200
250
Image originale
50
100
150
200
250
Exemple 2
2ME - 2013/2014
Exemple 3
Exemple 4
Si on prend la mme image avec des contrastes diffrents,
lgalisation dhistogramme donne le mme rsultat pour
toutes les images.
2ME - 2013/2014
2ME - 2013/2014
2. Calculer lhistogramme de I
3. Calculer lhistogramme cumul de I
4. Appliquer lgalisation de lhistogramme dans
chaque plan de limage couleur
2ME - 2013/2014
Exemple
2ME - 2013/2014
2ME - 2013/2014
g(x, y) P f (x, y) L
Il faut viter g ( x , y ) 0
et
2ME - 2013/2014
g(x, y) K 1
Dcalage additif
Contrle de la luminosit
Ici
P=1
et
( K 1) L K 1
g(x, y) f (x, y) L
L=100
L=-100
2ME - 2013/2014
Ici L=0 et
P>0
g(x,y)=P . f(x,y)
Modifie la luminosit et le contraste
P=O.5
P=1.5
2ME - 2013/2014
Inversion
g(x,y)= - g(x,y)+255
Inversion
2ME - 2013/2014
image1
F(x,y)
image2
G(x,y)
2ME - 2013/2014
Addition dimages
Laddition pixel pixel de deux images F et G est dfinie
par :
A(x; y) = Min(F(x; y) + G(x; y); 255)
Laddition dimages peut permettre
de diminuer le bruit dune vue dans une srie
dimages
daugmenter la luminance en additionnant une
Exemple
0.5*F(x,y) + 0.5*G(x,y)
2ME - 2013/2014
Soustraction d'images
La soustraction pixel pixel de deux images F et G est
dfinie par :
S(x; y) = Max(F(x, y) - G(x,y); 0)
La soustraction dimages peut permettre
la dtection de dfauts
la dtection de mouvements
2ME - 2013/2014
Exemple 1
image 1 image 2
F(x,y) - G(x,y)
image 2 image 1
G(x,y) - F(x,y)
2ME - 2013/2014
Exemple 2
2ME - 2013/2014
Multiplication dimages
La multiplication dune image par un ratio (facteur) est
dfinie par :
contraste ou la luminosit
2ME - 2013/2014
Exemple
2ME - 2013/2014
2ME - 2013/2014
0 1 1
4 horizontaux et verticaux
(x+1,y),(x-1,y),(x,y+1),(x,y-1)
1 1 0
4-voisins de p
N4(p)
0
1
1
4 diagonaux
(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1)
4-voisins diagonaux de p
ND(p)
Ces 8 pixels
8-voisins de p
N8(p)
Certains peuvent tre hors image!
2ME - 2013/2014
Adjacence
Soit V l'ensemble des valeurs de niveau gris
Adjacence-4
Adjacence-8
Adjacence mixte (m)
2ME - 2013/2014
Adjacence
Adjacence
Adjacence-4
Adjacence-8
2ME - 2013/2014
Adjacence
Adjacence-m (mixe)
p et q sont adjacent-m si
Adjacent-8
2ME - 2013/2014
Adjacent-m
Adjacence
Adjacence-6
Adjacence-6 NO/SE
Adjacence-6 NE/SO
2ME - 2013/2014
Connectivit
2ME - 2013/2014
Chemin
Le chemin de p q est
(x0,y0), (x1,y1), , (xn,yn)
o (x0,y0)=(x,y) et (xn,yn)=(s,t)
Si (x0,y0)=(xn,yn)
2ME - 2013/2014
Chemin
Adjacent-8
2ME - 2013/2014
Adjacent-m
2ME - 2013/2014
D(p,q) 0
(=0 si p=q)
D(p,q) = D(q,p)
D(p,z) D(p,q) + D(q,z)
Exemple: D4 2
2
2 1 2
2 1 0 1 2
2 1 2
2
2ME - 2013/2014
Exemple: D8 2
2ME - 2013/2014
2
2
2
2
2
2
1
1
1
2
2
1
0
1
2
2
1
1
1
2
2
2
2
2
2
p1
p
p3 p 4
p2
0
1
0
1
Dm (p,p4) = 2
2ME - 2013/2014
1
1
0
1
Dm (p,p4) = 3
dacquisition du signal
Le boug
et
2ME - 2013/2014
Gaussien
Poivre et sel
2ME - 2013/2014
Rduction du bruit
Dmarche gnrale :
Rduction du bruit
Limage moyenne
g (x, y)
1
n
2ME - 2013/2014
i 1
gi (x, y)
Rduction du bruit
1
n
(f ( x , y ) b i ( x , y ))
i 1
g (x, y) f (x, y)
1
n
(b i (x , y)
i 1
1
(bi (x , y)
n
i 1
n
E (b i (x , y)=0
i 1
2ME - 2013/2014
Rduction du bruit
E{(
1
n
1
n
1
n
i 1
b i ( x , y )) }
E {b i ( x , y ) b j ( x , y ) }
i 1 j i
E { b i ( x , y ) b i ( x , y ) }
i 1
n
i 1
2
E{b i
( x , y )}
E {b i ( x , y ) b j ( x , y )
j i
n
2ME - 2013/2014
(x,y)
Image originale
0 0 0 0 0000000
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0 0 0 0 0000000
Image traite
2ME - 2013/2014
2ME - 2013/2014
Convolution discrte
DF + 1
2
g ( x, y)
m
DF -1
2
DF + 1
2
n y
f (m , n ) h ( x m , y n )
DF -1
2
Masque
w1 w2 w3
w4 w5 w6
w7 w8 w9
2ME - 2013/2014
DF ou
Dimension
Filtre : 3
Exemple de convolution 2D
2ME - 2013/2014
Convolution numrique
Noyau de convolution
Image
2ME - 2013/2014
R
K
Convolution numrique
2ME - 2013/2014
Masque de convolution
Carr
De taille 3x3 ou 5x5 (ou plus, mais impair)
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Le filtre moyenne
Le filtre moyenne
1/9
1/9
1/9
1/9
1/9
1/9 ou
1/9
1/9
1/9
1/9 1
3x3
2ME - 2013/2014
1/25
5x5
Filtre moyenneur
2ME - 2013/2014
Original
Moyenne 5x5
Source : monkey.geog.ucsb.edu/mh/115b/filter.pdf
2ME - 2013/2014
Moyenne 11x11
Filtre de moyenne
Image filtre
Image originale
2ME - 2013/2014
Le filtre Gaussien
Fonction gaussienne en 3D
2ME - 2013/2014
Filtre gaussien
2
(x y )
gauss ( x , y ) PSF ( x , y )
1
2
w1 w2 w3
w4 w5 w6
w7 w8 w9
Dim X = Dim Y = 8 + 1
o 0 , 3
2ME - 2013/2014
Filtre gaussien
Filtre Gaussien
(1/16)*
(1/4)*
1
1
2
1
4
2
2
1
1
1
* (1/4)*
1
1
1 2 1
= (1/16)* 2 4 2
1 2 1
(1/4)* 2
1
* (1/4) 1
1 2
1 = (1/16)* 2 4
1 2
2ME - 2013/2014
Original
Gauss 5x5
2ME - 2013/2014
Gauss 11x11
Triangle de Pascal
2ME - 2013/2014
Simulation
2ME - 2013/2014
1 2 1
2ME - 2013/2014
2
1
Si n impair: x
tel quil ya autant de x i x que de x i x
On doit ordonner les x i , puis prendre llment du milieu
Plus coteux
Complexit
O(nlog n)
2ME - 2013/2014
Exemple
10
10
20
20
30
30 55
200
20 20
20
10
10
15
20
20
15
15 10
10 30
30
mdiane
Valeurs dintensit
2ME - 2013/2014
30
30 200
Filtre Mdian
2ME - 2013/2014
Moyenne 3x3
2ME - 2013/2014
Mdian 3x3
2ME - 2013/2014
Choix du filtre
2ME - 2013/2014
5 X 5 Moyenne
7 X 7 Moyenne
Filtre mdian
2ME - 2013/2014
Autres filtres
1
16 24 16
1/256 6
24 36 24
6 1/81 3
16 24 16
1/25 1
0
Filtre pyramidal
Filtre Conique
Filtrage frquentiel
2ME - 2013/2014
Filtrage frquentiel
2ME - 2013/2014
Filtrage frquentiel
2ME - 2013/2014
Filtrage frquentiel
Transforme de Fourier
F ( )
f (t ) e
f (t )
1
2
i 2 t
F ( ) e
i 2 t
dt
f ( t ) dt
2ME - 2013/2014
Ralisation optique de la TF
2ME - 2013/2014
Quelques dfinitions
F ( ) R ( ) i I ( ) F ( ) e
TF est imaginaire
Spectre de Fourier
Phase
F ( ) R ( ) i I ( )
( ) tan
I ( )
P ( ) F ( ) e
i ( )
2ME - 2013/2014
i ( )
R ( ) I ( )
2
R ( )
F ( ) e
i ( )
F ( )
Rsultats rectangle 1D
2ME - 2013/2014
Rsultat rectangle 2D
2ME - 2013/2014
Proprits de la TF
Sparable
Proprits de translation
Priodicit et symtrie (conjugu)
Rotation
Distributivit
chelle
Valeur moyenne de lintensit
Drive
Laplacien
2ME - 2013/2014
Proprits de la TF suite
2ME - 2013/2014
Proprits de la TF suite
2ME - 2013/2014
Espace discret
f ( x 0 ), f ( x 0 x ), f ( x 0 2 x ), f ( x 0 3 x ), , f ( x 0 ( M 1 ) x )
f (x)
f ( 0 ), f (1 ), f ( 2 ), f ( 3 ), , f ( M 1 )
f ( x, y )
f ( 0 , 0 ),
f (1, 0 ), f ( 0 ,1 ), f ( 2 , 0 ), , f ( M 1, N 1 )
2ME - 2013/2014
TF discrte
F ( )
1
M
M 1
f (x) e
i 2x / M
0 ,1 , 2 , , M 1
x0
M 1
f (x)
F ( ) e
i 2x / M
x 0 ,1 , 2 , , M 1
1
M x
2ME - 2013/2014
TF discrte 2D
s o it M N
F ( , )
N
f ( x, y)
f ( x, y) e
i 2 ( x y ) / N
, 0 ,1, 2 , , N 1
x0 y0
N 1 N 1
1
N
N 1 N 1
F ( , ) e
i 2 ( x y ) / N
x , y 0 ,1, 2 , , N 1
0 0
2ME - 2013/2014
M 2
N 2
D (u, v ) (u
) (v
)
2
2
2ME - 2013/2014
1/ 2
3-D
2-D
2ME - 2013/2014
Section radiale
r=64
r=32
2ME - 2013/2014
r=16
r=8
Passe-bas idal
P (u, v ) F (u, v )
R (u, v ) I (u, v )
2
M 1 N 1
PT
P (u, v )
u0 v0
% p u is s a n c e 1 0 0
2ME - 2013/2014
P (u, v )
PT
(u,v) D0
Passe-haut idal
M 2
N 2
D (u, v ) (u
) (v
)
2
2
2ME - 2013/2014
1/ 2
Passe-haut idal
3-D
2-D
2ME - 2013/2014
Section radiale
r=8
r=16
2ME - 2013/2014
r=32
r=64
Filtrage passe-bande
Un filtre passe-bande est le complmentaire d'un
filtre passe-bas et d'un filtre passe-haut.
Un filtre passe-bande est un systme linaire
qui prserve une plage de frquences.
2ME - 2013/2014
2ME - 2013/2014
0
1
(x, y) h (x, y)
0
9
0
0
9
0
0
1 1 1
1
1
1
0 1 1 1
1
9
9
0
1 1 1
1
1
1
25
1
24
2ME - 2013/2014
1
8
1
Oprations mathmatiques
Image originale
=
Image filtre passe-bas
2ME - 2013/2014
Hautes frquences
2ME - 2013/2014
2ME - 2013/2014
Filtres diffrentiels
Image
prof il dune
ligne
horizontale
(drive
premire)
seconde)
(b)
(a)
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Estimation du Gradient
Gx = f * Mx
Gy = f * My
La norme du gradient
La direction du gradient
2ME - 2013/2014
f
x
f (x x , y) f (x, y)
x 0
f
x
f (x, y) f (x x , y)
lim
lim
x 0
x 1
x 0
Masque de convolution
x 1
Diffrences
avant et
arrire
1 -1 ou
f (x x , y) f (x x , y)
-1
Diffrence centre
2 x
-1
Masque de convolution
ou -1
-1
2ME - 2013/2014
ou
0
1
ou
0
-1
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Filtre de Roberts
Roberts
Deux masques de taille 2x2 :
2ME - 2013/2014
et
Filtres de Sobel
Sobel
Le passe-haut intensifie le bruit; on fait donc un
passe-bas pour le diminuer.
Composition dun filtre gaussien et dun gradient
2
0
2
2ME - 2013/2014
et
0
0
0
Filtres de Sobel
Sobel
2ME - 2013/2014
2
0
2
et
0
0
0
| Gx | + | Gy |
-1
-1
0
-2
1
-1
-2
0
00
20
2ME - 2013/2014
-1
1
02 || G
Gyx ||
11
2ME - 2013/2014
z 1 z2 z3
z4 z5 z6
z 7 z8 z9
o zx : valeur du
niveau de gris
(b)
(c)
(d)Prewitt
Roberts
Sobel cross-gradient
operators
operators
-1 -1
-2 -1
f f f ((zz7 7 2zz8 8 zz9 9))
0 0
1 0
( z5 z9 )
yy y ((zz1 1 2zz2 2 zz3 3))
1 2
0 -1
1
1
-1 0 1
f f f ((zz3 3 2zz6 6 zz9 9))
-1 0 1
-2
2
( z z8 )
zz7 7))
xx x ((zz1 1 6 2zz4 4
-1 -1
0 1
0
f
f
f Gx G y
x
y
2ME - 2013/2014
2ME - 2013/2014
f
f
*
ou
25
x
y
2ME - 2013/2014
2ME - 2013/2014
Filtre de Laplacien
Laplacien
Drive seconde
Diffrence centre
f (x, y)
x
'
'
f ( x 1, y ) f ( x , y )
= [ f ( x + 1 ,y ) -f ( x ,y ) ] -[ f ( x ,y ) -f ( x -1 ,y ) ]
= f ( x + 1 ,y ) -2 f ( x ,y ) + f ( x -1 ,y )
Noyau de convolution
2ME - 2013/2014
Filtre de Laplacien
Laplacien (suite)
Autres formes
0
1
4
1
Ou
2ME - 2013/2014
1
0
1 2 1
1
0
1
1
8
1
1
4
1
Filtre de Laplacien
Laplacien (suite)
1
4
1
2ME - 2013/2014
1
8
1
Filtre de Kirsch
Kirsch
2ME - 2013/2014
Filtre de Kirsch
2ME - 2013/2014
Filtre de Marr-Hildreth
Marr-Hildreth
2ME - 2013/2014
Filtre de Marr-Hildreth
Marr-Hildreth
-1
-2
-1
-1
-1
-2
-2
-1
-1
-1
-2
-1
-1
-3
-4
-3
-1
-3
-3
-4
20
-4
-3
-3
-1
-3
-4
-3
-1
2ME - 2013/2014
Plus rapide
2ME - 2013/2014
Filtres passe-haut
Sobel
Marr-Hildreth
Canny
2ME - 2013/2014
Filtres passe-haut
Image originale
Sobel
2ME - 2013/2014
Laplacien
Filtre de Sobel
On applique le filtre horizontal, puis
vertical
On somme les valeurs absolues, ou
racine carre des carres des valeurs
Seuillage: si la valeur est assez leve,
la drive est forte et il ya un contour
2ME - 2013/2014
Filtre de Marr-Hildreth
2ME - 2013/2014
Code Matlab
2ME - 2013/2014
Seuillage
Binarisation
2ME - 2013/2014
Binarisation
2ME - 2013/2014
Binarisation
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Exemple
une image binaire comportant 6 x 6 pixels dont les
valeurs sont donnes dans le tableau suivant
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Segmentation rgions/contours
Segmentation
Recherche de frontires
(approches contours )
2ME - 2013/2014
Recherche de rgions
(approches rgions )
2ME - 2013/2014
R Ri
i 1
R i est connexe
Ri R
pour i j
P ( R i ) Vrai
P ( R i R j ) Faux
pour i j
2ME - 2013/2014
2ME - 2013/2014
Seuillage
T T
Seuillage global
T T ( x , y ), p ( x , y ), f
T T p ( x , y ), f
Seuillage local
T T ( x , y )
Seuillage dynamique
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Exemple de seuillage
Exemple dimage en 256 niveaux de gris :
Image initial
Seuillage 75
Histogramme de limage
2ME - 2013/2014
Seuillage 125
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
K-moyennes
Nombre de class k
Dtermination
des centroides
Calcul de la
distance minimale
Description de l'algorithme
Oui
Aucun donne a
chang de groupe?
Regroupement
2ME - 2013/2014
Non
Fin
2ME - 2013/2014
Exemple
Image originale
2ME - 2013/2014
Exemple
Image originale
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
fusionnes.
Phase 1 : Crer les zones homognes = DIVISION (split)
Phase 2 : Les regrouper = FUSION (merge)
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Exemples de division-fusion
Image originale
Image segmente
s=200 et min=2
2ME - 2013/2014
Image segmente
s=250 et min=2
Exemples de division-fusion
2ME - 2013/2014
Segmentation en rgion
Croissance de rgions
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Algorithme LPE
L'algorithme se compose de deux tapes:
Gnrer une carte d'lvation partir de
l'image de dpart
Remplir progressivement les bassins
2ME - 2013/2014
image originale
LPE
image gradient
image segmente
2ME - 2013/2014
LPE contrainte
2ME - 2013/2014
image originale
image gradient
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
2ME - 2013/2014
Oprations locales
Fermeture de contours
Seuillage
2ME - 2013/2014
fermeture
Morphologie mathmatique
2ME - 2013/2014
Morphologie mathmatique
Oprations morphologiques
Oprations morphologiques sur les images
Lissage morphologique
Rehaussement morphologique
2ME - 2013/2014
Morphologie mathmatique
Morphologie mathmatique
Oprations morphologiques
Dfinitions de base
Dilatation
rosion
Ouverture (rosion suivie dune dilatation)
Fermeture (dilatation suivie dune rosion)
2ME - 2013/2014
Dfinitions de base
A et B sont des ensembles dans Z2
Avec des lments reprsents par (a1,a2) et (b1,b2)
pour
a A
Rflexion: Rflexion de B
x x b,
B
pour
2ME - 2013/2014
b B
Dfinitions de base
oprations lmentaires
2ME - 2013/2014
Dilatation
Dilatation de A par un oprateur Morphologique B
) A
A B x (B
x
2ME - 2013/2014
Dilatation
2ME - 2013/2014
rosion
rosion de A par un oprateur morphologique B
AB x ( B) x A
2ME - 2013/2014
rosion
2ME - 2013/2014
A B ( AB) B
2ME - 2013/2014
2ME - 2013/2014
A B ( A B)B
2ME - 2013/2014
2ME - 2013/2014
Oprations morphologiques
sur les images
Dilatation
rosion
Ouverture
Fermeture
2ME - 2013/2014
Dilatation
2ME - 2013/2014
Dilatation
2ME - 2013/2014
rosion
2ME - 2013/2014
rosion
2ME - 2013/2014
2ME - 2013/2014
Ouverture
f B ( fb) b
2ME - 2013/2014
Ouverture
2ME - 2013/2014
Fermeture
f B ( f b)b
2ME - 2013/2014
Fermeture
2ME - 2013/2014
2ME - 2013/2014
Lissage dimages
limination des pics brillants plus petit que b
limination des zones sombres plus petites que b
Fermeture
Rehaussement morphologique
dimage
Rehaussement dimages
Bas sur le calcul du gradient morphologique
g ( f b) ( fb)
2ME - 2013/2014
Lissage et rehaussement
morphologiques
2ME - 2013/2014
Rsum
Morphologie mathmatique
Oprations morphologiques
Oprations morphologiques sur les images
Lissage et rehaussement morphologiques
2ME - 2013/2014
Code Matlab
I = imread('chine.png');
seuil = graythresh(I) % recherche du seuil avec la mthode d'Otsu
Ib = im2bw(I,seuil); % binarisation
figure(1)
imshow(Ib)
Ibi =~ Ib;
figure(2)
imshow(Ibi)
%Pour roder limage binaire Ibi et afficher le rsultat :
SE = [0 1 0;1 1 1;0 1 0] % lment structurant
Ier = imerode(Ibi,SE) ;
figure(3)
imshow(Ier)
%Pour dilater limage binaire Ibi et afficher le rsultat :
Idi = imdilate(Ibi,SE) ;
figure(4)
imshow(Idi)
2ME - 2013/2014
Code Matlab
I = imread('chine.png');
L = graythresh(I)
I = ~im2bw(I,L);
SE = strel('disk', 6)
Ifer = imclose(I,SE);
Im = imopen(Ifer,SE);
subplot(1,3,1)
subimage(I),title('image originale');
subplot(1,3,2)
subimage(Ifer),title('image ferme');
subplot(1,3,3)
subimage(Im),title('image ouverte');
2ME - 2013/2014