Traitement dimages : briques de base S. Le Hégarat Exemples dimages Amélioration dimages Détection de contours Classification Segmentation Analyse de texture.

Traitement d’images : briques de base

S. Le Hégarat

• Exemples d’images• Amélioration d’images• Détection de contours• Classification• Segmentation• Analyse de texture

Bibliographie

• H. Maître, Le traitement des images, Hermès éditions.

• J.-P. Cocquerez & S. Philipp, Analyse d’images : filtrage et segmentation, Masson éditions.

• S. Bres, J.-M. Jolion & F. Lebourgeois, Traitement et analyse des images numériques, Hermès éditions.

# colonnes

# lignes

pixel (i,j)

Exemples d’images

ImageS14.ppt

Exemples en télédétection

Exemples ‘d’école’

Amélioration d’images• Exemples de méthodes fondées sur des

modifications de l’histogramme de l’image :– Translation d’histogramme

– Modification de la dynamique

– Seuillage

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Spécification d’histogrammes• Egalisation d’histogrammes

– Principe :Maximiser l’entropie

• Spécification d’histogramme– Objectif : à partir de l’image X et HX, son

histogramme, on calcule Y=g(X) ayant HY donné

– Théorème : Soit FX la fct de répartition de X, alors la distribution de Z=FX(X) est uniforme

– Mise en œuvre : Y= Fy-1(FX(X))

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Niveau de gris

# pixels

Egalisation des cas ‘d’école’

Avant égalisation

Avant égalisation

Après égalisation

Après égalisation

Egalisation : autre exemple

Pas de réelle sensibilité visuelle à l’histogramme

Avant égalisation

Après égalisation

Egalisation : exercices• Soit une image ayant pour histogramme

Calculer sa fonction d’égalisation

• Soit une image ayant pour histogramme

Calculer sa fonction d’égalisation

-A +A

0

+B

+2B

-A +A

0

+B

Gaussien =20

Exemples de bruits

Valeurs ‘aberrantes’ en p% pixels de l’image, ex :- Bruit ‘poivre et sel’

Valeurs ‘altérées’ en tout pixel de l’image, ex :

- Bruit ‘gaussien’ - Bruit à distribution uniforme- Bruit à distribution de Rayleigh

Gaus. =10, poivre&sel 10%

Poivre et sel 10%