Image

Analyse et
Traitement des images

Vision par Ordinateur
William Puech
Puech William Université Montpellier II - Nîmes

Plan
I) Introduction
II) Image : représentations mathématiques
III) Acquisition et formation de
l'image
IV) Le système visuel humain
V) Colorimétrie
VI) Codage des images binaires

I) Introduction
A) L'IMAGE
B) Trois étapes en traitement des images
C) Que peut-onVision
fairepar
d'une image
Ordinateur
?
D) Vue d'ensemble de la spécialité
E) Historique et applications

I) A) L'IMAGE
Image : représentation d'une personne ou

d'une chose par la peinture, la sculpture, le
dessin, la photo, le film (LAROUSSE)
Vision : perception du monde extérieur par les
organes de la vue.

I) A) L'IMAGE
• L'image est associée à la vision : représentation

du monde extérieur.
• Composante subjective : chaque individu voit de
manière différente la même scène.
• Les images : pas forcément un phénomène de
vision précis (images mentales, rêves).
Représentation d'objets immatériels ou concepts
(signal électrique, oscillogramme)
I) A) L'IMAGE
• Dans ce cours : image = information issue d'un

capteur de vision (œil, caméra).

Scènes Capteur IMAGE
Paysages Traitements
Objets Loi de Vision
l'optique Information
Signal
RESULTATS

I) B) Trois étapes en Image
Traitement
+ Analyse
+ Interprétation

traitement + analyse + interprétation
• Traitement (prétraitement) opérations de
manipulation de l'image pour améliorer la
qualité.
– la compression : réduction du volume de l'image.
– la restauration : Vision par Ordinateur
correction des défauts dus à une
source de dégradation.
– l'amélioration : modification de l'image dans le but
de la rendre plus agréable à l'œil.


• Analyse : suite d'opérations pour l'extraction
d'information contenue dans une image.
– phase de segmentation avec partition de l'image.
– techniques de description / modélisation pour
obtenir la description structurelle de l'image.


• Interprétation : passage de la description
structurelle à la description sémantique en
regard à certains objectifs. (mesure de
paramètres sur des formes, description du
contenu de la scène en termes de concepts non
mathématiques).

Exemple :
• En vision industrielle pour un objectif de qualité :
– contrôle dimensionnel (mesures simples)
– contrôle d'aspect (mesure de texture)
– contrôle structurel (analyse des composants d'un objet)
– tri (reconnaissance)

I) C) Que peut-on faire
d'une image ?
Amélioration, Restauration, Correction
Traitement corrigeant des défauts de l'image,
permettant un confort de visualisation.
– Augmentation de contraste,
– Correction des distorsions optiques,
– Filtrage du bruit

d'une image ?
Analyse
Conception d'une machine autonome pour
conclure sur des critères visuels à partir
d'images issues de capteurs.
– Reconnaissance d'objets,
– Localisation robot mobile,
– Mesures (spatiales, temporelles)

d'une image ?
Compression, Codage, Transmission
Transport des images par voies Hertziennes ou par

réseau câblé sousVision
formepar
numérique.
Ordinateur
Codage nécessaire pour réduire l'information à

transmettre sans en altérer la qualité.
Cf : module compression des images et insertion de données cachées.

I) D) Vue d'ensemble de la
spécialité
Art
Audio-Visuel Intelligence
Multimédia Artificielle
RdF
Contrôle TRAITEMENT
Surveillance D'IMAGES
Mesure
Robotique
Communication

I) D) Vue d'ensemble de la
spécialité
Architectures informatiques Traitement du signal
Algorithmique Electronique
Optique TRAITEMENT Economie
D'IMAGES
Multimédia Intuition
Technologie des capteurs Neuroscience, physiologie

I) E) Historique et
applications
• 1920 Transmission image par câble (New
York - Londres) en quelques heures
• 1950 Origine du traitement d'images :
analyses d'images dans les chambres à
bulles ( Rayons X, OCR, …)
• Images de mauvaise qualité et très
volumineuses (700x500 pixels sur 8 bits par
image)
I) E) Historique et
applications
• 1960 Trois domaines dominants de
traitements numériques d'images spatiales :
• Restauration (corriger les défauts liés à
l'acquisition)
• Amélioration (rendre l'image "belle" pour
l'affichage)
• Compression (réduire le volume de l'image)

I) E) Historique et
applications
• 1970 extraction automatique d'informations.
• Apparition de la notion de description
structurelle.
• Nouveaux thèmes : seuillage,
Vision par Ordinateur segmentation,
extraction de contours, morphologie
mathématique.
• Interprétation d'images : engouement
explosif avec l'apparition des systèmes
experts. Puis déception car échec !
I) E) Historique et
applications
• Les raisons de l'échec : pas d'expert, le
savoir trop complexe pour être modélisé, et
oubli du modèle perceptif
• 1980 Explosion duOrdinateur
Vision par traitement d'images
"industriel" - Micro-informatique + capteurs
• De l'image 2D aux modèles tri-dim.
• Analyse du mouvement, vision pour la
robotique (mouvement, 3D, détection
d'obstacle, trajectoire)
I) E) Historique et
applications
• 1990 Explosion des transmissions de
données avec Internet
• De la vision passive à la vision active (prise
en compte de l'observateur dans l'analyse de
la scène).
• Et maintenant...
• On ne sait pas faire grand chose, mais au
moins maintenant, on le sait !!
I) E) Historique et
applications
• les bibliothèques numériques : acquisition (du
papier ou de la vidéo vers le numérique)
• Représentation (quel codage ?), Transmission
(codage et réseaux), Accès
(Indexation/Recherche)
• Une nouvelle tentative pour l'interprétation (il ne
s'agit plus d'interpréter pour interpréter mais
d'interpréter pour rechercher)
I) E) Historique et
applications
• Imagerie aérienne et spatiale
– Ressources naturelles et humaines,
– Surveillance,
– Météorologie.

I) E) Historique et
applications
• Industrie
– Contrôle non destructif,
– Inspection et mesures
automatiques,
– Vision robotique.

I) E) Historique et
applications
• Médecine
– Cytologie,
– Tomographie,
– Echographie.Vision par Ordinateur

I) E) Historique et
applications
• Sciences
– Interventions en milieu
confiné,
– Astronomie,Vision
Robotique
par Ordinateur
mobile,
– Microscopie électronique,
Biologie.

I) E) Historique et
applications
• Art et communication
– Télévision et vidéo,
– Photographie, Edition,
– Transport information
visuelle, Archivage.

I) E) Historique et
applications
• Domaine militaire
– Surveillance,
– Guidage automatique et poursuite d'engins,
– Topographie.Vision par Ordinateur

Les dix commandements de
la vision par ordinateur
(J.P. Hermann, DTAA Renault)
1. Tu respecteras les lois de la physique (la reconnaissance des formes n'est pas un
problème d'informatique mais d'optique).
2. Tu t'inquièteras de savoir ce que tu mesures avant de te demander ce que tu vas calculer.
3. Tu chercheras avant tout les grandeurs reproductibles.
4. Tu te soucieras plus de la qualité de tes données que de la vitesse de calcul de ton
ordinateur (importance de la qualité des capteurs).
5. Tu honoreras l'algorithmeVision
plutôt quepar Ordinateur
le langage de programmation.
6. Tu te soucieras de l'aval et de l'amont de la reconnaissance des formes.
7. Tu effectueras les essais sur plusieurs pièces sans tricher sur l'éclairage.
8. Tu mettras des chiffres sur les défauts que tu inspecteras (définition des seuils de
tolérance).
9. Tu auras la simplicité pour idéal.
10. Tu ne croiras pas seulement à la caméra vidéo (il existe d'autres capteurs optiques ...
et non optiques).
et enfin, le onzième commandement : Tu ne te décourageras pas!
II) Image : représentations
mathématiques
A) Mathématiquement
B) Pixel
C) Maillage Vision par Ordinateur
D) Distance
E) Histogramme
F) Les différents niveaux de représentation de
l'image

II) A) Mathématiquement
Image :
• forme discrète d'un phénomène continu.
• bidimensionnelle.
• L'information : caractéristique de l'intensité
lumineuse (couleur ou niveaux de gris).
I : [0,L-1] x [0,C-1] ⇒ [0,M]p : image de L lignes
et C colonnes. Information dans un espace à p
dimensions.
• image binaire ⇒ (p,M) = (1,1)
• image en niveaux de gris ⇒ p = 1 et M = 255
• image couleur ⇒ p = 3 et M = 255

II) B) Pixel
Pixel : "picture element", unité de base de
l'image correspondant à un pas de
discrétisation.
• Position et valeur (niveaux de gris).
• Séquences vidéo
Visiondu
parpixel :
Ordinateur

II) C) Maillage
Maillage : arrangement géométrique des pixels dans
l'image.
3 types de tessélations du plan par des figures
géométriques.
• Maillage carré Vision
: réalité
parphysique
Ordinateurdu capteur CCD.
• Maillage hexagonal (référence en morphologie
mathématique).
• Maillage triangulaire.

II) D) Distance
Distance : entre deux pixels P(xp,yp) et Q(xq,yq)
• distance de Manathan :
d1(P,Q)=|xp - xq| + |yp - yq|
• distance euclidienne :
Vision -par
d2(P,Q)=[(xp xq)Ordinateur
2 + (yp - yq)2]1/2
• distance de l'échiquier :
dinf(P,Q)=Max(|xp - xq| , |yp - yq|)
dinf(P,Q) ≤ d2(P,Q) ≤ d1(P,Q)

II) D) Distance
Connexité : deux ordres de connexité :
–4
– 8.
Un pixel a 4 voisins directs avec la distance
d1, et 8 avec la distance dinf.

II) E) Histogramme
Histogramme : de l'image I, la fonction H
définie sur l'ensemble des entiers naturels
par:
H(x) = Card{P : I(P) = x}
• H(x) = nombre d'apparitions du niveau de
gris x dans l'image I.
• outil privilégié en analyse d'images.

II) F) Les différents niveaux
de représentation de l'image
454578784545 Bords,
454454545454
789523223232 Segments,
454887652222 Lignes, ...
ANALOGIQUE ANALOGIQUE PRIMITIVES

NUMERIQUE
OPTIQUE ELECTRIQUE BAS NIVEAU
1010 bits 108 bits 106 bits 104 bits
Trans. Optique Electronique Algorithmique

Capteurs Trait. du signal
Bords, Cercle jaune

Segments, Contours Soleil
texture verte
Lignes, ... Régions Nuage
...
Vision par Ordinateur arbre, ...
PRIMITIVES SEGMENTS PRIMITIVES LISTES

BAS NIVEAU HAUT NIVEAU D'OBJETS
104 bits 103 bits 102 bits 10 bits
Segmentation Paramétrisation Reconnaissance

soleil
Est-ce une roue ? nuage
arbre, ...
Vision par Ordinateur Décision
LISTES
D'OBJETS
10 bits 1 bit
Intelligence
artificielle

III) Acquisition et
formation de l'image
Formation de l'image
– Énergie lumineuse,
– radiométrie,
– photométrie,
– système de prise de vue.

III) Formation de l'image
1) Energie lumineuse
En optique, une image = une quantité
d'information Vision
véhiculée par
par Ordinateur
des ondes
électromagnétiques.
Longueur d'onde et énergie
Ondes lumineuses = émission d'énergie sous
forme de photons due aux transitions atomiques
de corps chauffés.
1) Energie lumineuse- Loi de Planck
Un corps noir chauffé à une temp. T émet une puissance
rayonnante P (W.m-2) :
P (λ) = C1/ (λ5 (exp(C2/ λ T) -1))
avecVision par2h,
C1 = 2c Ordinateur
C2 = c h/k
c = vitesse de la lumière = 3 108 m.s−1, h = constante de Planck = 6.62 10−34 J.s
k = constante de Bolzmann = 1.38 10−23 j.K−1
T = temp. en kelvin,
λ = longueur d'onde en m

1) Energie lumineuse- Classification

fréquentielle des ondes lumineuses
– Lumière visible : détectée par l'oeil
– Lumière chromatique : composée de plusieurs
longueurs d'onde
– Lumière monochromatique : une seule longueur
d'onde (LASER)
– Lumière achromatique : seule l'énergie est prise
en compte.
1) Energie lumineuse- Classification
fréquentielle des ondes lumineuses
rayons rayons rayons ultra infra micro

visible TV radio 50 Hz
cosmiques gammas X Vision
violetpar Ordinateur
rouge ondes
10-5 nm 10-3 nm 10 nm 500 nm 1500 nm 5 m 1000 m
VIOLET BLEU VERT JAUNE ROUGE
380 nm 500 nm 555 nm 600 nm 720 nm

1) Energie lumineuse- Température de couleur
– Loi de Wien : un corps chauffé émet un spectre
de lumière.
• Vision par Ordinateur
Flamme bougie 1900 K
• Lampe à incandescence 2700 K
• Soleil 6000 K (blanc parfait)
• Tube cathodique 7000 K
– Si T le spectre → longueur d ’onde courte.

2) Radiométrie
Vision d ’un objet = interaction avec une source lumineuse
Source primaire Source secondaire
Lumière réfléchie
Vision par Ordinateur I(x, y, λ ) r(x, y, λ)
Lumière incidente
I(x, y, λ) chaleur
Lumière transmise I(x, y, λ) t(x, y, λ)

2) Radiométrie : réflexion et transmission
r(x,y) = 0.01 velours noir
r(x,y) = 0.8 blanc mat
r(x,y) = 0.93 neige fraîche
r(x,y) = 1 Vision par Ordinateur
miroir
t(x,y) = 0 objet opaque
t(x,y) = 1 vitre
Réflexion maximale pour λ correspondante
(vert, rouge)
2) Radiométrie : loi de Lambert
"La quantité d'énergie émise à partir d'un élément de surface dans
une direction déterminée est proportionnelle au cosinus de l'angle
que fait cette direction avec la normale à la surface"
dW = dW cos (θ)
θ n
Vraie pour les corps noirs.

Pas valable pour les surfaces brillantes.

2) Radiométrie : unités radiométriques
Source lumineuse ponctuelle
• Flux énergétique (W) dW
Φ=
Vision par Ordinateur dt
dΦ
• Intensité énergétique (W.sr-1) I=
dΩ

2) Radiométrie : le stéradian
"Angle solide qui ayant son sommet au centre d'une sphère,
découpe sur la surface de cette sphère une aire égale à celle d'un
carré ayant pour coté le rayon de la sphère."
Vision
R par Ordinateur
R
R
R R
R

2) Unités radiométriques : Surface Lambertienne
• Eclairement énergétique dΦ
E=
(W.m-2) dS
• Emittance énergétique
dΦ
(W.m )-2 M=
dS
•Luminance énergétique
d 2
Φθ
-2
(W.m .sr )-1
L=
dΩdS cos(θ)

3) Photométrie
– Sensibilité spectrale de l'œil humain, standard CIE
(Commission Internationale de l'Eclairage )
100
80
% sensibilité relative

60
40
20
0
5
0
43
49
51
55
61
64
68
Longueur d'onde (nm)

3) Unités photométriques
Le candela : "Intensité lumineuse dans une direction donnée
d'une source qui émet un rayonnement monochromatique de 555
nm et dont l'IE dans cette direction est 1/683 W.sr-1"
Radiométrie Vision parPhotométrie
Ordinateur
Flux éner. W Flux lumineux Lumen (L)
Intensité éner. W.sr-1 Intensité lumineuse Candela (cd)
Eclairement éner. W.m-2 Eclairement Lux (=Lm. m-2)
Luminance éner. W .m-2.sr-1 Luminance nit (=cd. m-2)

3) Unités photométriques :
Efficacité lumineuse
flux lu min eux
k = Vision par Ordinateur
flux energétique
à 555 nm, k = 683 pour le soleil, k =250

3) Quelques valeurs
nuit sombre 10-4 Lux minimum visible 10-5 nit

ciel étoilé 10-3 Lux vert luisant 50 nits
pleine lune 10-1 Lux Vision par Ordinateur
flamme 15 103 nits
norme couloir >50 Lux papier blanc soleil 30 103 nits
norme salle de lecture >300 Lux
jour ciel ouvert 103 Lux arc électrique 1.5 108 nits
table d'opération 105 Lux soleil 1.5 109 nits

3) Photométrie
La luminance est constante quelque soit
l'angle d'observation.
L'émittance d'une surface lambertienne est

égale au produit de sa luminance par π .
M=πL

4) Systèmes de prise de vue
Une scène 3D doit être représentée sur un support
2D (film, CCD, …)
4.1 Appareil à sténopé (trou d'épingle)
point image
point focal
Axe optique
point source plan image
Distance focale f

4.1 Appareil à sténopé : système réel et conceptuel
plan image
conceptuel P''(-x1,-y1)
X
P'(x1,y1) Axe optique
Vision par
Z Ordinateur
Y
P(x0,y0,z0) plan image réel

f f
x0 y0
x1 = f y1 = f
z0 z0

4.1 Appareil à sténopé : inconvénients
P1
P'2
Bords flous (diffraction)
P2 P'1
sensible : épaisseur de la plaque et aux

positions des sources lumineuses.
4.2 Systèmes optiques à lentilles
lentille convergente

Axe optique
F
Foyer principal image
Distance focale f
vergence = 1/f

4.2 Formules de DESCARTES
lentille convergente
P

O M'
M F F'
P'
1 1 1 1 M ' P ' OM '

+ = = =
OM OM ' OF OF ' MP OM
4.2 Aberrations optiques
• aberration sphérique : les rayons d'un point ne
convergent pas tous en un seul point : flou .
Si taille lentille Ü alors flou Ü : diaphragme
• astigmatisme Vision
: trajetpardifférent
Ordinateur en fonction des
axes vertical et horizontal de la lentille.
• Le défaut de coma (forme en goutte d'eau) :
grossissement différent par rapport à l'écart à
l'axe.

4.2 distorsions géométriques
• liées à la qualité de l'optique
– objectif grand angle
– balayage d'une caméra
• distorsion tonneau
• distorsion coussin
• pour diminuer ces distorsions
– Ü le prix
– correction par traitement d'images

IV) Le système visuel humain
La vision humaine
– Capteur œil,
– Vision achromatique,
– Vision 3D,
– Perception du mouvement.

IV) La vision humaine
1. Le capteur œil
De forme approximativement sphérique, l'oeil
est l'organe de base de la vision. Il comporte un
ensemble d'éléments destinés à recevoir le
rayonnement incident, former l'image des
objets perçus et traiter les informations
recueillies.

1. Le capteur œil : composants principaux :
– cornée : protection filtre
– Iris : diaphragme (variation d'un facteur 10 en
surface). Son ouverture centrale est la pupille.
– Cristallin : optique + focus (déformable, indice
optique variable) : lentille à focale variable
– Rétine : couche photo-sensible (120 millions de
récepteurs : cônes et bâtonnets)
– Macula : contient en son centre une petite dépression,
la fovéa. zone d'acuité maximum de l'oeil.
– Nerf optique : transport de l'information (100000
neurones)
1. Le capteur œil : composants principaux :

1. Les photos-récepteurs de la rétine
• Cônes :
– vision photopique (diurne)
– couleur
– 6 à 7 millions
– Zone fovéale
• Bâtonnets :
– vision scotopique (nocturne)
– Faible intensité, achromatique
– 120 millions
– Zone extra fovéale
1. Les photos-récepteurs de la rétine

1. La fovéa : région où la vision photopique est
la plus précise et la plus sensible (angle de 20
minutes).
Le maximum de sensibilité en vision
scotopique est aVision
20° par
de Ordinateur
l'axe optique
La zone aveugle : rattachement du nerf optique
sur la rétine.
Le capteur œil et le système à lentille

2 . La vision achromatique
Caractéristiques statiques et dynamiques
– Non linéaire.
– Forte adaptation au niveau de luminance (échelle
de 1010). Vision par Ordinateur
– Transition scotopique-photopique graduelle
– Discrimination de luminance : de 50 à 100
niveaux
– Constante de temps d'adaptation pour les cônes et
les bâtonnets.

Seuil différentiel de luminance

Réponse en fréquence spatiale
10 Log sensibilité
relative
1
Fréquence spatiale
Log (cycles/degré)
0.6 1.8 6 18 60

Rehaussement physiologique des contours
transition en luminance : objectif ≠ subjectif

3 . Autres caractéristiques de la vision
Vision chromatique

Vision tridimensionnelle
Perception du mouvement

4 . Système de traitement visuel humain
Performance
Architecture Vision par Ordinateur
Illusions optiques

Illusions optiques
système visuel
humain = référence.
Pas un système
parfait et Vision par Ordinateur
piégeable : Que
voyez-vous ? Rien,
alors reculez-vous
un peu ...

Les frontières qui n'existent pas...Le système visuel humain
fait des "interpolations" à partir du stimulus perçu. L'exemple
le plus marquant est celui des contours illusoires.

Les objets qui n'existent
pas…
Le système visuel humain
fait des "interpolations"
symbolique car il préfère
une information structurée
à une information non
structurée.
Que voyez-vous ? Rien, un
mouton, un chien, un
dalmatien peut-être ?

V) Colorimétrie
1. Principe
2. Trivariance et trichromie
3. Synthèses additive et soustractive
4. Modèles de représentation de la couleur

V.1) Colorimétrie : Principe
Couleur : phénomène physique interprété par le

système visuel humain ⇒ objectif et subjectif.

Laser Hélium-Néon Vapeur mercure Tungstène
300 500 700 300 500 700 400 1200 2000

V.1) Colorimétrie : Principe
LED Soleil Bleu ciel
300 500 Vision

700 300 par500
Ordinateur
700 300 500 700
citron chair tomate
300 500 700 300 500 700 300 500 700

V.2) Trichromie et
trivariance
Trichromie : couleur perçue par un humain ⇒
décomposée dans un espace à 3 dimensions ⇒ 3
couleurs de base avec un spectre éloigné (RVB).
Trivariance : couleur
VisionCx Ordinateurde λ et des
parfonction
luminances de Cλ et de Cb.
– Cx : lumière colorée quelconque
– Cλ : lumière monochromatique
– Cb : lumière blanche
Cx = Cλ + Cb

V.3) Synthèse soustractive
Soustraction à la lumière blanche de ses
composantes bleues, vertes et rouges à l'aide de
filtres jaunes, magenta et cyan.
Jaune + Magenta => Rouge
Jaune + Cyan Vision
=> Vert par Ordinateur
Magenta + Cyan => Bleu
Jaune + Magenta + Cyan => Noir
Les nuances intermédiaires par variation de
l'absorption des filtres.
Utilisée pour l'impression des couleurs.

V.3) Synthèse soustractive
⇒ lumière diffusée par des

objets absorbants : peinture,
filtrage.

V.3) Synthèse additive
Création d'une couleur par addition de trois faisceaux
lumineux de couleur rouge, verte et bleue.
⇒ presque toutes les couleurs visibles.
Rouge +Vert => Jaune
Rouge + Bleu => Magenta
Bleu + Vert => Cyan
Rouge +Vert +Bleu => Blanc
Couleurs intermédiaires produites par variation de
l'intensité des faisceaux lumineux.

V.3) Synthèse additive
⇒ projection
(lumière émise) :
écrans de télévision
ou d'ordinateur.

V.4) Colorimétrie
3 Modèles d’espaces de représentation de la couleur :
• Espaces basés sur la chrominance :
– RVB (RGB): Red Green Blue
– CMJN (CMYK): Cyan Magenta Yellow black (K pour Key black)
– XYZ
Vision
• Espaces basés sur la par Ordinateur
luminance et la chrominance :
– Lab: luminance + chrominance (a et b)
– YUV et YCrCb
• Espaces basés sur la luminance, la chrominance et la
saturation :
– TSL (HLS) :Teinte (Hue), Saturation, et Luminosité.

V.4) RVB (RGB): Red Green Blue
Composition des couleurs basée sur le
principe des couleurs additives :
rouge, vert et bleu ⇒ trois primaires
utilisées dans la constitution de
couleurs à partir de sources
lumineuses.
Une image RVB : composée Vision
depar Ordinateur
trois
couches, codées chacune sur 8 bits.
(256 niveaux de couleur par couche ⇒
16 millions de couleurs).
RVB utilisé pour la reproduction de
couleurs sur écran.



Triangle de Maxwell
G (546 nm)
blanc
Axe achromatique
B (435 nm) R (700 nm)

V.4) CMYK : Cyan Magenta Yellow black
Cyan, magenta, jaune et noir ⇒
quatre couleurs d'encre pour les
impressions quadrichromiques et pour
tout procédé de reproduction à base de
pigments ou de colorants (principe des
couleurs soustractives).
Sur chaque couche pixel avec un
pourcentage d'une des couleurs.
Norme pour l'imprimerie. La
composante noire améliore le rendu
des aplats noirs. Car le noir peut aussi
être obtenu par mélange des trois
autres composantes (par économie)
V.4) Espace XYZ
X 0.7 0.3 0.2 R

Y = 0.3 0.7 0 G
Vision par Ordinateur Z 0 0 0.8 B
Spectrum locus
X
Z
B R

V.4) Lab : luminance + a et b
Couleurs définies par 3 valeurs :

Luminosité (luminance) codée en
pourcentages, a et b
correspondent à l information
colorée (chrominance) où la
couleur est définie à partir d'un
mélange de vert à magenta (a) et
un mélange de bleu à jaune (b).
Valeurs comprises entre -120 et
+120 pour a et b.

V.4) YUV et YCrCb
YUV et YCrCb sont des espaces Lab :
– 1 dimension : Luminance
– 2 dimensions : Chrominance
Utilisés en compression d’images et vidéos car décorrélation de
l’information.
Luminance : YVision parROrdinateur
= 0.299 + 0.587 G + 0.114 B
– RGB to YUV :
• Y=…
• U = 0.492 (B – Y)
• V = 0.877 (R – Y)
– RGB to YCrCb :
• Y=…
• Cb = (B – Y) / (2 – 2* 0.114 B) + 128 ( Cb = a (B –Y) )
• Cr = (R – Y) / (2 – 2 * 0.299 R) + 128 ( Cr = b (R – Y) )
V.4) YUV et
YCrCb

V.4) TSL (HLS) : Teinte (Hue),
Saturation, et Luminosité.
• Teinte : longueur d'onde de la
lumière réfléchie, ou transmise par
un objet ⇒ emplacement sur la roue
chromatique, (0° < angle < 360°).
Le spectre circulaire part du rouge, passe
par le vert et le bleu pour revenir au rouge.
• Saturation : pureté ou intensité de
la couleur (des couleurs grisées 0 %
aux couleurs vives, 100 %).
• Luminosité : variation d'intensité
lumineuse d'une couleur, entre 0 %,
noir et 100 %, blanc.

VI) Codage des images binaires
Image binaire : image où chaque pixel ne peut avoir pour
valeur que 0 ou 1.
Outils spécialisés et théories mathématiques pour la
manipulation d'images binaires.
Début du traitement Vision par Ordinateur
des images numériques : traitement
d'images non complexes : problème de temps de calcul,
d'espace mémoire disponible et qualité des périphériques de
sortie).
Premières applications : reconnaissance de caractères, analyse
de traces laissées dans les chambres à bulles par des
particules (1950)

VI) Les images binaires
Contexte simple pour la formalisation mathématique des
problèmes par des outils tels que la topologie.
En vision industrielle : détection de défauts, contrôle qualité,
mesure : on considère l'image binaire comme un passage
obligé, suivant en général
Visionlapar
phase de segmentation.
Ordinateur
Deux catégories d'outils nécessaires pour :
– le codage efficace (et éventuellement la compression),
– et le traitement (analyse et description des formes).
Obtention d'une image binaire à partir d'une image en
niveaux de gris par des techniques de seuillage.

VI) Codage des images
binaires
Codage dans le but de compression de données à partir de la
matrice binaire.
Description des objets codés : codage faisant ressortir les
caractéristiques et/ou facilitant les traitements.
Représentation de départ
Vision: matrice de pixels à 0 ou 1 dans
par Ordinateur
laquelle apparaissent les objets.
4 types de codages:
Le codage par segments.
Le codage par contour.
Le codage par région.
Le codage par forme.
VI) Codage par segments
Codage d'une image binaire par segments lignes ou colonnes.
Méthode : on ne conserve pour chaque ligne que la valeur du premier
segment et la liste des longueurs des différents segments (dont la valeur
change obligatoirement à chaque nouveau segment). Par exemple, la ligne
de pixel 1000110 sera codée par (1,1,3,2,1) soit : première valeur 1,
longueurs des segments successifs: 1,3,2,1 soit 7 pixels au total. Sur un
autre exemple:
1 1 0 0 (1,2,2)
0 1 1 0 (0,1,2,1) Vision par Ordinateur
0 0 0 0 (0,4)
1 0 0 0 (1,1,3)
Plus les segments sont courts, moins le codage est efficace car les
longueurs sont des entiers et non plus des valeurs binaires. Un codage
équivalent est bien sûr possible avec une description en colonnes plutôt
qu'en lignes.
Pour réaliser des manipulations de type algébrique (complémentation, ...)
plutôt que pour décrire les objets.
VI) Codage par contours
Points de contour : reconnaissables car au moins de leurs points voisins

appartient au fond (pas d'ambiguïté de détection). Lors de la recherche du
contour d'un objet : inutile de balayer toute l'image; il existe des
algorithmes de suivi de contour fournissant un codage sous forme de
Freeman de la suite des points du contour.
Soit Pn un point contour courant, le point contour suivant Pn+1 est un
voisin de Pn. Le déplacement de Pn à Pn+1 ne peut se faire que dans une
Vision
des 8 directions du voisinage de Pnpar Ordinateur
selon le codage de Freeman:
321
4*0
567
Dans la majorité des cas le point Pn n'a que deux candidats potentiels pour
Pn+1 dont un est le point Pn-1. Il n'y a donc pas d'ambiguïté. Cependant, il
faut aussi prendre en compte les points anguleux n'ayant aucun
suivant.

VI) Codage par contours
Suppression de l'image de départ de toutes les configurations du
type transition L et transition I :
000 000
010 010
011 010
8 configurations de chaque type par rotation de 45o.
Après extraction du contour : mémorisation des coordonnées du point de départ et la
suite des directions d (d dans {0, ..., 8}).
La suite des directions traduitVision
la formepar
et leOrdinateur
point de départ de sa localisation
spatiale. Très utile pour la reconnaissance de formes car signature invariante d'une
forme. De très nombreux paramètres de forme peuvent être mesurés directement sur
le codage de Freeman (périmètre, aire, centre de gravité, axes d'inertie, ...).
Le codage plus efficace (compression) si les objets sont gros. Soit O un objet
comportant A pixels dont P sont des pixels de son contour.
Codage binaire classique : A bits dans l'image de départ
Codage de Freeman : 3P bits + les coordonnées d'un point de référence.
facteur de compression lié au ratio P/A.
VI) Codage par régions
Il est bien sûr possible de généraliser le codage par segments au codage des entités
surfaciques bidimensionnelles. Parmi les nombreuses techniques de codage par
région, la plus connue fait appel aux quadtrees. Il s'agit d'un découpage récursif du
support image jusqu'à obtention de blocs homogènes (ayant tous la même valeur). A
la ième itération, on définit les carrés de côté 2n-i (où 2n est le côté de l'image
initiale); le plus petit bloc possible est le pixel. Ces primitives sont ensuite
organisées de façon arborescente. Exemple :
0|0|0 0|0|0|0 0
-+-| |-+-|
0|1|0 0|1|0|0 0
--------------- Vision par Ordinateur
0|1|1 1|1|0|0 0
-+-| |-+-|
1|1|1 1|0|0|0 0
---------------
1 1 1 1|0 0 0 0
|
1 1 1 1|0 0 0 0
|
1 1 1 1|0 0 0 0
|
1 1 1 1|0 0 0 0
|
---------------

VI) Codage par régions
Pour le codage, on utilise une technique de parenthésage (une parenthèse équivaut à

un niveau de récursivité dans l'algorithme de recherche de blocs homogènes) et on
mémorise uniquement la valeur du bloc. Pour lever toute ambiguité, on adopte un
sens de balayage unique :
12
34 Vision par Ordinateur
On obtient alors le codage suivant :
I = (((0001)(0)(0111)(1))((0010)(0)(1000)(0))(1)(0))
Cette représentation permet des opérations ensemblistes (intersection, union,... ), la
recherche de contours,...; mais elle n'est pas vraiment adaptée à la description de
formes de par sa non invariance en translation.
D'autres types de pavages peuvent être définis, par exemple en polygones de
Voronoï, à partir de germes prédéfinis dans l'image.

VI) Codage par forme
Méthodes tenant compte de la morphologie de l'objet : codages par squelettes.
Squelette : représentation filiforme centrée sur l'objet initial, obtenu par
amincissements successifs. Cet amincissement se réalise sous la contrainte de
préservation des points significatifs de son élongation, ou nécessaires à la connexité
du squelette résultant (transformation homotope).
Recherche d'algorithmes efficaces (temps de calcul, qualité du résultat), pour la
reconnaissance des caractères. Si le squelette est unique et sans problème dans un
espace continu, il est beaucoup moins facile à trouver dans un espace discret qu'est
une image numérique. Sa définition
Visionplus
parprécise nécessite de redéfinir les concepts
Ordinateur
de base de la géométrie, ce qui a donné naissance à la géométrie discrète.
Transformation en squelette d'un objet irréversible : mais résultat significatif de
l'allure de l'objet codé et particulièrement adapté aux objets minces.
Réversibilité du codage primordiale pour des objets à stocker. Notion d'axe médian
intéressante: on recouvre l'objet par des boules de taille maximale incluse dans
l'objet et centrées sur les points de l'objet. L'axe médian est ensuite formé des
centres des boules qui ne sont pas incluses dans aucune autre et l'on associe aux
centres conservés la taille de leur boule.

VI) Codage par forme
Dans l'exemple suivant, on représente en chaque point la taille de la plus grande
boule centrée sur le point et complètement contenue dans la forme (une taille de 1
équivaut à un carré 1 x 1, 2 à un carré 3x3 et 3 à un
carré 5x5):
11111
1112221
11222321
1112221
11111
Les points en noirs sont les trois points de l'axe médian nécessaire pour reconstruire
la forme initiale. la taille de la boule correspond en fait à la notion de distance au
contour. Le résultat final dépend de la distance utilisée. Le problème de l'axe
médian est qu'il n'est pas formé de points consécutifs. Pour le faire "ressembler"
à un squelette, on reconnecte les poins de l'axe médian par un chemin de crète. On
obtient alors la ligne médiane que l'on peut voir comme un squelette pondéré de
l'objet initial. La ligne médiane et l'axe médian sont des codages réversibles.

Image

Transféré par

Informations du documentcliquez pour développer les informations du documentCe document présente une introduction au traitement des images et à la vision par ordinateur. Il décrit les différentes étapes du traitement d'images ainsi que l'historique et les applications majeures du domaine.

Informations du documentcliquez pour développer les informations du document

Droits d'auteur :

Formats disponibles

Image

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Image

Transféré par

Droits d'auteur :

Formats disponibles

Analyse et

Traitement des images

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Image : représentation d'une personne ou

Puech William Université Montpellier II - Nîmes

• L'image est associée à la vision : représentation

• Dans ce cours : image = information issue d'un

Vision par Ordinateur

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

traitement + analyse + interprétation

Puech William Université Montpellier II - Nîmes

traitement + analyse + interprétation

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Transport des images par voies Hertziennes ou par

Codage nécessaire pour réduire l'information à

Cf : module compression des images et insertion de données cachées.

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Technologie des capteurs Neuroscience, physiologie

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

dinf(P,Q) ≤ d2(P,Q) ≤ d1(P,Q)

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

ANALOGIQUE ANALOGIQUE PRIMITIVES

Trans. Optique Electronique Algorithmique

Bords, Cercle jaune

PRIMITIVES SEGMENTS PRIMITIVES LISTES

Segmentation Paramétrisation Reconnaissance

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

Puech William Université Montpellier II - Nîmes

1) Energie lumineuse- Classification

rayons rayons rayons ultra infra micro

10-5 nm 10-3 nm 10 nm 500 nm 1500 nm 5 m 1000 m

VIOLET BLEU VERT JAUNE ROUGE

380 nm 500 nm 555 nm 600 nm 720 nm

Puech William Université Montpellier II - Nîmes

Lumière transmise I(x, y, λ) t(x, y, λ)