Série 1

Questions de cours :

1. Quelles sont les limitations d'un système visuel humain par rapport au système visuel artificiel ?
2. Quelle est la différences entre le traditional programming et le machine learning ?
3. Lorsque on décale horizontalement un histogramme, le contraste ou la luminance qui sera modifiée ?
4. Citer deux techniques pour améliorer le contraste d'une image ?
5. Citer un avantage et un inconvénient d'un filtre fréquentiel passe-haut ?
6. Quelle est la différences entre l'échantillonnage et la quantification des images numériques ?
7. Le filtre médian est un filtre non linéaire, oui non ?
8. L'opérateur LoG = filtre gaussien + la première dérivée de l'image, oui non ?
9. L'extraction d'un contour nécessite toujours l'estimation de gradient, oui non ?
10. Quel est l'effet d'un filtrage par la matrice de convolution suivante ?
Un flou 0 0 0
Un éclaircissement 0 1 0
Aucun effet (image inchangée) 0 0 0

Exercice 01 :
Soit l’image I à niveaux de gris (codée sur 4 bits) de taille 11×10 pixels.
1- Définir le contraste et calculer sa valeur dans cette
image I? 12 12 12 12 12 12 12 12 12 12
2- Tracer l'histogramme de l'image I? 12 9 9 2 2 2 2 9 9 12
3- Binariser l'image I de façon à séparer l'emoji 12 9 2 7 7 7 7 2 9 12
(visage souriant) du fond ? donner la valeur de 12 2 7 4 4 4 4 7 2 12

seuil S et représenter l'image binaire Ib ? 12 2 7 2 4 4 2 7 2 12

4- Un bruit est ajouté à l'image I tel que: 12 2 7 4 4 4 4 7 2 12

12 2 7 2 4 4 2 7 2 12
I(2,2)=0, I(10,10)=15, I(8,4)=0, I(6,9)=15
12 2 7 4 2 2 4 7 2 12
4.1- Quel est le type de ce bruit ?
12 9 2 7 7 7 7 2 9 12
4.2- Appliquer un filtre moyenneur (équitable) et
12 9 9 2 2 2 2 9 9 12
un filtre médian de taille 3x3 sur les pixels 12 12 12 12 12 12 12 12 12 12
bruités ?
4.3- Quel filtre est plus adapté ? justifier ?
5- Maintenant, on veut corriger le contraste de l'image I par l'égalisation de l'histogramme:
5.1- Citer les 4 étapes principales pour réaliser l'égalisation de l'histogramme ?
5.2- Donner les nouvelles valeurs des pixels suivants: (2,4), (4,4), (8,8), (2,2), (11,10).

Exercice 02 :
Soit les trois masques de filtres suivants:
1 2 1 1 2 1 1 1 1
ℎ1 = X. 2 4 2 , ℎ2 = 0 0 0, ℎ3 = 1 −8 1
1 2 1 −1 −2 −1 1 1 1
1- Nommer ces trois filtres ? Pour h1, quelle est la valeur appropriée de X ?
2- Lesquels parmi ces trois filtres utilisés pour la détection de contours ? Mentionner un avantage et
un inconvénient de chaqu' un ?
3- Tracer le schéma de principe de la détection de contours en utilisant le gradient ?
1/1
 Corrigé série 1
Matière: Vision Artificielle
Questions de cours :
1. Les limitations d'un système visuel humain par rapport au système visuel artificiel sont :
 problèmes d'échelle,
 la haute résolution,
 les gammes invisibles de la lumière,
 la rapidité (plusieurs images par secondes),
 la continuité et la puissance de calcul.
2. La différence entre traditional programming et Machine learning :

traditional programming machine learning

3. Lorsque on décale horizontalement un histogramme, la luminance qui sera modifiée.

4. Deux techniques pour améliorer le contraste d'une image : Extension linéaire et égalisation de l histogramme.
5. Un avantage d'un filtre fréquentiel passe-haut : Garder les hautes fréquences pour présenter les contours,
Un inconvénient : Sensible au bruit.
6. L'échantillonnage : la discrétisation des coordonnées de l'image (la résolution spatiale qui donne la taille de
pixel). La quantification : la discrétisation des intensités de l'image (la résolution spectrale qui donne les
niveaux de gris).
7. Le filtre médian est un filtre non linéaire (Oui).
8. L'opérateur LoG = filtre gaussien + la première dérivée d'une image (Non).
9. L'extraction d'un contour nécessite toujours l'estimation de gradient (Non).
10.Quel est l'effet d'un filtrage par la matrice de convolution suivante ?
Un flou 0 0 0
Un éclaircissement 0 1 0
Aucun effet (image inchangée) 0 0 0

Exercice 01
1- Le contraste : qualité de la dynamique des intensités de l'image:

𝑉𝑎𝑙 𝑚𝑎𝑥 −𝑉𝑎𝑙 12−2

𝑐 = 𝑉𝑎𝑙 𝑚𝑎𝑥 +𝑉𝑎𝑙 𝑚𝑖𝑛 = = 0.71
𝑚𝑖𝑛 12+2

2- L'histogramme de l'image I:

38
40
28
30
18
20 14 12
10
0 0 0 0 0 0 0 0 0 0
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

1/3
 3- Représentation de l'image binaire Ib ( S = 3)
Si 𝐼(𝑖, 𝑗𝑗) ≥ 3, 𝐼𝑏(𝑖, 𝑗𝑗) = 1
Sinon 𝐼𝑏(𝑖, 𝑗𝑗) = 0

1 1 1 1 1 1 1 1 1 1
1 1 1 0 0 0 0 1 1 1
1 1 0 1 1 1 1 0 1 1
1 0 1 1 1 1 1 1 0 1
1 0 1 0 1 1 0 1 0 1
1 0 1 1 1 1 1 1 0 1
1 0 1 0 1 1 0 1 0 1
1 0 1 1 0 0 1 1 0 1
1 1 0 1 1 1 1 0 1 1
1 1 1 0 0 0 0 1 1 1
1 1 1 1 1 1 1 1 1 1

4.1- le type du bruit rajouté : bruit impulsionnel (poivre et sel)

4.2- Filtrage du bruit rajouté:
Valeur valeur Filtre Filtre
Pixel
initiale bruitée moyenneur médian
I(2,2) 9 0 9 12
I(10,10) 12 15 8 9
I(8,4) 4 0 4 4
I(6,9) 2 15 8 7

4.3- Le filtre le plus adapté:

𝐸𝑟𝑟𝑒𝑢𝑟𝑚𝑜𝑦 𝑒𝑛𝑛𝑒𝑢𝑟 = (9 − 9)2 + (12 − 8)2 + (4 − 4)2 + (2 − 8)2 = 52
𝐸𝑟𝑟𝑒𝑢𝑟𝑚é𝑑𝑖𝑎𝑛 = (9 − 12)2 + (12 − 9)2 + (4 − 4)2 + (2 − 7)2 = 43

Tant que 𝐸𝑟𝑟𝑒𝑢𝑟𝑚é𝑑 < 𝐸𝑟𝑟𝑒𝑢𝑟𝑚𝑜𝑦 , donc le filtre médian est le plus adapté.

5.1- Les 4 étapes de l'égalisation de l'histogramme sur l'image I sont :

A- Calcul de l'histogramme :

Hist(I) = 0 0 28 0 14 0 0 18 0 12 0 0 38 0 0 0

B- Normalisation de l'histogramme :
2 14 18 12 38
HistN(I) = 0 0 0 0 0 0 0 0 0 0 0
1 110 110 110 110

C- Calcul de l'histogramme cumulé :

2 28 42 42 42 60 60 72 72 72
C(I) = 0 0 1 1 1 1
1 110 110 110 110 110 110 110 110 110

D- Transformation de niveaux de gris de l'image :

𝐼2(𝑖, 𝑗𝑗) = 𝐶[𝐼(𝑖, 𝑗𝑗)] ∗ 15

2/3
5.2- Les nouvelles valeurs des pixels après l'égalisation de l'histogramme:

Valeur initiale dans Nouvelle valeur dans

Pixel
l'iamge I l'iamge I2
I(2,4) 2 4
I(4,4) 4 6
I(8,8) 7 8
I(2,2) 9 10
I(11,10) 12 15

Exercice 02 :
1 2 1
1- ℎ1 = X. �2 4 2� est filtre de lissage gaussien.
1 2 1
1 2 1
ℎ2 = � 0 0 0 � est un filtre de Sobel selon y.
−1 −2 −1
1 1 1
ℎ3 = �1 −8 1� est un filtre de Laplacian en 8 directions.
1 1 1
1
La valeur de X = .
16

2- Parmi ces trois filtres, Sobel et Laplacian sont utilisés pour la détection de contours:

Sobel Laplacian
- Absorbe considérablement le bruit Aux points de contour, la
Avantage - Facile et rapide de leur traitement deuxième dérivée est nulle
- Plus robustes (Contours précis)
- Ils ne peuvent pas éliminer tout le bruit
- Sensible au bruit
Inconvénient - Les contours obtenus sont souvent assez larges
- Problème de seuillage
- Moins précis + Problème de seuillage

3- Le schéma de principe de la détection de contours en utilisant le gradient :

3/3