transparents du cours en PDF - IUT d'Arles
transparents du cours en PDF - IUT d'Arles
transparents du cours en PDF - IUT d'Arles
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Imagerie Numérique<br />
Représ<strong>en</strong>tation et codage des images<br />
1. Discrétisation<br />
et numérisation<br />
E. Remy<br />
<strong>IUT</strong> de Prov<strong>en</strong>ce<br />
7/01/2003
19/10/2003 2<br />
1.0 Qu’est ce qu’une image<br />
numérique ? (1/2)<br />
Deux formes courantes d’images numériques :<br />
• Les images bitmaps ;<br />
• Les images vectorielles (ce type d’image sera<br />
étudiés plus tard).
19/10/2003 3<br />
1.0 Qu’est ce qu’une image<br />
numérique ? (2/2)<br />
Une image bitmap c’est un tableau avec…<br />
• Des cases : les pixels (picture(<br />
elem<strong>en</strong>ts)<br />
• Des dim<strong>en</strong>sions (largeur, hauteur)<br />
• Des valeurs : les int<strong>en</strong>sités lumineuses.
19/10/2003 4<br />
1.1 Matériels d’acquisition (1/4)<br />
Différ<strong>en</strong>tes sources d’images numériques :<br />
• Photo numérique ;<br />
• Scanner A4 ;<br />
• Radar ou Sonar ;<br />
• Scanner X ;<br />
• IRM (Imagerie par Résonance Magnétique Nucléaire) ;<br />
• Tomographie par émission de positons (TEP) ;<br />
• Microscope à effet tunnel (voir à l’échelle des molécules) ;<br />
• Le calcul (synthèse d’image) ;<br />
• Etc.
1.1 Matériels d’acquisition (2/4)<br />
Capteurs CCD<br />
(Charge Coupled Device ou dispositif à transfert de charge)<br />
• Circuit intégré avec une surface transpar<strong>en</strong>te<br />
laissant voir une grille constituée de cellules<br />
photos<strong>en</strong>sibles de quelques dizaines de microns de<br />
coté<br />
• Les cellules convertiss<strong>en</strong>t les photons <strong>en</strong> une<br />
charge électrique qui est accumulée comme dans un<br />
cond<strong>en</strong>sateur<br />
• Lors de la lecture, les cellules sont vidées<br />
successivem<strong>en</strong>t, et on mesure le courrant accumulé<br />
par chacune.<br />
• Comme tout dispositif électronique, il est s<strong>en</strong>sible<br />
au parasitage électromagnétique, et à son propre<br />
bruit thermique, ce qui oblige parfois à le refroidir.<br />
19/10/2003 5
19/10/2003 6<br />
1.1 Matériels d’acquisition (3/4)<br />
Scanner X<br />
(une radio <strong>en</strong> 3D)<br />
Les os sont blancs.<br />
IRM<br />
Ce sont les molécules d’eau qui sont<br />
visibles ; les os sont donc sombres.
19/10/2003 7<br />
1.1 Matériels d’acquisition (4/4)<br />
Atomes d’or vus au microscope à effet tunnel<br />
(l’aspect 3D à été rajouté par calcul à partir des t<strong>en</strong>sions<br />
mesurées, considérées comme des altitudes)
19/10/2003 8<br />
1.2 Discrétisation (1/3)<br />
Quelles cellules sont concernées par la<br />
• Grilles :<br />
• Carrée<br />
• Hexagonale<br />
• Triangulaire<br />
• (Résultat d’un calcul)<br />
• etc.<br />
numérisation d’un élém<strong>en</strong>t ?<br />
• Dim<strong>en</strong>sion :<br />
• 2D<br />
• 3D<br />
• 2D + temps<br />
• plus <strong>en</strong>core…
19/10/2003 9<br />
1.2 Discrétisation (2/3)<br />
320<br />
x<br />
240<br />
160<br />
x<br />
120<br />
80<br />
x<br />
60<br />
40<br />
x<br />
30
19/10/2003 10<br />
1.3 Quantification (1/6)<br />
Quelles valeurs mettre dans les cellules<br />
concernées par la numérisation d’un<br />
élém<strong>en</strong>t ?<br />
• Dép<strong>en</strong>d <strong>du</strong> nombre de couleurs différ<strong>en</strong>tes possibles<br />
• De la s<strong>en</strong>sibilité de l’appareil de numérisation<br />
• Des capacités <strong>du</strong> système de restitution (ex : écran,<br />
photo, impression, etc)<br />
• De la s<strong>en</strong>sibilité de notre œil
1.3 Quantification (2/6)<br />
Noir et blanc<br />
1 bit par pixel<br />
2 1 =2 couleurs possibles<br />
4 niveaux de gris<br />
16 niveaux de gris<br />
256 niveaux de gris ou 256 couleurs<br />
suffisant<br />
insuffisant<br />
16,7 millions de couleurs<br />
suffisant<br />
2 bits par pixel<br />
2 2 =4 couleurs possibles<br />
4 bits par pixel<br />
2 4 =16 couleurs possibles<br />
8 bits par pixel<br />
2 8 =256 couleurs possibles<br />
24 bits par pixel<br />
=16M couleurs possibles<br />
2 24 =16M couleurs possibles<br />
19/10/2003 11
19/10/2003 12<br />
1.3 Quantification (3/6)<br />
16<br />
illions<br />
128<br />
32 8
19/10/2003 13<br />
1.3 Quantification (4/6)<br />
• Bandes de Mach<br />
• Phénomène r<strong>en</strong>forcé par notre système visuel
19/10/2003 14<br />
1.3 Quantification (5/6)<br />
• Que faire lorsque les données à représ<strong>en</strong>ter sont plus<br />
détaillées que ce que l’œil est capable de discerner ?<br />
• Astronomie : plusieurs miliers de niveaux de gris numérisés<br />
contre seulem<strong>en</strong>t une vingtaines de visibles par un être humain<br />
moy<strong>en</strong>.<br />
• Imagerie satellitaire multimodale : photos prises au même<br />
instant <strong>en</strong> visuel, <strong>en</strong> infrarouge, <strong>en</strong> ultraviolet, etc.<br />
=> Vue <strong>en</strong> « fausses couleurs » ou perception partielle des valeurs.<br />
• Calcul de l’histogramme : diagramme donnant la<br />
fréqu<strong>en</strong>ce de chaque couleur dans l’image.
19/10/2003 15<br />
1.3 Quantification (6/6)<br />
Deux grandes technique de quantifications :<br />
• Encodage direct des valeurs dans chaque pixel de l’image<br />
(TrueColor).<br />
• Employé quand l’espace mémoire n’est pas un problème.<br />
• Encodage par plans séparés (channels(<br />
channels)<br />
• une image par composante (R, V et B).<br />
• Encodage des couleurs dans une Palette, , et indication <strong>du</strong><br />
numéro de la couleurs dans le pixel.<br />
• Employé pour t<strong>en</strong>ter de limiter la taille mémoire <strong>du</strong> codage ;<br />
• Employé lorsque peu de couleurs différ<strong>en</strong>tes sont mises <strong>en</strong><br />
œuvre.
19/10/2003 16<br />
NE PAS CONFONDRE :<br />
Discrétisation vs. Quantification
19/10/2003 17<br />
Tramage<br />
• Principe<br />
• Peu de couleurs et beaucoup de points : par exemple<br />
imprimantes, etc.<br />
• Mélanger des points de couleurs proches pour<br />
donner l’illusion que des couleurs intermédiaires<br />
sont prés<strong>en</strong>tes dans l’image.<br />
• Donne l’illusion que l’image conti<strong>en</strong>t plus de<br />
couleurs.<br />
• Plusieurs méthodes exist<strong>en</strong>t :
19/10/2003 18<br />
Tramage aléatoire<br />
• Très simple mais mauvais résultats visuels
19/10/2003 19<br />
Tramage régulier<br />
• Assez simple mais résultats visuels médiocre.<br />
• Plusieurs règles possibles : masque 2x2, , 3x3, etc.<br />
• Simple à mettre <strong>en</strong> œuvre électroniquem<strong>en</strong>t.
19/10/2003 20<br />
Tramage régulier<br />
• Assez simple mais résultats visuels médiocre<br />
• Plusieurs règles possibles : masque 2x2, 3x3, , etc.<br />
• Simple à mettre <strong>en</strong> œuvre électroniquem<strong>en</strong>t.
19/10/2003 21<br />
Tramage(s) à répartition d’erreur<br />
• Plus compliqué mais bons résultats visuels.<br />
• Beaucoups d’algorithmes différ<strong>en</strong>ts.<br />
• Le plus courrant est Floyd-Steinberg<br />
Steinberg.
19/10/2003 22<br />
Exemples : Floyd-Steinberg<br />
• Sur une image de<br />
taille complète,<br />
mais toujours<br />
dans le cas<br />
extrême où on n’a<br />
que deux couleurs<br />
noir et blanc.
19/10/2003 23<br />
Exemples : Floyd-Steinberg<br />
• Sur une image de taille complète <strong>en</strong> couleur.<br />
24 bits<br />
1,4 Mo<br />
256 couleurs<br />
BMP/RLE 453 Ko
19/10/2003 24<br />
Exemples : Floyd-Steinberg<br />
• Sur une image de taille complète <strong>en</strong> couleur.<br />
24 bits<br />
1,4 Mo<br />
128 couleurs<br />
BMP/RLE 443 Ko
19/10/2003 25<br />
Exemples : Floyd-Steinberg<br />
• Sur une image de taille complète <strong>en</strong> couleur.<br />
24 bits<br />
1,4 Mo<br />
64 couleurs<br />
BMP/RLE 431 Ko
19/10/2003 26<br />
Exemples : Floyd-Steinberg<br />
• Sur une image de taille complète <strong>en</strong> couleur.<br />
24 bits<br />
1,4 Mo<br />
32 couleurs<br />
BMP/RLE 421 Ko
19/10/2003 27<br />
Exemples : Floyd-Steinberg<br />
• Sur une image de taille complète <strong>en</strong> couleur.<br />
24 bits<br />
1,4 Mo<br />
16 couleurs<br />
BMP/RLE 220 Ko
19/10/2003 28<br />
Exemples : Floyd-Steinberg<br />
• Sur une image de taille complète <strong>en</strong> couleur.<br />
24 bits<br />
1,4 Mo<br />
8 couleurs<br />
BMP/RLE 216 Ko
19/10/2003 29<br />
1.4 Problème d’aliassage (1/2)<br />
• De l’anglais aliasing<br />
• Problème lors <strong>du</strong> passage <strong>du</strong> continu au discret<br />
• Une géométrie particulière : la géométrie discrète
19/10/2003 30<br />
1.4 Problème d’aliassage (2/2)<br />
• D’autres aliassages sont possibles sur le même<br />
principe lors d’une discrètisation :<br />
• Aliassage temporel : roues dans les films ;<br />
• Aliassage sonore : téléphone numérique ;<br />
• Lors d’un ré-échantillonnage<br />
échantillonnage d’image.<br />
• Règle physique : échantillonnage au moins au<br />
double de la fréqu<strong>en</strong>ce <strong>du</strong> signal à<br />
échantillonner.
19/10/2003 31<br />
1.5 Anti-aliassage<br />
• Sur-échantillonnage<br />
(quand cela est possible)<br />
• Filtrage dans le domaine spatial…
1.6 Convolutions<br />
• Transformation linéaire<br />
• Principe : pour chaque pixel, on remplace sa valeur p<br />
par p’ calculé avec la formule suivante :<br />
w 1<br />
w 4<br />
w 7<br />
w 2<br />
w 5<br />
w 8<br />
w 3<br />
w 6<br />
w 9<br />
p'<br />
=<br />
∑ wk<br />
× ( p +<br />
k<br />
∑<br />
k<br />
w<br />
k<br />
r<br />
v<br />
k<br />
)<br />
Masque de convolution de taille 3x3<br />
• D’autres tailles de voisinages (5x5, 7x7, etc) ) sont possibles…<br />
• Effet variable <strong>en</strong> fonction des valeurs des w k .<br />
19/10/2003 32
19/10/2003 33<br />
• Créer <strong>du</strong> flou<br />
1.6.1 Filtre passe-bas<br />
• Atténue les parasites <strong>en</strong> les étalant 1 2 1<br />
1<br />
2<br />
2<br />
4<br />
1<br />
2
19/10/2003 34<br />
1.6.2 Filtre passe-haut (1/2)<br />
• Améliore la s<strong>en</strong>sation de netteté<br />
• Mais r<strong>en</strong>force le bruit ! Exemple… -1 -1 -1<br />
-1<br />
-1<br />
-1<br />
16<br />
-1<br />
-1
1.6.2 Filtre passe-haut (2/2)<br />
19/10/2003 35
19/10/2003 36<br />
1.6.3 Filtres de Sobel<br />
• Sobel sur x : dérivée par rapport à x<br />
calcule<br />
f x<br />
'(<br />
x,<br />
y)<br />
≈ f ( x + 1, y)<br />
− f ( x,<br />
y)<br />
• Sobel sur y : dérivée par rapport à y<br />
calcule<br />
f y<br />
'(<br />
x,<br />
y)<br />
≈ f ( x,<br />
y + 1) − f ( x,<br />
y)<br />
• Permet de calculer un vecteur normal au<br />
contour : détection de contours<br />
-1<br />
-2<br />
-1<br />
-1<br />
0<br />
1<br />
0<br />
0<br />
0<br />
-2<br />
0<br />
2<br />
1<br />
2<br />
-1<br />
1<br />
0<br />
1
19/10/2003 37<br />
1.6.4 Autres traitem<strong>en</strong>ts…<br />
• De très nombreux filtres<br />
• La plupart ne sont pas linéaires :<br />
Nagao, , médian, etc.<br />
• Filtrage dans le domaine fréqu<strong>en</strong>tiel<br />
• Transformée de Hough (reconnaissance de<br />
droites, de cercles)
19/10/2003 38<br />
Des questions ?