Cours1 Alain M2R Traitement d Images

download Cours1 Alain M2R Traitement d Images

of 42

Transcript of Cours1 Alain M2R Traitement d Images

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    1/42

    Introduction

    au traitement dimages

    1

    Christophe Cudel, Bruno Colicchio, Alain Dieterlen

    Groupe LAB.EL, Laboratoire MIPS

    Universit de Haute Alsace,

    Mulhouse, France

    UE Traitement dImages

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    2/42

    2

    Contenu du cours

    Introduction au traitement des Images (2h)

    Prtraitements Filtrage (4h C.Cudel) Restauration (4h B.Colicchio)

    Dtection de rgions, segmentation (4h C.Cudel)

    .

    Projet et examen

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    3/42

    3

    Petit Historique de la photographie

    1816 Niepce peut tre considr comme lun des inventeurs de la

    photographie en permettant de fixer la lumire des chlorures dargent

    par de lacide nitrique. Image en ngatif temps de pose de 8h.

    1834 Naguerre met au point un processus avec liodure dargent, leDaguerotype qui rduit le temps dexposition 2 minutes.

    1889 Eastman produit le premier support souple et transparent sous la

    forme dun ruban de nitrate de cellulose. 1907 Les frres lumires mettent au point un procd appel

    Autochromes Lumires.

    1963 Apparition du premier Polaroid couleur.

    1990 Naissance du premier appareil photo numrique sans film.

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    4/42

    4

    Petit Historique du traitement dimages 1950-70 Des premires images leur traitement

    les premires analyses d'images dans les chambres bulles

    Trois domaines dominants : Restauration, Amlioration (image "belle"), Compression

    1970-80 Du traitement l'interprtation d'images

    Extraction automatique d'informations: Notion de description structurelle.

    Des nouveaux thmes : seuillage, segmentation, extraction de contours, morphologiemathmatique (pour les images binaires), ...

    La vision par ordinateur (1980 - ) :

    De l'image 2D aux modles tri-dimensionnels

    Analyse du mouvement: Vision pour la robotique (mouvement, 3D, dtectiond'obstacle, trajectoire).

    Et maintenant...

    Un nouvel lan : les bibliothques numriques Acquisition (du papier ou de la vido vers le numrique) Reprsentation (quel codage ?) Transmission (codage et rseaux) Accs (Indexation/Recherche)

    Plus proche de l'analyse d'images pour l'interprtation (pour rechercher)

    A lUHA : Laboratoire MIPSApplications: Biologie, Environnement, Chimie, Textile, Automobile.

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    5/42

    5

    Traitement dimage et vision

    Contenu du cours

    Introduction au traitement

    des Images

    Prtraitements Filtrage

    Restauration

    Dtection de rgions,

    segmentation

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    6/42

    6

    Place du traitement dimages

    Dans notre vie

    Grand public

    Mdical

    Imagerie Arienne

    Robotique

    Analyse Cinma

    Dans lindustrie

    Contrle de processus, dequalit

    Dans le monde de la recherche

    Nouveaux outils.

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    7/42

    7

    Plan: Introduction au traitement dimages

    1. Formation des images et Calibration

    2. Numrisation: Images N&B et couleurs

    3. Formats dimages

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    8/42

    8

    1.Principes de base des capteurs dimages

    Utilisation de leffet photolectrique : Electrons librs => charge leve fonction de la lumire

    Charge convertie par un convertisseur A / N

    limage est une matrice de pixels

    Il existe actuellement essentiellement deux types decamras (matrice de photosites) :

    CCD pour Charge Coupled Device

    CMOS pour Complementary Metal Oxide Semiconductor

    Pour la couleur mono CCD (3filtres entrelacs - 3X) ou tri CCD

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    9/42

    9

    1.Modlisation dune camra

    La camra est dcrite par un modle de projection perspectiveou modle de stnop dit Pinhole .

    Deux transformations sont ncessaires: Une projection perspective qui transforme un point de lespace 3Den un point de limage 2D. Une transformation dun repre mtrique li la camra un repre

    pixel li limage.

    Pour la mtrologie: Calibrer le capteur : trouver la relation gomtrique entre lespixels et les points de lespace. Imprcision due la nature discrte du capteur et loptique.

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    10/42

    10

    1.Projection perspective

    =

    =

    110/100

    0100

    0010

    0001

    '

    '

    '

    z

    y

    x

    Pz

    y

    x

    fw

    wz

    wy

    wx

    (u,v) li limage 2DPlac une distance focalefO lintersection : axe optique et plan image

    (u0,v0) les coordonnes de O dans le plan image

    B de coordonnes (x, y, z) (repre camra), (x,y,z) coordonnes de la projection b de B

    zxfx ='

    z

    yfy ='

    fz='Si lon pose w=z/fet en adoptant les coordonnesdites homognes qui consistent rajouter une quatrime composante gale 1

    (X, Y, Z) li la camra

    Z est confondu avec laxe optiqueF le centre optique : centre de projection

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    11/42

    11

    1.Transformation camra/image

    Dans le plan image (u,v) en pixels

    ukvk

    ( )000 ,, wvu Coordonnes du point F, dans le repre image

    Facteurs dchelle horizontal et vertical

    en pixels/mm (pixels non carrs)

    +

    =

    0

    0

    0

    '

    '

    '

    100

    010

    001

    000

    00

    00

    w

    v

    u

    z

    y

    x

    k

    k

    w

    v

    u

    v

    uCette transformation affine reprsente:Un changement dchelleUne rotationUne translation

    Transformation du repre camra

    au repre image pour le point b :

    w = 0, la troisime ligne peut tre ignore,s un facteur arbitraire (matrices homognes):

    =

    =

    1'

    '

    '

    1'

    '

    '

    1000

    00

    00

    10

    0

    z

    y

    x

    K

    z

    y

    x

    vk

    uk

    v

    u

    s v

    u La transformation reprsenteune application linaire

    de lespace projectif vers le plan projectif

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    12/42

    12

    1.Paramtres intrinsques et extrinsques

    ov

    z

    yfk

    ovykv

    ou

    z

    xfk

    ouxku

    vv

    uu

    +=+=

    +=+=

    '

    '

    En multipliant les matrices K et P nous obtenons lquation du modle gomtrique de la camra

    =

    1010000

    00

    10

    0

    z

    y

    x

    v

    u

    v

    u

    s

    fku = fkv =+s

    =

    10100

    0010

    0001

    100

    0

    0

    1z

    y

    x

    ovo

    u

    v

    u

    s

    [ ]MTRAms ~~ =[ ]Tvum 1,,~ =[ ]TZYXM 1,,,~ =

    Le produit est dcompos en :une matrice intrinsque [A]

    une matrice extrinsque [R T]

    La relation entre un point M (3D) dans le repre de la mireet sa projection dans limage m (2D) est:

    =

    =

    1

    0/100

    0/0

    0/0

    10/100

    0100

    0010

    0001

    1000

    00

    00

    10

    0

    0

    0

    z

    y

    x

    f

    fvk

    fuk

    z

    y

    x

    f

    vk

    uk

    v

    u

    s v

    u

    v

    u

    En multipliant les coefficients de la matrice homogne parf

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    13/42

    13

    1.Calibrage dune camra

    La dtermination de lorientation dun objet parrapport une camra se ramne la dterminationdes paramtres intrinsques et extrinsques.

    [ ]MTRAms ~~ =

    La connaissance de lobjet est ncessaire.

    Lobjet souvent retenu est un chiquier, ilest facile dy dtecter des points danslimage (intersection des cases noires etblanches) et cest un objet bidimensionnel.

    Applications : Mosaquage, vision 3D (stro), mtrologie 2D et 3D

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    14/42

    14

    2.Numrisation

    Acquisition de limage

    Passage de lAnalogique au Numrique

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    15/42

    15

    2.Deux familles dimages

    Image Vectorielle Entits gomtriques

    Reprsents par desquations mathmatiques

    Traduction par leprocesseur pour la carte

    graphique

    Image Bitmap Images pixellises

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    16/42

    16

    2.Image Vectorielle

    Transformation gomtrique simpleImage dfinie avec peu dinformations

    Toute image ne peut pas tre redue vectoriellement

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    17/42

    17

    2.Image Bitmap

    Apparition de pixellisation (aliasing)donc de distorsions

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    18/42

    18

    Avantages et inconvnients

    grandepetiteTaille Mmoire

    sensibleinsensibleRedimensionnement

    (scanner, appareil photo,)difficile

    (reconnaissance des formes)facile

    Modification

    faciledifficileAcquisition

    Logiciel de retouche dimageLogiciel de dessinCration

    Image matricielleImage Vectorielle

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    19/42

    19

    image relle

    numriseurs

    camra numrique

    scanner

    2.Numrisation

    Numrisation = chantillonnage + Quantification

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    20/42

    20Stockage

    Visualisation

    0 1 2 3 4 5 6 7

    1 Pixel

    0

    1

    5

    5

    7

    0

    2 3 4

    6

    7

    5

    6

    0 5

    5 7 6 0 61 7 5

    0

    1

    2

    3

    1

    1

    1 2 3

    2 1 2

    1 0 1

    0 4

    4

    5

    3

    2

    2

    3

    3 3 5

    1

    2

    1

    0

    2 2

    6 6 4 3 35 6 5 4 5

    5

    2

    0

    7

    2 4

    3 5

    1 2

    0

    0

    7

    0

    6 7

    1 1

    2 3

    6

    0

    5

    5

    0

    6

    1

    4 7

    5 2 6

    6 4 4

    Quantification

    0 1 2 3 4 5 6 7

    1 10

    1 pixel (3 bits)

    codagebinaire

    2.Numrisation : chantillonnage spatial

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    21/42

    21

    Largeur (nombre de colonnes)

    Hauteur(nombre de lignes)

    Rsolution

    Taille de l image (ou poids de limage)

    = Largeur Hauteur (octets) niveaux de gris0

    255

    640 480 octets = 307.200 octets = 8 307.200 bits = 2.457.600 bits

    2.Image N&B : Numrisation

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    22/42

    22

    2.Image : Rduction de la rsolution

    140 X 120 70 X 56

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    23/42

    23

    2.La couleur

    Deux types de synthse de couleur:

    Aspect frquentielSpectre

    Sensibilit de loeil:380nm 780nm

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    24/42

    24

    S1

    filtre 1

    filtre 2

    S2

    S3

    filtre 3

    2.Couleur : Synthse additive

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    25/42

    25

    2.Couleur: synthse soustractive

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    26/42

    26

    Synthse additive Synthse soustractive

    Tlvision

    Ecran d ordinateur

    Imprimante

    Peinture

    2.Couleur: choix du type de synthse

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    27/42

    27

    BLEU

    VERT

    ROUGE

    CYAN

    JAUNE

    MAGENTA

    NOIR

    BLANC

    (0,0,0)

    (255,255,255)

    (0,255,255)

    (255,255,0)

    (0,255,0)

    (255,0,0)

    (0,0,255)

    (255,0,255)

    (130,236,188)

    (243,115,30)

    (25,25,25)

    Systme RVB (RGB)

    Au total, vous avez 256 256 256 = 2563 = 16.777.216 couleurs !!!

    255 255 255

    ROUGE VERT BLEU

    0 0 0

    Intensits de 3 couleurs primaires

    2.Couleurs: reprsentation

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    28/42

    28

    = ++

    ROUGE VERT BLEU

    2.Couleurs: exemple de synthse additive

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    29/42

    29

    Ngatif - Couleurs Complmentaires

    =

    J

    M

    C

    B

    V

    R

    255

    255

    255

    2.Couleurs

    2 C l i

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    30/42

    30

    Systme TSL (HSL) TEINTE (Hue):Dfinir la couleur souhaite par

    une valeur angulaire (0 - 360):

    ROUGE 0 JAUNE 60

    VERT 120 CYAN 180BLEU 240 MAGENTA 300

    SATURATION (Saturation):

    Mesure la puret des couleurs.

    Le pourcentage de couleur pure parrapport au blanc.

    Couleur la plus dlave 0%

    Couleur la plus vive 100%

    LUMINANCE (Luminance):Dfinir la part du noir ou du

    blanc dans la couleur slectionne

    par une valeur de pourcentage.

    Couleur la plus sombre 0%

    Couleur la plus claire 100%

    2.Couleurs: reprsentation

    2 C l l i d d i

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    31/42

    31

    R V B T S L255 0 0 0 100% 100%

    255 255 0 60 100% 100%

    255 255 255 0 0% 100%128 128 128 0 0% 50%

    128 56 180 275 69% 71%

    128 200 5 82 98% 78%

    0 0 0 0 0% 0%

    2.Couleur: relation des systmes de reprsentation

    Autres codages possibles:

    Le codage CMYK.Le codage CIE.Le codage YUV.Le codage YIQ.

    3 F t di

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    32/42

    32

    3.Format dimages

    Vous avez peut-tre dj entendu parler de :JPEG, JPEG2000, PNG, GIF, TIFF, BMP, XMP, SunRaster, Targa, FITS, PM, .

    Qu'est-ce qui les caractrise ?

    Caractristiques principales intrinsques un format :

    Le statut par rapport aux brevets : formats libres et certains "propritaires" (GIF).

    Le nombre de couleurs supportes

    La compression des donnes :compressions sans pertes, et compressions avec pertes (JPEG).

    Transparence : une des couleurs de la palette peut tre ignore lors de l'affichage

    Entrelaage : affichage dune version basse rsolution raffine au fur et mesure du chargement.

    Animation : films, visualisation 3D

    Les usages ! ! Internet ? archivage ? calcul scientifique ?

    3 F t d i E l

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    33/42

    33

    3.Format des images: Exemples

    2.3 Mo1.5 Mo768 Ko96 Ko1024x768

    1.4 Mo937.5 Ko468.7 Ko58.6 Ko800x600900 Ko600 Ko300 Ko37.5 Ko640x480

    187.5 Ko125 Ko62.5 Ko7.8 Ko320x200

    True color(24 bits)65000couleurs(16 bits)

    256couleurs(8 bits)

    Noir etblanc(1 bit)

    Dfinitionde l'image

    Stockage des images:

    Sans Compression BMP

    Avec Compression GIF

    Au Choix TIFF

    Dfi iti d t d d

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    34/42

    34

    Bloc de donnes Informations (entte)

    Taille

    Localisation des donnes Type de Donnes 8 16 bits

    Codage

    Informations utiles pour le post-traitement : informations sur les donnes (taille, type, mode)

    informations sur les conditions dacquisition :

    caractristiques du capteur caractristiques de lchantillon tudi

    caractristiques optiques de lacquisition

    Dfinition du contenu des donnes

    Les formats de fichiers images

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    35/42

    35

    Les formats de fichiers images

    Les formats usuels de fichiers dimages le BMP (Windows Bitmap Format)

    le GIF (Graphics Interchange Format) le JPEG (Joint Photographic Experts Group)

    le TIFF (Tagged-Image File Format)

    le RAW (un-encoded pixel Data)

    Formats structure Fixe

    Format modulable (par Tags)

    Formats structure Fixe

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    36/42

    36

    Entte Bloc de donnes Informations supplmentaires en fin de fichier

    .PIC de Biorad (TM)

    .raw ou .psf de XCOSM

    .spe de Winview

    Formats structure Fixe

    Format modulable (par Tags)

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    37/42

    37

    .TIFF

    .STK de Metamorph(Stack File Format)

    Format modulable (par Tags)

    Entte Bloc de donnes Informations sous

    forme de tags,

    indiques par unoffset

    Format modulable (bas sur une structure fixe)

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    38/42

    38

    Format modulable (bas sur une structure fixe)

    Entte par bloc de 4096 octets Bloc de donnes Les informations sont inscrites sous forme de texte

    .AVW et .mmap (traitement dimages 3D AnalyzeAVW)

    Type de structureType de

    fichierAvantages Inconvnients

    PIC

    - facilit de lecture- les infomations essentielles se

    trouvent dans lentte-

    - pas de possibilts de rajouter descommentaires

    -

    XCOSM- facilit de lecture- structure de lentte fixe

    - pas de possibilits de rajouter descommentaires

    -

    Formats structure

    fixe ( entte + bloc

    de donnes)

    .SPE

    (WinView)

    - facilit de lecture

    - structure de lentte fixe

    - pas de possibilits de rajouter des

    commentaires- format trs spcifique son logicieldacquisition

    TIFF

    - format le plus modulable- possibilits dajouter des tags- fichiers trs rpandus, donc

    pratiquement tous les logiciels detraitement sont capables de lire lesfichiers tiff.

    - format relativement difficile lire et crire, cela est d sa structure.(tags + offsets)

    STK

    - format driv du tiff, donc trs

    modulable.- Contient des tags spcifiques,

    facilitant la lecture du fichier

    - tout comme le tiff, ce type de fichier

    est relativement difficile lire et crire.

    Formats structure

    en tags (entte +

    bloc de donnes +tags), format trs

    modulable

    .RAW

    (Cellscan)

    - format driv du tiff- Contient des tags spcifiques,

    facilitant la lecture du fichier

    - format relativement difficile lire et crire

    - format trs spcifique son logicieldacquisition

    Format structure

    fixe (entte(s) +

    bloc de donnes) et

    modulable

    AVW

    - facilit de lecture- facilit de rcriture- commentaires sous forme de texte

    - possibilits de rajouter descommentaires par bloc de 4096octets

    - format peut connu des logiciels detraitement dimage

    3 Format des images: Exemples

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    39/42

    39

    Formats de numrisation : RAW, FAX, TIFF

    Formats daffichage graphique point pointou bitmap GIF, BMP, etc

    Formats de tra vectoriel : DRW, DXF, HGL,selon logiciel

    Formats darchivage et de compression JPEG, MPEG,

    N octets : entte Squence de pixels

    - Nombres de lignes et de colonnes- Nombre de bits par pixel, organisation- Type de compression

    + packbits, RLC+ statistique, type CCITT groupe 3 ou 4+ par substitution, type LZW

    3.Format des images: Exemples

    3 Format des images: GIF

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    40/42

    40

    Format GIF (Graphics Interchange Format)

    Statut libre : sous brevet Unisys

    Nb. couleurs : 256 couleurs avec paletteCompression avec perte : Compression sans perte

    Transparence : Possible

    Entrelaage Support :L'entrelaage fait que les images ont en gnral un poidsen octets plus important que celles dont les donnes nesont pas entrelaces

    Animation : Oui

    Usages Adapte aux images de type logos, ou tout ce qui contient peu denuances de couleurs et avec des transition de couleurs brusques.

    Ce format est trs utilis sur Internet.

    3.Format des images: GIF

    3 Format des images: JPEG

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    41/42

    41

    Format JPEG (Joint Photo Expert Group)

    Statut libre

    Nb. couleurs : 16 millions (vraies couleurs)Compression avec perte : Le taux de compression peut varier de1% (meilleure qualit) 99% (moins bonne qualit).

    Transparence : Non

    Entrelaage Support : La visualisation de l'image s'effectue d'abord trs faiblequalit (faible encombrement) puis la qualit augmente aufur et mesure des passages jusqu'a atteindre la qualitoptimale de l'image.

    Animation : Non

    Usages Adapt aux images "naturelles" avec des grands dgrad decouleurs.

    Beaucoup utilis sur Internet pour sa taille mmoire rduite.

    3.Format des images: JPEG

  • 8/2/2019 Cours1 Alain M2R Traitement d Images

    42/42

    Fin de la premire partie

    Prochain RDV:

    Lundi 14 et 21, Christophe Cudel