TI: Traitement d'images

Le module Traitement d'Images se déroule durant 12 semaines, chaque séance comportant 2 heures de cours/travaux dirigés, puis 2 heures de travaux pratiques. Les supports de cours, travaux dirigés et travaux pratiques sont pour la plupart disponibles ci-dessous.

Quelques références bibliographiques :

  • D. Lingrand, Introduction au traitement d'images, Vuibert 2004 et 2008 (2ème éd.), disponible à la B.U.
  • R. Bouillot, Cours de photographie numérique et Cours de traitement numérique de l'image , Dunod 2003 et 2005, disponibles à la B.U.
  • G. Burel, Introduction au traitement d'images - Simulation sous Matlab, Lavoisier 2001, disponible à la B.U.
  • W. Burger & M.J. Burge, Digital Image Processing - An algorithmic introduction using Java, Springer 2008.

Semaine 1: Formation physique de l'image (Benjamin Mathon).

Relation entre image et énergie lumineuse, de la source au capteur :

Aide-mémoire ti-semaine-1-aide-memoire-Scilab.pdf]

Ressources en imagerie multispectrale :

  • Réflectance d'une mire Macbeth et logiciel de visualisation : gerbil (lancer qgerbil.exe puis sélectionner CDREF31_21macbethCC.raw)
  • Pourquoi le ciel est bleu et le Soleil jaune ? Une vidéo Youtube de Bruce Benamran (e-penser) qui illustre les phénomènes de réflexion/diffusion/réfraction des rayons lumineux

Semaine 2: Optique géométrique et caractéristiques des objectifs (BM).

Rappel des principes de l'optique géométrique, sténopé, caractéristiques des objectifs :

Ressources (démos Geogebra) :

polycopié sur la [[Attach:ti-semaine-2-projection.pdf|projection perspective]], , énoncé de TP sur la [[Cours.TI-semaine-2-projection|projection perspective]].

Semaine 3: Discrétisation & Capteurs (Jérémie Boulanger).

Échantillonnage spatial, résolution, image échantillonnée, quantification des niveaux de gris, capteur, conversion :

Démonstrateur pour l'échantillonnage spectral:

  • Fichier python: multispectral (python multispectral.py <nom_image>)
  • Images d'exemples: lien

Semaine 4: Transformations & Histogramme (JB).

Modification des niveaux de gris, transformations ponctuelles, LUT, analyse statistique et histogramme, égalisation d'histogramme :

Démonstrateur python pour le seuillage:

  • Fichier python: seuillage (python threshold.py <nom_image>)

Semaine 5: Transformée de Fourier d'une image (JB).

Transformée de Fourier d'une fonction continue, analyse fréquentielle d'une image discrète:

Démonstrateur python pour les propriétés de la transformée de Fourier:

Semaine 6: Transformée de Fourier d'une image discrète (JB).

Cours et TP:

Démonstrateur python pour les propriétés de la transformée de Fourier:

Semaine 7: Convolution - Filtrage passe-bas, passe-haut (Benjamin Mathon).

Convolution, filtrage passe-bas, filtage passe-haut, gradient, opérateurs de dérivation :

Semaine 8: Tatouage numérique - Digital Watermarking (BM).

Tatouage numérique : insertion imperceptible et robuste d'un message dans un contenu multimédia. Notions de distorsion, robustesse et sécurité. Liens avec la cryptographie et la stéganographie. Méthodes de tatouage par étalement de spectre et par quantification :

!!Semaine 8: Gradient – Opérateurs de dérivation (BM). Diapositives du [[Attach:seance8-gradient.pdf|cours]]. Énoncé de TP sur la [[Attach:gradient_tp8.pdf|classification d'images par analyse de la direction du gradient]], sous ImageJ et [[Attach:tp8_gradient.zip|archive]] contenant tous les éléments nécessaires pour le TP.

Semaine 9: Détection de contours par approches du premier ordre (Olivier Losson).

Notion de contour et caractérisation des points contours, rappels sur le gradient, recherche des maxima locaux, seuillage local par hystérésis :

Semaine 10: Détection de contours par approches du second ordre (OL).

Dérivée seconde directionnelle et Laplacien, sensibilité au bruit et opérateurs LoG et DoG, détection de contours multi-échelles, fermeture des contours :

Semaine 11: Formation des images couleur et dématriçage (OL).

Acquisition et formation des images couleur : 1CCD/3CCD, matrices de filtres couleur (CFA) ; dématriçage des images CFA en images couleur :

Semaine 12: Compression d'images (OL).

Compression d'images : compression sans perte (codages RLE et de Huffman), compression avec perte (transformation en cosinus discrète et JPEG) :