Bibliographie & annexes
Présentation
En anglais
RÉSUMÉ
Le traitement des images est l'ensemble des techniques permettant d'extraire des informations depuis des images numériques. Si la référence à la perception visuelle humaine est importante, l'objectif reste néanmoins d'automatiser des tâches de filtrage, de segmentation et d'analyse afin d'éviter toute intervention manuelle. Dans cet article, les bases du traitement et de la manipulation des images sont rappelées, ce qui introduit les notions importantes liées à la reconnaissance de motifs et de formes utilisées dans les systèmes optroniques en lien avec le monde militaire, et plus généralement le monde de l'imagerie réalisée sur des processeurs embarqués.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
Image processing is the set of techniques used to extract information from digital images. If the human reference, by its visual perception, is important, the objective remains nevertheless to automate the tasks of filtering, segmentation and analysis to avoid any manual intervention.In this article, the basics of image processing and manipulation are recalled, in order to introduce the important notions related to pattern matching and shape recognition used in optronic systems related to the military world and more generally to the world of embedded image processing.
Auteur(s)
-
Yann GAVET : Professeur - École Nationale Supérieure des Mines de Saint-Étienne et UMR CNRS LGF 5307, - Saint-Étienne, France
INTRODUCTION
Le traitement des images est un domaine à la convergence des mathématiques (pour fixer les bases des traitements), de la physique (pour comprendre les principes de l’acquisition), de l’informatique (pour automatiser les traitements), et des sciences étudiant la perception visuelle humaine (car elle reste notre référence et objectif ultime en terme d’analyse). Ce domaine a fortement bénéficié des évolutions en matière d’électronique, de capacité de calculs et de moyens d’acquisitions, ainsi qu’en matière de transmissions des informations, avec des débits aujourd’hui très importants. C’est un lieu commun de dire qu’il y a des images partout, générées par des capteurs plus ou moins résolus, et pour tous les usages : téléphones, ordinateurs, voitures, caméras de surveillance, satellites, salles d’opérations médicales…
D’un point de vue du chercheur, le terme optronique associé au traitement des images est vu désormais comme obsolète, car les méthodes du domaine sont applicables quel que soit le contexte ou le domaine considéré. Néanmoins, il existe encore certains métiers pour lesquels ce vocabulaire est important : celui du monde militaire, et celui du monde de l’informatique embarquée. Cet article présente donc un condensé du traitement des images, avec tout d’abord des notions généralistes sur le filtrage et la manipulation des images, puis les approches liées au domaine fréquentiel, et les techniques de segmentation. Enfin, un développement plus important est effectué sur les techniques de reconnaissance des formes avec les clés pour comprendre les détecteurs de points d’intérêts et les calculs de descripteurs, servant de base désormais à de nombreuses opérations comme le recalage d’images, le suivi de cible, la reconnaissance de motifs.
Cet article constitue un point d’entrée sur les bases des traitements et ne se veut en aucun cas exhaustif. Il est rédigé afin de servir de référence pour approfondir ces différents sujets. Cependant, les méthodes classiques sont souvent les plus adaptées dans le cas de processeurs légers avec des capacités de calcul réduites, et des contraintes de consommation d’énergie fortes, et il est donc tout à fait probable de les retrouver dans des matériels qui font l’objet de développements actuels.
L'expertise technique et scientifique de référence
KEYWORDS
image processing | keypoints detectors | descriptors
VERSIONS
- Version archivée 1 de juin 1996 par Thierry FERRÉ
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Technologies de l'information > Le traitement du signal et ses applications > Traitement du signal : bases théoriques > Traitement d’images optroniques > Rehaussement et restauration
Cet article fait partie de l’offre
Optique Photonique
(221 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Segmentation et analyse
En anglais
2. Rehaussement et restauration
Le rehaussement et la restauration sont deux approches de traitements qui permettent d’améliorer l’apparence des images. Il n’y a pas de différence fondamentale dans ces traitements, mais s’il fallait en faire une, elle serait : dans le premier cas, l’objectif est d’obtenir une amélioration visuelle (il n’y a pas forcément de modification majeure de l’information, c’est d’abord une nouvelle interprétation) ; dans le second, il s’agit de supprimer des éléments (du bruit) pour en reconstruire de nouveaux. Ce paragraphe débute avec les approches réalisées dans le domaine classique (qualifié de spatial) par opposition aux approches suivantes, réalisées dans le domaine fréquentiel (domaine dit de Fourier).
2.1 Approche spatiale
Les opérations de rehaussement les plus simples sont des transformations d’intensités. Elles s’observent sur les histogrammes, et elles ont pour objectif d’améliorer le contraste et la dynamique d’une image pour laquelle l’histogramme n’utilise qu’une plage restreinte de la dynamique maximale. Ainsi, l’étirement d’histogramme est une opération linéaire sur les intensités, qui permet de ramener l’intensité minimale de l’image à 0 (le noir), et l’intensité maximale M − 1. Les opérations d’égalisation et d’adaptation d’histogramme permettent d’appliquer une certaine répartition des intensités à l’image (figure 4). Dans le cas de l’égalisation, la nouvelle répartition sera uniforme, alors que dans le cas de l’adaptation d’histogramme, c’est la répartition d’une autre image qui sera utilisée.
HAUT DE PAGE2.1.2 Filtres linéaires par convolution
Les filtres linéaires sont des combinaisons linéaires des intensités des pixels se situant dans une fenêtre autour du pixel considéré. Ces filtres sont très classiques et faciles à mettre en œuvre par...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Optique Photonique
(221 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Rehaussement et restauration
BIBLIOGRAPHIE
-
(1) - BUADES (A.), COLL (B.), MOREL (J.-M.) - A non-local algorithm for image denoising. - 2005 IEEE computer society conference on computer vision and pattern recognition (CVPR’05). T. 2. Ieee, p. 60-65 (2005).
-
(2) - SOILLE (P.) - Morphological Image Analysis : Principles and Applications. - Springer-Verlag New York, Inc. (2003).
-
(3) - HE (K.), SUN (J.), TANG (X.) - Guided image filtering. - IEEE transactions on pattern analysis and machine intelligence 35.6, p. 1397-1409 (2012).
-
(4) - DABOV (K.), FOI (A.), KATKOVNIK (V.), EGIAZARIAN (K.) - Image Denoising by Sparse 3-D Transform-Domain Collaborative Filtering. - IEEE Transactions on Image Processing 16.8, p. 2080-2095. ISSN : 1941-0042. DOI : 10.1109/TIP.2007.901238 (2007).
-
(5) - COOLEY (J.W.), TUKEY (J.W.) - An Algorithm for the Machine Calculation of Complex Fourier Series. - English. Mathematics of Computation 19.90, p. 297-301. ISSN : 00255718. URL : http://www.jstor.org/stable/2003354 (1965).
- ...
DANS NOS BASES DOCUMENTAIRES
ANNEXES
Il existe de nombreux logiciels pour répondre à des besoins en traitement d’images. Le langage Python étant relativement facile d’accès, voici quelques outils libres qui permettent de démarrer très facilement dans toutes les techniques présentées.
OpenCV, langages Python et C++, logiciel libre, https://opencv.org. Performances poussées, utilisable également sur plateformes embarquées.
Scikit-Image, langage Python. https://scikit-image.org/. Idéal pour prototypage simple, et plus facile d’accès que OpenCV.
Scikit-learn, langage Python. https://scikit-learn.org/. Machine learning en python, très bien documenté.
HAUT DE PAGE
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Optique Photonique
(221 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
