Bibliographie & annexes
Présentation
English
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’articleAuteur(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
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 > Représentation des données d’images
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
Rehaussement et restauration
English
1. Représentation des données d’images
1.1 Objectif du traitement des images
Depuis la première photographie réalisée en 1827 par Nicéphore Niépce, les techniques d'acquisition et de manipulation des images n'ont cessé de progresser.
Les images sont issues de la fixation sur un support d’un rayonnement (au sens large) provenant d’une scène observée : la lumière visible pour la photographie, les rayons X pour les scanners, les ultrasons pour les radars et les échographies, les infrarouges pour la thermographie, etc. La numérisation de ces informations passe par des processus identiques :
-
observation de la scène,
-
discrétisation de la scène, aussi appelée échantillonnage,
-
discrétisation de l’intensité perçue, aussi appelée quantification de l’information.
En fonction du système d’observation (optique, capteur, conditions externes de l’observation) [R 6 733], la scène est donc déformée pour être traduite en une matrice de valeurs numériques, et stockée en mémoire du système de traitement. Ces valeurs sont donc associées à un type de données (informatiques, codées sur un nombre fini d’octets), et donc à un nombre maximum d’échantillons (cas des entiers) ou à une précision dans les valeurs (cas des nombres à virgule flottante). La dimension de cette matrice dépend du système. En général, une distinction est faite entre les dimensions du support spatial de l’observation (2 dimensions dans les cas des photographies, 3 dimensions pour un scanner médical à rayons X, par exemple) et le nombre de canaux (1 canal pour une image à niveaux de gris, 3 canaux pour une image en couleur, plusieurs dizaines ou centaines de canaux dans le cas d’images multi-spectrales). Enfin, une dimension particulière peut être ajoutée lorsqu’il s’agit de faire varier le temps lors de l’acquisition, produisant ainsi des vidéos. Une fois les données acquises, les opérations de traitement d’images consistent à filtrer (§ ...
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
Représentation des données d’images
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
