1 traitement numérique des images objectifs : amélioration, élimination du bruit, rehaussement du...
TRANSCRIPT
1
traitement numérique des images
objectifs :amélioration, élimination du bruit, rehaussement du contraste, visualisation transmission stockage compression et reconstructiondétection, analyse, reconnaissance (théorie de la décision, intelligence artificielle
méthodes de base à partir desquelles de nombreuses adaptations :filtrage, convolution, analyse fréquentielle (Fourier) à deux dimensionsextension des méthodes monodimensionnelles
décomposition de l’image en régions stationnaires séparées par des contours caractérisés par leur pente, leur courbure faible et leur discontinuités ainsi que par leurs intersections (points caractéristiques)
domaines d’application : dès qu’on dispose d’une image et qu’on souhaite en extraire une information : transmissions numériques, robotique, automatisation des tâches, télédétection, imagerie médicale, assistance à l’opérateur, ...
2
évaluation :
présence active pendant les cours
travaux dirigés : présence et travail réalisé en 12 semaines rapport écrit et présentation en fin de semestre
soit vous proposez un sujet qui vous intéresse soit vous traitez
détection de la pupille et de l’iris dans une image d’œil ou décomposition d’une image en régions et contours (simulation d’un vitrail)
examen écrit portant sur les aspects mathématiques théoriques les méthodes et les algorithmes
contrôle continu :
3
http://graphics.ucsd.edu/~neel/dissertation/chapter1.pdf
One of the oldest surviving photographs. This image is believed to be the second photograph ever taken and the first using a camera.
[View from theWindow at le Gras, Joseph Nicéphore Niépce 1826]
1822 contact
4
exemple de problème (difficile) : compenser un bougé ou un flou
5
TRAITEMENT NUMERIQUE DES IMAGESJ. Le Roux, SI 4/ MAM 4 Fév.- Mai 2012
1. Introduction à l’image numérique exemples de problème : l’amélioration d’images2. Filtrage convolution 2D (liens avec l’optique) Analyse en fréquence ; échantillonnage3. Contours, Régions4. Tomographie, imagerie médicale5. Reconnaissance d’images6. Divers problèmes d’analyse d’image télédétection remote sensing biométrie analyse d’images et robotique
6
1. Introduction à l’Image Numérique
Objectifs du coursIntensité, quantification ; couleursEchantillonnage (pixels) ; Exemple de pb : la rotation d’imagesListe de problèmes
Compression images fixes animéesAmélioration d’images LissageReconnaissance de formesImagerie satellitaire Images médicales
* représentation en perspective de l'intensité (bien voir les difficultés sur l'amplitude du signal) * il faut bien formaliser ce qu'on veut obtenir et modifier les méthodes académiques en conséquence si cela est nécessaire
7
2. Filtrage convolution 2D Analyse en fréquence ; échantillonnage Convolution (liens avec l’optique)
Sinusoïdes 2D orientation basses fréquences hautes fréquences
Transformée de Fourier 2D propriétés
Théorème de Shannon ; limitations en traitement d’images Gibbs, Franhaufer Airy
Transformée de Fourier discrète Transformée en cosinus (Compression jpeg)
la célèbre Lennaicône du traitement d’images ...
8
3. Contours Régions Les difficultés * les détections de contours et les segmentations en région ne sont en général pas très performantes Que faire quand le résultat est décevant ? Faut il fermer les contours ? et isoler les régions ? attention aux objectifs à atteindre dans le problème posé
•Morphological image processing•SquelettisationRégions et texture Bruit de fond snakesLissage Amélioration d’images préservant les contours
9
4. Stéréovision, Tomographieimagerie médicale détection de points caractéristiques appariement de points (stéréo, séquence vidéo)Vision stéréographique, profondeurInterférences vision en relief holographie * Medical image processing * Microscope image processing
www-physique.u-strasbg.fr/cours/lphys/Einstein_imageriemed.ppt
10
5. Reconnaissance d’images Théorie de la décision La difficulté pratique : très grande variabilitéDetection d’objets simples (transformée de Hough)* Computer vision * Face detection * Feature detection (reconnaissance) BiométrieAnalyse de scène en robotique
11
6. Problèmes divers d’analyse d’images Images animées mpeg etc... * image compression JPEG ondelettes * images animées mpeg4 divx jerome rota * H.264 ou AVC (Advanced Video Codec) http://fr.wikipedia.org/wiki/H.264Recherche du mouvementRemote sensing http://rst.gsfc.nasa.gov/ Problèmes inverses en traitement d’images
12
http://ia350625.us.archive.org/2/items/Lectures_on_Image_Processing/EECE253_01_Intro.pdf
http://www.archive.org/details/Lectures_on_Image_Processing
http://www.polytech.unice.fr/~lingrand/Ens/planTraitIma.html
http://arthur.u-strasbg.fr/~ronse/TIDOC/index.html
R.A. Peters,Vanderbilt University
http://www.ph.tn.tudelft.nl/~lucas/education/et4085/sheets/ppt/FIP2.2.pdf
Fundamentals of Image Processing
Ian T. Young, Jan J. Gerbrands, Lucas J. van Vliet
quelques références
cours de Diane Lingrand
13
Livres conseillés
Olivier Faugeras, with Nikos Paragios and Yunmei Chen * "Mathematical Models in Computer Vision", Springer, 2005edited Rafael C. Gonzalez, Richard E. Woods * “Digital Image Processing” (2nd Edition) - - Addison-Wesley;http://www.imageprocessingplace.com/downloads_V3 /dip3e_downloads/dip3e_sample_book_material/dip3e_chapter_01.pdfBernd Jähne * Practical Handbook on Image Processing for Scientific Applications - - CRC Press;Diane Lingrand, "Introduction au Traitement d'Images" 2nd edition, Vuibert, Paris, France, feb 2008, ISBN : 2-7117-4866-9http://www.polytech.unice.fr/~lingrand/Ens/ImageProcessingCourse.html * A course in english * Books available on the web * Computer Vision OnlineW. K. Pratt, * "Digital Image Processing" by John Wiley & Sons, inc., Third Edition, 2001K.R. Rao, P.C. Yip - * The Transform and Data Compression Handbook - CRC Press.http://rst.gsfc.nasa.gov/John C. Russ * The Image Processing Handbook (3rd Edition) - - Springer;N. Short, “remote sensing turorial” http://rst.gsfc.nasa.gov/Alan Watt, Fabio Policarpo * The Computer Image - - Addison-Wesley;
14
enhance contrast, remove noise, detect edges, segment an image into regions, thin regions, or perform skeletonization on regions. Morphological functions Erosion and dilation
Opening and closingWatershed segmentationReconstructionDistance transformDetect lines and extract lines segments
from an image using the Hough transformusing texture analysis functions
15
notions élémentaires sur l’image numérique une fonction scalaire ou vectorielle
de deux variables f(x,y)notions sur la vision humaine et les capteurs intensité, couleurs, quantification dans la rétine Echantillonnage (pixels) ;
histogramme des niveaux d’intensitéExemple de pb : la rotation d’images numériques
1.Introduction à l’Image numérique
16
Qu’est ce qu’une image numérisée (noir et blanc)? L’INTENSITE LUMINEUSE EST UNE FONCTION DE DEUX VARIABLES
),( yxf
x
y
17
il est très difficile d’interpréter le contenu d’une image en étudiant la fonction f(x,y) !il est parfois important de se rappeler que la machine ne ‘voit’ pas l’image comme vous
18
quelques notions de biologiede la vision
• couleurs
• l’œil
• la rétine
• les circuits neuronaux
19
Une image couleur f(x,y) est un vecteur à trois composantes
les chrominances peuvent souventêtre codées avec une précision moindre(p. ex. un échantillon sur 2)
20
ROUGEP 0 VERTP 0 BLEUP 0ROUGEP 1 VERTP 0 BLEUP 0ROUGEP 0 VERTP 1 BLEUP
une image couleur = trois intensités (rouge, vert, bleu ou combinaisons)
ROUGEP VERTP BLEUP
21
ROUGE VERT 0 BLEU0 ROUGE0 VERT BLEU0 ROUGE0 VERT 0 BLEU
une image couleur = trois intensités (rouge, vert, bleu ou combinaisons)
ROUGE VERT1 BLEU1
22
0 32 64 96 128 160 192 224 25650
0
50
100
150
200
250
gbleux 100
gvertx 100
grougex 100
x
f
génération des intensités RVB d’un arc en ciel
23
http://www.youtube.com/watch?v=p94yQ8cvTHg&NR=1
Annabelle - Serpentine Dance (1894) [Edison]
Premières colorisations de film
24
l’oeil
http://perso.id-net.fr/~brolis/docs/oeil/physio.html
125 millions de bâtonnets (intensité et vision nocturne)5 millions de cônes (couleur)
http://lecerveau.mcgill.ca/flash/d/d_02/d_02_m/d_02_m_vis/d_02_m_vis.html
http://www.pug.fr/extrait_ouvrage/Electure.pdf
25
http://www.futura-sciences.com/fr/doc/t/medecine-1/d/loeil-la-vision-au-dela-de-la-vision_667/c3/221/p5/
La métarhodopsine II produite par transformation de la rhodopsine sous l'effet de la lumière active une protéine : la transducine. Par la suite, les canaux Na+ des cellules réceptrices se ferment, provoquant une hyper-polarisation membranaire qui engendre un potentiel d'action électrique dans les cellules ganglionnaires.
Une protéine transmembranaire, l'opsine, sur laquelle vient se fixer un groupement le rétinène, qui n'est autre qu'un aldéhyde de la vitamine A ou rétinol subit l'arrivée d'un photon entre 650 et 400nm sur la partie rétinène de la rhodopsine qui passe alors de la conformation 11-cis à la conformation tout-trans (appelée métarhodopsine II).
26
quels sont les mécanismes mis en œuvre au niveau neuronal ?
recherches actuelles en neurologie :
ensuite : qu’est ce que la mémoire enregistre ?comment le cerveau compare-t-il une nouvelle image aux données mémorisées pour éventuellement reconnaîtreun objet en quelques centièmes de secondes
pour progresser : apport incontournable de l’imagerie médicale
p. ex : au premier niveau : détection de contours et de leur orientation
27
quantification numérique
• quantification en niveaux – en couleurs– traitements à base d’histogramme
rehaussement
• quantification spatiale
28noter l’effet de contraste près des transitions
29
KLIN
KLIN
pour chaque couleur l’intensité est en général codée sur un octet parfois 2
KLIN KLIN
KLINKLIN
1bit 2 3
456-8
30
31
modifier l’histogramme pour améliorer la qualité d’une image (contraste)
nombre de pixelsd’une intensité donnée(souvent un octet)
grande sensibilité des capteurs des appareils photos numériques
noirblanc
32
construire l’histogramme
choisir un pas de quantification
pour chaque niveau de quantificationcompter le nombre de pixel ayant ce niveau de quantification
modifier les niveaux d’intensité
par exemple pour augmenterle contraste
noir blancavant modification
blanc
aprè
s m
odifi
catio
n
a
a
33
34
35
échantillonnage des images
(nous reviendrons ultérieurement sur le théorème d’échantillonnage)
36
Abraham Lincoln [Salvador Dali, 1976]
formalisation rigoureuse (théorème de Shannon dans le cas des images)
Pixels ; échantillons
mosaïques
37
g g g
ggg de 4x4 à 128x128 pixels
38
Point Par Pouce
Unité de mesure de la résolution, utilisée principalement pour les écrans et les imprimantes. En français on parle de Points Par Pouce (PPP) ou de Pixels Par Pouce, ce qui est un peut différent, en anglais on parle de Dots Per Inch (DPI) ou de Pixels Per Inch (PPI). Note : un pouce (inch) vaut 2,54 cm.
Plus il y a de points par pouce, meilleure est la résolution d'une image. Les détails que l'on pourra voir seront plus fins.
Par exemple un écran classique peut afficher 75 pixels par pouce,
si on atteignait les qualités d’appareils actuels (12 millions de pixels p.ex.)on aurait de l’ordre de 250 pixels par pouce (10 pixels par mm qualité comparable à la photographie argentique)
39
quantité d’information contenue dans une image(sans compression)
images animées
quelques millions de pixels par image
trois couleurs
huit bits par couleur
24 ou 25 images par seconde
pixels
couleurs
niveaux de quantificationde l’intensité
une photo = quelques dizaines de millions de bits
un film de 1h30 = 10 térabits (dix mille milliards)
une page d’écriture = 40x60 caractères = vingt mille bits
un livre = quelques millions de bits
un cd audio = 10 milliard de bits
40
enhance contrast, remove noise, detect edges, segment an image into regions, thin regions, or perform skeletonization on regions. Morphological functions Erosion and dilationOpening and closingWatershed segmentationReconstructionDistance transformDetect lines and extract lines segments from an image using the Hough transformtexture analysis functions
41
télédétection
42
Attention aux fausses interprétations (face on mars)
43
44
surveillanceremote sensing
détection intelligente de mouvement
45l’importance du contexte dans l’interprétation d’une image
46
47
analyse de l’extension d’un feu de forêt
48
BIO
ME
TR
IE
49
BIG BROTHER IS WATCHING YOU
50
la géométrie de l'oreille, méthode parfois utilisée par la police, la démarche (vitesse, mouvements du corps, …), l'odeur corporelle, l'analyse des pores de la peau, la thermographie faciale, les ongles, l'irrigation sanguine ...
51
52
contours haut et bas
segmentation
reconnaissance des « segments » dans une basede segments mémorisés et de leurs enchaînements(modèles de markov)
Abdenaim EL YACOUBI (la poste nantes)ftp://ftp.irisa.fr/local/IMADOC/lorette/elyacoubi/MOUNIM.PPT
exemple de reconnaissance d’écriture manuscrite
53
comment reconnaître automatiquement le visage malgré les mimiques,les variations d’éclairage, le bruit, les données manquantes, etc...
reconnaissance de visages
qui c’est ?
54
55
qu’est ce que c’est ?
56
• une très grande variété d’algorithmes et d’applications ; toutefois la première étape est souvent basée sur un filtrage linéaire ou une analyse en fréquence
• des problèmes concrets difficiles, car une multitude de causes de variations d’une image à l’autre
• encore beaucoup de recherches pour arriver à comprendre les processus mis en jeu dans le cerveau