Chap. 1
Traitement d'images
1. Image numérique
- Image numérique : matrice de pixels, chaque pixel a une valeur numérique représentant une intensité (niveaux de gris) ou une couleur (ex. RGB).
- Pixel : plus petite unité d’une image.
- Résolution : nombre de pixels en largeur × hauteur.
- Profondeur de couleur : nombre de bits par pixel (ex. 8 bits = 256 niveaux de gris).
2. Types d’images
| Type | Description | Exemple d’utilisation |
|---|---|---|
| Niveaux de gris | Un pixel = une intensité lumineuse (0 à 255) | Photos noir et blanc |
| Couleur (RGB) | Un pixel = 3 valeurs (Rouge, Vert, Bleu) chacune 0-255 | Photos couleur, vidéos |
3. Codage des couleurs
- Modèle RGB : chaque pixel codé par 3 valeurs (R, G, B).
- Exemple : (255, 0, 0) = rouge pur.
4. Taille d’une image
- Taille en bits = largeur × hauteur × profondeur de couleur.
- Plus la résolution et la profondeur sont grandes, plus la taille est importante.
5. Représentation matricielle
- Image = matrice de pixels.
- Niveaux de gris : matrice d’entiers 0-255.
- Couleur : 3 matrices (R, G, B).
6. Objectifs du traitement d’images
- Amélioration : rendre l’image plus claire ou lisible (ex. augmenter contraste).
- Analyse : extraire des informations (ex. détection de formes).
- Compression : réduire la taille du fichier pour stockage ou transmission.
7. Étapes du traitement d’images
- Acquisition : obtenir l’image (scanner, appareil photo).
- Prétraitement : corriger défauts (bruit, luminosité).
- Segmentation : découper l’image en zones homogènes.
- Extraction de caractéristiques : mesurer propriétés (forme, texture, couleur).
- Interprétation / Classification : attribuer une étiquette ou décision.
8. Prétraitement
- Filtrage : supprimer le bruit (ex. filtre moyenneur, médian).
- Amélioration du contraste : accentuer différences de luminosité.
- Redressement : corriger orientation ou déformations géométriques.
9. Segmentation
- Seuil global : séparer pixels selon une valeur de luminosité.
- Segmentation par contours : détecter bords d’objets.
- Segmentation par régions : regrouper pixels voisins similaires.
10. Extraction de caractéristiques
- Forme : périmètre, aire, compacité.
- Texture : régularité, motifs.
- Couleur : histogrammes, moyennes.
11. Classification
- Attribuer une étiquette à chaque objet ou région selon ses caractéristiques.
- Méthodes simples : seuils, règles.
- Méthodes avancées : apprentissage automatique.
| Étape | Objectif | Techniques principales |
|---|---|---|
| Prétraitement | Améliorer qualité de l’image | Filtrage, amélioration contraste |
| Segmentation | Isoler objets ou régions | Seuil, contours, régions |
| Extraction | Mesurer caractéristiques | Forme, texture, couleur |
| Classification | Identifier objets | Règles, apprentissage automatique |
⚠️ La segmentation est essentielle car elle influence la qualité de l’analyse suivante.
