Outils pour le traitement et l'analyse d'images - Introduction Qu'est-ce qu'une image ? Notions de base - représentation informatique ...

Outils pour le traitement et
      l’analyse d’images

             Introduction
              Qu’est-ce qu’une image ?
              Notions de base – représentation informatique

              Amélioration photométrique

28/01/2019                   Erwan Kerrien // Inria Nancy-Grand Est   1

Image, vous avez dit image… ?

28/01/2019   Erwan Kerrien // Inria Nancy-Grand Est   2

Images de microscopie électronique
28/01/2019         Erwan Kerrien // Inria Nancy-Grand Est   3

Radar à synthèse d’ouverture                                         Vue aérienne

                       Photo astro                                               Image sonar

28/01/2019                              Erwan Kerrien // Inria Nancy-Grand Est                   4

Contrôle non destructif
                               Angiographie cérébrale                   par rayons X
  Radiographie du rachis

   Echographie cardiaque
                                Scanner abdominal                        IRM cérébrale

28/01/2019                 Erwan Kerrien // Inria Nancy-Grand Est                             5

28/01/2019   Erwan Kerrien // Inria Nancy-Grand Est   6

Une image cela peut être…
   La cartographie d’une grandeur physique mesurée
        Photographie, radiographie, microscopie électronique
    … ou reconstruite
        Scanner, IRM, Radar, sonar, échographie
   Une représentation planaire d’une scène ou d’un objet
        De nature 3D: Peinture, dessin, carte
        Ou 2D: écrit, plan, schéma

   Un ensemble de données collectées à partir d’un phénomène continu ou discret
    afin de proposer une entité observable à l’œil humain
   De la nature de l’image ainsi que l’application envisagée dépendront la classe de
    l’image (fonction 2D, signal déterministe ou aléatoire, résultat d’un calcul,
    collection de données, représentation d’objets…) et les traitements à réaliser

   support dans N pour des données à valeurs dans M
        Dans ce cours, on se restreint à N=2 (images planaires), et M=1 (niveaux de gris)

28/01/2019                        Erwan Kerrien // Inria Nancy-Grand Est                     7

Pourquoi traiter une image ?
   Remplacer l’observateur humain par une machine
        Grand volume de données à traiter
        Subjectivité de l’observateur
        Complexité croissante des données
        Utilisation de modèles (mathématique, physiques, géométriques,
         statistiques…)
        …

   Différentes appellations…
     Traitement d’images
     Analyse d’images

     Vision par ordinateur

    … pour une même activité à la base

28/01/2019                   Erwan Kerrien // Inria Nancy-Grand Est       8

Un jeu d’enfant…

                   28/01/2019

28/01/2019   Erwan Kerrien // Inria Nancy-Grand Est   9

Traitement d’images
   Quatre grandes étapes de l’analyse d’images
        Numériser: échantillonner et quantifier
        Extraire les informations pertinentes au regard de l’application
        Traiter ces informations
        Les interpréter

   Deux sortes de traitements
        Bas niveau
            Pas de compréhension de ce que représente l’image
            Attachés aux valeurs de l’image
            Données numériques
        Haut niveau
            Associés à une représentation de la réalité sous-jacente à l’image
            Données symboliques

   Thèmes abordés aujourd’hui
        Notions de base – représentation informatique
        Quelques traitements d’amélioration photométrique

28/01/2019                           Erwan Kerrien // Inria Nancy-Grand Est       10

Notions de base
      O=(0,0)                   j        Largeur     Indice de colonne                  j

                                                                   i
   Hauteur

              i

                                    Image I
Indice de ligne                                             Pixel: I(i,j)=V V  [Vmin, Vmax]
                                                            Dynamique (en bits): Log2(Vmax-Vmin)
                   Image représentée par une matrice avec un certain type de données (octet, entier,
                   double): Vmin=noir (0), Vmax=blanc (255)

             28/01/2019                        Erwan Kerrien // Inria Nancy-Grand Est                   11

Notions de base (2)
   Résolution
        Spatiale: échantillonnage (largeur x hauteur)

      512x512                 256x256                           128x128    64x64
        Tonale: quantification (dynamique)

        6 bits                  3 bits                            2 bits   1 bit

28/01/2019                       Erwan Kerrien // Inria Nancy-Grand Est            12

Image couleur

                                            =

                     +                                            +

             Rouge                      Vert                          Bleu

28/01/2019               Erwan Kerrien // Inria Nancy-Grand Est              13

Amélioration photométrique
   Subjectivité:
        L’être humain étant un excellent analyseur d’images, nous nous basons souvent
         sur nos impressions et notre intuition pour appréhender une image
        L’image à la sortie du système d’acquisition n’est pas forcément adaptée à la
         visualisation
        Nécessité d’un traitement photométrique

   Simplicité
        Il est souvent plus simple de séparer un problème en questions plus petites et
         plus simples à résoudre
        Les améliorations photométriques sont simples, même quand elles sont non-
         linéaires
        Un filtre non-linéaire est très difficile à manipuler
        Intérêt du traitement photométrique

   Plan
      Outils d’analyse basiques et essentiels
      Quelques traitements pour améliorer la vie

28/01/2019                      Erwan Kerrien // Inria Nancy-Grand Est                    14

Table des couleurs (colormap)
    Principe
        Chaque pixel est codé sur une valeur entière
        Cette valeur est vue comme un index dans une table de couleur C
        On affiche le pixel en allant chercher la couleur correspondante: I d(i,j)=C(Io(i,j))
    Intérêt
        Codage couleur (ex: orientation d’un flux (écho doppler))
        Compression (ex: images GIF)
        Augmentation des contrastes (parfois)
    Danger: les distances ne sont pas préservées

28/01/2019                            Erwan Kerrien // Inria Nancy-Grand Est                     15

Look-Up Table (LUT)
             Restriction de la colormap
                 On ne modifie pas le canal: une image en niveaux de gris reste en
                  niveaux de gris
                 « fonction » de transformation des niveaux de gris
             Exemples:
         Sortie                   Sortie                 Sortie              Sortie                   Sortie

                         Entrée                 Entrée                  Entrée               Entrée                        Entrée
                                       saturation                                 éclaircissement
Effet:            rien                                       aplatissement                                     seuillage
                                     haute et basse                              (fonction gamma)

         28/01/2019                               Erwan Kerrien // Inria Nancy-Grand Est                                            16

Histogramme
   Les valeurs des pixels sont considérées comme une collection
    d’échantillons
        Histogramme: probabilité p(v) d’occurrence de chaque valeur v
        Modes: objets/fond
        Moments statistiques (ex: E I (i, j )  1  I (i, j )   vp(v) )
                                                  WH i , j         v
        Histogramme cumulé: fonction de répartition (ex: calcul de médiane)

28/01/2019                   Erwan Kerrien // Inria Nancy-Grand Est            17

Prétraitements (1) : normalisation
   Utiliser toute la plage de valeurs disponibles
        Optimisation de la dynamique D (en bits)
        Transformation affine qui renvoie la valeur min (Vmin) sur 0 et la valeur max (Vmax) sur 2D-1

                                                           I (i, j )  Vmin
                                 I n (i, j )  (2 D  1)
                                                            Vmax  Vmin

                                           Sortie

                                                              Entrée

28/01/2019                          Erwan Kerrien // Inria Nancy-Grand Est                         18

Prétraitements (2) :
égalisation d’histogramme
     Le principe est de répartir au mieux les niveaux de gris sur toute la plage disponible
         Objectif:
              histogramme plat
              Ou histogramme cumulé (fonction de répartition F) de pente constante (=1)
         Se fait par transformation de la LUT
                                 I e (i, j )  (2 D  1) F ( I (i, j ))

                                 p(v)

                                 F(v)

    Image originale                                                                          Après
                                                                                           égalisation

28/01/2019                              Erwan Kerrien // Inria Nancy-Grand Est                           19

Et après ?
   On peut aussi faire une spécification d’histogramme (normalisation inter-
    images)

   De nombreux traitements travaillent sur le contraste

   Ces prétraitements ont des versions locales: utilisation d’un histogramme
    local calculé sur une fenêtre d’analyse

   Ils permettent d’introduire aisément de la non-linéarité dans la chaîne de
    traitement

   Facilitent l’analyse visuelle du problème

28/01/2019                  Erwan
                             ErwanKerrien
                                  Kerrien-//INRIA
                                             Inria Nancy-Grand
                                                   Nancy-GrandEst
                                                               Est               20