Introduction – Caractérisation – Perception Nikola Stikov ELE8812 7 janvier 2015 Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 1 / 39 Plan 1 Introduction Éléments historiques Exemples d’applications et de modalités Traitement et analyse d’images : synthèse 2 Perception Position du problème Œil et vision Perception 3 Formation des images numériques Modèle simple de formation d’images Échantillonnage et quantification Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 2 / 39 Introduction Éléments historiques Premiers traitements Années 1920 : transmissions terrestres 1921 1929 c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) 1922 Introduction, caractérisation, perception 7 janvier 2015 3 / 39 Introduction Éléments historiques Premiers traitements Années 1960 : transmissions spatiales 1964 c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 4 / 39 Introduction Exemples d’applications et de modalités Situation présente Nombreux types d’images numériques Noir et blanc / couleur Bidimensionnelles / tridimensionnelles Origines diverses Mesure directe (e.g., photographie numérique) Images reconstruites (e.g., tomographie) Images de synthèse Applications multiples Médecine Astronomie Géographie / planification ... Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 5 / 39 Introduction Exemples d’applications et de modalités Traitement et analyse d’images : définition ? Survol du domaine Points de vue possibles : « Modalité » (phénomène physique utilisé et technique de mesure) Domaine d’application Points à surveiller Quantité d’intérêt / objectif poursuivi Passage mesure −→ image ou quantité d’intérêt Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 6 / 39 Introduction Exemples d’applications et de modalités Principale source d’images : rayonnement électromagnétique Spectre électromagnétique c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 7 / 39 Introduction Exemples d’applications et de modalités Imagerie gamma Astronomie Anneau de Cygnus c 1992-2008 R. C. Gonzalez & R. E. Woods Médecine Imagerie SPECT — Voir démonstration Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 8 / 39 Introduction Exemples d’applications et de modalités Imagerie par rayons X Médecine Radiographie Tomographie (voir démonstration) Angiographie c 1992-2008 R. C. Gonzalez & R. E. Woods Autres applications Contrôle non destructif, astronomie, ... Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 9 / 39 Introduction Exemples d’applications et de modalités Imagerie dans la bande UV Astronomie Anneau de Cygnus c 1992-2008 R. C. Gonzalez & R. E. Woods Autres applications Contrôle non destructif, biologie, médecine, ... Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 10 / 39 Introduction Exemples d’applications et de modalités Imagerie dans la bande visible Applications très nombreuses Microscopie Microprocesseur Couche mince Ni Surface CD audio Introduction, caractérisation, perception 7 janvier 2015 c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) 11 / 39 Introduction Exemples d’applications et de modalités Imagerie dans la bande visible Surveillance aérienne ou par satellite Bleu Vert Rouge Introduction, caractérisation, perception 7 janvier 2015 c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) 12 / 39 Introduction Exemples d’applications et de modalités Imagerie dans la bande visible Surveillance Reconnaissance automatique de plaques d’immatriculation c 1992-2008 R. C. Gonzalez & R. E. Woods Autres applications Photographie, biométrie, cartographie,... Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 13 / 39 Introduction Exemples d’applications et de modalités Imagerie dans la bande IR Surveillance aérienne ou par satellite IR moyen IR lointain Introduction, caractérisation, perception 7 janvier 2015 IR Proche c 1992-2008 R. C. Gonzalez & R. E. Woods Autres applications Thermographie, médecine,... Nikola Stikov (ELE8812) 14 / 39 Introduction Exemples d’applications et de modalités Imagerie par micro-ondes SAR (cartographie, surveillance) c NASA Mont Everest Temple d’Angkor Autres applications Météorologie, médecine,... Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 15 / 39 Introduction Exemples d’applications et de modalités Imagerie dans la bande radio Imagerie par résonance magnétique (MHz) Image IRM d’un genou Imagerie courants de Foucault (kHz) Voir démonstration Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 16 / 39 Introduction Exemples d’applications et de modalités Ondes de pression : « sismique réflexion » Exploration sismique c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 17 / 39 Introduction Exemples d’applications et de modalités Ondes de pression : ultrasons Échographie ultra-sonore Voir démonstration Échographie thyroïdale c 1992-2008 R. C. Gonzalez & R. E. Woods Autres applications Contrôle non-destructif,... Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 18 / 39 Introduction Exemples d’applications et de modalités Plusieurs sources Imagerie « multi-physique » Tomographie optique / ultra-sonore Tomographie à micro-ondes / ultra-sonore Combinaison de modalités Tomographie à rayons X / imagerie gamma Tomographie à rayons X / IRM Fusion d’images Difficulté sous-jacente : recalage d’images Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 19 / 39 Introduction Traitement et analyse d’images : synthèse Traitement et analyse d’images : types de traitements Mesures et acquisition Échantillonnage, quantification Traitements « élémentaires » Manipulation et présentation d’images Amélioration et filtrage, dans les domaines spatial et fréquentiel Traitements complexes, formation d’images Restauration d’images, reconstruction tomographique Analyse d’images Traitements multi-résolutions Codage d’images, compression Segmentation d’images Reconnaissance de formes et classification Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 20 / 39 Perception Position du problème Importance simultané des phénomènes de perception Contraste Phénomènes liés au fonctionnement de l’oeil Contraste simultané Remerciements : P. Cohen Nikola Stikov (ELE8812) ELE6812 Introduction, caractérisation, perception 7 janvier 2015 38 21 / 39 ait maintenant que les problèmes dePosition perception, loin d’être triviaux, so Perception du problème ès compliqués. Les humains (et les autres animaux) sont de fantastiqu Importance desl’information phénomènes de perception hines à interpréter sensorielle, à reconnaître des formes d mage bruitée, ou à détecter des propriétés globales telles qu’aligneme arités ou symétries. Phénomènes liés au fonctionnement du cerveau Contours virtuels Remerciements : P. Cohen algorithmes de vision artificielle développés jusqu’à ce jour sont très lo Nécessité de notions sur la vision humaine et la perception veau de performance et de polyvalence. Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 22 / 39 Perception Œil et vision Système visuel humain Principales composantes L’œil Œil Rétine Nerf optique Cortex visuel c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 23 / 39 saccades ~150 Hz Mouvements de l’œil oration de l’acuité Types de mouvements Mouvements lents Micro-saccades (≈ 150en Hz) « continu » ttrait de voir Perception Œil et vision Amélioration de l’acuité visuelle Remerciements : P. Cohen Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 24 / 39 La rétine La rétine Perception Œil et vision Constituée d’environ 130 millions de cellules photo Composition réceptrices ! 2 types de cellules : Constituée d’environ 130 millions (6-7 de cellules " Cônes millions) photo-réceptrices " Bâtonnets 2 types de cellules ! Ne sontCônes pas (6 répartis à 7 millions, couleur) uniformément Bâtonnets ! (monochrome) Répartition non uniforme Remerciements : P. Cohen 15 LE6812 Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 25 / 39 Perception Œil et vision Cônes et bâtonnets Distribution sur la rétine c 1992-2008 R. C. Gonzalez & R. E. Woods Explique l’importance des micro-saccades pour une perception visuelle complète Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 26 / 39 Perception Œil et vision Formation de l’image sur l’œil Principe géométrique simple c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 27 / 39 Perception Perception Perception de l’intensité lumineuse Adaptation à l’intensité lumineuse Plage de luminosité subjective Vision scotopique : bâtonnets Vision photopique : cônes Plage d’adaptation : 106 mL (photopique) 1010 mL (totale) c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 28 / 39 Perception Perception Discrimination entre niveaux d’intensité lumineuse Rapport de Weber Discontinuité de la courbe : bâtonnets → cônes À intensité du fond donnée : discrimination de 12 à 25 niveaux d’intensité différents 12 niveaux ne suffisent pas ! c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 29 / 39 Perception Perception Perception de l’intensité lumineuse Bandes de Mach Phénomène important en rehaussement d’images c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 30 / 39 Perception Perception Contraste simultané Perception de la luminosité du centre c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 31 / 39 usions Illusions Perception Perception Géométrie 48 812 Remerciements : P. Cohen Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 32 / 39 Perception Perception Vision et perception Importance de ces phénomènes Interprétation adéquate des images Conception des méthodes de rehaussement et d’amélioration d’images Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 33 / 39 Formation des images numériques Modèle simple de formation d’images Formation d’images Éléments de vocabulaire Radiance : puissance émise par une source (Watts, lumens) Luminance : puissance émise par unité de surface (lux) Illuminance : puissance reçue par unité de surface (Lamberts) Luminosité : mesure subjective de la puissance reçue Image Quantité scalaire bi-dimensionnelle f (x, y ) ; x, y : variables d’espace f (x, y ) positive et bornée : ∀(x, y ), Lmin ≤ f (x, y ) ≤ Lmax Modèle simple de formation d’images (photographie, microscopie) f (x, y ) = i(x, y ) r (x, y ) i(x, y ) : illumination (bornée) r (x, y ) : réflectance ; 0 ≤ i(x, y ) ≤ 1 Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 34 / 39 Formation des images numériques Échantillonnage et quantification Échantillonnage Numérisation c 1992-2008 R. C. Gonzalez & R. E. Woods Plage de variation de x : [0 ; M − 1] (valeurs entières) Plage de variation de y : [0 ; N − 1] (valeurs entières) x : indice de lignes ; y : indice de colonnes Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 35 / 39 Formation des images numériques Échantillonnage et quantification Quantification Principe Choix d’un nombre entier de valeurs discrètes couvrant l’intervalle [Lmin ; Lmax ] En pratique On choisit un intervalle [0 ; L] On choisit L = 2k − 1 ce qui permet de coder les intensités sur k bits Si Lmax > L : saturation Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 36 / 39 Formation des images numériques Échantillonnage et quantification Résolution spatiale Notions de résolution spatiale Résolution optique : pouvoir séparateur Résolution numérique : dpi Résolution numérique insuffisante : sous-échantillonnage c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 37 / 39 Formation des images numériques Échantillonnage et quantification Digital Image Processing, 3rd ed. Digital Image Processing, 3rd ed. & Woods Résolution enGonzalez intensité www.ImageProcessingPlace.com Chapter 2 Digital Image Fundamentals Gonzalez & Woods www.ImageProcessingPlace.com Chapter 2 Digital Image Fundamentals Résolution insuffisante : perte de qualité et artefacts c 1992-2008 R. C. Gonzalez & R. E. Woods R. E. Woods © 1992–2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 38 / 39 Formation des images numériques Échantillonnage et quantification Résolution en intensité Quantification et qualité : dépend de l’image c 1992-2008 R. C. Gonzalez & R. E. Woods Nikola Stikov (ELE8812) Introduction, caractérisation, perception 7 janvier 2015 39 / 39