BASICS OF IMAGE PROCESSING

Responsable

Adresse mail

Numéro de téléphone

Vincent MAZET, Dr

vincent.mazet@unistra.fr, bureau C407,

03 68 85 43 36

Autre(s) enseignant(s)

Céline MEILLIER, Denis FORTUN, Camille GRAEFF, Luc VEDRENNE, Massyl MOUDOUD

Code APOGEE

Formation - Année - Option - Semestre

Coefficient = ECTS

Volume horaire

EP013M56

Ingénieur - 3A G - ISAV  - S9

Master - 2A AR G / HCI / INSA + IRMC G / HCI / Médecins + MPhot + Topo - S3

2-3

22,75 h CI

EXAMENS

Durée

Documents autorisés

      Si oui, lesquels :

Calculatrice école autorisée

Session 1

CC (contrôles + rapport de projet)

Oui pour le projet uniquement

Tout document

Non

Session 2

1h45

Oui

feuille A4 recto/verso autorisée

Oui

Prérequis

• Mathématiques (nombres complexes, probabilités, calcul matriciel)
• Traitement du signal (transformée de Fourier, convolution, filtrage)
• Notions élémentaires de programmation scientifique

Objectifs du cours

Ce cours donne une vue d’ensemble des problématiques et méthodes en traitement d’images.

Programme détaillé

• Outils de base : représentations d'une image, opérations arithmétiques, histogramme, convolution 2D, transformée de Fourier, interpolation, notion de voisinage, multirésolution, …
• Détection de caractéristiques : détection de contours, de coins, de lignes
• Segmentation : critère d'homogénéité, méthodes basées histogramme (méthodes d’Otsu, algorithme des k-moyennes, modèle paramétriques, algorithme Mean Shift, …), méthodes basées région (croissance de région, arbre, modèle markovien, …), modèles déformables, critère de validation
• Images binaires : érosion, dilatation, ouverture, fermeture, transformée tout-ou-rien, composantes connexes, ligne de partage des eaux.
• Restauration : débruitage (filtres moyenneur, médian, de Nagao, moyennes non locales, …), déconvolution (filtres inverse, de Wiener, …)
• Recalage : modèle de déformation, mesure de similarité, ...

Applications (TD, TP ou projets)

Cet enseignement est donné sous forme de classe inversée : il n’y a pas de cours magistraux, mais uniquement des TP (7 séances) et un projet (12 h). Les TP consistent principalement en des manipulations avec Python. Le projet consiste à proposer et implémenter une méthode de traitement d’images pour résoudre un problème particulier. Un compte rendu est à fournir.

Compétences acquises

À l'issue de cet enseignement, l'étudiant aura appris à ...

• identifier un problème de traitement d’images parmi ceux étudiés ;
• décrire le fonctionnement d’une méthode,
• décrire le fonctionnement, les avantages, inconvénients et hypothèses des méthodes vues en cours ;
• implémenter l’une des méthodes étudiées à l’aide d’un langage de programmation scientifique ;
• critiquer les résultats d’une méthode de traitement d’image ;
• connaître les termes français et anglais des différentes notions vues en cours.