Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Chapitre 1 : Concepts de base de la Vision Artificielle Page 1 Support de cours

Chapitre 1 : Concepts de base de la Vision Artificielle Page 1 Support de cours - Vision Artificielle (Master ESE – Semestre 3 – 2018/2019) Pr. Abdelhamid LOUKIL Chapitre Chapitre 11 CONCEPTS DE BASE CONCEPTS DE BASE DE LA VISION ARTIFICIELLE (V.A.) DE LA VISION ARTIFICIELLE (V.A.) 1.1 Introduction 1.2 Domaines d’utilisation de la V.A. 1.3 Structure matérielle d’un système de V.A. 1.4 Structure fonctionnelle d’un système de V.A. 1.5 Différents types d’images numériques 1.6 Propriétés d’une image numérique Chapitre 1 : Concepts de base de la Vision Artificielle Page 2 Support de cours - Vision Artificielle (Master ESE – Semestre 3 – 2018/2019) Pr. Abdelhamid LOUKIL 1.1INTRODUCTION 1.1INTRODUCTION Pour mettre en évidence un comparatif des disciplines très proches et parfois confuses, qui sont : « la vision artificielle », « le traitement d’images », « le graphisme par ordinateur appelé aussi publication assistée par ordinateur ou PAO» et « le traitement de données », nous présentons ci-dessous un organigramme (voir figure 1.1) qui explique, selon les entrées (produit brut) et les sorties (produit traité), le rôle de chacune d’elles. Figure 1.1 : Le rôle de chacune des 4 disciplines selon les données en entrée et en sortie. Pour définir ce qu’est la vision artificielle, il serait plus judicieux de commencer par énoncer la définition du traitement d’images:  Le traitement d’images – T.I. (en anglais « Image Processing ») est une branche du traitement du signal dédiée aux images et aux données dérivées comme la vidéo. Mettant en œuvre l'informatique ainsi que les mathématiques appliquées, elle étudie les images numériques et leurs transformations, dans le but d'améliorer leur qualité (débruitage et rehaussement) ou d'en extraire de l'information utile.  La vision artificielle – V.A. (en anglais « Computer Vision ; Machine Vision ; ou Artificial Vision ») regroupe l’ensemble des techniques permettant à une machine de traiter, d'analyser et de comprendre le contenu d’une ou de plusieurs images. Elle peut être perçue comme étant le traitement des données visuelles par le biais de modèles basés sur le traitement du signal, la physique, la géométrie et l’intelligence artificielle. 1.2DOMAINES D’UTILISATION DE LA VISION ARTIFICIELLE 1.2DOMAINES D’UTILISATION DE LA VISION ARTIFICIELLE Aujourd’hui, l’utilisation de la vision artificielle s’est généralisée à presque tous les domaines. Sans vouloir chercher l’exhaustivité, nous pouvons citer:  L’aide au diagnostic médical par traitement de l’imagerie biomédicale - Comptage biologique (nombre de cellules, de globules, …) ; - Suivi de formes anatomiques ; - Restauration – chirurgie réparatrice et esthétique ; - Détection de tumeurs ; Chapitre 1 : Concepts de base de la Vision Artificielle Page 3 Support de cours - Vision Artificielle (Master ESE – Semestre 3 – 2018/2019) Pr. Abdelhamid LOUKIL  La vision robotique - Navigation autonomes des robots mobiles ; - Systèmes d’aide à la conduite des véhicules et véhicules intelligents ; - La Stéréovision pour robots humanoïdes ; - Téléopération et Réalité augmentée.  L’inspection industrielle et le contrôle de qualité (Vision industrielle) - Assemblage automatique de pièces; - Contrôle de qualité dans une chaine de production; - Reconnaissance et tri ; - Comptage de pièces ; lecture automatique des étiquettes ; .  La télédétection (Observation de la terre et de l’espace) - Systèmes d’information géographique (SIG) ; - Météorologie ; - Analyse des ressources terrestres ; - Astronomie.  Les applications militaires - Reconnaissance (aérienne, sous-marine, etc ...) ; - Guidage de missile ; - Détection de mouvement.  Autres - Compression d’images ; - Tatouage (watermarking) - Indexation et archivage des images ; - Reconnaissance automatique d’écriture (OCR) ; - Biométrie (reconnaissance d’empreintes digitales, d’iris, …) ; - Vidéosurveillance Intelligente ; - Retouchage d’images ; - Coloration d’anciens films et photos ; - Inpainting d’images, mosaïcage, Morphing ; - Super-résolution ; - Etc… 1.3STRUCTURE MATERIELLE D’UN SYSTEME DE V.A. 1.3STRUCTUREMATERIELLE D’UN SYSTEME DE V.A. Un système de vision artificielle comporte en général (voir figure 1.2) : a) une source lumineuse pour éclairer la scène (soleil, lampe, …) ; b) un ou plusieurs capteurs d’images (caméra, radiomètre, …) ; c) une carte d'acquisition entre le capteur et l’ordinateur qui convertit l’information analogique en information numérique (actuellement, elle est intégrée dans le capteur lui-même) ; d) une unité de traitement et de visualisation ainsi que des logiciels de traitement d’images. Chapitre 1 : Concepts de base de la Vision Artificielle Page 4 Support de cours - Vision Artificielle (Master ESE – Semestre 3 – 2018/2019) Pr. Abdelhamid LOUKIL Figure 1.2 : Structure matérielle d’un système de V.A. 1.4STRUCTURE FONCTIONNELLE D’UN SYSTEME DE V.A. 1.4STRUCTURE FONCTIONNELLE D’UN SYSTEME DE V.A. Un système de vision artificielle comporte les fonctionnalités suivantes (voir figure 1.3) : a. L’acquisition d’images (capteurs): • Caméra ou Barrette CCD, • Scanner informatique, • Radiomètre satellitaire, FLIR • Echographe, Doppler, IRM,… b. Le Prétraitement (rehaussement et débruitage) • Egalisation, Normalisation, • Filtrage spatial, Filtrage fréquentiel, … c. La Segmentation • Extraction de contours ou régions, • Séparation Background / Foreground • Morphologie mathématique,… d. L’Extraction de caractéristiques – Description • Moments invariants • Coefficients de Fourrier, DCT, … • Coefficients d’ondelettes, … e. La Classification / Comparaison avec modèles • PPV, Réseaux de neurones, SVM, ACP, … f. La Décision – Application • Biométrie, • Reconnaissance de formes (visages, pièces, …); • Tri, Contrôle dimensionnel;… Figure 1.3 : Structure fonctionnelle d’un système de V.A. Unité de traitement et de visualisation Source lumineuse (Eclairage) Carte d’acquisition Capteur d’images (Caméra) Scène à filmer Acquisition (image ou vidéo) B.D. modèles Prétraitement Segmentation Extraction de caractéristiques / Description Classification / comparaison avec modèles Décision / Application (Biométrie, RDF, …) Chapitre 1 : Concepts de base de la Vision Artificielle Page 5 Support de cours - Vision Artificielle (Master ESE – Semestre 3 – 2018/2019) Pr. Abdelhamid LOUKIL 1.5DIFFERENTS TYPES D’IMAGES NUMERIQUES 1.5DIFFERENTS TYPES D’IMAGES NUMERIQUES Une image numérique est la fonction qui à chaque point (appelé pixel – contraction anglaise de « picture element ») I(i,j) du plan image associe l’intensité lumineuse en ce point. Selon les valeurs pouvant être prises par la fonction I, nous distinguons 3 différents types d’images : 1.5.1 IMAGE BINAIRE: Les valeurs prises par cette fonction sont binaires (voir figure 1.4) : I (i,j)  { 0, 1} Figure 1.4 : Une image binaire 1.5.2 IMAGE EN NIVEAUX DE GRIS : Généralement, la fonction I peut prendre 256 valeurs entières allant de 0 à 255 appelées niveaux de gris (voir figure 1.5) : I(i,j)  [ 0, 255 ]. Figure 1.5 : Une image en niveaux de gris Chapitre 1 : Concepts de base de la Vision Artificielle Page 6 Support de cours - Vision Artificielle (Master ESE – Semestre 3 – 2018/2019) Pr. Abdelhamid LOUKIL 1.5.3 IMAGE RVB 24 BITS (3 X 8 BITS) Dans ce cas, à chaque pixel est associé un vecteur de 3 éléments entiers (Ir,Iv,Ib) pour coder les 3 canaux de couleur ‘canal rouge’, ‘canal vert’ et ‘canal bleu’. Les valeurs possibles prises par chaque canal est de 0 à 255 (voir figure 1.6). Ir(i,j)  [ 0, 255 ] ; Iv(i,j)  [ 0, 255 ] ; Ib(i,j)  [ 0, 255 ] ; Composante rouge Composante verte Composante bleue Figure 1.6 : Une image couleur RVB D’autres espaces de couleurs, différents du système RVB, existent tels que :  Le système YCbCr ;  Le système HSV (Hue / Saturation / Value) ;  Le système CMJN (Cyan / Magenta / Jaune / Noir);  Et bien d’autres encore … Chapitre 1 : Concepts de base de la Vision Artificielle Page 7 Support de cours - Vision Artificielle (Master ESE – Semestre 3 – 2018/2019) Pr. Abdelhamid LOUKIL 1.6PROPRIETES D’UNE IMAGE NUMERIQUE 1.6PROPRIETES D’UNE IMAGE NUMERIQUE 1.6.1 LA "DEFINITION" D’UNE IMAGE On appelle définition le nombre de pixels constituant l'image, c'est-à-dire sa "dimension informatique" (le nombre de colonnes de l'image que multiplie son nombre de lignes). Une image possédant 640 pixels en largeur et 480 en hauteur aura une définition de 640 par 480 pixels, notée « 640480 ». 1.6.2 LA "RESOLUTION" D’UNE IMAGE La résolution, terme souvent confondu avec la "définition", détermine par contre le nombre de points par unité de surface, exprimé en points par pouce (PPP, en anglais DPI pour Dots Per Inch); un pouce représentant 2.54 cm. La résolution permet ainsi d'établir le rapport entre le nombre de pixels d'une image et la taille réelle de sa représentation sur un support physique. Une résolution de 300 dpi signifie donc 300 colonnes et 300 rangées de pixels sur un pouce carré ce qui donne donc 90 000 pixels sur un pouce carré. En imagerie satellitaire, la résolution est exprimée en pixels/m. Par exemple un satellite ayant une résolution de 12m signifie que un (01) pixel de l’image représente 12 mètres au sol (de la terre). 1.6.3 LA DYNAMIQUE D’UNE IMAGE Pour une image en niveaux de gris, la dynamique représente le nombre de niveaux de gris présents dans celle-ci. Pour une image couleur, nous parlons de dynamique par canal. Nous pouvons aussi exprimer la dynamique par le nombre uploads/Management/ chapitre-1-cours-va-m2-ese-2018-2019.pdf