Techniques de numérisation d’une image
Mesures par analyse d’image : analyse statistique et texturelle
R630 v1 Archive

Techniques de numérisation d’une image
Mesures par analyse d’image : analyse statistique et texturelle

Auteur(s) : Jean-Paul DUBUS

Date de publication : 10 mars 1998

Logo Techniques de l'Ingenieur Cet article est réservé aux abonnés
Pour explorer cet article plus en profondeur Consulter l'extrait gratuit

Déjà abonné ?

Présentation

1 - Techniques de numérisation d’une image

2 - Techniques d’analyse statistique de l’image

3 - Analyse texturelle de l’image

Sommaire

Présentation

Auteur(s)

  • Jean-Paul DUBUS : Ingénieur du Conservatoire national des arts et métiers - Docteur ès sciences - Professeur à l’université des Sciences et Technologies de Lille

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

INTRODUCTION

Le traitement d’images trouve des applications dans beaucoup de domaines. Il s’applique notamment dans le domaine de la productique, de la mesure et l’interprétation, la surveillance et la sécurité, l’audiovisuel... Quel que soit le domaine d’application, il est nécessaire de connaître ce que l’on cherche à traiter dans l’image.

Dans le domaine de la productique, comme en mesure et interprétation ou en sécurité et en surveillance, on doit généralement résoudre des problèmes de segmentation soit par détection de contours, soit par croissance de région. Ces techniques conduisent à pratiquer des méthodes d’analyse de textures, de classification, de décomposition pyramidale. Le but consiste à extraire des formes primitives (segments de droite, cercles...), pour effectuer du codage de scène.

Dans le domaine de l’audiovisuel, on met en œuvre pratiquement les mêmes techniques de traitement d’images qu’en productique. Mais, dans ce domaine, il faut ajouter des techniques de restauration d’image, de rehaussement de contraste, et de compressions de données.

Toutes ces techniques, pour être utilisées de façon pertinente, nécessitent une connaissance préalable des caractéristiques propres au signal image. L’analyse du contenu d’une image a pour objet de rassembler dans une même présentation les différentes techniques permettant de caractériser l’information que comporte l’image.

Une image peut être caractérisée par les propriétés statistiques de l’ensemble des données qui la constituent. Elle peut être caractérisée aussi par ses propriétés spectrales. Elle peut être caractérisée encore par son aspect psychovisuel.

Le signal image peut être analysé soit à partir de sa représentation sous la forme du signal vidéo, soit à partir de sa représentation visuelle, c’est-à-dire sous la forme d’un tableau de données à deux dimensions. Cependant, le signal vidéo analogique n’est plus aujourd’hui utilisé que pour la restitution de l’image sur un visuel. Tous les traitements et les transmissions d’images se font essentiellement sous forme numérique. L’analyse du contenu d’une image s’effectue donc sur les données du tableau à deux dimensions qui la représente.

Dans une première partie, nous décrivons sommairement la technique de numérisation d’une image pour aboutir à sa représentation dans une mémoire.

Dans une seconde partie, nous présentons diverses techniques courantes d’analyse des images. Dans un premier chapitre, nous décrivons l’approche statistique classique que nous illustrons par quelques applications au rehaussement et à la détection de contours. Nous poursuivons l’analyse par la caractérisation texturelle d’une image. Nous illustrons ces techniques sur un exemple de classification de forme de textures. Dans un troisième chapitre, nous développons les méthodes de caractérisation spectrale des images. Nous illustrons une coopération des techniques d’analyse spectrale et texturelle sur une application à une technique de compression adaptée au cas des images médi-cales.

En conclusion, nous citons quelques documents qui développent d’autres exemples d’application de l’analyse du contenu d’une image, dont la liste pourrait être très importante.

Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 93 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-r630

Article inclus dans l'offre

"Mesures et tests électroniques"

(79 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

1. Techniques de numérisation d’une image

1.1 Capteur de vision ou analyseur de scène

Une image correspond à la projection nette d’une scène sur un plan. Cette projection nette est assurée par un objectif composé de plusieurs lentilles. Le plan sur lequel l’image de la scène est projetée est un capteur d’intensité de lumière qui comporte une charge électrique proportionnelle à l’intensité lumineuse en chaque point de sa surface. Ce capteur est appelé rétine. Le contenu de cette rétine est analysé à l’aide de circuits électroniques pour délivrer un signal vidéo. L’ensemble rétine- objectif constitue, avec les circuits électroniques de formation du signal vidéo, une caméra.

HAUT DE PAGE

1.1.1 Constitution d’un pixel

Compte tenu de la technologie actuelle, dans le domaine courant, la rétine (capteur) est composée de 512 à 4 096 lignes de 512 à 4 096 cellules sensibles à la lumière. Chaque cellule ou pixel occupe une petite surface rectangulaire de côtés compris entre 20 et 30 µm. Le fonctionnement d’une cellule élémentaire ou pixel est illustré figure 1.

Un pixel est matérialisé, sur un substrat semi-conducteur recouvert d’une couche de silice, par une fine couche métallique, rectangulaire, transparente à la lumière. Ce bloc métallique, de la dimen-sion du pixel, sert à polariser la cellule. L’énergie lumineuse qui illumine la surface du semi-conducteur, après avoir traversé la couche métallique et la silice, apporte une énergie suffisante pour créer à la surface du semi-conducteur des paires électrons-trous.

L’électrode métallique est légèrement polarisée négativement par rapport au substrat si le semi-conducteur est de type N et positivement dans le cas d’un semi-conducteur type P. Pour un semi-conducteur P, les électrons sont attirés vers la surface du semi-conducteur, et créent une charge d’espace négative, sous l’électrode (figure 1), tandis que les trous sont repoussés vers le bas. La charge d’espace est proportionnelle au nombre de photons incidents et dépend de la durée d’illumination de la cellule,...

Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 93 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


Lecture en cours
Techniques de numérisation d’une image

Article inclus dans l'offre

"Mesures et tests électroniques"

(79 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - LIU (W. Y.), MAGNIN (I. E.), GIMENEZ (G.) -   Un nouvel opérateur pour la détection de ruptures dans les signaux bruités.  -  Traitement du signal, vol. 12, no 3, 1995.

  • (2) - REBOUL (S.) -   Étude d’une méthode de segmentation d’images obtenues en résonance magnétique, en vue d’une quantification.  -  Thèse de l’université du Littoral, Électronique, 12 décembre 1995.

  • (3) - COCQUEREZ (J. P.), PHILIP (S.) -   Analyse d’images : filtrage et segmentation.  -  Masson, 1995.

  • (4) - HARALICK (R. M.), SHANMUGAM (K.), DINSTEIN (I.) -   Textural features for image classification.  -  IEEE Transactions on System, Man, and Cybernetics, vol. SMC3, no 6, nov. 1973.

  • (5) - UNSER (M.) -   Sum and difference histograms for texture.  -  IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PAMI-8, no 1 jan. 1986.

  • ...

Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 95 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


Article inclus dans l'offre

"Mesures et tests électroniques"

(79 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre