Introduction au traitement d'image numérique

Le traitement d'image numérique est un processus permettant d'exécuter des algorithmes de traitement d'image sur des images numériques. Le traitement d'image numérique contient le traitement d'images telles que la lecture, l'analyse et la manipulation d'une image, et l'exécution de tout type d'opération sur la même chose, comme l'amélioration de la représentation des informations d'une image, le traitement des données d'image pour le stockage, la transmission et la représentation. Le traitement d'image numérique est utilisé dans les projets traitant de la classification, de l'extraction d'entités, de la reconnaissance de formes, etc., etc.

Qu'est-ce qu'une image?

Une image est représentée comme une fonction F (a, b) qui est bidimensionnelle où a et b sont les coordonnées spatiales ou planes. La plage de «F» en tout point de (a, b) est appelée l'intensité de l'image en ce point. Si a, b et les valeurs de f sont finies, l'image est dite numérique. Une image numérique se compose de pixels ayant des emplacements et des valeurs particuliers. La valeur du pixel a varié de 0 à 255.

Exemple:

La figure ci-dessous montre une image et les pixels correspondants d'un point

L'image et ses pixels

Expliquer le traitement d'image

Le traitement d'image est défini comme une technique pour améliorer les images brutes capturées à l'aide de divers capteurs de vision pour diverses applications telles que l'imagerie médicale, l'industrie cinématographique, le transport intelligent, etc. Pour appliquer des techniques de traitement d'image, la première étape consiste à numériser l'image dans un fichier image . En outre, les méthodes doivent être appliquées pour réorganiser les parties d'image, pour améliorer la séparation des couleurs et pour améliorer la qualité.

Exemple: Une application médicale utilise des techniques de traitement d'image pour l'amélioration de l'image, en tomographie et en simulation. La tomographie est une méthode utilisée pour la photographie aux rayons X.

Types d'images

  • L'image contenant uniquement des éléments à deux pixels qui sont 1 et 0, où 1 représente le blanc et 0 représente la couleur noire est appelée image binaire ou monochrome.
  • L'image qui se compose de la seule couleur noir et blanc est appelée image noir et blanc.
  • Il existe une «image au format couleur 8 bits» contenant 256 nuances de couleurs différentes et généralement connue sous le nom d'image en niveaux de gris. En cela, 0 représente le noir, 127 représente le gris et 255 représente le blanc.
  • Un autre est le «format de couleur 16 bits» qui contient 65 536 couleurs différentes. Dans ce format, la distribution des couleurs est différente de l'image en niveaux de gris.

Un format 16 bits est en outre divisé en trois formats qui sont abrégés en rouge, vert et bleu en format RVB.

Représentation de l'image

L'image est représentée comme un tableau ou une matrice de pixels carrés disposés en lignes et en colonnes. Matlab est une très bonne plateforme pour récupérer, lire et traiter des images. Il a également une boîte à outils de traitement d'image. Il est connu que l'image est présentée sous forme de colonnes et de lignes comme représenté ci-dessous:

Cette équation est la représentation matricielle d'une image numérique dans laquelle chaque élément est appelé pixel.

Exemple: Pour lire une image, nous devons utiliser la commande suivante dans MatLab

i=imread('F:\image.jpg.webp');

Après avoir exécuté cette commande, l'image sera enregistrée dans la variable I en tant que matrice ou matrice tridimensionnelle, comme illustré dans la figure ci-dessous. Le tableau a une taille de 225X224X3. Il a différentes valeurs de pixels allant de 0 à 255.

Représentation en tableau d'une image

Après avoir affiché l'image à l'aide de la commande suivante:

show(i)

Nous pouvons également voir les valeurs de pixels d'un point particulier, comme indiqué dans la figure ci-dessous. Il montre la position du pixel pointé en tant que (X, Y) et les valeurs de RVB qui sont des détails de couleur rouge, vert et bleu.

Position des pixels et valeurs RVB

Dans MatLab, les différentes fonctions peuvent être exécutées sur des images telles que lire, afficher, redimensionner, faire pivoter, affiner, ajouter du bruit, supprimer le bruit, la filtration, la détection des bords, la détection des coins, la cartographie et bien d'autres.

Phases de traitement d'image

  1. Acquisition: l' acquisition d'image est définie comme la récupération ou la récupération d'une image à l'aide de tout type de capteurs de vision. Le travail principal implique la mise à l'échelle et la conversion des couleurs RVB en gris ou gris en RVB
  2. Amélioration de l'image: l' amélioration de l'image consiste à améliorer la qualité d'une image en accentuant ou éclaircissant l'image. Cela est fait pour identifier facilement ses caractéristiques.
  3. Restauration d'image: La restauration d'image traite de la suppression du bruit ou de l'effet de flou d'une image pour améliorer sa lisibilité.
  4. Traitement multi-résolution et ondelettes: Grâce à ces techniques, les images peuvent être représentées à plusieurs degrés.
  5. Compression d'image: la compression d'image concerne la taille ou la résolution de l'image. Il est appliqué à l'image pour réduire les coûts de stockage ainsi que de transmission.
  6. Détection et reconnaissance d'objets: il s'agit de détecter et de reconnaître l'image et d'attribuer son étiquette réelle en détectant les caractéristiques d'une image.

Application du traitement d'image numérique

  • L'application la plus célèbre et la plus utile du traitement d'image est les réseaux de neurones profonds. Les réseaux de neurones profonds sont les réseaux qui peuvent être formés et testés à diverses fins à l'aide de données d'image. En cela, l'image brute est généralement disponible. Les données d'image doivent d'abord être prétraitées puis utilisées à des fins de formation. P
  • le retraitement de l'image comprend la réduction du bruit, la suppression de l'effet de flou, l'égalisation de l'intensité à l'aide de la FFT, etc. D'autres fonctionnalités des données d'image doivent être extraites et l'utilisation de ces fonctionnalités peut être entraînée par le réseau. Ce réseau peut être formé pour classer tout type de données telles que le trafic, les visages, les scènes, etc.
  • Le résultat du réseau dépend du type et de la qualité des données d'image qui ont été utilisées pour la formation. Il existe de nombreux réseaux disponibles en ligne tels que AleNet, GoogleNet, VGG, etc. qui ont été formés sur différents types d'images.

Conclusion

En cela, seule la partie introductive du traitement d'image a été discutée. Le traitement d'image est très vaste dans le scénario d'aujourd'hui. Par exemple, il existe une variété de filtres qui peuvent être appliqués à l'image. Il existe de nombreuses techniques qui peuvent être appliquées à l'image à diverses fins, comme la détection et la classification d'objets, la localisation de scènes, la reconnaissance faciale, la reconnaissance de formes, etc.

Articles recommandés

Ceci est un guide sur le traitement d'image numérique. Nous discutons ici de l'introduction, de ce qu'est une image, des types d'image et des applications du traitement numérique de l'image. Vous pouvez également consulter nos autres articles connexes pour en savoir plus–

  1. Bibliothèques d'apprentissage automatique
  2. Logiciels de signature numérique
  3. Qu'est-ce que le traitement des données?
  4. Version MATLAB
  5. Comment implémenter la couleur dans Matlab?

Catégorie:

Big Data