Scribd Logo
Importer

Bienvenue sur Scribd !

  • 127 vues

    TD2 2020 2021

    Transféré par

    Nidhal Ben Jbara
    Ce document présente plusieurs exercices sur le traitement d'images et la vision par ordinateur. Il aborde des sujets tels que l'atténuation de bruit, les filtres morphologiques, la détection de contours et les transformations d'images.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    TD2 2020 2021

    Transféré par

    Nidhal Ben Jbara
    127 vues6 pages
    Ce document présente plusieurs exercices sur le traitement d'images et la vision par ordinateur. Il aborde des sujets tels que l'atténuation de bruit, les filtres morphologiques, la détection de contours et les transformations d'images.

    Titre original

    TD2-2020-2021

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Ce document présente plusieurs exercices sur le traitement d'images et la vision par ordinateur. Il aborde des sujets tels que l'atténuation de bruit, les filtres morphologiques, la détection de contours et les transformations d'images.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    127 vues6 pages

    TD2 2020 2021

    Transféré par

    Nidhal Ben Jbara
    Ce document présente plusieurs exercices sur le traitement d'images et la vision par ordinateur. Il aborde des sujets tels que l'atténuation de bruit, les filtres morphologiques, la détection de contours et les transformations d'images.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    Vous êtes sur la page 1sur 6

    TD2 : Vision embarquée (Atténuation de bruits, filtres morphologiques, détection de

    contours)
    Zouhour Ben Azouz
    AU : 2020-2021

    Exercice 1 :
    Différentes transformations ont été appliquées à l’image de la figure 1.a. Les résultats de ces
    transformations sont illustrés sur les figures 1.b, 1.c, 1.d et 1.e. Identifier et expliquer la
    transformation qui a permis d’obtenir chacune de ces images.

    Figure 1 : (a) Image originale. (b), (c), (d) et (e) sont des résultats de transformations de
    l’image (a).

    Exercice 2:

    L’image de la figure 2, est une image de niveaux de gris dont les valeurs sont codées sur 4
    bits. Un bruit impulsionnel est ajouté à cette image comme le montre la figure 3.

    1
    1. Le masque suivant définit un filtre gaussien. Quel est l’effet de ce filtre. Comparer le
    au filtre moyenneur.

    Appliquer ce filtre gaussien sur les points : I(1,5) et I(6,3).

    2. Expliquer le principe du filtre médian. Appliquer un filtre médian de taille 3×3 sur les
    points : I(1,5) et I(6,3).

    3. Comparer et interpréter les résultats obtenus par l’application du filtre gaussien et du


    filtre médian.

    Figure 2 : Les niveaux de gris des pixels d’une image.

    Figure 3 – Image de la figure 3 après ajout d’un bruit impulsionnel.

    2
    Exercice 3 :
    1. Expliquer le principe de base des algorithmes de détection de contours.
    2. On désire extraire les contours de l’image I1 dont les niveaux de gris sont illustrés sur
    la figure 4.a, en utilisant l’algorithme de Canny. Les approximations des normes et des
    directions du gradient d’intensités de cette image sont fournies respectivement sur les
    figures 4.b et 4.c.
    a) Préciser l’approche utilisée pour calculer ces approximations.
    b) Appliquer l’algorithme de Canny sur l’image 4.a en utilisant les approximations
    fournies. Préciser les paramètres adoptés. Justifier les résultats obtenus pour
    chaque pixel. Utiliser les tableaux de la page 4 pour visualiser vos résultats
    intermédiaires ainsi que le résultat final de la détection de contours.

    7 7 7 7 7 7 7 7
    6 6 6 6 6 6 6 6
    8 8 7 12 12 12 7 8
    7 7 13 14 14 14 13 7
    8 8 12 13 13 13 12 8
    6 6 12 12 12 12 12 6
    7 6 6 11 11 11 6 6
    6 6 6 6 8 6 6 6
    (a)

    0,76 2,07 3,66 4,25 3,66 2,07


    2,26 4,83 5,79 5,5 5,79 4,83
    3,46 4,98 3,49 2 3,49 4,98
    4,03 4,41 2,13 1,25 2,13 4,41
    3,76 5,32 3,93 2,75 3,93 5,36
    2,03 4,65 4,98 4 4,98 4,73

    (b)

    90 90 90 90 90 90
    135 135 135 90 45 45
    0 135 135 90 45 45
    0 0 45 90 135 0
    45 45 45 90 135 135
    45 45 45 90 135 135

    (c)
    Figure 4: (a) Niveaux de gris d’une image. (b) et (c) sont respectivement les approximations
    du module et de la direction du gradient d’intensité.

    3
    4
    Exercice 4 :

    Figure 5 : De gauche à droite : Images binaires I et J


    Expliquer la chaîne de traitement à effectuer pour obtenir l’image J de l’image I
    (figure 5). Pour illustrer chacun de ces traitements, présenter l’image résultat
    correspondante et donner les éventuels filtres, opérateurs et éléments structurant
    utilisés.

    Exercice 5 : Expliquer la chaîne de traitement à effectuer pour obtenir l’image J de l’image I


    (figure6). Pour illustrer chacun de ces traitements, présenter l’image résultat correspondante et
    donner les éventuels filtres, opérateurs, éléments structurant utilisé.

    Figure 2 : De gauche à droite : Images binaires I et J

    5
    6

    Vous aimerez peut-être aussi