Traitement d’images numériques

Contenus

Objectif du Cours

-L’objectif du cours est d’initier les étudiants aux méthodes de traitement d’images et de leur fournir les compétences nécessaires pour modéliser, manipuler et analyser des images numériques. Le cours vise à former les étudiants à l’utilisation des outils algorithmiques et logiciels pour le traitement de données visuelles dans divers domaines (médical, industriel, multimédia, etc.).

Contenu du Cours

-1. Introduction au traitement d’images numériques : définitions, applications, types d’images
2. Modèles de couleurs et formats d’image (RGB, HSV, YCbCr, etc.)
3. Échantillonnage, quantification, histogramme et amélioration de contraste
4. Filtrage spatial : lissage, détection de contours (Sobel, Prewitt, Laplacien)
5. Filtrage fréquentiel : transformée de Fourier discrète (DFT), filtrage en fréquence
6. Compression d’images : méthodes sans perte (RLE, Huffman, PNG)
7. Compression avec perte : JPEG, DCT
8. Examen intermédiaire
9. Segmentation d’images : seuillage, région, contours
10. Morphologie mathématique : érosion, dilatation, ouverture, fermeture
11. Détection et description de formes (Hough, SIFT, ORB)
12. Introduction à la vision par ordinateur et à l’apprentissage machine appliqué aux images
13. Présentation des projets étudiants
14. Révision générale et préparation à l’examen final

Acquis d'Apprentissage du Cours

1. Comprendre les étapes fondamentales d’un système de traitement d’images.
2. Appliquer des techniques de filtrage et de transformation sur des images numériques.
3. Évaluer la qualité des images et choisir des méthodes d’amélioration appropriées.
4. Concevoir et implémenter des algorithmes pour la segmentation et la reconnaissance d’objets.
5. Utiliser des bibliothèques logicielles pour traiter des images dans un environnement de programmation.

Ressources

• Digital Image Processing, Rafael C. Gonzalez & Richard E. Woods
• Image Processing, Analysis, and Machine Vision, Sonka, Hlavac, Boyle
• Computer Vision: Algorithms and Applications, Richard Szeliski
• Practical Python and OpenCV, Adrian Rosebrock