Traitement d’images numériques(INF366)
| Nom du Cours | Semestre du Cours | Cours Théoriques | Travaux Dirigés (TD) | Travaux Pratiques (TP) | Crédit du Cours | ECTS | |
|---|---|---|---|---|---|---|---|
| INF366 | Traitement d’images numériques | 6 | 3 | 0 | 0 | 3 | 5 |
| Cours Pré-Requis | |
| Conditions d'Admission au Cours |
| Langue du Cours | Français |
| Type de Cours | Électif |
| Niveau du Cours | Licence |
| Enseignant(s) du Cours | MOULOUD ADEL madel@gsu.edu.tr (Email) |
| Assistant(e)s du Cours | Mustafa Berk BACAKSIZ mbacaksız@gsu.edu.tr (Email) |
| 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.). |
| Contenus |
-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. |
| Méthodes d'Enseignement | |
| 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 |
Intitulés des Sujets Théoriques
| Semaine | Intitulés des Sujets |
|---|
Intitulés des Sujets Pratiques
| Semaine | Intitulés des Sujets |
|---|
Contribution à la Note Finale
| Numéro | Frais de Scolarité | |
|---|---|---|
| Toplam | 0 | 0 |
Contrôle Continu
| Numéro | Frais de Scolarité | |
|---|---|---|
| Toplam | 0 | 0 |
| No | Objectifs Pédagogiques du Programme | Contribiton | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Activités | Nombre | Durée | Charge totale de Travail |
|---|---|---|---|
| Charge totale de Travail | 0 | ||
| Charge totale de Travail / 25 | 0.00 | ||
| Crédits ECTS | 0 | ||