Formation Introduction au traitement d'images avec Matlab

Fondamentaux de l'image et traitement d'images MATLAB

1. Introduction au traitement d'images numériques

• Comprendre les images numériques et les pixels
• Dimensions, résolution et types de données des images
• Introduction à la boîte à outils de traitement d'images de MATLAB
• Compréhension du processus de base de traitement d'images

2. Importation et visualisation des images

• Chargement des images dans MATLAB
• Affichage et inspection des propriétés de l'image
• Manipulation des dimensions et des types de données des images
• Comparaison des différentes représentations d'images

3. Manipulation des images en couleur

• Comprendre les images de couleur RVB
• Accès aux canaux rouge, vert et bleu individuels
• Combinaison et manipulation des canaux de couleur
• Conversion entre les différentes représentations de couleur

4. Images en niveaux de gris et binaires

• Conversion des images RVB en niveaux de gris
• Comprendre les valeurs d'intensité
• Création d'images binaires
• Fondamentaux du seuillage
• Comparaison des représentations en niveaux de gris et binaires

5. Masques d'image et régions d'intérêt

• Comprendre les masques d'image
• Création de masques logiques
• Application de masques aux images
• Sélection et analyse des régions d'intérêt

6. Sauvegarde et exportation des images

• Sauvegarde des images traitées
• Gestion des formats d'image
• Exportation des résultats pour une analyse ultérieure

Exercice pratique : Concevoir un processus de travail de base dans MATLAB pour charger, inspecter, manipuler, masquer et sauvegarder une image.

Amélioration des images, réduction du bruit, enregistrement et détection de caractéristiques

1. Analyse d'images interactive

• Exploration interactive des images
• Inspection des valeurs des pixels et des régions de l'image
• Sélection des régions d'intérêt
• Comparaison des images originales et traitées

2. Amélioration des images

• Amélioration de la visibilité de l'image
• Ajustement de l'intensité de l'image
• Amélioration du contraste
• Préparation des images pour l'analyse subséquente

3. Bruit et restauration d'image

• Comprendre les bruits courants dans les images
• Identification du bruit dans les images
• Application de techniques de lissage
• Comparaison des différentes approches de réduction du bruit
• Équilibre entre élimination du bruit et préservation des détails de l'image

4. Alignement et enregistrement d'images

• Comprendre l'enregistrement d'images
• Alignement des images avec des points de vue ou positions différents
• Sélection des approches d'enregistrement appropriées
• Évaluation de la précision de l'alignement

5. Création d'images panoramiques

• Combinaison d'images superposées
• Détection des caractéristiques correspondantes des images
• Alignement et fusion des images
• Création d'une scène panoramique

6. Détection de caractéristiques géométriques

• Détection de lignes droites
• Détection de cercles
• Comprendre le concept de la transformée de Hough
• Application de la détection de lignes et de cercles aux images pratiques

Exercice pratique : Éliminer le bruit d'une image, aligner plusieurs images, créer un panorama et détecter des caractéristiques géométriques.

Histogrammes, filtrage et segmentation d'images

1. Histogrammes d'images

• Comprendre les distributions d'intensité des images
• Création et interprétation des histogrammes
• Analyse d'images basée sur les histogrammes
• Utilisation des histogrammes pour aider à la sélection du seuil
• Comparaison des caractéristiques d'image à l'aide d'histogrammes

2. Filtrage d'images 2D

• Comprendre le filtrage spatial
• Fondamentaux de la convolution d'image
• Conception de noyaux de filtre 2D
• Application des filtres aux images
• Lissage et netteté
• Comparaison des différentes réponses de filtre

3. Détection de bords

• Comprendre les bords d'image
• Détection de bords basée sur les gradients
• Détection des contours d'objets
• Sélection des méthodes de détection de bords appropriées
• Amélioration de la détection de bords par le prétraitement

4. Segmentation d'objets

• Introduction à la segmentation d'images
• Séparation des objets au premier plan des arrière-plans
• Segmentation basée sur le seuil
• Segmentation basée sur l'intensité
• Évaluation des résultats de segmentation

5. Segmentation basée sur la couleur

• Comprendre les espaces de couleur
• Sélection des informations de couleur utiles
• Segmentation des objets basée sur la couleur
• Gestion des variations d'éclairage

6. Segmentation basée sur la texture

• Comprendre les informations de texture
• Identification des objets à l'aide des caractéristiques de texture
• Combinaison des informations de texture avec d'autres techniques de segmentation

Exercice pratique : Développer un processus de travail de segmentation complet utilisant le filtrage, la détection de bords, l'intensité, la couleur et les informations de texture.

Analyse d'images automatisée, morphologie et mesure d'objets

1. Traitement d'images par lots

• Comprendre les processus de travail de traitement d'images automatisés
• Lecture de plusieurs images depuis un dossier
• Application des mêmes étapes de traitement aux collections d'images
• Sauvegarde et organisation des résultats d'analyse
• Conception de scripts MATLAB réutilisables pour l'analyse d'images

2. Traitement d'images morphologique

• Introduction à la morphologie mathématique
• Éléments structurants
• Érosion et dilatation
• Ouverture et fermeture
• Remplissage des trous et élimination des régions indésirables
• Raffinement des résultats de segmentation binaire

3. Segmentation d'objets basée sur la forme

• Identification des objets basée sur leur forme
• Séparation des objets connectés
• Élimination des petits objets ou objets indésirables
• Raffinement des contours des objets
• Combinaison des techniques de segmentation et morphologiques

4. Mesure des propriétés des objets

• Détection des objets individuels
• Mesure de la surface et du périmètre des objets
• Boîtes englobantes et centroïdes
• Mesures de forme et géométriques
• Extraction des propriétés des objets pour une analyse ultérieure

5. Analyse d'images quantitative

• Conversion des résultats du traitement d'images en données numériques
• Création de tables de mesures
• Comparaison des objets
• Identification des objets basée sur les propriétés mesurées
• Exportation des résultats d'analyse

6. Processus de travail de traitement d'images de bout en bout

Les participants combineront les techniques apprises tout au long du cours pour développer un processus d'analyse d'image complet :

Acquisition d'image → prétraitement → amélioration → filtrage → segmentation → traitement morphologique → détection d'objets → mesure → rapport

Exercice pratique : Développer une application MATLAB automatisée qui traite une collection d'images, segmente les objets, extrait les propriétés de forme et produit des résultats quantitatifs.

Exercices pratiques

Tout au long du cours, les participants travailleront sur des exemples pratiques impliquant :

• Amélioration et visualisation d'images
• Analyse d'images RVB et en niveaux de gris
• Réduction du bruit
• Filtrage d'images
• Création de panoramas
• Détection de lignes et de cercles
• Détection de bords
• Segmentation par couleur et texture
• Traitement morphologique
• Détection d'objets basée sur la forme
• Mesure d'objets
• Traitement par lots automatisé