“chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 374 — #1

Traitement des images

Christine Fernandez-Maloigne, Noël Richard

Mots-clés : traitement et analyse d’images couleurs, filtrage, segmentation, classification, indexa-

tion.

Résumé : ce chapitre donne les bases des principaux algorithmes de traitement et d’analyse d’images
numériques niveaux de gris et couleur, tout au long d’une chaîne traditionnelle de traitements de
telles données. On trouvera sur le site de Pandore1 une bibliothèque d’algorithmes pour tester ces
traitements.

Le xxie siècle est celui de l’image numérique, vecteur
d’information pour la presse, les artistes, le monde
médical mais aussi celui de l’industrie. Le traitement
d’images est une science récente qui a pour but d’of-
frir aux spécialistes de différents domaines, comme au
grand public, des outils de manipulation de ces don-
nées digitales issues du monde réel. L’histoire com-
mence dans les années cinquante avec les rayons X.
Puis vint l’étude de méthodes d’extraction automa-
tique d’informations avec de nombreuses applications
en reconnaissance de caractères et en contrôle qua-
lité. Dans les années quatre-vingt, les efforts se pour-
suivirent avec l’introduction des systèmes experts qui
devaient remplacer l’homme dans ses différents diag-
nostics ! Enfin dans le courant des années quatre-vingt
et quatre-vingt-dix, le traitement d’images passe du 2D
au nD grâce aux nouvelles possibilités technologiques.
Les supports de stockage, les processeurs permettent
désormais de traiter des informations multidimension-
nelles de couleur et de mouvement.
intégrant de la connaissance a priori sur les contenus
et surtout sur la finalité de l’exploitation des données.
Le traitement d’images est donc une science en pleine
évolution qu’il n’est pas possible de décrire pleinement
dans ces quelques pages. Nous allons tenter de donner
les bases de cette science qui a pour objectifs princi-
paux (cf. figure 1) :
– de saisir une scène réelle pour constituer un fi-
chier informatique, c’est l’étape d’acquisition ;
– de mettre en évidence les informations intéres-
santes : c’est l’étape de traitement dans laquelle
on distinguera tout particulièrement les étapes de
débruitage puis la segmentation ;
– d’interpréter ces informations pour décider d’un
diagnostic ou d’une action à engager : c’est l’étape
d’analyse ;

Puis dans les années deux mille, l’intérêt se porte

de plus en plus sur les modèles perceptifs afin d’op-
timiser les modèles usuels. Par ailleurs, plutôt que de
développer des algorithmes utilisables dans toutes les Figure 1 Chaîne de traitement et d’analyse d’images
situations, des méthodes dédiées sont développées, en

1 http ://uranus.greyc.ismra.fr/∼regis/pandore. 374

 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 375 — #2
Traitement des images
– sans oublier les étapes de stockage des informa-
tions, à différentes étapes de la chaîne, et de vi-
sualisation et/ou d’impression des résultats.
Dans la suite de ce chapitre, nous allons expliciter
ces différents stades de manière succincte. Le lecteur
pourra se référer à (Cocquerez et Philipp, 1995; Bon-
ton et al., 2004) pour aller plus loin.
1 Acquisition
1.1 Généralités
La première étape d’une chaîne de traitement et d’ana-
lyse des images numériques est celle de l’acquisition
d’une scène. Les objets de cette scène peuvent émettre
de l’énergie, on parle alors d’imagerie en émission,
comme l’imagerie infrarouge. Mais le plus souvent ils
reçoivent une énergie lumineuse qu’ils vont en partie
absorber et en partie réfléchir. L’analyse de l’énergie
absorbée est le fait de l’imagerie en absorption, comme
dans le cas de l’imagerie ultrasonore (échographie par
exemple). L’analyse de l’énergie réfléchie concerne la
majorité des applications de traitement d’images, où
un capteur se substitue à l’œil d’un observateur. Un
objet n’est alors visible que s’il est éclairé. Plus un ob-
jet réfléchit l’énergie lumineuse qu’il reçoit, plus il sera
clair. Ce sont par ailleurs les différences d’absorption
et donc de réflexion, des différentes longueur d’ondes
d’un spectre lumineux qui vont donner la couleur d’un
objet.
Figure 2 Le spectre visible
Les longueurs d’onde perceptibles par le système de
vision humaine sont comprises environ entre 380 nm
pour le violet et 780 nm pour le rouge (figure 2). Le
spectre visible correspond à cette plage de longueurs
d’onde. Dans l’étape d’acquisition d’une image numé-
rique, un capteur électronique va remplacer le capteur
biologique. Si l’on reste dans le domaine du visible, il
existe aujourd’hui deux principales technologies basées
respectivement sur les CCD (Charge Coupled Devices) et
la technologie CMOS (Berry, 2005). Pour passer en-
suite de ce phénomène continu à une image numé-
rique, la première étape est celle de la discrétisation.
Elle s’opère en deux temps : une discrétisation spatiale
qui organise l’image continue généralement selon une
1 La reproduction impose des conditions d’observation déterminées.
375
grille de L lignes et C colonnes puis une quantification
qui permet d’associer un codage numérique à la quan-
tité d’énergie captée par chaque élément de cette grille.
Le nombre b de bits de codage définit la dimension de
l’espace de représentation et le nombre N de valeurs
possibles (N = 2b ).
Soit I une image numérique :

I = {(i, j) ∈ 0, . . . , m − 1} × {0, . . . , n − 1}
(1.1)
Chaque élément I(i, j) de la matrice est appelé pixel
(contraction de picture element). Lorsque le nombre de
bits b de codage vaut 1, l’image est dite binaire. Les
images en niveaux de gris sont généralement codées
sur 8 bits, la valeur 0 codant le noir et la valeur maxi-
mum 255 (28 − 1) codant le blanc. Dans le cas des
images couleurs, à chaque pixel est associé un vecteur
à trois composantes codées classiquement chacune sur
8 bits. L’espace de représentation choisi définit la si-
gnification des composantes (RGB, HLS, . . . ).
1.2 Les représentations numériques
de la couleur
Un espace couleur, ou système de représentation, se
définit par le choix des primaires utilisées et du blanc
de référence qui fixe leurs valeurs unitaires. Il peut être
défini quatre familles de systèmes de représentation :
les systèmes de primaires, les systèmes luminance-
chrominance, les systèmes liées à la perception hu-
maine et les systèmes d’axes indépendants. Des ver-
sions normalisées de ces systèmes sont proposées par
la CIE (Commission international de l’éclairage).
Les systèmes de primaires
Le principe de la trivariance visuelle est un principe
selon lequel toute couleur peut être reproduite visuel-
lement à l’identique1 par le mélange algébrique, en
proportions définies de manière unique, de trois cou-
leurs, appelées primaires, choisies sous réserve qu’au-
cune d’entre elles ne puisse être reproduite par un mé-
lange des deux autres. L’ensemble des couleurs repro-
ductibles est appelé espace des couleurs : espace RVB par
exemple. Il existe autant d’espaces RVB qu’il y a de
primaires R, V et B et de blancs de référence. L’es-
pace des couleurs forme un cube selon les primaires
conservées (figure 3). L’espace RVB présente quelques
inconvénients, d’où la proposition de la CIE qui a dé-
fini un espace de représentation basé sur trois primaires
virtuelles X , Y et Z (figure 4).
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 376 — #3
376
Figure 3 Discrétisation uniforme de l’espace couleur RVB
(RGB) en volumes cubiques
Figure 4 Discrétisation uniforme de l’espace couleur
CIEXYZ en volumes cubiques
Le complémentaire de l’espace RVB est l’espace
CMJ, qui est dédié à l’impression des couleurs. Il ré-
sulte d’une synthèse soustractive et est représenté par
un cube comme l’espace RGB.
Les systèmes luminance chrominance
L’intérêt des espaces de type luminance-chrominance
est qu’ils dissocient la composante de luminance des
composantes de chrominance, suffisantes pour quanti-
fier le caractère chromatique d’un stimulus. On peut
distinguer les systèmes perceptuellement uniformes
(Lab, Luv), les systèmes de télévision (YCrCb, YIQ,
YUV) ou les systèmes antagonistes (AC1 C2 , OCS).
Les systèmes liés à la perception humaine
L’homme ne perçoit pas la couleur comme une combi-
naison de chromaticités mais selon des entités subjec-
tives liées à la clarté, la teinte et la saturation. La teinte
indique le type de couleur (rouge, jaune, bleu, etc.).
La saturation indique si la couleur est pâle (ton pas-
tel) ou vive. La clarté indique si la couleur est claire ou
sombre. Il existe plusieurs systèmes de ce type. Leurs
principales différences proviennent des unités et de la
dynamique de chacun des trois axes couleur : teinte, in-
tensité, saturation. La non-linéarité des expressions pour
l’estimation de la saturation et de la teinte entraîne
des discontinuités, qui sont caractérisées par le fait
que deux couleurs perceptuellement proches peuvent
1 Traitement marginal : traitement séparé et indépendant sur chacun des axes de représentation.
I/4 Systèmes multimédias
se transformer en des composantes teinte et saturation
très différentes.
Les systèmes décorrélés
Suivant la distribution des couleurs considérées, une
corrélation entre les composantes du système de re-
présentation choisi peut être observée. Il existe plu-
sieurs méthodes pour décorréler les composantes d’un
espace. L’une des plus utilisées est la transformée de
Karhunen-Loeve. Ohta a également proposé un espace
décorrélé pertinent (Bonton et al., 2004).
2 Traitement
Le premier objectif du traitement est l’élimination des
informations non pertinentes pour faciliter l’extrac-
tion des informations utiles à l’analyse. Toute acqui-
sition est bruitée, le bruit dépendant de la technolo-
gie (capteur, échantillonnage) ; mais aussi de la scène,
du contexte (plein soleil, ombres), ou de la nature des
objets eux-mêmes (spécularités, transparence). Selon sa
nature, le bruit induit un effet qui peut être localisé sur
un pixel ou sur un voisinage de pixels spatial ou tem-
porel, par exemple le bruit dit «poivre-et-sel» très lo-
calisé, le bruit de speckle, provoquant un chatoiement,
bruit granulaire de type multiplicatif ou encore le bruit
additif gaussien, introduisant un flou (figure 5).
Figure 5 Différents types de bruit
Les traitements préliminaires visent à améliorer la
qualité d’une image ; cependant cette notion est très
subjective et souvent assujettie à un objectif. Or cet ob-
jectif peut différer entre un système automatisé et un
humain. Dans tous le cas, pour les images couleur deux
approches sont possibles : soit un traitement marginal1
de chacune des trois composantes ; soit directement un
traitement vectoriel sur les pixels auxquels sont asso-
ciés non plus un scalaire mais un vecteur de dimension
trois. Une quantification sur une palette de couleurs
réduite peut permettre d’appliquer des traitements de
type niveaux de gris. Des changements d’espace de re-
présentation sont toujours bien sûr envisageables avant
d’opérer les traitements.
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 377 — #4

Traitement des images 377

2.1 Restauration Modification de l’échelle des niveaux de gris ou des couleurs

L’objet de la restauration est la réduction, voire l’éli-
mination des distorsions introduites (bruits) par le sys-
tème ayant servi à acquérir l’image. Le principe est de
modéliser le bruit pour retrouver l’image idéale, non
bruitée, à partir de l’image dégradée. Pour les bruits in-
troduits par le capteur (bougé, défocalisation), la trans-
formée de Fourier est utilisée. Dans ce cas, les dégra-
dations sont supposées invariantes spatialement ce qui
permet d’écrire le modèle suivant : soit f l’image à res-
taurer, g l’image idéale, h la réponse impulsionnelle du
système linéaire modèle de la source de dégradation et
b un bruit additif,
f (x, y) = |h ∗ g|(x, y) + b(x, y) (1.2)
Si h et b sont connus et si h correspond à une dégra-
dation linéaire et invariante par translation :
F (u, v) = H(u, v).G(u, v) + B(u, v) (1.3)
La restauration est effectuée par inversion du phé-
nomène de dégradation grâce à la transformée de Fou-
rier et à sa propriété de transformation du produit de
convolution en produit fréquentiel.
Chaque niveau de gris est modifié dans le but d’ac-
croître le contraste. Ce type de correction est adapté
aux images dont la majeure partie des niveaux de gris
(ou de couleurs) présents dans l’image est concentrée
dans un faible intervalle sur l’échelle des intensités lu-
mineuses ou chromatiques. Soit g l’image de départ et
g l’image après une telle transformation notée t :
g(x, y) = t (g(x, y)) (1.4)
La figure 7 illustre quelques transformations pos-
sibles. En plus de celles-ci, il est possible de distinguer
une transformation particulière qui consiste à sélec-
tionner une valeur, dite seuil, en dessous de laquelle les
valeurs des pixels sont mises à 0 et au-delà de laquelle
elles sont placées à 255. On parle alors de binarisation.

0 si g(x, y) ≤ T
g = (1.5)
1 si g(x, y) > T

2.2 L’amélioration
Le problème de l’amélioration est quant à lui lié à la
perception humaine. C’est donc un problème subjec-
tif. Le système visuel humain étant particulièrement
Figure 7 Modifications de l’échelle des niveaux de gris ou
sensible aux forts contrastes, les techniques d’amélio- de couleur
ration tentent d’augmenter ceux-ci pour accroître la sé-
parabilité des régions composant une scène (figure 6).
Il existe deux grandes familles de méthodes : les mé- Modification de l’histogramme
thodes dites globales ou ponctuelles et les méthodes
locales ou dites de voisinage. L’histogramme de l’image I est une fonction H définie
sur l’ensemble des entiers naturels par :

H(x) = card {P : I(P ) = x} (1.6)

Figure 6 Rehaussement de contraste

Débruitage par méthodes globales

Les méthodes globales modifient chaque point de
l’image en fonction d’une information globale sur les
niveaux de gris ou les couleurs présentes dans l’image.
Les méthodes les plus utilisées sont la modification de
l’échelle des niveaux (contrastage, négatif, extraction
de bits, découpage de l’intensité, troncature, seuillage)
et la modification de l’histogramme (égalisation, spéci- Figure 8 Différentes formes d’histogrammes
fication).
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 378 — #5
378
H(x) correspond au nombre d’occurrences de la
couleur (ou du niveau de gris) x dans l’image I 1 . L’his-
togramme résume une image à l’ensemble des couleurs
présentes et offre un moyen simple d’appréhender le
contenu numérique. Il ne contient néanmoins aucune
information quant à la répartition spatiale des niveaux
de gris ou de couleur. Pour améliorer ou normaliser
une image, il est utilisé une linéarisation, afin de répar-
tir uniformément les valeurs des pixels sur l’ensemble
de l’histogramme. Soit g l’image de départ, g l’image
après linéarisation et T la transformation appliquée
(équation 1.7). Dans ce contexte, T est une fonction
de distribution cumulative représentée par la figure 9.
g = (gmax − gmin ) T (g(x, y)) + gmin (1.7)
Figure 9 Transformation d’histogramme : (1) FDC2 de
l’histogramme initial,(2) FDC du nouvel histogramme
Un exemple de ces méthodes, dite d’égalisation
d’histogramme, est donné par les formules3 1.8 et 1.9.
La figure 10 illustre les résultats obtenus sur une image
niveaux de gris.

u (1.10)
v = H(i) (1.8)
i=0
 
v − vmin

v = Ent (N − 1) + 0.5 (1.9)
1 − vmin
Figure 10 Exemple d’égalisation d’histogramme
1 H(x) est souvent normalisée par le nombre de pixels de l’image.
2 FDC : fonction de cumul.
3 La fonction Ent correspond à la partie entière du résultat.
I/4 Systèmes multimédias
Dans le cadre des images couleur, la taille de l’histo-
gramme pose de nombreux problèmes (aspect vectoriel
induisant une dimension trois), souvent résolus au tra-
vers d’une réduction du nombre de couleurs (quantifi-
cation), ou d’un traitement marginal après changement
d’espace.
Débruitage par méthodes locales
Plutôt que de travailler sur des informations glo-
bales, certaines méthodes travaillent localement sur
des pixels ou sur un voisinage de pixels. Les techniques
employées sont de type filtrage avec des approches
de type fréquentielles et son corollaire dans l’espace
pixel : le filtrage linéaire. Le traitement d’images a éga-
lement développé des méthodes spécifiques de filtrage
non linéaire dont le filtre médian est un cas particulier.
Le filtrage fréquentiel
Il consiste à calculer la transformée de Fourier d’une
image numérique, puis à multiplier cette transformée
par une fonction de fenêtrage, dans laquelle l’infor-
mation pertinente est supposée contenue. Le retour
à l’espace pixel s’effectue par transformation inverse.
La transformée de Fourier F (u, v) d’une image I(l, c)
est donnée par la formule 1.10, le retour dans l’espace
pixel exploite l’équation 1.11.
1  2jπ(lu+cv)
F (u, v) = I(l, c)e− N
N2 l c
 2jπ(lu+cv)
I(l, c) = F (u, v)e N
u v
(1.11)
Le filtrage linéaire
Comme multiplier dans le domaine fréquentiel revient
à convoluer dans le domaine temporel, la fenêtre fré-
quentielle se transforme en un masque dans l’espace
pixel. Il est alors appliqué à une image selon la formule
de convolution discrète suivante :
 
l−1 c−1
g  (p, q) = g(p − i, q − j) · h(i, h) (1.12)
i c
avec g image de départ, h le filtre de taille l, et g 
l’image traitée.
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 379 — #6

Traitement des images 379

Dans les deux cas, le principal problème est le choix
de l’opérateur de lissage qui doit être lié à la nature
du bruit. Attention au fait que, sur une image cou-
leur, le flou d’un filtrage linéaire en niveaux de gris
se traduit, en application marginale, par l’apparition
de fausses couleurs. Généralement, le bruit se situe
dans les hautes fréquences et un simple filtre passe-
bas peut l’atténuer. Dans ce cas, l’opérateur W pourra
être un filtre moyenneur simple sur un voisinage 3 ×
3 (tableau 1). Ainsi, chaque pixel est remplacé par la
moyenne pondérée de ses voisins. On remarquera que
la convolution ne peut être effectuée sur les bords de
l’image. Ainsi, si l’image originale est de taille N × M
et que le filtre est un masque de taille l × c, l’image
filtrée sera de taille (N − (l − 1)) × (M − (c − 1)).
– Filtre max : cj = 0 si j = N et N = 1
– Filtre min : cj = 0 si j = 1 et c1 = 1
– Filtre médian : cj = 0 si j = n + 1 et cn+1 = 1
– Filtre de rang k : cj = 0 si j = k et ck = 1
– Filtre milieu : cj = 0 si j = 1 et j = N et
c1 = cN = 0.5
C’est le filtre médian qui est utilisé généralement à
la place du moyenneur pour éliminer les problèmes de
flou, au prix d’une complexité et d’un temps de calcul
un peu plus élevé. Les voisinages de travail choisis sont
là encore le plus souvent des voisinages symétriques de
taille impaire (3 × 3, 5 × 5, etc.). Un résultat compa-
ratif de ces différents filtres est donné par la figure 11.

1/9 1/9 1/9

1/9 1/9 1/9
1/9 1/9 1/9
Tableau 1 Filtre moyenneur 3 x 3

Dans le cas des filtres moyenneurs, augmenter la

taille du masque revient à augmenter la largeur du
masque fréquentiel donc l’importance du filtrage. Pour Figure 11 De haut en bas et de gauche à droite : image
limiter l’effet de flou introduit et donc préserver les d’origine bruitée par un bruit «salt and pepper», images
débruitées par un moyenneur 3x3, un filtre adaptatif 3x3 et
directions des contours principaux, un lissage adapta- un median 3x3
tif peut être utilisé, bien que plus coûteux en temps
(équations 1.13 et 1.14). On remarque bien l’efficacité du médian sur ces
bruits ponctuels tout en respectant les contours. Le
1 d(m, n, i, j) moyenneur introduit nettement du flou sans élimi-
g  (m, n, i, j) = k  ner totalement le bruit. Le filtre adaptatif respecte les
2 i=−k lj=−l d(m, n, i, j)
contours mais aussi les bruits ! Cependant de nom-
(1.13)
breux problèmes se posent lorsque l’on passe à la cou-
avec leur : en effet il n’existe pas d’ordre naturel entre vec-
teurs. Il faut donc choisir des ordres partiels ou des
1 1 modes de codage adaptés (Bonton et al., 2004).
d(m, n, i, j) = , g(m, n, 0, 0) =
g(mi , n − j) − g(m, n) 2
(1.14) 3 Segmentation

Le filtrage non linéaire Le cœur d’un système d’analyse automatique d’images

est l’étape de la segmentation ou d’extraction des ca-
Pour éviter le flou introduit par les filtres passe-bas clas-
ractéristiques. La segmentation des images consiste à
siques, une autre famille de méthode existe : les filtres
regrouper les pixels de ces images qui partagent une
non linéaires ou filtres d’ordre. Ces filtres opèrent
même propriété pour former des régions connexes. Il
d’abord le tri des pixels du voisinage de référence par
existe deux familles d’approches que l’on peut faire
ordre croissant des niveaux de gris ou de couleur (équa-
coopérer : les approches « contours » et les approches
tion 1.15). Soit N la taille du voisinage et X(j) le voisin
« régions ». Dans le premier cas, les régions sont déli-
trié au rang j , on note Y la valeur du pixel central du
mitées par les contours des objets qu’elles représentent
voisinage après filtrage :
(séparation). Dans le second cas, les régions sont dé-
terminées en fonction de leurs propriétés intrinsèques

N
Y = cj X(j) (1.15) (agrégation de pixels fonction d’un critère d’homogé-
j=1 néité). Les deux approches sont duales. Une image est
donc une mosaïque de régions homogènes séparées par
Selon les valeurs des coefficients cj , on obtiendra : des zones de transitions.
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 380 — #7
380
3.1 Segmentation en contours
Le principe d’une chaîne d’extraction automatique des
contours est le suivant :
1. Extraction des points de contour
2. Binarisation des contours
3. Réduction de l’épaisseur des contours à un
pixel
4. Fermeture et suivi de contours
5. Codage et description des contours.
I/4 Systèmes multimédias
permet d’améliorer la qualité d’estimation de la déri-
vée (débruitage) mais a pour conséquence d’augmenter
le temps de calcul et de réduire la précision de locali-
sation du contour. Les deux masques sont convolués
de manière indépendante avec l’image. Ensuite, pour
chaque pixel un module et une direction du gradient
peuvent être établis selon les formules (1.16), (1.17),
(1.18).
  ∂f


La dernière étape a pour objectif d’organiser les Gx
∇f = = ∂x
∂f (1.16)
contours en structures simples telles que suites numé- Gy ∂y
riques, segments de droite, arcs de cercle, etc. Pour 
extraire les points de contours, on cherche les varia- M odule = |∇f | = G2x + G2y (1.17)
tions de niveaux de gris ou de couleurs (figure 12). Une


Gy
variation existe si la dérivée première est localement Direction = arg (∇f ) = tan−1 (1.18)
Gx
maximum et si la dérivée seconde présente un passage
par zéro (figure 13). Les deux familles d’algorithmes les
plus connues pour la détection de contours exploitent -1 -1 -1 -1 0 1
soit une approximation de la dérivée première, ou gra- 0 0 0 -1 0 1
dient, soit une approximation de la dérivée seconde, 1 1 1 -1 0 1
ou laplacien.
-1 -2 -1 -1 0 1
0 0 0 -2 0 2
1 2 1 -1 0 1

Figure 12 Variation de niveau de gris ou de couleur Tableau 2 Dérivées selon y (colonne de gauche) et selon x
provoquant l’apparition d’un contour (colonne de droite), filtres Prewit (en haut) et Sobel (en bas)

Notons que la direction du gradient en un point est

perpendiculaire à la direction du contour en ce point
Figure 13 Une image avec son profil associé (en haut) et (équation 1.18). À partir des valeurs du module, une
ses dérivées première (au milieu) et seconde (en bas) extraction des valeurs importantes permet de ne rete-
nir que les variations de niveaux de gris ou de cou-
L’approche gradient leur significatives (supérieures à un seuil), donc à un
L’estimation de la dérivée première en un point de co- contour. Une variante pour ce calcul du gradient en
ordonnée (p, q) selon les lignes x et les colonnes y peut x et en y est le gradient directionnel, appelé aussi gra-
être obtenue grâce aux formules suivantes : dient boussole, qui consiste à convoluer l’image avec
huit masques obtenus par rotations successives de π/4
du masque de base, indiquant ainsi les huit directions
∂f 1
≈ [f (p + 1, q) − f (p − 1, q)]
∂x p,q
possibles pour un contour (tableaux 3).
2λx

∂f 1
≈ [f (p, q + 1) − f (p, q − 1)]
∂y p,q 2λy 5 5 5 5 5 -3 5 -3 -3
-3 0 -3 5 0 -3 5 0 -3
Transformées en opérations matricielles, ces for- -3 -3 -3 -3 -3 -3 5 -3 -3
mules permettent d’aboutir aux masques (taille 3 × 3)
décrits dans les tableaux 2. Selon la décomposition des
Tableau 3 Les trois premiers masques de Kirsh
équations (1.16) et (1.16), il est possible d’obtenir des
tailles de masque plus élevées. L’accroissement de taille
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 381 — #8

Traitement des images 381

L’approche laplacien les ombres (figure 15). L’ensemble des méthodes est
L’approximation des dérivées secondes peut être effec- détaillé dans (Bonton et al., 2004). Il peut être néces-
tuée de la même manière par un développement limité saire d’opérer un suivi de contours afin d’obtenir des
(équations 1.19, 1.20), à partir duquel il est possible de régions fermées interprétables comme projections des
proposer les masques des filtres (tableaux 4). objets de la scène, ce qui peut nécessiter des techniques
d’exploration des graphes (IA, programmation dyna-
mique) ou des méthodes neuromimétiques (réseaux de
∂ 2 f 1 neurones). Ces techniques se retrouvent dans (Coc-
≈ [f (p + 1, q) − 2f (p, q) + f (p − 1, q)]
∂x2 p,q 4λ2x querez et Philipp, 1995). La description du contour
(1.19) passe par une modélisation de celui-ci ou un codage tel
que celui de Freeman (figure 16) qui caractérise le pas-
∂ 2 f 1
≈ [f (p, q + 1) − 2f (p, q) + f (p, q − 1)]
∂y 2 p,q
sage d’un pixel à son voisin. La suite des codes locaux
4λ2y
donne le codage du contour (exemple : 00564412).
(1.20)

0 -1 0 -1 -1 -1
-1 4 -1 -1 8 -1
0 -1 0 -1 -1 -1
Tableau 4 Filtres laplaciens Figure 15 Image originale, filtrée par un Sobel sur la
luminance et un Sobel «teinte»
Conformément aux propos précédents (figure 13),
l’extraction des contours grâce aux dérivées secondes
se fait à partir d’une seule convolution et n’exploite
pas les maxima mais les passages par zéro de la fonc-
tion bidimensionnelle. À la différence du gradient, la
détection du contour produit une ligne double (fi-
Figure 16 Codage de l’orientation du contour (codage de
gure 14). Néanmoins ces lignes de contours sont fer-
Freeman)
mées et d’épaisseur 1 pixel, alors qu’avec un gradient
le seuillage introduit des coupures dues aux effets du
3.2 Segmentation en région
seuillage. Cependant l’opérateur laplacien est sensible
au bruit et ne donne aucune indication quant à la di- La segmentation en régions homogènes vise à parti-
rection des contours. tionner l’image en se basant sur des propriétés intrin-
sèques des régions. Un critère simple est celui du ni-
veau de gris ou de la couleur identique à  près pour
tous les pixels d’une même région. Mais les critères
peuvent s’appuyer sur des statistiques beaucoup plus
complexes de l’image, comme ceux décrivant la tex-
ture (voir section 4). Il est courant de visualiser le par-
titionnement d’une image en régions en leur associant
à chacune une couleur différente.
Figure 14 Extraction de contours par le laplacien
(zero-crossing)

Le passage à la couleur est plus délicat à cause de

l’expression vectorielle de l’information. Une première
solution consiste à travailler en marginal sur chaque
composante puis à fusionner les cartes des contours.
Les alternatives exploitent des méthodes vectorielles
comme le gradient couleur de Di Zenzo, ou encore des
méthodes adaptatives comme le gradient sur la teinte
pondéré par la saturation pour une image codée dans
un espace de représentation de type TLS. Cette tech-
nique permet l’élimination des contours induits par
Figure 17 Segmentation par critère de texture
Soit une image I partitionnée en un ensemble de ré-
gions R et soit P prédicat, ou critère, d’homogénéité :

– I = Ri
– ∀i, Ri est connexe, c’est-à-dire constituée de
pixels voisins
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 382 — #9

382 I/4 Systèmes multimédias


– ∀(i, j), Ri Rj = ∅ ssi i = j – d 2 (−c→ −→
p , μR ) < s3
– ∀i, P (Ri ) = Vrai avec μV la couleur moyenne du voisinage V et −
−→ μ→R la

– ∀(i, j), P (Ri Rj ) = Faux ssi i = j couleur moyenne de la région R.
Le seuillage : un cas particulier Si le pixel courant peut fusionner avec plusieurs voi-
sins, il est affecté à la région qui minimise les trois dis-
Le seuillage a pour objectif de segmenter une image
tances. Si le pixel courant ne peut fusionner, il est le
en plusieurs classes en n’utilisant que l’histogramme,
germe d’une nouvelle région. Les inconvénients ma-
qui est supposé caractéristique du contenu. Les creux
jeurs de cette méthode reposent sur l’influence de la
ou vallées d’un histogramme correspondent à des cou-
position initiale du germe et du type de balayage.
leurs peu représentées dans l’image. À chaque pic de
l’histogramme est associée une classe. On dit qu’un Segmentation par division/fusion
histogramme est bimodal lorsque deux pics (deux La segmentation par division induit une structure hié-
modes) sont clairement identifiables. Comme l’histo- rarchisée qui permet d’établir des relations de proxi-
gramme ne contient pas d’information sur la répar- mité entre les régions, mais qui peut fractionner une
tition spatiale des couleurs, des pixels non connexes même région en plusieurs ensembles distincts. La seg-
peuvent être associés à la même classe. Il existe de très mentation par fusion produit un nombre minimal
nombreuses méthodes de seuillage d’un histogramme de régions connexes, mais décrit celles-ci dans une
(manuelle, sélection de minima absolus et locaux, mi- structure horizontale qui n’exprime pas de relation de
nimisation de variance, entropique, classification bayé- proximité. La combinaison des deux approches (appe-
sienne, méthodes locales adaptatives ou par ligne de lée Split and Merge) est d’exploiter un étage de fusion
partage des eaux) (Cocquerez et Philipp, 1995). de régions à partir d’une division grossière obtenue par
Segmentation par division
division de l’image. L’étape de division (split) divise
l’image en régions jusqu’à ce que la propriété d’homo-
Le principe consiste à tester d’abord le critère d’ho- généité soit vraie dans la sous-image. Dans l’étape de
mogénéité retenu sur l’image entière. Si le critère est fusion (merge), les régions adjacentes dont l’union véri-
valide, l’image est considérée comme segmentée ; si- fie un prédicat (pas forcément identique à celui de la
non, l’image est découpée en zones plus petites et la première phase) sont regroupées.
méthode est réappliquée sur chacune des zones. La di-
vision peut se faire en quatre parties, en six parties, en
polygones, etc. Le plus souvent une méthode dite de
quadtree est appliquée, à savoir que tant que tous les
pixels ne sont pas identiques dans la région au sens
du critère choisi, celle-ci est divisée par 4. L’inconvé-
nient de ces méthodes est que deux parties adjacentes
peuvent vérifier le même critère sans avoir été regrou- Figure 18 Principe du Split and Merge
pées dans la même région. Ces méthodes font partie
des approches descendantes.
Segmentation par fusion
À l’inverse de la démarche précédente, l’image est ex-
plorée en partant de petites régions. Ces germes vont
croître en taille en agglomérant des pixels ou des ré-
gions connexes satisfaisant un critère d’homogénéité.
Le balayage de l’image se fait à partir d’un germe ini-
tial et suivant un ordre déterminé. Un exemple d’une Figure 19 * Split and Merge (4431 divisions pour obtenir
technique dédiée aux images couleur est donnée dans 13294 régions homogènes puis fusion pour segmenter en
(Bonton et al., 2004). Un pixel fusionne avec ses voi- 7995 régions homogènes)

sins si trois prédicats sont vérifiés. Soit R l’ensemble

des pixels déjà agrégés dans la région considérée, soit V 3.3 Une méthodologie à part : la morphologie
l’ensemble des pixels voisins du pixel courant et déjà mathématique
agrégés dans la région courante et p le pixel à traiter. La morphologie mathématique ensembliste a été déve-
On note − c→p sa couleur. loppée par Jean Serra à l’Ecole des Mines de Fontaine-
p est agrégé au pixel p si : bleau (Serra, 1982; Dougherty, 1992). Elle s’est d’abord
– d 2 (−
c→ −→
p , cp ) < s1 développée en binaire puis en niveaux de gris et au-
– d 2 (−
c→p , −
μ→V ) < s2 jourd’hui en couleur. La morphologie mathématique
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 383 — #10

Traitement des images 383

binaire fait appel à la théorie des ensembles. Elle uti-

lise un ensemble de centre X , de géométrie et de taille
connues, appelé élément structurant. L’élément struc-
turant choisi est déplacé de façon à ce que son centre
X passe par tous les pixels de l’image. Pour chacune
des positions de X , l’intersection ou l’union de l’élé- Figure 21 Ouverture morphologique
ment structurant avec les objets de l’image est évaluée.
L’ensemble des points correspondant à une réponse
positive permet de construire une nouvelle image qui
constitue l’image résultat. À partir de ces principes, il
est possible de construire les opérateurs de base de la
morphologie mathématique que sont l’érosion et la di-
latation, définies par :
Figure 22 Fermeture morphologique
E(I) = {X/Bx ⊂ I} (1.21)
D(I) = {X/Bx ⊂ ∩I = ∅} (1.22)

Figure 20 Principe de la morphologie mathématique

L’érodé s’obtient en ne gardant que les pixels X qui

permettent d’inclure complètement l’élément structu-
rant centré sur X. Le dilaté s’obtient en gardant les
pixels tels que l’intersection entre l’élément structurant
centré sur X et l’image soit non vide. Après une éro-
sion, les objets de taille inférieure à celle de l’élément
structurant vont disparaître, les autres seront «ampu-
tés» d’une partie correspondant à la taille de l’élément
structurant, S’il existe des trous dans les objets, c’est-
à-dire des «morceaux» de fond à l’intérieur des objets,
ils seront accentués et les objets reliés entre eux vont
être séparés. Remarquons également qu’une érosion de
taille n peut se réaliser en répétant une érosion n fois
avec un élément structurant de taille 1 ou en appli-
quant une seule érosion avec un élément structurant
de taille n. La dilatation est l’opération duale (ou in-
verse) de l’érosion. Une érosion suivie d’une dilatation
s’appelle une ouverture. L’ouverture a pour propriété
d’éliminer toutes les parties des objets qui ne peuvent
pas contenir l’élément structurant. Une dilatation sui-
vie d’une érosion s’appelle une fermeture. La fermeture
a pour propriété de combler tout ce qui est de taille
inférieure à l’élément structurant. On peut ainsi trai-
ter l’image pour en éliminer des bruits mais aussi per-
mettre l’extraction de forme type correspondant à l’élé-
ment structurant. On peut aussi extraire des contours
par le gradient morphologique qui consiste à faire la
différence entre l’image dilatée et l’image érodée par le
même élément structurant.
Figure 23 Les différents opérateurs morphologiques
La morphologie mathématique en niveaux de gris
et en couleur s’apparente quant à elle à un filtrage
d’ordre. Ainsi l’érosion consiste à affecter à un pixel P
la valeur la plus petite de tous ses voisins pris dans la
configuration de l’élément structurant centré sur P . À
l’inverse, la dilatation lui affecte la valeur la plus élevée.
L’utilisation de ces opérateurs occasionne de fausses
couleurs lorsqu’ils sont appliqués de façon marginale.
Mais comme évoqué précédemment pour les prétraite-
ments, le choix d’un ordre pour des vecteurs est déli-
cat. C’est pourquoi on les utilise plutôt sur une image
recodée en associant à chaque pixel un entier par entre-
lacement de bits codant chaque composante couleur.
Figure 24 * À gauche image originale, au centre ouverture
marginale (fausses couleurs vertes au centre), à droite
ouverture par entrelacement de bits par un élément
structurant 7 x 7
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 384 — #11
384
La morphologie mathématique qui «nettoie» les pe-
tites régions de taille inférieure à celle de l’élément
structurant, qui ferme les contours peut donc être uti-
lisée comme pré ou post traitement d’une segmenta-
tion. Mais elle peut elle-même constituer une étape de
segmentation, par l’extraction d’un contour à l’aide du
gradient morphologique ou par la mise en évidence
d’une forme de référence, celle de l’élément structu-
rant. On en arrive ainsi à l’étape finale d’une chaîne de
traitement, l’analyse.
4 Analyse d’images
L’objectif de l’analyse est de permettre l’exploitation
du contenu de l’image à des fins d’interprétation (aide
au diagnostic en imagerie aérienne, satellitaire, médi-
cale par exemple), de localisation et de reconnaissance
(vidéosurveillance, contrôle robotique) ou de mesure
des évolutions (contrôle qualité, suivi thérapeutique,
etc.).
Suivant la nature de la tâche, la phase d’analyse ex-
ploite un ou plusieurs types d’informations estimés à
partir des données pixels. Le passage à l’interprétation
ou la reconnaissance peut nécessiter une phase d’ap-
prentissage à partir d’une base de cas. Les informations
susceptibles d’être extraites à partir d’une image numé-
rique ont trait à la couleur, la texture, la forme des ob-
jets présents et leur organisation dans l’image. Le com-
plémentaire de l’information est l’outil de mesure de
la ressemblance, c’est-à-dire une fonction de mesure de
distance entre deux informations de même nature.
4.1 Cadre général de l’analyse
L’analyse d’images exploite des informations, qui se-
lon leur nature peuvent être exprimées sous forme
de scalaire (intensité moyenne), de vecteurs (couleur
prédominante) ou de matrices (matrice de coocur-
rence). La nature de l’information qui peut être extraite
est diverse, des caractéristiques couleur ou luminance,
des caractéristiques d’aspect de surface (rugosité, tex-
ture, brillance), des caractéristiques de forme ou de
construction (courbe, segments, courbure), des carac-
téristiques d’organisation (voisinage, inclusion, hiérar-
chie).
À partir de ces informations, l’analyse permet de
mesurer des ressemblances ou des dissemblance entre
deux images ou parties d’images. Dans le cadre géné-
rique de la reconnaissance des formes (RdF), l’enjeu est
d’identifier un objet. Selon qu’il existe un modèle de
cet objet, ou un ensemble d’objets identifiés comme
1 Cependant, la version de Jeffrey lui est préférée pour son respect de la symétrie et de l’inégalité triangulaire (Puzicha
et al., 1997).
I/4 Systèmes multimédias
appartenant à la même catégorie, on parlera de mé-
thodes supervisées. Dans le cas où une telle organi-
sation n’est pas connue a priori, nous serons dans le
contexte de méthodes non supervisées. Les techniques
d’identification font ainsi appel aux méthodes de clas-
sification, qui selon leurs formalismes nécessitent ou
non une phase d’apprentissage.
Dans tous les cas, deux aspects fondamentaux sont
à prendre en compte : la nature de l’information à uti-
liser dans un premier temps et la métrique qui est as-
sociée à la formalisation utilisée.
Les principales métriques
Parmi les métriques traditionnelles, celles dérivant du
cadre classique des distances de Minkowski Lp sont
les plus usitées, notamment la classique distance eu-
clidienne L2 qui ne devrait être utilisée que dans un
espace orthonormé. L’expression pour une distance
entre deux vecteurs H 1 et H 2 , de taille n est :
   n  p 1/p

Lp : dLp H1 , H2 = h1ci − h2ci
i=1
Citons également dans cette veine des dérivées effi-
caces de ces mesures qui prennent en compte l’impor-
tance en nombre de pixels de la couleur considérée :
distance de Geman-McClure et distance pondérée par
la masse (Huang et al., 1998).
Lorsque les informations considérées sont des va-
riables aléatoires, il est conseillé d’utiliser des mesures
de divergences ou des mesures de test d’hypothèse. Le
point de départ de ces métriques est la divergence de
Kullback-Leibler1 :

n
h1
dKL (H1 , H2 ) = h1ci log ci
h2
i=1 ci
Les versions plus robustes de ce test sont obtenus
par un test du Chi-2 ou de Bhattacharyya.
4.2 Gérer l’information couleur
L’information couleur généralise l’information en ni-
veau de gris en apportant une touche de complexité
par la dimension du problème. Cette information ré-
sume la distribution de couleur présente dans la zone
d’étude (image entière ou portion d’images). L’exploi-
tation de ces distributions passe soit par des statistiques
(moyennes, écart-types, etc.), soit par l’analyse d’histo-
grammes.
Mesures de ressemblance sur un ensemble
de couleurs commun
Dans le cadre de l’analyse d’images professionnelles,
les conditions d’acquisition sont maîtrisées et per-
mettent de numériser chaque image sur un ensemble
de couleurs identiques pour chaque image. Sous cette
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 385 — #12

Traitement des images 385

contrainte, toutes les métriques présentées précédem- d’échelle. Les différences de dynamique s’expliquent
ment peuvent être utilisées pour comparer deux images par les différences de linéarité entre les fonctions.
ou portions d’images. Globalement, l’utilisation des
histogrammes cumulés se révèle être plus robuste que Métrique img1/img2 img1/img3 img2/img3
l’utilisation directe des histogrammes, mais reste très Ln 0.029 0.030 0.036
1
sensible à l’ordonnancement des couleurs (Stricker et Ln 0.0063 0.0069 0.0076
2
Orengo, 1995). Ln 0.32 0.54 0.40
inter
Exemples de mesures Lc1 0.053 0.193 0.179
La figure 25 présente quatre images d’une base Lc2 0.042 0.014 0.015
d’images multimédia classique, le tableau 5 résume Lcinter 0.003 0.097 0.037
pour les trois premières images, les mesures de dis-
Tableau 5 Exemple de mesure de distance entre images à
tance à partir d’histogrammes simples hn (en norme
partir d’histogrammes
L1 , L2 et intersection d’histogramme), et à partir d’his-
togrammes cumulés hc (en norme L1 , L2 ou test Mesures de ressemblance entre ensembles
de Cramer-Von Mises et intersection d’histogramme). de couleurs différents
Chacune des images a été quantifiée en 216 bins1 , la La contrainte des méthodes précédentes est de pouvoir
méthode employée est une quantification régulière. disposer d’une base commune pour la représentation
Les trois images ont donc le même support de repré- des couleurs (même bins). Ce type de base ne peut être
sentation, ce qui autorise dès lors l’utilisation de ces obtenu que par une quantification uniforme. Pour le-
métriques. ver cette contrainte, il est nécessaire d’utiliser des tech-
niques de mesure de distance plus complexes. Ces mé-
thodes prennent en compte la ressemblance d’un bin
couleur avec tous les autres bins couleur dans le calcul
de la distance (figure 26).

Figure 26 Problème de l’appariement couleur

(1) (2)
(3) (4)
Figure 25 Les images comparées
Toutes les mesures du tableau 5 sont normalisées par
rapport au nombre de couleurs de l’image. Pour cha-
cune des mesures, les images 1 et 2 sont les plus ressem-
blantes parce que présentant un grand nombre de cou-
leurs pour lesquelles les différences de nombre d’oc-
currences sont faibles et ce même avec les différences
Distances quadratiques généralisées
La méthode la plus simple pour ce type de distance
généralise la distance euclidienne par l’introduction de
termes de pondération entre les différents éléments. La
fonction de distance s’exprime alors par :
 
    
dQG H1 , H2 = wij h1i − h2i h1j − h2j
i j
(1.23)
Les coefficients wij forment une matrice W d’in-
dices de similarité entre une couleur ci et une couleur
cj . Le calcul de ces indices peut être effectué dans tout
espace adapté pour la mesure de proximité visuelle de
deux couleurs. Cependant lorsqu’un tel espace n’est

1 Un bin correspond à un ensemble de couleurs proche dans l’image initiale et regroupée dans un même classe repré-

sentée par une couleur unique dans l’image quantifiée.

 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 386 — #13

386 I/4 Systèmes multimédias

pas exploité, une pondération perceptuelle est néces- La distance interpixel est prise au sens de la norme
saire (Hafner et al.,1995 ; Faloutsos et al., 1993). Par L∝ :
exemple MPEG7 utilise un partitionnement irrégulier
Δ
selon la luminance (dans l’espace HSV). |p1 − p2 | = max {|x1 − x2 | , |y1 − y2 |} . (1.24)
 Pour une distance d ∈ {1, 2, ...N } fixée à priori, le
A+B+C
wi,j = 1 − corrélogramme de la couleur i par rapport à la couleur
2
j est défini par :

 (k) Δ  
 A= (vi − vj )2 γci ,cj = prob p2 ∈ Acj / |p1 − p2 | = k
p1∈Aci
Avec B= (si cos (hi ) − sj cos (hj ))2
 ∀k ∈ {1, 2, ...d} (1.25)
C= (si sin (hi ) − sj sin (hj ))2

4.3 Gérer l’information de texture (k)

De nombreuses études ont proposé des définitions au
terme de texture en associant à chaque fois les sché-
mas d’analyse permettant d’atteindre les paramètres
ainsi définis (Haralick et al., 1973), (Gagalowicz, 1983).
Les méthodes proposées expriment l’interaction spa-
tiale existant entre un pixel et ses voisins, à une dis-
tance donnée (corrélogramme), à une distance donnée
pour une direction imposée (coocurrence) ou sur une
séquence de pixels proches dans une direction donnée
(longueur de plages) (figure 27).
Pour tout pixel de couleur c i dans l’image, γci ,cj
donne la probabilité de trouver à une distance k un
pixel de couleur c j . La taille mémoire de stockage du
corrélogramme est de l’ordre de O(n2 d).
La matrice de coocurrence couleur
La notion de voisinage est ici limitée à une proximité
à une distance d dans une direction θ. La matrice de
coocurrence établit la probabilité de retrouver dans ce
voisinage la couleur j en partant d’une couleur i.
(k,θ) Δ  
χci ,cj = prob p2 ∈ Acj / |p1 − p2 | = d, Ü(p1 , p2 ) = θ
p1∈Aci

La matrice de longueurs de plages

Une plage correspond à une séquence de pixels de
même couleur dans une direction θ donnée. Lθ (ci , lj )
représente alors le nombre de plages de couleur ci
ayant une longueur lj dans l’image. Le nombre total
Figure 27 Les voisinages exploités par les méthodes
textures
de plages dans l’image est alors :


N L
max
RNθ = Lθ (ci , lj )
ci =1 lj =1

Texture 1 Texture 2
Figure 28 Exemple de texture

Le corrélogramme
Un corrélogramme présente les corrélations spatiales
entre couleurs en fonction de la distance interpixel
(Huang et al., 1997). Pour une image A de N pixels,
quantifiée sur n couleurs {c1 , c2 , . . . .cn }. Chaque pixel
p en (x,y) est doté d’une couleur A(p) : Texture 1 Texture 2

Figure 29 Représentation des matrices de coocurrences (en

Δ haut) et longueurs de plage (en bas)
p ∈ Ac = A (p) = c
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 387 — #14

Traitement des images 387

Mesures de ressemblance sur textures D’autres bases de décomposition sont possibles

Il est difficile d’exploiter directement les informa- pour représenter la forme d’une région, notamment
tions matricielles. C’est pourquoi des descripteurs spé- celles basées sur les moments de Zernike autout d’une
cifiques sont utilisés : attributs de Haralick (Hara- famille de polynômes complexes formant une base or-
lick et al., 1973) pour les coocurrences et les cor- thogonale dans le cercle unité. À la suite de normalisa-
rélogrammes et attributs de Galloway pour les lon- tions similaires aux précédentes, il est également pos-
gueurs de plage. L’équation 1.26 montre un exemple sible d’atteindre une invariance de ces descripteurs aux
de construction dans le cas d’une matrice de coocur- transformations impliquant des rotations, translations
rence pour l’attribut de contraste définit par Haralick. et changement d’échelles. L’apport de la formulation
par les moments de Zernike réside dans le choix d’une
K−1 
K 
K−1
(k,θ) base orthogonale qui réduit la redondance entre mo-
CT R = n2 χi,j (1.26)
ments(Zernike, 1934).
n=1 i=1 j=1,|i−j|=n

4.4 Gérer l’information de forme Mesures de ressemblance entre formes

Décrire la forme d’un objet Chacune des méthodes permet de résumer la forme
Les moments géométriques d’un objet au travers son contour ou son masque par
La méthode la plus simple pour décrire un objet un ensemble de variables scalaires. L’idée générale est
est d’utiliser les moments géométriques, basés sur la alors d’exploiter cet ensemble d’information comme
formulation classique des moments bidimensionnels. un vecteur pour utiliser des métriques ad-hoc dans l’es-
L’équation 1.27 fournit la formulation générale pour timation de la ressemblance entre deux formes d’ob-
un moment d’ordre p + q . jets. Dans ce choix la formulation de Zernike est la
plus adaptée, puisque construite à partir d’une base de
 décomposition orthonormée. Le choix de la base de
mpq = xp y q f (x, y) , ∀(p, q) ∈ N 2 (1.27) représentation de la forme dépend de sa complexité et
(x,y)∈I nature. Pour des objets de forme plus circulaire, une
Pour obtenir une formulation qui soit indépendante formulation de Zernike est préférable, alors qu’à l’in-
de la position de l’objet et du changement d’échelle, la verse pour des objets plus anguleux les dérivées de mo-
formulation 1.28 est normalisée par : ments géométriques sont plus adaptées. De plus, le
 nombre de moments nécessaire pour discriminer un
μpq = (x − x)p (y − y)q f (x, y) (1.28) objet croît avec la complexité de celui-ci. Cependant,
(x,y)∈I il ne faut pas oublier que dans ces calculs, le bruit croît
avec x = m 10
et y = m 01
x et y les coordonnées du
également avec l’ordre des moments et lorsque l’ordre
m00 m00
dépasse le niveau de complexité, ils perdent leur sens.
centre de gravité de l’objet.
Ce comportement se retrouve dans la figure 30, les
Les moments de Hu deux jeux de courbes montrent la distance entre des
La limite des moments géométriques est de n’être pas caractères (manuscrits et typographiques) selon l’ordre
invariant par rotation, d’où la formulation proposée des moments géométriques, centrés pour la courbe de
par Hu (Hu, 1962). gauche et de Zernike pour la courbe de droite. Selon
la complexité des caractères, les comportements sont
μpq différents. Mais dans les deux cas, au-delà d’un certain
ηpq = ∀(p + q) ≥ 2 et (p, q) ∈ N 2
1+(p+q)/2
μ00 ordre, les moments perdent de leur intérêt en appor-
(1.29) tant plus de bruit que d’information.

ηpq est un moment centré normalisé par la masse

de l’objet (équation 1.29). Hu formule alors les sept
premiers moments d’ordre 2 et 3 qui sont des combi-
naisons des ηpq (équation 1.30), d’autres auteurs ont
étendu ces formulations jusqu’à l’ordre 7.

φ1 = η20 + η02
φ2 = (η20 − η02 )2 + 4η11
2

Figure 30 Précisions de reconstruction pour les moments

φ3 = (η30 − 3η12 )2 + 3(η21 − η03 )2 géométriques centrés et les moments de Zernike
... (1.30)
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 388 — #15
388
4.5 Gérer l’organisation de l’image
La reconnaissance dépend en grande partie du
contexte de la scène et de son arrangement, c’est-à-
dire la présence en certains endroits d’éléments carac-
téristiques selon leur couleur, ou leur aspect textural,
mais surtout selon un arrangement précis. Pour cap-
ter l’organisation spatiale dans la scène, il faut utili-
ser des structures particulières basées sur des graphes :
graphes d’adjacence de région, cartes topologiques ou
pyramide combinatoire.
Capter et représenter l’organisation spatiale
Les graphes sont utilisés depuis longtemps en traite-
ment et analyse d’images pour essayer de représenter
la topologie de l’image. Un graphe est une structure de
maillage, dont les nœuds portent généralement l’infor-
mation concernant les régions. Chaque nœud est relié
aux autres par des arcs auxquels peuvent être associés
des informations concernant les contours communs
aux deux régions concernées par les nœuds d’extrémi-
tés. La figure 31 montre l’équivalent graphique des re-
lations prises en compte (le fond est volontairement
omis). Selon les relations choisies, seuls les voisinages
sont conservés (graphes d’adjacence de régions) ou le
positionnement relatif des régions les unes par rapport
aux autres (cartes topologique, graphe d’adjacence avec
relations de positionnement).
Mesure de ressemblance
entre organisations spatiales
À la différence des informations de couleur, forme
et texture la complexité de l’information topologique
n’est pas dans la construction des graphes, puisque
celles-ci se déduisent directement de la segmentation.
La complexité d’usage réside dans la construction
d’opérateur de mesure de ressemblance (Eshera et Fu,
1984; Shapiro et Haralick, 1981). La mesure de ressem-
blance entre deux images doit intégrer deux étages d’es-
timation des dissemblances/ressemblances. Le premier
correspond à la mesure de similarité entre les struc-
tures (nombre de nœuds, présence/absence de rela-
tions de voisinage). Le second étage inclut l’estimation
des ressemblances en termes de couleur/forme/texture
ou tout autre descripteur pour les nœuds et/ou les
arcs. Les méthodes qui permettent ce type de mesure
rentrent dans le cadre des algorithmes d’appariement
(«graph-matching algorithm») (Gold et Rangarajan, 1996;
Ranganath et Chipman, 1992).
I/4 Systèmes multimédias
Figure 31 * Image et contour segmentés avec les relations
prises en compte dans le graphe
5 Conclusion
La vue est l’un des sens privilégié de l’être humain.
Pour passer de la sensation, stimulation des organes
des sens, à la perception, impression obtenue à partir
des sens et appréhendé par l’esprit, de nombreux trai-
tements sont effectués dans notre cerveau par des pro-
cesseurs massivement parallèles : les neurones, connec-
tés entre eux par des synapses. La perception fait ainsi
suite à la sensation, en incluant des traitements des
stimuli perçus consciemment ou inconsciemment et
en prenant en considération des informations contex-
tuelles et des expériences passées, stockées dans une
bibliothèque de taille impressionnante. Cette biblio-
thèque inclut des images, des sons, des odeurs. De
plus, les interactions entre les différentes aires céré-
brales motrice, sensitive, visuelle, auditive sont encore
mal connues. C’est pourquoi vouloir automatiser le
traitement et l’analyse de scènes est une mission par-
ticulièrement difficile. Si de nombreuses applications
permettent d’automatiser des tâches liées à la percep-
tion humaine, comme le contrôle qualité sur des objets
manufacturés ou la conduite autonome de véhicules,
ceci ne peut être réalisé que dans des cas bien parti-
culiers, avec des contraintes très fortes quant à l’envi-
ronnement et la nature des objets eux-mêmes. Ainsi,
guider un robot mobile dans un environnement d’in-
térieur, structuré, connu à l’avance, dans lequel peu
de choses peuvent évoluer est envisageable. Alors que
remplacer le système visuel d’un conducteur à l’inté-
rieur d’une voiture lancée dans une agglomération est
aujourd’hui impossible. L’amélioration des technolo-
gies le permettra peut être un jour, tout comme l’avan-
cée dans les connaissances physiologiques sur le cer-
veau visuel, qu’on pourra peut-être, dans un avenir
plus ou moins proche, modéliser. En attendant, la re-
cherche en imagerie numérique a de beaux jours de-
vant elle et on peut juste faire un parallèle de prin-
cipe entre le cerveau visuel biologique et les techno-
logies permettant le traitement et l’analyse numérique
des images que nous avons abordé dans ce chapitre.
 “chapitre_TI_version_finale” — 2006/10/15 — 18:51 — page 389 — #16

Traitement des images 389

Bibliographie
Berry, F. (2005). Technologies des capteurs d’images couleurs. In Imagerie Numérique Couleur (GFINC), G. F.,
editor, EHINC’05, Lille.
Bonton, P., Fernandez-Maloigne, C., (ouvrage collectif) (2004). Image Numérique Couleur : de l’acquisition au
traitement. Dunod.
Cocquerez, J. et Philipp, S. (1995). Analyses d’images : filtrage et segmentation. Masson, Paris.
Dougherty (1992). An introduction to morphological image processing. SPIE press.
Eshera, M. et Fu, K. (1984). A graph distance measure for image analysis. IEEE transactions on systems, mans
and cybernetics, 14(3) :353–363.
Faloutsos C., M. Flickner, W. Niblack et al. (1993) Efficient and effective querying by image content, IBM, August
1993, RJ 9453 (83074)
Gagalowicz, A. (1983). Vers un modèle de texture. PhD thesis, Université Pierre et Marie Curie, Paris VI.
Gold, S. et Rangarajan, A. (1996). A graduated assignment algorithm for graph matching. IEEE Transactions
on Pattern Analysis and Machine Intelligence, 18(4) :377–388.
Hafner, J., Sawhney, H., et Equitz, W. (1995). Efficient color histogram indexing for quadratic form distance
functions. IEEE Transactions on Pattern Analysis and Machine Intelligence, 17(7) :729–736.
Haralick, R., Shanmugam, K., et Dinstein, I. (1973). Textural feature for image classification. In IEEE Transac-
tions on System Man and Cybernetics, volume 3(6), pages 610–621.
Hu, M. (1962). Visual pattern recognition by invariants moment. In IEEE Transactions on Information Theory,
volume 8, pages 179–187.
Huang, J., Kumar, S. R., Mitra, M., et Zhu, W.-J. (1998). Spatial color indexing and applications. In ICCV,
pages 602–607.
Huang, J., Kumar, S., Mitra, M., Zhu, W., et Zabih, R. (1997). Image indexing using color correlograms. In
IEEE Computer Vision and Pattern Recognition Conference, pages 762–768, San Juan, Puerto Rico.
Puzicha, J., Hofman, T., et Buhman, J. (1997). Non-parametric similarity measures for unsupervised texture
segmentation and image retrieval. In IEEE Conference on Computer Vision and Pattern Recognition, pages 267–272.
Ranganath, H. S. et Chipman, L. J. (1992). Fuzzy relaxation approach for inexact scene matching. In Interna-
tional Conference on Image and Vision Computing (IVC), volume 10, pages 631–640.
Serra, J. (1982). Image Analysis and Mathematical Morphology, volume I. Ac. Press.
Shapiro, L. et Haralick, R. (1981). Structural description and inexact matching. IEEE transactions on systems,
mans and cybernetics, 3(5) :504–519.
Stricker, M. et Orengo, M. (1995). Similarity of color images. In SPIE Conference on Storage and Retrieval for
Image and Video Databases III, pages 381–392.
Zernike, F. (1934). Diffraction theory of the cut procedure and its improved form, the phase contrast method.
Physica, 1 :689–704.