Formation Initiation au traitement d'image avec Matlab

Fondamentaux de l'imagerie et traitement d'image MATLAB

1. Introduction au traitement d'image numérique

• Comprendre les images numériques et les pixels
• Dimensions, résolution et types de données des images
• Introduction à la Boîte à outils de traitement d'image MATLAB (Image Processing Toolbox)
• Comprendre le flux de travail de base du traitement d'image

2. Importation et visualisation des images

• Chargement d'images dans MATLAB
• Affichage et inspection des propriétés des images
• Travail avec les dimensions et les types de données des images
• Comparaison de différentes représentations d'images

3. Travail avec des images en couleur

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

4. Images en niveaux de gris et binaire

• Conversion d'images RVB en niveaux de gris
• Comprendre les valeurs d'intensité
• Création d'images binaires
• Fondamentaux de la binarisation (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 de 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 : Créer un flux de travail de base MATLAB pour charger, inspecter, manipuler, masquer et sauvegarder une image.

Amélioration de l'image, réduction du bruit, enregistrement et détection de caractéristiques

1. Analyse d'image interactive

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

2. Amélioration de l'image

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

3. Bruit et restauration d'image

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

4. Alignement et enregistrement d'images

• Comprendre l'enregistrement d'images (image registration)
• Alignement d'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 se chevauchant
• Détection des caractéristiques d'image correspondantes
• Alignement et fusion des images
• Création d'une scène panoramique

6. Détection de caractéristiques géométriques

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

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

Histogrammes, filtrage et segmentation d'image

1. Histogrammes d'image

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

2. Filtrage d'image 2D

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

3. Détection des bords

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

4. Segmentation d'objets

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

5. Segmentation basée sur la couleur

• Comprendre les espaces de couleurs
• 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 de caractéristiques de texture
• Combinaison des informations de texture avec d'autres techniques de segmentation

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

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

1. Traitement d'image par lot

• Comprendre les flux de travail de traitement d'image 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
• Création de scripts MATLAB réutilisables pour l'analyse d'image

2. Traitement d'image morphologique

• Introduction à la morphologie mathématique
• Élémenteurs structurants
• Érosion et dilatation
• Ouverture et fermeture
• Remplissage des trous et suppression des régions indésirables
• Ajustement des résultats de segmentation binaire

3. Segmentation d'objets basée sur la forme

• Identification des objets basée sur la forme
• Séparation des objets connectés
• Suppression des petits objets ou des objets indésirables
• Ajustement des contours des objets
• Combinaison de la segmentation et des techniques morphologiques

4. Mesure des propriétés des objets

• Détection des objets individuels
• Mesure de l'aire et du périmètre des objets
• Boîtes englobantes et centroïdes
• Mesures de forme et de géométrie
• Extraction des propriétés des objets pour une analyse ultérieure

5. Analyse d'image quantitative

• Conversion des résultats de traitement d'image 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. Flux de travail de traitement d'image de bout en bout

Les participants combineront les techniques apprises tout au long du cours pour développer un flux de travail 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 des 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'image
• Analyse d'images RVB et en niveaux de gris
• Réduction du bruit
• Filtrage d'image
• Création de panoramas
• Détection de lignes et de cercles
• Détection des bords
• Segmentation par couleur et par texture
• Traitement morphologique
• Détection d'objets basée sur la forme
• Mesure d'objets
• Traitement par lot automatisé