Aller à la navigation principale Aller au contenu principal Aller au pied de page

Traitement d'images

Informations générales

Objectif généralPermettre à l’étudiant de comprendre, analyser et manipuler des images numériques à l’aide d’algorithmes de traitement d’images, afin d’extraire de l’information utile et d’améliorer la qualité visuelle des images.
Objectifs spécifiques

À l’issue du cours, l’étudiant devra être capable de :

  • Comprendre les fondamentaux du traitement d’images numériques et les représentations d’images.
  • Appliquer des techniques de prétraitement et de filtrage d’images.
  • Effectuer des transformations géométriques et de contraste.
  • Mettre en œuvre des méthodes de segmentation et de détection de contours.
  • Analyser et extraire des caractéristiques d’images pour des applications comme la vision par ordinateur.
  • Développer des programmes de traitement d’images en utilisant des outils et bibliothèques adaptés (OpenCV, Python, MATLAB).
Bref contenu du coursIntroduction, définition de l’image, formation des images, stockage des images, représentation informatique des images, logiciels de traitement d’images, transformation géométrique et technologie de l’image numérique ; Traitement de base d’une image, filtrage de l’image et prétraitement [restauration, amélioration, compression, échantillonnage, quantification, reconstruction, segmentation] ; Convolution numérique, détection des contours, détection des régions, opérateurs morpho mathématiques, et contours déformables ; Traitements fréquentiels.

Informations pratiques

Crédits3
PrérequisTraitement numérique du signal
DéroulementCM : 25heures et TD : 10heures, TP : 10heures
ÉvaluationEvaluation formative : 40% et sommative : 60%
Conditions généralesFormat adapté : 4heures Effectif : 100 étudiants de niveau GL3

Enseignants

NDARAMANGA Fidèle

Master · Réseaux et Télécommunications

Université du Burundi
Visiteur

Références bibliographiques

  • Digital Image Processing – Rafael C. Gonzalez & Richard E. Woods, 4th Edition, 2018, Pearson.
  • Computer Vision: Algorithms and Applications – Richard Szeliski, 2010, Springer.
  • Learning OpenCV 4: Computer Vision with Python – Adrian Kaehler & Gary Bradski, 2020, O’Reilly Media.
  • Handbook of Image and Video Processing – Alan C. Bovik, 2010, Academic Press.
  • Programming Computer Vision with Python – Jan Erik Solem, 2012, O’Reilly Media.
  • Practical Python and OpenCV + Case Studies – Adrian Rosebrock, 2016, PyImageSearch.