Traitement d'images
Informations générales
| Objectif général | Permettre 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 :
|
| Bref contenu du cours | Introduction, 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
| Crédits | 3 |
|---|---|
| Prérequis | Traitement numérique du signal |
| Déroulement | CM : 25heures et TD : 10heures, TP : 10heures |
| Évaluation | Evaluation formative : 40% et sommative : 60% |
| Conditions générales | Format 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.