Traitement d'images - Définition

Acquisition d'une image

L'acquisition d'images est loin de se restreindre au spectre visible, mais parcourt l'ensemble du spectre électromagnétique, des rayons gamma jusqu'aux ondes radio. L'utilisation d'une bande de fréquence dépend essentiellement de l'application. Ainsi, les images acquises par rayons X ou par rayons gamma sont surtout utilisées en imagerie médicale et en astronomie. En médecine, on utilise des imageurs IRM, TEP, scanner X, échographie Doppler, échographie, scintigraphie, Tomographie, etc.

Il est également possible de produire des images à partir de radar. La différence avec un capteur classique, qui se contente de recevoir un signal électromagnétique, est qu'il produit sa propre illumination par génération d'ondes radio grâce à une antenne, l'image est alors produite à partir de la réflexion du signal sur la cible. Il est également possible de générer une image en dehors du spectre électromagnétique, par exemple à partir d'une source sonore (échographie, prospection pétrolière...).

Tous ces systèmes peuvent être comparés à des capteurs. Il ne faut pas oublier qu'il y a une étape de conversion analogique/numérique. C'est souvent cette étape qui limite la résolution de l'image.

L'une des caractéristiques intéressantes de ces capteurs est la taille du plus petit élément (pixel), mais aussi l'intercorrélation de deux éléments voisins : plus cette intercorrélation est faible, meilleure est l'image.

Types de données manipulées

Le traiteur d'image dispose principalement d'images numériques, donc échantillonnées. Il dispose également de données intermédiaires de diverses natures : cartes de régions, listes de points connexes, tableaux de valeurs mesurées, etc.

En ce qui concerne les images proprement dites, elles sont vues comme des fonctions de dans ( représente les entiers relatifs et n le nombre de composantes de l'image, 1 pour du niveau de gris, 3 pour RGB, plus pour les images spectrales). La représentation la plus utilisée est un tableau à plusieurs dimensions (représentant les dimensions spatiales de l'image), dans lequel les valeurs ont une sémantique dépendant du type de signal qu'elles codent (l'intensité lumineuse du point, la distance à un point de référence, ou le numéro de la région d'appartenance par exemple).

Reconnaissance d'objets

La reconnaissance d'objets est une branche de la vision artificielle et un des piliers de la vision industrielle. Elle consiste à identifier des formes pré-décrites dans une image numérique, et par extension dans un flux vidéo numérique. Il ne faut pas confondre reconnaissance d'objets (object recognition ou shape recognition en anglais) et reconnaissance de formes (pattern recognition en anglais). La première s'attache à reconnaître des formes géométriques dans une image, alors que la seconde cherche à identifier des motifs dans des données statistiques. La confusion vient du fait qu'on utilise souvent la reconnaissance de formes comme technique appliquée à la reconnaissance d'objets.

Tout d'abord objet d'algorithmes dirigés par l'homme, jusque dans les années 1995 (tentatives de reproduire par un algorithme un raisonnement humain d'identification, comme par exemple dans "un vélo possède deux roues, un cadre ..."), la reconnaissance d'objets a fait l'objet de progrès importants par la suite au travers de la mise en oeuvre de techniques d'apprentissage, comme par exemple les séparateurs à vaste marge. Ces techniques visent à faire exploiter des bases d'exemples positifs et négatifs (contre-exemples) par un algorithme de recherche de critères discriminants, c'est-à-dire de critères permettant de séparer au mieux les exemples des contre-exemples.