Topic outline

  • General

    Collapse all Expand all

    •                                                                                   Enseignant BEKHOUCHE MAAMAR

                                                                                           Université AbdelHafid Boussouf

                                                                                   EMAIL : m.bekhouche@centre-univ-mila.dz

                                                                                                   Description de la matière

      • Ce Cours constitue une introduction aux méthodes et techniques de base utilisées pour le traitement d’image. 
      • Il fournit une vue d’ensemble des différents aspects liés à ce domaine. 
      • En plus des techniques existantes, les étudiants sont amenés à réfléchir sur les difficultés liées à ce domaine (TPs, exposés). 

      Publique cible

      Ce cours est destiné aux étudiants de première année Master en informatique

      Objectifs

      L’objectif du cours est d’introduire les bases mathématiques utiles au traitement d’image. Quelques exemples d'applications à des
      problèmes réels ... A la fin de ce cours l’étudiant sera capable de répondre à ces questions.

      1. Comprendre les bases du traitement d’image numérique

        • Qu’est-ce qu’une image numérique ?

        • Comment représenter et manipuler des images en informatique ?

      2. Analyser et prétraiter une image

        • Comment améliorer la qualité d’une image (filtrage, contraste, réduction de bruit) ?

        • Quelles sont les techniques de seuillage et de binarisation ?

      3. Extraire des caractéristiques d’une image

        • Comment détecter les bords, les contours et les régions d’intérêt ?

        • Quels descripteurs peuvent être utilisés pour représenter les formes, textures ou couleurs ?

      4. Appliquer des techniques de segmentation

        • Comment diviser une image en régions homogènes ?

        • Quelles sont les méthodes classiques de segmentation (régions, contours, clustering) ?

      5. Effectuer des transformations géométriques et des corrections

        • Comment effectuer des rotations, redimensionnements, et autres transformations spatiales ?

        • Comment corriger des distorsions ou des perspectives ?

      6. Comprendre les principes de la compression d’images

        • Pourquoi et comment compresser une image ?

        • Quelles sont les différences entre compression avec et sans perte ?

      7. Utiliser des outils et bibliothèques de traitement d’image (ex. OpenCV, MATLAB, Python/PIL)

        • Comment appliquer les algorithmes de traitement d’image dans un langage de programmation ?

        • Quels outils utiliser pour visualiser et modifier les images ?

      8. Évaluer les résultats du traitement d’image

        • Comment mesurer la qualité ou l’efficacité d’une opération sur l’image ?

        • Quelles métriques ou méthodes utiliser pour valider un traitement ?


  • Prérequis du cours

      • Mathématiques de base
        • Notions fondamentales d’algèbre linéaire (matrices, vecteurs, transformations)
        • Notions de fonctions, dérivées, et transformées (Fourier, convolution)
      • Informatique générale
        • Maîtrise des structures de données simples (tableaux, matrices)
        • Connaissance des algorithmes de base (parcours, tri, recherche)
      • Programmation
        • Compétences pratiques en Python (ou MATLAB), notamment :
          • Manipulation de tableaux avec NumPy
          • Utilisation de bibliothèques comme OpenCV, PIL, ou scikit-image
      • Systèmes numériques et représentation des données
        • Compréhension de la numérisation d’un signal (échantillonnage, quantification)
        • Connaissance de la représentation numérique d'une image (pixels, niveaux de gris, couleurs)
      • Notions de base en traitement du signal (souhaitable mais non obligatoire)
      • Comprendre la convolution, les filtres, et la réponse fréquentielle


  • Teste de Prérequis

  • Grandes lignes du cours

    • Planning du cours





      Bibliographie

      1. Mohand-Said Allili. Eléments Avancés d’Analyse d’Images (Cours de 2e cycle). Université du Québec en Outaouais (UQO), Québec, Canada. Hivers 2014.
      2. R. C. Gonzalez and R. E. Woods. Digital image processing. Pearson Education. 3rd Edition. 2008.
      3. R. C. Gonzalez and R. E. Woods. Digital image processing. Pearson Education. 4th Edition. 2018.
      4. R. C. Gonzalez, R. E. Woods, and S. L. Eddins. Digital image processing using Matlab. Gatesmark Publishing. 2nd Edition. 2009.
      5. Sandipan Dey. Hands-On Image Processing with Python: Expert techniques for advanced image analysis and effective interpretation of image data. Packt Publishing, 2018.

  • Chapitre 1

  • Chapitre 2