Chap 2-Images Numeriques

Traitement d’images
Chapitre 2 : Les images

numériques
M. SOUALAH – UMMTO – 2023

Chapitre 2 : Les images numériques
I – GENERALITES
1 – Qu’est ce qu’une image

✔ D’un point de vue physique,
Une image est un signal à deux dimensions
(2D) que l’on peut représenter selon des
coordonnées (X,Y).
Une image représente souvent une réalité 3D.
✔ D’un point de vue mathématique,

une image est une matrice de nombre
représentant un signal.
✔ D’un point de vue humain,
une image est une représentation d’une réalité

portant plusieurs informations sémantiques.
I – GENERALITES
2 – Qu’est ce qu’une image numérique
✔ Une image numérique désigne toute image (dessin, icône, photographie,…) acquise, créée,
traitée et stockée sous la forme binaire.
✔ Il existe deux types d’images numériques :
▪ Les images vectorielles ou images en mode trait.
▪ Les images matricielles (bitmap) ou raster.
Une image vectorielle est

redimensionnable sans perte de
qualité, contrairement à une
Image vectorielle Image matricielle
image matricielle
I – GENERALITES
2 – Qu’est ce qu’une image numérique
Définition : Une image numérique est une fonction à support1 discret et borné, et à valeurs
discrètes. Le support est multidimensionnel, en général 2D ou 3D.
✔ Une image numérique est associée à un pavage de l’espace, en général rectangulaire.
✔ Chaque élément du pavage représente un pixel.
✔ Chaque pixel est désigné par des coordonnées entières.
(1) Le support d'une fonction est la partie de son ensemble de définition sur laquelle se concentre l'information
utile de cette fonction. Pour une fonction numérique, c'est la partie du domaine où elle n'est pas nulle
2.1. Pavage et maillage
Le pavage
✔ Un pavage ou dallage est une partition d'un espace (généralement un espace
euclidien comme le plan ou l'espace tridimensionnel) par des éléments d'un
ensemble fini, appelés tuiles (plus précisément, ce sont des compacts d'intérieur
non vide).
✔ Un pavage est un recouvrement d'un espace affine donné, à l'aide de figures ou

de motifs identiques, ayant en commun deux à deux uniquement des parties de
leurs frontières.
✔ Chaque pavé élémentaire est appelé tesselle

Le pavage
1. Abstraction mathématique
✔ Pixel : Point lumineux.
✔ Les pixels forment un ensemble connexe de points du plan euclidien.
✔ Deux pixels voisins n'ont de points communs que ceux du bord.
✔ L'ensemble des pixels recouvre le plan.
La structure du plan ainsi décrite forme un pavage.
Il existe trois polygones réguliers pour paver le plan : Triangle équilatéral, carré et
hexagone
Pavage triangulaire Pavage carré Pavage hexagonal

Le maillage
✔ Chaque pavé élémentaire est appelé tesselle.
✔ On associe à chaque tesselle un point nommé P, qui est son barycentre.
✔ A chaque pavage régulier correspond un maillage régulier.
Illustration :
✔ Soient T(P) et T(Q) deux pavés élémentaires, adjacents par un arrête.
✔ Le segment PQ est un élément du maillage de l'espace.
P Q
T(P) T(Q)
✔ Chaque point P est appelé pixel.

Conséquence : A chaque pavage de géométrie donnée, correspond un maillage de
géométrie induite.
Correspondance pavage – maillage
Pavage triangulaire et Pavage hexagonal et Pavage carré et Pavage carré et

maillage hexagonal maillage triangulaire maillage carré en maillage carré en
4-connexité 8-connexité
Pavage Maillage
Triangulaire Hexagonal
Carré Carré
Dualité entre pavage et maillage
Hexagonal Triangulaire
Adjacences ou connexité
✔ Tout point du maillage est appelé pixel.
✔ Un pixel est un point de coordonnées entières selon deux axes (X,Y).
-Un pixel se code comme un couple (i,j)

-(i,j) ∈ Z2
✔ Dans un maillage carré, tout pixel a deux types de voisins :

▪ 4 voisins selon les axes.
▪ 4 voisins selon les diagonales.
✔ On considère la relation de proximité entre deux voisins axiaux plus forte que
celle entre deux voisins diagonaux.
Adjacences ou connexité
✔ Deux pixels p et q sont dits adjacents ou connexes tels que :
▪ 4-adjacents ou 4-connexes : p et q sont voisins selon un axe.
▪ 8-adjacents ou 8-connexes : p et q sont voisins suivant un axe et une
diagonale.
Exemple :
✔ Etant donné un pixel (i,j), en maillage carré les pixels adjacents à (i,j) sont :
(i+1,j), (i-1,j), (i,j+1), et (i,j-1) pour la 4-adjacence.
(i,j-1)
(i-1,j) (i+1,j)
(i,j) (i,j+1)
2.1 – Image vectorielle
▪ Dans une image vectorielle les données sont représentées par des formes
géométriques simples qui sont décrites d'un point de vue mathématique
(segments de droite, polygones, arcs de cercle, etc.)
▪ Ces images sont essentiellement utilisées pour réaliser des schémas ou des
plans.
Exemple :
▪ Un cercle est décrit par une information
du type (cercle, position du centre, rayon).
Avantages de ce type d’images
▪ Elles occupent peu de place en mémoire.
▪ Elles peuvent être redimensionnées sans perte d'information.
Inconvénients
▪ Pour atteindre une qualité photo-réaliste, il faut pouvoir disposer d'une
puissance de calcul importante et de beaucoup de mémoire.
Exemple de construction d'une image vectorielle
Principe :
✔ Le principe de base du dessin vectoriel consiste à décrire des formes
géométriques simples auxquelles on peut appliquer différentes transformations :
rotations, mise à l’échelle…
✔ Les effets spéciaux permettent une grande souplesse : Effet miroir, dégradé de
formes,…etc.
✔ Chacune des primitives géométriques possède un certain nombre d'attributs
(position, couleur, remplissage).
✔ Lors d'une représentation, le logiciel travaille avec des lignes (ou encore courbes)
et des surfaces.
✔ Toutes les lignes, individuellement, sont définies par des points caractéristiques qui
définissent son équation.
✔ Les points caractéristiques forment un vecteur. L’équation est calculée par
l'ordinateur et est gardée en mémoire.
Exemples de logiciel de dessin vectoriel : CorelDraw, Adobe Flash, Amaya…
Aperçu des formats vectoriels courants
Format Champs
vectoriel Abréviation d’application Explication
Adobe AI Création graphique Format d’échange orienté vers les vecteurs ;
Illustrator pour impression et stocke les images vectorielles retravaillées
web
Scalabe SVG Web Format d’image évolutif ; peut être animé et
Vector modifié avec le CSS
Graphics
Encapsulated EPS Impression Basé sur le langage de description de page
PostScript PostScript
Portable PDF Impression, Web, Norme mondiale pour la distribution de
Document archivage documents électroniques
Format
Freehand FH Illustrations couleurs Enregistre les chemins de dessin créés avec
Format et non couleurs les couleurs et les remplissages attribués
Corel Draw CDR Création graphique Format graphique non compressé avec des
Format pour impression et fonctionnalités comme l’IA
web
2.2 – Image matricielle
✔ Une image matricielle ou une image en mode point est formée d’un tableau de
points ou pixels (Picture element), le pixel est l’élément de base d’une image.
✔ Une image matricielle est composée d’une matrice (ou d’un tableau) de pixels.
✔ La taille d'une image matricielle correspond au nombre de pixels sur une ligne du
tableau multiplié par le nombre de pixels sur une colonne du tableau.
✔ Plus la densité des points est élevée, plus le nombre d'informations est grand et
plus la taille de l'image est élevée. De de fait, la place occupée en mémoire et la
Principe
✔ Le codage ou la représentation informatique d'une image implique sa
numérisation.
✔ La numérisation se fait dans deux espaces : Espace spatial (échantillonnage),
Espace des couleurs (Quantification).
✔ Espace spatial : L’image est numérisée selon l’axe des abscisses et des
ordonnées : On parle d’échantillonnage. Les échantillons dans cet espace sont
nommés pixels et leur nombre va constituer la définition de l’image.
✔ Espace des couleurs : Les différentes valeurs de luminosité que peut prendre
un pixel sont numérisées pour représenter sa couleur et son intensité. On parle
de quantification. La précision dans cet espace dépend du nombre de bits sur
lesquels on code la luminosité et est appelée profondeur de l'image.
2.2.1 – Résolution d’une image
✔ Une image est divisée en points ou pixels.
✔ La résolution d’une image est le rapport du nombre de pixels qui composent
l’image et la dimension de l’image; c'est le nombre de pixels sur une longueur
donnée.
✔ La résolution s’exprime en ppp (point par pouce sachant qu’un pouce mesure 2,54
cm) ou dpi (dots per inch) et parfois en points par cm.
3 dpi 8 dpi 16 dpi

= 3 ppp = 8 ppp = 16 ppp
= 3 points par pouce = 8 point par pouce = 16 points par pouce
= 3 points par 2,54 cm = 8 points par 2,54 = 16 points par 2,54 cm
Exemple :
1). On se donne de représenter la lettre A sous
une résolution de 3 dpi. Il est difficile de dire
de quelle lettre s’agit-il.
2). Si la résolution passe à 8 dpi. La lettre A

commence à se dessiner.
3). A 16 dpi, c’est encore plus lisible.

Conclusion :
✔ Plus la résolution est élevée, plus les points (pixels) seront petits et nombreux,
et plus l’image aura une bonne qualité.
✔ Par ailleurs, plus le nombre de points (ppp) augmente, plus la taille de l’image
augmentera.
Remarque :
Une image de 3 dpi, nécessite 3 x 3 = 9 cases mémoires, alors qu’une image à
8 dpi en nécessitera 8 x 8 = 64 cases mémoires, …etc. Il est donc, important de
trouver un compromis entre la qualité d’une image et la taille nécessaire pour la
stocker.
✔ La résolution de l’écran est celle qui affiche chaque pixel de l’image sur un
point de l’écran.
✔ A titre d'exemple, les écrans de PC : L’œil humain ne distingue pas les
pixels à une résolution 1024 sur 768, ce qui donne l’impression d’une
image sans grain.
Exemple 1 : Soit une image de 10 cm par 10 cm, présentant une résolution de

10 pixels par cm, sur combien de pixels est codée l’image ?
Réponse : L’image est codée sur 100 x 100, soient 10 000 pixels.
Exemple 2 : Si la résolution était de 100 pixels par cm (soit 1 pixel mesure 0,1
mm), quelle sera la taille de codage d’une telle image ?
Réponse : 1000 x 1000 = 1 000 000 Pixels (1 M pixels).
Exemples :
Résolution = 18 pixels par Résolution = 72 pixels par pouce, soit 30

pouce, soit 7 pixels par cm. pixels par cm. Ce qui correspond à la
D’où l’effet de pixelisation. résolution d’un écran ordinaire.
2.2.2 – Définition d’une image
✔ Souvent, on confond le concept de définition d’une image avec celui de la
résolution d’une image.
✔ La définition est le nombre de points (pixels) que comporte une image numérique
en largeur et en hauteur (nombre de colonne et le nombre de lignes). On parle
aussi de taille en pixels.
✔ Exemple : Une image de définition égale à 1600 x 1200 correspond à une image
de 1600 pixels en largeur et 1200 pixels en hauteur, soit un total de 1 920 000
pixels. On parle grossièrement d'une définition de 2 Méga pixels
Caractéristiques d’une image
Une image peut être définie par trois caractéristiques de base :

▪ Taille en pixels ( La définition).
▪ Dimension réelle (en cm ou en pouces)
▪ La résolution.
Relations entre les divers caractéristiques
Il y a un lien entre la résolution et la définition.
Nombre de pixels
Résolution en pixels par pouce =
Taille réelle en cm / 2,54
Exercice : Soit une image dont la largeur est de 1600 pixels et la hauteur est de 1200
pixels. Nous désirons l’imprimer pour que sa largeur soit de 15 cm.
1. Quelle serait dans ce cas sa résolution ?
2. En déduire sa Hauteur.
Solution : 1600
1 - Résolution en pixels par pouce = = 271 dpi
15/2,54
1200
2 – Hauteur = ? 271 = ⇒ H = 2,54 * (1200/271) = 11,3 cm
H/2,54
Perte d’information
En pratique, une image matricielle est soumise à deux types de perte d’informations :
✔ Une discrétisation de l’espace, qui ne mesure la valeur des pixels que pour un
nombre fini de positions.
✔ Une quantification de la valeur des pixels en un nombre fini de valeurs, qui
résulte de la conversion d’un signal analogique vers un signal numérique.
Analyse d’une image

✔ L'analyse d'image consiste en la reconnaissance des éléments et des
informations contenus dans l'image.
✔ Pour envisager l’analyse du contenu d’une image, on fait appel au traitement
numérique, donc discret de l’image.
✔ L’obtention de l’image numérique passe par :
1. La discrétisation du domaine spatial de définition de l’image,
2. La quantification de la fonction intensité de l’image.
II – DISCRETISATION DE L’IMAGE
✔ La représentation informatique d’une image est nécessairement discrète alors

que l’image est de nature continue : Le monde est continue.
✔ Certains capteurs effectuent une discrétisation (cas des appareils photos

numériques) contrairement à d’autres qui ne l’effectuent pas (cas des appareils
photos argentiques).
La photographie argentique permet d'obtenir

une photographie par un processus
photochimique par l'exposition d'une pellicule
sensible à la lumière puis son développement
et, éventuellement, son tirage sur papier.
Cas de photo numérique
Un dispositif à transfert de
charges (CCD « Charge
Coupled Device »)
Un appareil photographique numérique recueille la lumière sur un capteur

photographique électronique, et qui convertit l'information reçue par ce
support pour la coder numériquement.
✔ La discrétisation est la transformation d’une information analogique en

information numérique (digitale).
Signal analogique Signal discret
Scène réelle Capture de l'image

Domaine du Numérisation Stockage de l'image
Domaine du
continu (photosites) en format numérique
continu
Domaine discret Domaine discret
✔ La transformation d’un signal 2D nécessite la discrétisation à la fois de l’espace

(Echantillonnage) et de la couleur (quantification).
✔ Pour un ordinateur, une image est un ensemble de pixels (picture element).
= + +
✔ Un pixel possède une valeur qui peut être :
▪ un scalaire et représenter un niveau de gris,
▪ ou un vecteur et représenter une couleur.
✔ Les images dites "noir et blanc" sont composées de pixels noirs ou blancs (deux
valeurs possibles : 0 pour noir et 1 pour blanc.).
Image couleur Image en niveaux de gris Image binaire

I(x,y)=IR(x,y)+IG(x,y)+IB(x,y) I(x,y)∈(0,255) I(x,y)∈(0,1)
✔ Une image est représentée en mémoire par un tableau 2D.
✔ Les cellules du tableau contiennent des valeurs numériques.
✔ Chaque valeur du tableau traduit une couleur de pixels à l’écran.
Exemple : cas d’une image en noir et blanc. Les pixels blancs sont codés en 1 et
les pixels noir sont codés en 0.
✔ Les appareils d’acquisition permettent d’obtenir des images bitmaps par

discrétisation de la réalité.
✔ La qualité de l’image bitmaps est fonction de la définition du capteur (exemple

CCD d’un appareil photo numérique).
✔ Plus la discrétisation est élevée, plus la qualité de l’image est meilleure.
✔ Plus le nombre de pixels est élevé, plus la qualité de l’image se rapproche de la

réalité.
Principe
✔ La discrétisation est une opération d’échantillonnage du signal.
✔ Elle fait appel à des échantillons régulièrement disposés sur la surface de
l’image.
✔ Un échantillonneur est représenté par une impulsion de Dirac.
✔ Une image peut être représentée par une fonction f(x,y) qui associe une intensité
lumineuse à un point du plan (x,y).
✔ Afin d'étudier les propriétés des systèmes de traitement d'images on utilise des
signaux bidimensionnels élémentaires. En premier lieu, l'impulsion de Dirac
bidimensionnelle. Il s'agit en fait, d'une distribution qui est l'extension du cas
monodimensionnel.
Principe : Échantillonnage
✔ Le traitement d'une image analogique par un calculateur nécessite une étape
préalable d'échantillonnage et de quantification.
✔ Cas d'échantillonnage idéal des images.
✔ Le modèle de l'échantillonneur idéal est constitué par :
▪ un simple produit de l'image initiale I(x,y) par un peigne de Dirac

bidimensionnel.
▪ Il en résulte une image échantillonnée Ie(x,y) pour laquelle les valeurs

correspondent aux luminances relevées sur une grille régulière de
paramètres.
Maille de discrétisation
✔ la figure formée par les points d'échantillonnage forment le maillage ou réseau
de discrétisation de la surface image = Pixels
Maillage rectangulaire.
Echantillonneur ponctuel en brosse de Dirac.

Principe
✔ Chaque point échantillonné est repéré par des coordonnées discrètes (m,n) et
possède pour niveau de gris f(m,n).
✔ En considérant que chaque élément de la brosse de Dirac de pas (Tx,Ty) a pour

coordonnées (mTx,nTy) et pour expression δ (x – mTx, y – nTy), le niveau de gris
du point échantillonné est :
f(m,n) = ∫∫ f(x,y) δ (x – mTx, y – nTy) dx dy
✔ L'image échantillonnée est une brosse de Dirac, dont chacun des éléments
s'appuie sur la surface représentative de l'image.
III – QUANTIFCATION
✔ La quantification est l’échelle de valeurs possibles que peuvent prendre les pixels,
c’est-à-dire le nombre de couleurs possible.
✔ La quantification consiste à passer de la mesure de l’énergie lumineuse à la
valeur numérique.
✔ Les niveaux de quantification, c’est-à-dire le nombre de bits du mot, dépend
de l’utilisation :
▪ 1 bit, il n’y a que deux niveaux : Le noir et le blanc. C’est un mode de
fonctionnement très simple, qui est couramment utilisé en robotique. On parle
d’images binaires.
▪ 8 bits pour un usage général : Permet de traduire l’ensemble des niveaux de
gris que l’œil humain sait distinguer.
▪ 10 à 14 bits : Permet de garder la dynamique des capteurs modernes. Cette
précision permet d’appliquer des fonctions numériques de correction
(contraste, gain,…etc.).
▪ Un faible niveau de quantification fait apparaitre des contours fantômes. La
III – QUANTIFCATION
Bruit de quantification
✔ La conversion analogique/digitale transforme les variations continues de niveau
de gris en variations discrètes qui se traduisent par un effet de « grain » sur les
surfaces homogènes.
✔ Ce phénomène se caractérise quantitativement par un rapport signal/bruit.
IV – FORMATS DE FICHIERS IMAGES
Un format d’image est une représentation informatique de l’image associée à des

informations sur la façon dont l’image est codée et fournissant éventuellement
des indications sur la manière de la décoder et de la manipuler.
1 – La compression
La compression d’image consiste à réduire la redondance des données d'une

image afin de pouvoir l'emmagasiner sans occuper beaucoup d'espace ou la
transmettre rapidement.
Principe de la compression
✔ Il s’agit de repérer et d’identifier les redondances.

✔ Procéder à un codage spécifique au mode de compression.
✔ Stocker l’image dans le nouveau format.
✔ Restituer l’image à la lecture en tenant compte du mode de compression.
Exemple : On considère une image à partir de laquelle, on a extrait une ligne

représentée comme suit :
✔ Sans compression, cette ligne occupe 40 octets.
✔ Cette ligne peut être décrite comme suit :
✔ L’image peut être alors décrite par : Il y a 7 pixels blancs, puis 16 jaunes, puis 6
blancs, puis 5 jaunes et enfin 6 blancs.
Ce qui peut être résumé à : 7B16J6B5J6B

✔ Les données (texte, son, images, vidéo, programmes, …) ont besoin d’être
compressées pour des raisons :
▪ d’espace et/ou
▪ de vitesse de transfert.
✔ L’idée est donc de convertir un fichier d’un format non compressé en un format
compressé.
✔ Cette action peut se faire avec perte d’information ou sans perte d’informations.

✔ Le taux de compression indique l’efficacité de compression d’un fichier.
Taille Initiale (Ti)

Quotient de compression (Q) =
. Taille Finale (Tf)
(Taille du fichier compressé)

Le taux de compression (T) =
(Taille du fichier non compressé).
Tf
Gain de compression = 1 – T = 1 –
Ti
Types de compression
Compression sans perte, dite Compression avec perte dite encore

encore compression réversible non réversible.
✔ Meilleure taux de compression
✔ Elle permet de récupérer le fichier
✔ Nécessité de trouver un compromis
compressé à son ouverture entre le gain d’espace de stockage et la
comme il était initialement. perte de qualité
✔ En général, chaque format de fichier incorpore une méthode de compression.

1.1 - Méthodes de compression :
▪ Run Length Encoding (RLE)
o C’est un algorithme de compression très répandu

o Il est utilisé par les formats bitmaps : BMP, TIFF.
▪ CCITT Encoding :
o C’est une forme de compression de données utilisée pour la transmission de fax et

standardisée par le CCITT (International Telegraph Telephone Comittee).
o Ce standard est basé sur le codage de Huffman.
▪ Lempel-Ziv-Welch (LZW) :
o Cet algorithme est utilisé par le format de fichiers de type TIFF et GIF.
o Il est une partie du standard de compression V42bis.

1.1 - Méthodes de compression :

✔ Join Photographics Experts (JPEG)
▪ Un standard de compression de données utilisé particulièrement pour des
images de hautes définitions et du multimédia.
▪ Le standard utilise un algorithme de compression basé sur la Transformée
Discrète en Cosinus (DCT), ainsi que des compressions secondaires
basées sur Huffmann, principalement.
Exemple
Compression RLE
✔ Il s'agit d'un mode de compression parmi les plus simples.
✔ Toute suite de bits ou de caractères identiques est remplacée par un couple
(nombre d'occurrences ; bit ou caractère répété).
✔ Exemple: AAAAAAAAZZEEEEEER donne :
8A2Z6E1R, ce qui est beaucoup plus court.
1.2. Variantes de compression RLE

1.3. Compression selon le code de Huffman
✔ David Huffman a proposé en 1952 une méthode statistique qui permet d'attribuer
un mot de code binaire aux différents symboles à compresser (pixels ou
caractères par exemple).
✔ La longueur de chaque mot de code n'est pas identique pour tous les symboles:
les symboles les plus fréquents (qui apparaissent le plus souvent) sont codés
avec de petits mots de code, tandis que les symboles les plus rares reçoivent de
plus longs codes binaires : On parle de codage à longueur variable.
✔ Ainsi, la suite finale de mots codés à longueurs variables sera en moyenne plus
petite qu'avec un codage de taille constante.
1.3. Compression selon le code de Huffman

✔ Le principe du codage de Huffman repose sur la création d'un arbre composé
de nœuds.
✔ Chaque caractère constitue une des feuilles de l'arbre à laquelle on associe
un poids valant son nombre d'occurrences.
✔ Le principe est d'attribuer au symbole le plus probable le mot du code le plus
court.
Idée :
✔ Certaines couleurs de pixels reviennent plus souvent que d'autres.
✔ réduire le nombre de bits utilisés pour le codage des pixels les plus
fréquents et augmenter ce nombre pour les pixels plus rares.
Compression selon le code de Huffman
✔ L'arbre est créé suivant un principe simple :
Algorithme :
1. Identifier l'ensemble des symboles du mot à compresser : A chaque symbole
est associé un nœud.
2. Affecter à chaque nœud un coefficient égal au nombre de fois où il apparait
dans le mot.
3.
3. Ordonner, de gauche à droite, l'ensemble des symbole du poids le plus fort
au plus faible.
4.
4. Associer à chaque fois les deux nœuds de plus faibles poids pour donner un
nœud.
5.
5. Le poids du nœud constitué équivaut à la somme des poids de ses fils.
6. Répéter 3, 4 et 5 jusqu'à n'en avoir plus qu'un seul nœud : la racine.
7. Associer ensuite, par exemple, le code 0 à la branche de gauche et le code 1
à la branche de droite.
Exemple :
✔ Soit le mot à coder est donnée comme suit : DEPARTEMENT, donner la

codification de Huffman associée.
Solution :
✔ Action 1 :
D, E, P, A, R, T, M, N
✔ Action 2 :
D (1 fois), E(3 fois), P(1 fois), A(1 fois), R(1 fois), T(2 fois), M(1 fois), N(1 fois)
✔ Action 3 :
E T A D M N P R
3 2 1 1 1 1 1 1
Passe 1
2 2 2
E T A D M N P R
3 2 1 1 1 1 1 1
Passe 2
4
4
2 2 2
E T A D M N P R
3 2 1 1 1 1 1 1
Passe 3
4
4
2 2 2
E T A D M N P R
3 2 1 1 1 1 1 1
Passe 4
1
1
4
4
2 2 2
E T A D M N P R
3 2 1 1 1 1 1 1
Passe 5
1
1
1
7
1
4
4
1 1
2 2 2
1 1 1
E T A D M N P R
3 2 1 1 1 1 1 1
Passe 6
1
1
0 1
7
1
0
4
4
1 0 1
0
2 2 2
0 1 0 1 0 1
E T A D M N P R
3 2 1 1 1 1 1 1
Implémentation : https://www.programiz.com/dsa/huffman-coding
La codification du mot « DEPARTEMENT » se fait comme suit :
E T A D M N P R
00 010 0110 0111 100 101 110 111
La taille du message est devenu égale à 32 bits au lieu de 88 bits (code ASCII)
2 – Les types de fichiers images
✔ Une même image peut être enregistrée dans plusieurs formats de fichiers . Il
convient donc, de distinguer l’image de la façon de l’enregistrer.
Types de d'enregistrement
✔ Il y a deux façons différentes d’enregistrer un objet :
▪ Sans compression : L’objet est enregistré d’une manière brute.
▪ Avec compression : Les informations inutiles ou redondantes sont

2 – Les types de fichiers images
Types de compression pour les images :
✔ La compression non destructive :

▪ Lors de sa restitution l’image est strictement identique à son originale
▪ Il n’y a aucune perte d’information
✔ La compression destructive
▪ L’image subit une simplification

▪ Il y a perte d’information
▪ Le poids du fichier est considérablement réduit
2 – Les principaux fichiers images
2.1 – Fichier BitMap : (Matrice de bits)
Caractéristiques :
✔ Pas de compression.
✔ Extension : .bmp
Avantages :
✔ Format standard (Windows, Mac, Linux)
Inconvénients :
✔ Poids de fichier élevé.

2.1 – Format RAW:
Caractéristiques :
✔ Format natif des appareils photos numériques
✔ Pas de compression
✔ Profondeur d’analyse1 souvent en 12 bits/couleur.
✔ Extension du fichier variable.
Avantages :
✔ La qualité de l’image est optimum
Inconvénients :
✔ Poids du fichier élevé.
✔ Format non standard (Chaque constructeur a son propre format RAW)
✔
(1) Nécessité de traitement avec des logiciels spécifiques.
La profondeur d’analyse est le nombre de bits utilisés pour coder les couleurs
d'une image lors de sa numérisation par un scanner ou une caméra. Ce nombre
est de 8, 10, 12 ou 14 bits par couleur.
2.1 – Format GIF (Graphical Interchange Format)
Caractéristiques :
✔ Compression non destructive (Après la décompression des données, celles-ci
sont identiques à celles utilisées pour la compression),
✔ Seulement 256 couleurs
✔ Extension .gif
Avantages :
✔ Poids des fichiers peu élevé.
✔ Format idéal pour Internet.
✔ Permet de réaliser des animations simples.
Inconvénients :
2.1 – Format PNG (Portable Network Graphics)
Caractéristiques :
✔ Compression non destructive
✔ Jusqu’à 48 bits par pixel.
✔ Extension du fichier : .png
Avantages :
✔ Excellent compromis entre la qualité d’image et le poids du fichier.
✔ Commence à s’imposer comme standard.
Inconvénients :
✔ N’en a pas à priori.
2.1 – Format TIFF (Tagged Image Format)
Caractéristiques :
✔ Compression non destructive
✔ Extension du fichier : .tif
Avantages :
✔ Excellent compromis entre la qualité de l’image et le poids du fichier.
✔ Le plus adapté à l’archivage.
Inconvénients :
✔ Poids des fichiers assez élevé.
2.1 – Format JPEG (Join Photographic Experts Group)
Caractéristiques :
✔ Compression destructive.
✔ Extension du fichier .jpg
Avantages :
✔ Taux de compression paramétrable
✔ Le poids du fichier est considérablement diminué.
✔ Format standard (Windows, Mac OS, Linux,…)
Inconvénients :
✔ Compression destructive.
2.2 – Exemple : Conséquence de la compression sur le stockage d’une image

de 1028x683 pixels :
Fin du
Chapitre 2

Chap 2-Images Numeriques

Uploaded by

Copyright:

Available Formats

Chap 2-Images Numeriques

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Chap 2-Images Numeriques

Uploaded by

Copyright:

Available Formats

Traitement d’images

Chapitre 2 : Les images

M. SOUALAH – UMMTO – 2023

1 – Qu’est ce qu’une image

✔ D’un point de vue mathématique,

✔ D’un point de vue humain,

une image est une représentation d’une réalité

Une image vectorielle est

✔ Un pavage est un recouvrement d'un espace affine donné, à l'aide de figures ou

✔ Chaque pavé élémentaire est appelé tesselle

Pavage triangulaire Pavage carré Pavage hexagonal

✔ Chaque point P est appelé pixel.

Pavage triangulaire et Pavage hexagonal et Pavage carré et Pavage carré et

-Un pixel se code comme un couple (i,j)

✔ Dans un maillage carré, tout pixel a deux types de voisins :

3 dpi 8 dpi 16 dpi

2). Si la résolution passe à 8 dpi. La lettre A

3). A 16 dpi, c’est encore plus lisible.

Exemple 1 : Soit une image de 10 cm par 10 cm, présentant une résolution de

Résolution = 18 pixels par Résolution = 72 pixels par pouce, soit 30

Caractéristiques d’une image

Une image peut être définie par trois caractéristiques de base :

Analyse d’une image

✔ La représentation informatique d’une image est nécessairement discrète alors

✔ Certains capteurs effectuent une discrétisation (cas des appareils photos

La photographie argentique permet d'obtenir

Cas de photo numérique

Un appareil photographique numérique recueille la lumière sur un capteur

✔ La discrétisation est la transformation d’une information analogique en

Scène réelle Capture de l'image

✔ La transformation d’un signal 2D nécessite la discrétisation à la fois de l’espace

✔ Pour un ordinateur, une image est un ensemble de pixels (picture element).

✔ Un pixel possède une valeur qui peut être :

▪ un scalaire et représenter un niveau de gris,

▪ ou un vecteur et représenter une couleur.

Image couleur Image en niveaux de gris Image binaire

✔ Les appareils d’acquisition permettent d’obtenir des images bitmaps par

✔ La qualité de l’image bitmaps est fonction de la définition du capteur (exemple

✔ Plus la discrétisation est élevée, plus la qualité de l’image est meilleure.

✔ Plus le nombre de pixels est élevé, plus la qualité de l’image se rapproche de la

✔ Le modèle de l'échantillonneur idéal est constitué par :

▪ un simple produit de l'image initiale I(x,y) par un peigne de Dirac

▪ Il en résulte une image échantillonnée Ie(x,y) pour laquelle les valeurs

Echantillonneur ponctuel en brosse de Dirac.

✔ En considérant que chaque élément de la brosse de Dirac de pas (Tx,Ty) a pour

f(m,n) = ∫∫ f(x,y) δ (x – mTx, y – nTy) dx dy

Un format d’image est une représentation informatique de l’image associée à des

La compression d’image consiste à réduire la redondance des données d'une

✔ Il s’agit de repérer et d’identifier les redondances.

Exemple : On considère une image à partir de laquelle, on a extrait une ligne

✔ Sans compression, cette ligne occupe 40 octets.

✔ Cette ligne peut être décrite comme suit :

Ce qui peut être résumé à : 7B16J6B5J6B

IV – FORMATS DE FICHIERS IMAGES

Taille Initiale (Ti)

(Taille du fichier compressé)

Compression sans perte, dite Compression avec perte dite encore

✔ En général, chaque format de fichier incorpore une méthode de compression.

o C’est un algorithme de compression très répandu