Traitement d'images

Instrument Engineering Workbench) : c’est un logiciel de développement d'applications d'instrumentation. Bien que tout à fait utilisable dans un grand nombre de domaines, Labview est plus particulièrement destiné à l'acquisition de données et au traitement du signal. En effet, ce logiciel offre de larges possibilités de communication entre l'ordinateur et le monde physique (par cartes d'acquisitions analogiques ou numériques, cartes GPIB, réseau, liaisons série et parallèles, etc.) ainsi que d'importantes

ntroduction à la morphologie mathématique La morphologie mathématique est une théorie d’analyse d’images née dans les années soixante lorsque Matheron et Serra effectuèrent des travaux sur les milieux poreux. A la base, cette technique s’appliquait à des images binaires, qui étaient considérées comme des ensembles. La question était de savoir si une certaine forme était incluse dans tout ou partie de l’image. Une sonde possédant une certaine forme, appelée élément structurant, était utilisée

imposée comme un outil puissant en oncologie, en particulier concernant le diagnostic. Il existe toutefois d’autres applications pouvant bénéficier de l’utilisation de la TEP, comme la radiothérapie [1] ou le suivi des patients pendant et après traitement [2]. Bien que la quantification soit cruciale pour le diagnostic et l’évaluation de la réponse thérapeutique, des applications comme la radiothérapie nécessitent également une détermination précise de la forme et du volume d’une lésion. Différentes

Processing. Prentice-Hall, 2002. ∂f ∂y + ∂f ∂x Norme 18 Exemples de détections de contours sobel prewitt roberts isotropic 19 Seuillage du gradient Détection avec Sobel sans seuillage Seuillage avec S=25 Source : Caroline Rougier. Traitement d'images (IFT2730). Univ. de Montréal. Seuillage avec S=60 20 Deuxième dérivée de l’image Laplacien 21 Deuxième dérivée de l'image  Une autre approche pour trouver les contours de l'image est d'utiliser la seconde dérivée de l'image  Pour

Définition : V (P) est l'ensemble des pixels Q situés à moins d'une certaine distance de P. La forme du voisinage (et le nombre de voisins) de P dépendent de la distance considérée (cf. exemples diapo suivante). Voisinages les plus usités en traitement d'images : 4-voisinage 8-voisinage ou « voisinage 3x3 » « voisinage 5x5 » Licence 3 ESEA, Option Robotique / Vision, semaine 4 6 Introduction Filtrage par convolution Filtres de lissage Filtres de contours Notion de voisinage (3/3) : exemples

SOUSSE COPYRIGHT Sciences Appliquées et de Technologie de Sousse Département Informatique COPYRIGHT @ KIRMENE MARZOUKI ISSAT SOUSSE COPYRIGHT @ KIRMENE MARZOUKI ISSAT SOUSSE COPYRIGHT @ KIRMENE MARZOUKI ISSAT SOUSSE Cours: Synthèse et Traitement d’images COPYRIGHT @ KIRMENE MARZOUKI ISSAT SOUSSE COPYRIGHT @ KIRMENE MARZOUKI ISSAT SOUSSE COPYRIGHT @ KIRMENE MARZOUKI ISSAT SOUSSE COPYRIGHT @ KIRMENE MARZOUKI ISSAT SOUSSE COPYRIGHT @ KIRMENE MARZOUKI ISSAT SOUSSE COPYRIGHT @ KIRMENE MARZOUKI

SOMMAIRE Partie 1 : Introduction à LabVIEW 1.1-Introduction 1.2-Présentation - Environnement du progiciel : 1.3-Les palettes Partie 2 : Module Vision 2.1-Introduction 2.2-NI Vision Assistant Assistant – Acquisition Assistant – Traitement d’images Exemple 2.3-Fonctions vision Palette de contrôle Palettes de fonction Partie3 : CONCLUSION Remarque : La version de labVIEW utilisée pour ce cours d’initiation est la version LabVIEW Académies 2013. 1.1-Introduction : Labview est

Suivi de gestes temps réel par traitement d’images couleur Real Time tracking of human gestures using color image processing Thierry Chateau, Antoine Vacavant Lasmea, UMR6602 du CNRS/Université Blaise Pascal, 63172 Aubière Cedex, France thierry.chateau@lasmea.univ-bpclermont.fr Manuscrit reçu le 15 juin 2004 Résumé et mots clés Cet article adresse le problème de la détection et du suivi de zones colorées par traitement d'images couleur. L'application finale concerne le suivi 2D sans marqueurs

att´nuation minimale (en dB) dans la bande coup´e. e e 3.3.5 Estimation de l’ordre des filtres subplot(1,2,2); plot(f(1:N/2),abs(X(1:N/2))); xlabel(’fr´quence f’), ylabel(’X(f)’); e 1 0.8 0.6 0.4 0.2 0 200 150 100 50 0 0 300 250 — Matlab et le traitement du signal N ´l´ments (signal de dur´e ee e lui est associ´ est : e >> t = (0:N-1)/fe; N fe ). — Le vecteur des temps qui Table des mati`res e 1 Repr´sentation des signaux e 1.1 Temps . . . . . . . . . . . 1.2 Autocorr´lation . . . . .

Convolution Corrélation Convolution Corrélation Plan du cours Cours de Traitement Du Signal Convolution/corrélation 1 Convolution 2 Corrélation guillaume.hiet@rennes.supelec.fr ESTACA 6 septembre 2007 Guillaume HIET Guillaume HIET Cours de Traitement Du Signal - Convolution/corrélation 1/10 Convolution Corrélation Cours de Traitement Du Signal - Convolution/corrélation 2/10 Convolution Corrélation Définition Propriétés Le produit de convolution exprime la quantité de recouvrement