Leçon 1 sur 5
Représentation des images, histogrammes et filtrage
Je sais comment une image est codée en mémoire, je sais lire et transformer son histogramme et je sais appliquer un filtre par convolution pour lisser ou débruiter une image.
- 1 h 20
- 6 exercices corrigés
- QCM de 7 questions
À la fin de la leçon, vous saurez :
- Décrire une image numérique comme un tableau de pixels (résolution, canaux, profondeur) et calculer sa taille en mémoire
- Convertir une image couleur en niveaux de gris et passer d'un espace de couleurs à un autre
- Calculer et interpréter un histogramme, réaliser une égalisation d'histogramme
- Appliquer une convolution 2D (noyau, bordure, pas) et calculer la taille de sortie
- Choisir entre filtre moyenneur, gaussien et médian selon le bruit
Avant de commencer : Algèbre linéaire (matrices), probabilités élémentaires, programmation Python avec NumPy.
1Je découvre
À Kipé, dans la commune de Ratoma, une jeune entreprise que nous appellerons Nafa Vision vient de signer avec une coopérative de producteurs de pommes de terre du Fouta Djallon. Les agents de la coopérative photographient les feuilles avec des téléphones d'entrée de gamme ; Nafa Vision doit construire, au fil de ce cours, un outil qui reconnaît les feuilles malades, compte les plants et, plus tard, suit les parcelles par satellite.
Les premières photos arrivent sur le serveur. Certaines sont sombres car prises sous un manguier, d'autres surexposées en plein soleil de midi, d'autres encore couvertes de petits points blancs dus à un capteur bon marché. Avant toute intelligence artificielle, l'équipe doit comprendre ce qu'est réellement une photo pour un ordinateur, et la nettoyer.
Comment une image est-elle représentée en mémoire, et comment corriger son contraste et son bruit par des opérations mathématiques simples ?
2Je comprends
1. L'image numérique : un tableau de nombres
Une image numérique est une fonction discrète I(x, y) définie sur une grille de pixels (picture elements). Par convention en traitement d'images, x désigne la colonne, y la ligne, et l'origine (0, 0) est en haut à gauche ; l'axe y est orienté vers le bas.
| Notion | Définition | Exemple |
|---|---|---|
| Résolution (définition) | nombre de colonnes × nombre de lignes | 1920 × 1080 |
| Canal | une composante par pixel | 1 en niveaux de gris, 3 en RVB |
| Profondeur | nombre de bits par canal | 8 bits : valeurs de 0 à 255 |
| Quantification | nombre de niveaux possibles L = 2b | b = 8 donne L = 256 |
| Échantillonnage | pas de la grille spatiale | plus il est fin, plus il y a de pixels |
En Python, une image couleur chargée avec OpenCV ou Pillow devient un tableau NumPy de forme (hauteur, largeur, canaux). Attention : OpenCV range les canaux dans l'ordre BGR (bleu, vert, rouge), alors que Pillow et Matplotlib utilisent RVB.
import cv2
import numpy as np
img = cv2.imread("feuille_001.jpg") # tableau uint8, ordre BGR
print(img.shape, img.dtype) # par exemple (1080, 1920, 3) uint8
rvb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # pour l'afficher avec Matplotlib
gris = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # un seul canalLa taille brute (non compressée) d'une image vaut : largeur × hauteur × canaux × (bits par canal / 8) octets.
Exemple
Problème : un agent photographie une feuille en 1920 × 1080, couleur, 8 bits par canal. Quelle taille occupe l'image décompressée en mémoire ?
Étape 1 : nombre de pixels = 1920 × 1080 = 2 073 600.
Étape 2 : octets = 2 073 600 × 3 canaux × 1 octet = 6 220 800 octets.
Étape 3 : en mébioctets, 6 220 800 / 1 048 576 ≈ 5,93 Mio.
Conclusion : le fichier JPEG est bien plus petit (compression avec pertes), mais une fois chargé, chaque image occupe près de 6 Mio ; un lot de 1 000 images en mémoire dépasse 5,7 Gio.
2. Couleur et niveaux de gris
L'espace RVB est additif : chaque pixel est un triplet (R, V, B). Il est pratique pour l'affichage mais mélange couleur et luminosité. D'autres espaces séparent ces informations :
| Espace | Composantes | Usage typique |
|---|---|---|
| RVB (RGB) | rouge, vert, bleu | affichage, entrée des réseaux de neurones |
| Niveaux de gris | luminance seule | contours, points d'intérêt |
| TSV (HSV) | teinte, saturation, valeur | segmenter une couleur (le vert d'une feuille) malgré l'ombre |
| Lab | luminance L, axes a et b | mesurer des écarts de couleur proches de la perception |
La conversion en niveaux de gris la plus courante (recommandation UIT-R BT.601) pondère les canaux selon la sensibilité de l'œil, plus forte pour le vert :
Y = 0,299 R + 0,587 V + 0,114 B
Exemple
Problème : un pixel de feuille a pour valeurs R = 200, V = 120, B = 40. Quel est son niveau de gris ?
Étape 1 : 0,299 × 200 = 59,8.
Étape 2 : 0,587 × 120 = 70,44 ; 0,114 × 40 = 4,56.
Étape 3 : Y = 59,8 + 70,44 + 4,56 = 134,8, arrondi à 135.
Conclusion : la moyenne simple (200 + 120 + 40) / 3 = 120 donnerait un gris plus sombre que celui perçu par l'œil.
3. L'histogramme et ses transformations
L'histogramme h(k) d'une image en niveaux de gris compte le nombre de pixels de niveau k, pour k = 0, …, L-1. Divisé par le nombre total N de pixels, il devient une distribution de probabilité p(k) = h(k)/N. L'histogramme ignore la position des pixels : deux images très différentes peuvent avoir le même.
Lecture d'un histogramme :
- concentré à gauche : image sombre (photo prise à l'ombre) ;
- concentré à droite : image surexposée ;
- étroit : faible contraste ; étalé sur toute la plage : bon contraste.
Les transformations ponctuelles modifient chaque pixel indépendamment de ses voisins : s = T(r).
- Négatif : s = L - 1 - r.
- Étirement linéaire : s = (L-1)r - rminrmax - rmin.
- Correction gamma : s = (L-1)(rL-1)γ ; γ < 1 éclaircit, γ > 1 assombrit.
- Seuillage : s = L-1 si r ≥ t, sinon 0 (image binaire).
L'égalisation d'histogramme cherche une transformation qui rend l'histogramme aussi plat que possible. Elle utilise la fonction de répartition (histogramme cumulé) :
sk = arrondi((L-1)Σj=0k p(j))
Méthode
- Calculer l'histogramme h(k) de l'image.
- Diviser par le nombre de pixels N pour obtenir p(k).
- Cumuler : F(k) = p(0) + p(1) + … + p(k).
- Calculer s_k = arrondi((L − 1) × F(k)) pour chaque niveau présent.
- Remplacer chaque pixel de niveau k par s_k.
Exemple
Problème : une image 4 × 4 codée sur 3 bits (L = 8, niveaux 0 à 7) contient : 4 pixels de niveau 1, 7 de niveau 2, 4 de niveau 3 et 1 de niveau 7. Égaliser.
Étape 1 : N = 16 ; p(1) = 0,25 ; p(2) = 0,4375 ; p(3) = 0,25 ; p(7) = 0,0625.
Étape 2 : cumul F(1) = 0,25 ; F(2) = 0,6875 ; F(3) = 0,9375 ; F(7) = 1.
Étape 3 : 7 × F donne 1,75 ; 4,8125 ; 6,5625 ; 7.
Étape 4 : arrondis : 1 → 2 ; 2 → 5 ; 3 → 7 ; 7 → 7.
Conclusion : les niveaux, serrés entre 1 et 3, s'étalent maintenant de 2 à 7 : le contraste augmente. Les niveaux 3 et 7 sont fusionnés : l'égalisation peut perdre de l'information.
Sur des photos prises sous des éclairages très variés, on préfère souvent l'égalisation adaptative CLAHE (Contrast Limited Adaptive Histogram Equalization), qui égalise par petites tuiles et limite l'amplification du bruit : cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)).
4. Le filtrage linéaire par convolution
Un filtre spatial remplace chaque pixel par une combinaison de ses voisins. Le filtre linéaire est décrit par un noyau K (matrice k × k, k impair). L'opération appliquée en pratique, appelée convolution dans les bibliothèques d'apprentissage profond, est en toute rigueur une corrélation :
G(x, y) = Σi=-aaΣj=-aa K(i, j) I(x+i, y+j), a = k-12
La convolution au sens mathématique retourne le noyau de 180° ; pour un noyau symétrique, les deux opérations coïncident.
Voisinage 3 × 3 Noyau moyenneur
┌────┬────┬────┐ ┌─────┬─────┬─────┐
│ 12 │ 15 │ 14 │ │ 1/9 │ 1/9 │ 1/9 │
├────┼────┼────┤ ├─────┼─────┼─────┤
│ 13 │200 │ 16 │ × │ 1/9 │ 1/9 │ 1/9 │ → somme = nouveau pixel central
├────┼────┼────┤ ├─────┼─────┼─────┤
│ 11 │ 14 │ 13 │ │ 1/9 │ 1/9 │ 1/9 │
└────┴────┴────┘ └─────┴─────┴─────┘Trois paramètres fixent la taille de la sortie : la taille du noyau k, la marge (padding) P ajoutée sur chaque bord et le pas (stride) S. Pour une entrée de côté N :
Nsortie = ⌊ N - k + 2PS ⌋ + 1
Les bords se traitent par ajout de zéros, par réplication du pixel de bord ou par réflexion (miroir). Une marge P = (k-1)/2 avec S = 1 conserve la taille (mode « same »).
| Filtre | Noyau 3 × 3 | Effet |
|---|---|---|
| Moyenneur | tous les coefficients valent 1/9 | lisse, mais rend les bords flous |
| Gaussien | 116beginpmatrix1&2&1 2&4&2 1&2&1endpmatrix | lisse en donnant plus de poids au centre ; contrôlé par σ |
| Rehaussement | beginpmatrix0&-1&0 -1&5&-1 0&-1&0endpmatrix | accentue les détails (et le bruit) |
La somme des coefficients d'un filtre de lissage vaut 1 : une zone uniforme reste inchangée.
5. Le bruit et le filtrage non linéaire
Deux modèles de bruit dominent :
- le bruit gaussien (additif, chaque pixel légèrement perturbé), typique des capteurs en faible lumière ;
- le bruit impulsionnel ou « poivre et sel » (quelques pixels à 0 ou 255), typique de pixels défectueux ou d'erreurs de transmission.
Le filtre médian remplace le pixel par la médiane de son voisinage. Il n'est pas linéaire, ne se réduit pas à un noyau, et préserve mieux les bords.
Exemple
Problème : le voisinage 3 × 3 dessiné plus haut contient un pixel aberrant (200) au centre. Comparer moyenneur, gaussien et médian.
Étape 1 : somme des 9 valeurs = 308 ; moyenne = 308 / 9 ≈ 34,2.
Étape 2 : gaussien : (12 + 2×15 + 14 + 2×13 + 4×200 + 2×16 + 11 + 2×14 + 13) / 16 = 966 / 16 ≈ 60,4.
Étape 3 : valeurs triées : 11, 12, 13, 13, 14, 14, 15, 16, 200 ; médiane = 14.
Conclusion : le médian élimine totalement le point blanc ; le moyenneur et surtout le gaussien le diluent sans le supprimer.
lisse = cv2.GaussianBlur(gris, (5, 5), sigmaX=1.0)
debruite = cv2.medianBlur(gris, 3)
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
contraste = clahe.apply(debruite)Pour Nafa Vision, la chaîne de prétraitement retenue est donc : conversion de couleur adaptée, filtre médian contre les points blancs du capteur, puis CLAHE pour compenser les photos à l'ombre.
3Je retiens
Je retiens
Une image est un tableau (hauteur, largeur, canaux) ; origine en haut à gauche ; OpenCV lit en BGR.
Taille brute = largeur × hauteur × canaux × octets par canal.
Niveaux de gris : Y = 0,299 R + 0,587 V + 0,114 B.
L'histogramme compte les pixels par niveau ; il renseigne sur la luminosité et le contraste, pas sur la forme.
Égalisation : s_k = arrondi((L − 1) × histogramme cumulé normalisé).
Taille de sortie d'une convolution : (N − k + 2P) / S + 1, partie entière.
Moyenneur et gaussien lissent le bruit gaussien ; le médian supprime le bruit poivre et sel en gardant les bords.
4Erreurs fréquentes
- Afficher avec Matplotlib une image lue par OpenCV sans convertir BGR en RVB : les couleurs sont inversées.
- Confondre (x, y) et (ligne, colonne) : en NumPy on écrit img[y, x].
- Calculer en uint8 sans conversion : 200 + 100 donne 44 (dépassement modulo 256) ; passer en float ou utiliser cv2.add.
- Croire que l'égalisation d'histogramme est toujours bénéfique : elle amplifie aussi le bruit et peut fusionner des niveaux.
- Utiliser un filtre moyenneur contre le bruit poivre et sel : le point aberrant est étalé au lieu d'être supprimé.
5Je m’exerce
1Exercice 1
(Questions de cours) a) Que représentent la résolution, le nombre de canaux et la profondeur d'une image ? b) Pourquoi l'espace TSV est-il utile pour isoler le vert des feuilles ? c) Pourquoi l'histogramme ne suffit-il pas à décrire une image ?
Voir le corrigéCacher le corrigé
a) La résolution est le nombre de pixels (colonnes × lignes) ; le nombre de canaux est le nombre de valeurs par pixel (1 en gris, 3 en couleur) ; la profondeur est le nombre de bits par canal, qui fixe le nombre de niveaux 2b. b) TSV sépare la teinte (la couleur « verte ») de la valeur (la luminosité) : une feuille à l'ombre garde à peu près la même teinte, on peut donc la segmenter par un intervalle de teinte, ce qui est difficile en RVB où les trois canaux baissent ensemble. c) Il ne contient aucune information spatiale : un damier et une image coupée en deux moitiés noire et blanche peuvent avoir le même histogramme.
2Exercice 2
Une caméra de drone produit des images de 4000 × 3000 pixels en couleur, 8 bits par canal. a) Calculez la taille brute d'une image en octets et en mégaoctets (1 Mo = 10⁶ octets). b) Combien d'images brutes tiennent dans une mémoire de 16 Go (10⁹ octets) ?
Voir le corrigéCacher le corrigé
a) 4000 × 3000 × 3 = 36 000 000 octets, soit 36 Mo. b) 16 × 10⁹ / 36 × 10⁶ ≈ 444,4 : on peut stocker 444 images brutes.
3Exercice 3
Un pixel a pour valeurs R = 30, V = 180, B = 90. a) Calculez son niveau de gris Y. b) Appliquez-lui un négatif sur 8 bits. c) Appliquez une correction gamma γ = 0,5 au niveau de gris obtenu en a) (arrondir à l'entier).
Voir le corrigéCacher le corrigé
a) Y = 0,299 × 30 + 0,587 × 180 + 0,114 × 90 = 8,97 + 105,66 + 10,26 = 124,89, arrondi à 125. b) Négatif : 255 − 30 = 225 ; 255 − 180 = 75 ; 255 − 90 = 165, soit (225, 75, 165). c) s = 255 × (125/255)0,5 = 255 × √0,4902 ≈ 255 × 0,7001 ≈ 178,5, arrondi à 179 : le pixel est éclairci, conformément à γ < 1.
4Exercice 4
Une image de côté 256 est convoluée par un noyau 3 × 3. Donnez la taille de sortie : a) sans marge, pas 1 ; b) avec une marge de 1, pas 1 ; c) avec un noyau 5 × 5, sans marge, pas 2, pour une entrée de côté 224.
Voir le corrigéCacher le corrigé
a) (256 - 3 + 0)/1 + 1 = 254. b) (256 - 3 + 2)/1 + 1 = 256 : la taille est conservée. c) ⌊ (224 - 5)/2 ⌋ + 1 = ⌊ 109,5 ⌋ + 1 = 110.
5Exercice 5
Voici un voisinage 3 × 3 : première ligne 50, 52, 0 ; deuxième ligne 51, 53, 54 ; troisième ligne 255, 52, 50. Calculez la valeur du pixel central après a) un filtre moyenneur 3 × 3 ; b) un filtre médian 3 × 3. c) Quel type de bruit semble présent, et quel filtre choisir ?
Voir le corrigéCacher le corrigé
a) Somme = 50 + 52 + 0 + 51 + 53 + 54 + 255 + 52 + 50 = 617 ; moyenne = 617 / 9 ≈ 68,6, arrondi à 69. b) Valeurs triées : 0, 50, 50, 51, 52, 52, 53, 54, 255 ; médiane = 52. c) Les valeurs 0 et 255 isolées au milieu de valeurs proches de 52 signalent un bruit impulsionnel (poivre et sel) : le filtre médian est le bon choix, il donne 52, valeur cohérente avec la zone, alors que la moyenne est faussée (69).
6Exercice 6
(Type examen) Une image 4 × 4 codée sur 3 bits (niveaux 0 à 7) contient : 6 pixels de niveau 0, 6 pixels de niveau 1, 2 pixels de niveau 2 et 2 pixels de niveau 3.
a) Décrivez l'aspect de cette image d'après son histogramme.
b) Réalisez l'égalisation d'histogramme en détaillant le tableau (h, p, F, s).
c) Écrivez en Python (NumPy) une fonction egaliser(img, L) qui réalise cette égalisation pour une image entière.
d) Citez une limite de la méthode et une alternative.
Voir le corrigéCacher le corrigé
a) Tous les pixels sont entre 0 et 3 sur une plage 0 à 7, avec une majorité à 0 et 1 : l'image est sombre et peu contrastée.
b) N = 16, L − 1 = 7.
| k | h(k) | p(k) | F(k) | 7 × F(k) | s_k |
|---|---|---|---|---|---|
| 0 | 6 | 0,375 | 0,375 | 2,625 | 3 |
| 1 | 6 | 0,375 | 0,75 | 5,25 | 5 |
| 2 | 2 | 0,125 | 0,875 | 6,125 | 6 |
| 3 | 2 | 0,125 | 1 | 7 | 7 |
Les niveaux 0, 1, 2, 3 deviennent 3, 5, 6, 7 : l'image est plus claire et l'écart entre niveaux augmente.
c)
import numpy as np
def egaliser(img, L=256):
h = np.bincount(img.ravel(), minlength=L) # histogramme
F = np.cumsum(h) / img.size # répartition
table = np.round((L - 1) * F).astype(img.dtype)
return table[img] # application par indexationVérification : avec l'image de l'énoncé, table[[0, 1, 2, 3]] vaut [3, 5, 6, 7].
d) Limite : l'égalisation globale amplifie le bruit dans les zones uniformes et peut fusionner des niveaux ; elle ne tient pas compte des variations locales d'éclairage. Alternative : CLAHE, qui égalise par tuiles et limite l'amplification.
Cherchez d’abord seul, sur votre cahier, puis ouvrez le corrigé pour comparer.
6Je vérifie
Choisissez une réponse pour chaque question : la correction s’affiche aussitôt.
Karamö, votre enseignant
Il a lu cette leçon. Posez-lui votre question : il vous répond ici.
Connectez-vous pour poser vos questions à Karamö.
Avec un compte Kharandi gratuit, vous cochez les leçons terminées et vous suivez votre progression, cours par cours.