www.mesmaths.com

6-des idées

Florent Girod — 2023-06-20T11:44:49Z

3-projet

Florent Girod — 2023-06-20T11:44:36Z

A vous de jouer maintenant en réalisant un programme de traitement d'image.

des idées

transformer en niveaux de gris (en faisant la moyenne des valeurs de R, V et B) ;
créer une image en sépia (faire une recherche) ;
mélanger deux images ;
« pixelliser » une image ;
déterminer les contours d'une figure ;
restaurer une image dégradée ;
autre chose ? ?

2-programmation

Florent Girod — 2023-06-20T11:44:18Z

Programmes en python

comprendre

Lire ce programme (les commentaires en particulier) pour comprendre son fonctionnement.

Conseil : le copier/coller dans un éditeur de programme python (Edupython ou Pyzo), il sera plus lisible.

"""IMPORTANT : l'image importée devra se trouver dans le même fichier que ce programme. L'image modifiée sera elle aussi enregistrée dans ce dossier"""
 
 #importation obligatoire pour utiliser la fonction analysant le code RGB pixel par pixel d'une image
 from PIL import Image
 
 #nom de l'image à saisir A MODIFIER
 imageSource=Image.open("paysage.jpg")
 #prend en compte la largeur de l'image et sa hauteur
 largeur,hauteur=imageSource.size
 #définie une nouvelle image vierge de même dimension
 imageTraitee=Image.new("RGB",(largeur,hauteur))
 
 # y varie de 0 à (hauteur-1) et x varie de 0 à (largeur-1)
 for y in range(hauteur): 
 for x in range(largeur):
 
 p=imageSource.getpixel((x,y)) # p est la valeur RGB du pixel de l'image de départ
 r=p[0]#première valeur de la liste p -> niveau de r
 v=p[1]#deuxième valeur de la liste p -> niveau de v
 b=p[2]#troisième valeur de la liste p -> niveau de b
 
 ##on applique la transformation : PARTIE A MODIFIER SELON LA TRANSFORMATION VOULUE
 #le niveau de gris est la moyenne des valeurs de r, g, b ; attention, ce doit être un nombre entier
 g=int((r+v+b)/3)
 #on affecte directement les trois valeurs dans la liste (tuple) p ce qui correspond aux valeurs r, g, b de la nouvelle image
 p=(g,g,g)
 ###
 # on affecte les valeurs de de p dans la nouvelle image pour la créer
 imageTraitee.putpixel((x,y),p) 
 #on nomme la nouvelle image pour l'enregistrer
 imageTraitee.save("paysage_gris.jpg")
 #on visulaise cette nouvelle image
 imageTraitee.show()

observer

faire tourner ce programme et visualiser l'effet obtenu

remarque : le temps de compilation peut être long (de l'ordre de la dizaine de secondes) si votre image est 'lourde'.

réponse


image originale	image après traitement

agir

A vous de créer un programme pour obtenir le négatif d'une image

réponse

"""IMPORTANT : l'image importée devra se trouver dans le même fichier que ce programme. L'image modifiée sera elle aussi enregistrée dans ce dossier"""
 
 #importation obligatoire pour utiliser la fonction analysant le code RGB pixel par pixel d'une image
 from PIL import Image
 
 #nom de l'image à saisir A MODIFIER
 imageSource=Image.open("paysage.jpg")
 #prend en compte la largeur de l'image et sa hauteur
 largeur,hauteur=imageSource.size
 #définie une nouvelle image vierge de même dimension
 imageTraitee=Image.new("RGB",(largeur,hauteur))
 
 # y varie de 0 à (hauteur-1) et x varie de 0 à (largeur-1)
 for y in range(hauteur): 
 for x in range(largeur):
 
 p=imageSource.getpixel((x,y)) # p est la valeur RGB du pixel de l'image de départ
 r=p[0]#première valeur de la liste p -> niveau de r
 v=p[1]#deuxième valeur de la liste p -> niveau de v
 b=p[2]#troisème valeur de la liste p -> niveau de b
 
 ##on applique la transformation : PARTIE A MODIFIER SELON LA TRANSFORMATION VOULUE
 #le négatif d'une image s'obtient en appliquant la fonction tonale x->255-x
 r=255-r
 v=255-v
 b=255-b
 #on affecte directement les trois valeurs dans la liste (tuple) p ce qui correspond aux valeurs r, g, b de la nouvelle image
 p=(r,v,b)
 ###
 # on affecte les valeurs de de p dans la nouvelle image pour la créer
 imageTraitee.putpixel((x,y),p) 
 #on nomme la nouvelle image pour l'enregistrer
 imageTraitee.save("paysage_neg.jpg")
 #on visulaise cette nouvelle image
 imageTraitee.show()


image originale	négatif

0-plan de travail

Florent Girod — 2023-06-20T11:43:48Z

1ère séance

activités de découverte :
- sur la notion de document numérique
- la création de couleurs
- la notion de pixels
- les traitements d'image les plus classiques et les fonctions tonales associées

2ème séance

lecture de programmes :
- compréhension d'un programme commenté
- effet de ce programme en terme de traitement d'image
premier programme (à partir d'un programme donné)
recherche de fonctions tonales associées à une modification

activité sur la notion de contour d'une image

3ème et 4ème séance :

projet :
- définition
- programmation
- réalisation pratique

évaluation (finalisation du projet et QCM ?)

QCM d'entraînement

questions

corrigé


image originale	niveaux de gris

effet de seuillage	filtre bleu

1-des images et des couleurs

Florent Girod — 2023-06-20T11:43:29Z

des images et des couleurs

des questions

3 questions :

Que se passe-t-il quand on zoome sur un document numérique (par rapport à sa qualité) ?
Une imprimante couleurs doit-elle obligatoirement avoir une cartouche noire pour imprimer la couleur noire ?
Quels sont les effets possibles avec un logiciel du type photoshop, gimp ... ?

des éléments théoriques

Après avoir lu le cours (rapidement), les réponses aux questions précédentes sont-elles toujours les mêmes ? Pouvez-vous les compléter ?

cours

5-au cas où

Florent Girod — 2023-06-20T11:42:19Z

si le programme ne fonctionne pas correctement sous Edupython (pour un problème de bibliothèque non importée) ... une alternative

code à copier/coller

"""important : l'image traitee doit se trouver dans le meme repertoire que le programme"""
 
 """avec cette methode, les composantes r, v, et b sont des nombres compris entre 0 et 1"""
 
 #importation de bibliotheques necessaires au fonctionnement du programme
 import matplotlib.image as mpimg
 import numpy as np
 import matplotlib.pyplot as plt
 
 name = ("monchat.png") #name prend le nom de l'image à traitée (image en format .png) ; le nom contient l'extension
 im = mpimg.imread(name)#on lit le document saisi par la fonction mp.img()
 im = im[:,:,:3] # pour faire disparaitre le 4eme plan -> chaque pixel est constitue de 3 valeurs qui correspondent au code rgb
 for i in range(im.shape[0]):#le long des colonnes
 for j in range(im.shape[1]):#le long des lignes
 r, v, b = im[i, j] #ecriture etrange ... car im[i,j] est une liste de trois valeurs -> que l'on stocke dans r, v et b
 #le traitement se fait ici -> c'est là que va intervenir
 im[i, j] = (0,0,b)#on ne garde que la composante bleue
 
 plt.imshow(im)#on cree l'image traitee
 plt.show()#on affiche l'image traitee -> pour la conserver, il faudra l'enregistrer manuellement

deux images à télécharger

si on utilise le programme ci-dessus, il faut obligatoirement prendre l'image en .png.

si on utilise le programme initialement prévu, on prend a le choix entre .png et .jpg


image en .png	image en .jpg

programme pour mélanger deux images

"""IMPORTANT : les images importées devront se trouver dans le même fichier que ce programme. L'image modifiée sera elle aussi enregistrée dans ce dossier. On mélange les images 1 et 2 (la plus grande est l'image 1)
 
 ###traitement d'une photo
 #importation obligatoire pour utiliser la fonction analysant le code RGB pixel par pixel d'une image
 from PIL import Image
 
 #fonction permettant de faire un melange plus ou moins marque
 coef=0.5 #coef est la proportion de la première image
 def mel(a,b):
 return int(coef*a+(1-coef)*b)
 
 #importation des deux images : la plus grande est image1
 imageSource1=Image.open("pays.jpg")#nom de l'image1 à saisir A MODIFIER
 imageSource2=Image.open("girod.jpg")#nom de l'image2 à saisir A MODIFIER
 
 #parametrages des images
 largeur1,hauteur1=imageSource1.size#prend en compte la largeur de l'image1 et sa hauteur
 largeur2,hauteur2=imageSource2.size#prend en compte la largeur de l'image2 et sa hauteur
 dech=int((largeur1-largeur2)/2)#centrage horizontal
 decv=int((hauteur1-hauteur2)/2)#centrage vertical
 #hauteur=min(hauteur1,hauteur2)
 
 imageModif=Image.new("RGB",(largeur1,hauteur1))#définie une nouvelle image vierge de même dimension que l'image 1
 
 ##4 zones ne faisant apparaitre que l'image la plus grande
 #zone en haut sur toute la largeur
 for y in range(decv): # y varie de 0 à hauteur - 1
 for x in range(largeur1):
 p1=imageSource1.getpixel((x,y)) # p est la valeur RGB du pixel de l'image1
 r1=p1[0]#première valeur de la liste p -> niveau de r
 v1=p1[1]#deuxième valeur de la liste p -> niveau de v
 b1=p1[2]#troisème valeur de la liste p -> niveau de b
 imageModif.putpixel((x,y),p1) # on affecte les valeurs de de p dans la nouvelle image pour la créér
 
 #zone en bas sur toute la largeur
 for y in range(decv+hauteur2,hauteur1): # y varie de 0 à hauteur - 1
 for x in range(largeur1):
 p1=imageSource1.getpixel((x,y)) # p est la valeur RGB du pixel de l'image1
 r1=p1[0]#première valeur de la liste p -> niveau de r
 v1=p1[1]#deuxième valeur de la liste p -> niveau de v
 b1=p1[2]#troisème valeur de la liste p -> niveau de b
 imageModif.putpixel((x,y),p1) # on affecte les valeurs de de p dans la nouvelle image pour la créér
 
 #zone sur la gauche sur toute la hauteur
 for y in range(hauteur1): # y varie de 0 à hauteur - 1
 for x in range(dech):
 p1=imageSource1.getpixel((x,y)) # p est la valeur RGB du pixel de l'image1
 r1=p1[0]#première valeur de la liste p -> niveau de r
 v1=p1[1]#deuxième valeur de la liste p -> niveau de v
 b1=p1[2]#troisème valeur de la liste p -> niveau de b
 imageModif.putpixel((x,y),p1) # on affecte les valeurs de de p dans la nouvelle image pour la créér
 
 #zone sur la droite sur toute la hauteur
 for y in range(hauteur1): # y varie de 0 à hauteur - 1
 for x in range(dech+largeur2,largeur1):
 p1=imageSource1.getpixel((x,y)) # p est la valeur RGB du pixel de l'image1
 r1=p1[0]#première valeur de la liste p -> niveau de r
 v1=p1[1]#deuxième valeur de la liste p -> niveau de v
 b1=p1[2]#troisème valeur de la liste p -> niveau de b
 imageModif.putpixel((x,y),p1) # on affecte les valeurs de de p dans la nouvelle image pour la créér
 
 #zone ou il y a le melange
 for y in range(decv,decv+hauteur2): # y varie de 0 à hauteur - 1
 for x in range(dech,dech+largeur2):
 p1=imageSource1.getpixel((x,y)) # p est la valeur RGB du pixel de l'image1
 p2=imageSource2.getpixel((x-dech,y-decv)) # p est la valeur RGB du pixel de l'image2
 r1=p1[0]#première valeur de la liste p -> niveau de r
 v1=p1[1]#deuxième valeur de la liste p -> niveau de v
 b1=p1[2]#troisème valeur de la liste p -> niveau de b
 r2=p2[0]#première valeur de la liste p -> niveau de r
 v2=p2[1]#deuxième valeur de la liste p -> niveau de v
 b2=p2[2]#troisème valeur de la liste p -> niveau de b
 r=mel(r1,r2)
 v=mel(v1,v2)
 b=mel(b1,b2)
 p=(r,v,b)
 imageModif.putpixel((x,y),p)
 
 #sauvegarde et visualisation de l'image
 imageModif.save("image1_image.jpg")#on nomme la nouvelle image pour l'enregistrer
 imageModif.show()#on visulaise cette nouvelle image

4-contour d'une figure

Florent Girod — 2023-06-20T11:41:47Z

ici une activité pour vous aider à finaliser un programme permettant de détecter les contours d'une figure

Pourquoi ?

un exemple d'application : la voiture autonome

Quand une voiture autonome est en mouvement, il est important qu'elle sache reconnaître les objets qui l'entourent : véhicules, piétons, cyclistes, les panneaux de signalisation.

Pour suivre la route, elle doit savoir en particulier reconnaître les bordures, les lignes blanches, les trottoirs, etc.

Pour cela, les photos réalisées par ses capteurs sont traitées par des algorithmes qui permettent de détecter les contours des objets qu'elle rencontre.

L'objectif de cette activité est de découvrir le fonctionnement d'un de ces algorithmes de détection de contours.

c'est quoi ?

Mais d'abord, comment "définir" un contour ?

Dans certaines situations (comme sur l'image ci-dessous), cela paraît évident de décrire un contour.

Comment formaliser cette 'intuition' ?

question 1 : repérer et sélectionner les pixels appartenant au contour que l'on visualise sur l'agrandissement de l'image en niveaux de gris ci-dessous (noter les niveaux de gris correspondant à ce qu'on estime être le contour de la figure)

réponse

190	192	190
		189	203	183

question 1 : expliquer comment on peut déterminer si un pixel appartient à un contour.

réponse

Ce sera le cas lorsque ses pixels voisins auront des valeurs significativement différentes.

pixels voisins

Pour repérer la position d'un pixel, on repère d'abord la colonne x à laquelle il appartient, puis la ligne y à laquelle il appartient.

Notons un tel pixel P(x, y) et NG(x, y) son niveau de gris.

Pour détecter si le pixel P(x, y) appartient ou non à un contour, une des méthodes consiste à chercher une rupture d'intensité entre 2 pixels symétriques par rapport à P(x, y), appelés pixel voisins.

Pour cela on calcule la différence entre les niveaux de gris de 2 pixels voisins. Si cette différence est élevée, le pixel fera parti d'un contour. Sinon, non.

Question 3 : Reproduire le tableau ci-dessous et compléter la position de chaque pixel composant l'image suivante et colorier d'une même couleur les couples de pixels voisins de P(x,y).

réponse

P(x-1,y-1)		P(x+1,y-1)
	P(x,y)
P(x-1,y+1)		P(x+1,y+1)

des calculs

Pour les questions suivantes, on se basera sur la figure suivante :

Question 4 : Quelle est la différence de niveaux de gris entre les 2 pixels voisins du pixel P(2, 2) ? Écrire l'opération effectuée.

réponse

190 - 46 = 144

Question 5 : Même question pour le pixel P(2, 4).

réponse

190 - 131 = 59

Question 6 : Parmi ces deux pixels, lequel semble appartenir à un éventuel contour. Pourquoi ?

réponse

le Pixel P(2,2) car les différences de valeurs entre pixels voisins sont plus grandes.

4 voisins

Avec les exemples précédents, nous n'avons pris en compte qu'un couple de pixels voisins. On ne tient donc compte que d'une unique direction. Pour éviter cela on va donc prendre en compte 2 couples de pixels voisins avec des directions opposés (voir schéma).

On calcule ensuite pour chacun des couples de pixels voisins, le carré de la différence des niveaux de gris. Enfin, on ajoute les résultats obtenus.

Question 8 : Calculer cette somme pour P(3, 2) et P(2, 4).

réponse

pour le pixel P(3,2) :

(192 - 42)² + (153 - 49)² = 33 316

pour le pixel P(2,4) :

(190 - 145)² + (190 - 131)² = 5 506

Question 9 : Exprimer cette somme pour le pixel P(x, y).

Cette ligne à compléter est évidemment en lien avec les questions précédentes, en particulier le fait de décider si un pixel fait partie ou non du contour d'une figure.

réponse

"""IMPORTANT : l'image importée devra se trouver dans le même fichier que ce programme. L'image modifiée sera elle aussi enregistrée dans ce dossier"""
 
 #importation obligatoire pour utiliser la fonction analysant le code RGB pixel par pixel d'une image
 from PIL import Image
 
 #nom de l'image à saisir A MODIFIER
 im=Image.open("paysage.jpg")
 #prend en compte la largeur de l'image et sa hauteur
 largeur,hauteur=im.size
 #définie une nouvelle image vierge de même dimension
 im_contour=Image.new("RGB",(largeur,hauteur))
 
 # y varie de 1 à (hauteur-2) et x varie de 1 à (largeur-2)
 for y in range(1,hauteur-1):
 for x in range(1,largeur-1):
 # p est la valeur RGB du pixel de l'image de départ
 p=im.getpixel((x,y))
 # a, b, c et d contiennent les valeurs du niveau de gris des pixels voisins du pixel P(x,y)
 a = (im.getpixel((x-1, y-1))[0]+im.getpixel((x-1, y-1))[1]+im.getpixel((x-1, y-1))[2])/3
 b = (im.getpixel((x+1, y+1))[0]+im.getpixel((x+1, y+1))[1]+im.getpixel((x+1, y+1))[2])/3
 c = (im.getpixel((x-1, y+1))[0]+im.getpixel((x-1, y+1))[1]+im.getpixel((x-1, y+1))[2])/3
 d = (im.getpixel((x+1, y-1))[0]+im.getpixel((x+1, y-1))[1]+im.getpixel((x+1, y-1))[2])/3
 
 ##on applique la transformation :
 # c'est la PARTIE A MODIFIER
 formule = 
 ##
 # on construit un test : si la valeur obtenue dans la formule est
 # supérieure au seuil de 2500, le pixel (x,y) fait parti du contour,
 # on le colorie en noir. Sinon, on le colorie en blanc.
 if formule > 2500: #seuil modifiable
 im_contour.putpixel((x, y), (0,0,0))
 else :
 im_contour.putpixel((x, y), (255,255,255))
 
 #on nomme la nouvelle image pour l'enregistrer
 im_contour.save("paysage_contour.jpg")#nom a modifier
 #on visulaise cette nouvelle image
 im_contour.show()