Séance de cours

Traitement d'image I : Mesures de corrélation et filtrage assorti

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

MICRO-511: Image processing I

Introduction to the basic techniques of image processing. Introduction to the development of image-processing software and to prototyping using Jupyter notebooks. Application to real-world examples in industrial vision and biomedical imaging. ...

Description

Cette séance de cours couvre les mesures de corrélation dans le traitement de l'image, y compris la corrélation de base, la corrélation centrée et le coefficient de corrélation normalisé. Il traite également de la détection des filtres appariés, des filtres appariés optimaux, de la détection des motifs par appariement de modèles et de l'extension de filtrage appariée au bruit coloré. En outre, il explore les techniques d'extraction des caractéristiques telles que la détection des bords, la détection des bords par gradient, l'analyse des textures et l'analyse des banques filtrantes.

Enseignant·e·s (2)

Dimitri Nestor Alice Van De Ville

Expertise Neuro-imagerie, traitement des signaux, sciences des réseaux, systèmes dynamiques Enseignement et PhD Doctorant·es actuel·les Alexandre Cionca, Chun Hei Michael Chan, Flavia Petruso, Bassam El Rawas, Nikolaos Molochidis, Christophe Pascal Jérémie Chênes, Fabrice Jean Guibert, Alessio Siviglia, Ekansh Sareen, Beatrice Lugli A dirigé les thèses EPFL de Djano Kandaswamy, Fikret Isik Karahanoglu, Nora Leonardi, Zafer Dogan, Jeffrey Adam Kasten, Naghmeh Ghazaleh, Rotem Roza Kopel, Daniela Maria Zölle

Michaël Unser

Expertise Image Processing Medical Imaging Biological Imaging Wavelets Splines Multiresolution Enseignement et PhD Doctorant·es actuel·les Youssef Haouchat, Vincent Patrick Lawrence Guillemet, Bassam El Rawas, Stanislas Ducotterd, Mehrsa Pourya, Zhiyuan Hu A dirigé les thèses EPFL de Stefan Horbelt, Jan Kybic, Maria Arrate Munoz Barrutia, Manuela Feilner, Slavica Jonic, Mathews Jacob, Michael Liebling, Michael Sühling, Muthuvel Arigovindan, François Aguet, Cédric Vonesch, Ildar Khalidov, Sathish Ramani, F

Source officielle

Proximité ontologique

Information engineering

Intelligence artificielle: Vision par ordinateur

Concepts associés (31)

Détection de contours

En et en vision par ordinateur, on appelle détection de contours les procédés permettant de repérer les points d'une qui correspondent à un changement brutal de l'intensité lumineuse. Ces changements de propriétés de l' indiquent en général des éléments importants de structure dans l'objet représenté. Ces éléments incluent des discontinuités dans la profondeur, dans l'orientation d'une surface, dans les propriétés d'un matériau et dans l'éclairage d'une scène.

Digital image processing

Digital image processing is the use of a digital computer to process s through an algorithm. As a subcategory or field of digital signal processing, digital image processing has many advantages over . It allows a much wider range of algorithms to be applied to the input data and can avoid problems such as the build-up of noise and distortion during processing. Since images are defined over two dimensions (perhaps more) digital image processing may be modeled in the form of multidimensional systems.

Filtre de Canny

Le filtre de Canny (ou détecteur de Canny) est utilisé en pour la détection des contours. L'algorithme a été conçu par John Canny en 1986 pour être optimal suivant trois critères clairement explicités : bonne détection : faible taux d'erreur dans la signalisation des contours, bonne localisation : minimisation des distances entre les contours détectés et les contours réels, clarté de la réponse : une seule réponse par contour et pas de faux positifs vignette|Image obtenue après application d'un flou gaussien 5x5.

Pyramide (traitement d'image)

En traitement d'images, la pyramide est une représentation multi-résolution d'une image. Elle permet de modéliser l'image à différentes , depuis l'image initiale jusqu'à une image très grossière. La pyramide d'images est souvent utilisée car elle permet à l'algorithme de traitement d'image de travailler depuis les détails jusqu'au « grossier ». Cet outil est notamment utilisé à des fins de . Les principaux types de construction d'une pyramide d'images sont : Gaussienne Laplacienne Irrégulière Adaptative Il existe deux principaux types de pyramides : passe-bas, et passe-bande.

Corner detection

Corner detection is an approach used within computer vision systems to extract certain kinds of features and infer the contents of an image. Corner detection is frequently used in motion detection, , video tracking, image mosaicing, panorama stitching, 3D reconstruction and object recognition. Corner detection overlaps with the topic of interest point detection. A corner can be defined as the intersection of two edges. A corner can also be defined as a point for which there are two dominant and different edge directions in a local neighbourhood of the point.

Afficher plus

Séances de cours associées (64)

Un discours de localisation : Cours pratique par BIOP

Couvre les aspects pratiques de l'utilisation des Fidji pour les tâches quotidiennes dans l'imagerie biologique.

Topologie : Produits polyédriques et détection de contours

Explore les concepts de topologie et de détection de bord en vision par ordinateur, mettant en évidence l'importance des contours et des gradients dans l'analyse d'images.

Computer Vision Basics: Traitement de l'image et détection des caractéristiques

Couvre les bases de la vision par ordinateur, en se concentrant sur les techniques de traitement d'image et la détection de caractéristiques.

Analyse de textures : approches statistiques et structurelles

Discute de l'analyse des textures dans les images, en se concentrant sur les propriétés statistiques et structurelles, les techniques de segmentation et les applications d'apprentissage automatique pour la classification des textures.

Analyse et traitement des images directionnelles

Plonge dans les fondements mathématiques et l'importance des indices directionnels dans le traitement de l'image, en explorant les défis informatiques et la sélectivité de l'orientation.

Afficher plus

Concepts associés (31)

Détection de contours

Digital image processing

Filtre de Canny

Pyramide (traitement d'image)

Corner detection

Afficher plus