Université Lyon 1
Arqus
Accueil  >>  Informatique graphique et image
  • Unité d'enseignement : Informatique graphique et image
Nombre de crédits de l'UE : 3
Code APOGEE : INF1207M
    Responsabilité de l'UE :
BOUAKAZ BRONDEL SAIDA
 saida.bouakazuniv-lyon1.fr
04.72.44.58.83
GALIN ERIC
 eric.galinuniv-lyon1.fr
04.72.43.11.57
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
15 h
Travaux Pratiques (TP)
15 h

* Ces horaires sont donnés à titre indicatif.

    Compétences attestées (transversales, spécifiques) :
Non rédigé
    Programme de l'UE / Thématiques abordées :

L’objectif de cette UE est d'acquérir les fondamentaux en synthèse d’image et analyse d’image.

Synthèse

Outils mathématiques fondamentaux, modélisation d’objets tridimensionnels, représentation des matériaux, modèles de visualisation et algorithmes de rendu temps réel et de synthèse d’image réaliste.

  • Outils mathématiques : vecteurs, matrices, transformations solides par compositions de matrices homogènes, fonctions de bruit.
  • Modélisation : objets surfaciques (maillages, objets définis par révolution, extrusion, carte de hauteurs), objets volumiques (surfaces implicites, voxels)
  • Rendu : modèle d’éclairement, visualisation temps réel et synthèse d’image réaliste, lancer de rayon

Analyse
Cette partie du cours propose une introduction aux domaines du traitement d’images. Il est complété par un cours proposé en option dans cette même formation. Dans ce cours, on aborde du principe de l’acquisition d’une image, de la notion de bruit et de son filtrage. On y introduit l’interprétation au sens du signal ainsi que le principe mathématique qui est à la base de ces méthodes. Le programme englobe :

  • Introduction et rappels de quelques définitions et vocabulaire : discrétisation et outils fondamentaux (représentation d’une image niveaux de gris/couleur/texture, distance, connexité, …)
  • Opérateurs de filtrage : bref rappel des transformations à base d’histogramme (seuillage, amélioration d’image, rehaussement de contraste),opérateur de convolution
  • Segmentation d’images :  On visitera les 2 méthodes les plus connues : Division/fusion (split & merge) et la méthode d’agglomération de régions (Region growing). L’accent sera mis sur la complexité et le choix des structures de données adéquat. La partie travaux pratique permettra aux étudiants d’appréhender la sensibilité de chacune des méthodes en fonction du type de l’image.
Mise en application : TP sous la forme d'un projet pour une application industrielle ou médicale (réalisation sous OpenCv en python ou C++)
SELECT MEN_ID, `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`, `PAR_ID` FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='27574' ORDER BY `MEN_DIP_ABREVIATION`, `MEN_TITLE`, `PAR_TITLE`