TRAITEMENT D’IMAGES AVEC PYTHON – NIVEAU 3 – COURS AVANCE POUR PROFESSIONNELS

DETECTION DE CONTOURS, RECONNAISSANCE DE DROITES ET CERCLES

 Objectif : Maîtriser les techniques avancées de détection et d’analyse de formes

• Introduction et rappels
  • Rappel des modules Python essentiels (OpenCV, Scipy, skimage).
  • Détecteur de contours de Canny et ses réglages avancés. Application à la détection de poudres fines sur une application industrielle.
  • Transformée de Hough pour la détection de lignes et de cercles. .
  • Atelier pratique : Application sur des images de microscopie électronique (particules de maltodextrine).
• Traitement des couleurs et segmentation
  • Gestion avancée des espaces couleur (conversion, histogrammes, filtrage couleur, distances entre couleurs).
  • Segmentation basée sur les couleurs.
  • Atelier pratique : comparaison de la segmentation par K-moyennes dans des espaces RGB et Lab..

TRANSFORMEE DE FOURIER ET DECONVOLUTION

Objectif : Comprendre et manipuler la transformée de Fourier pour l’analyse et l’amélioration d’images

• Bases et manipulation de Fourier
  • Rappels théoriques : amplitude, phase et spectre de fréquence.
  • Applications en analyse d’images : détection de motifs répétitifs, filtrage fréquentiel.
  • Cas pratique : Évaluation de la densité cellulaire de l’endothélium cornéen humain.
• Déconvolution et restauration d’images
  • Introduction aux méthodes de déconvolution (Wiener, Richardson-Lucy).
  • Atelier pratique : Application aux images du télescope spatial Hubble.

 RECALAGE D’IMAGES ET CLASSIFICATION

Objectif : Apprendre les techniques avancées d’alignement et de reconnaissance d’images

• Recalage et détection de points clés
  • Détecteurs de coins, descripteurs locaux (Harris, SIFT, ORB).
  • Alignement et superposition d’images.
  • Application sur des vidéos et imagerie dynamique.
  • Cas pratique : Stabilisation de séquences vidéo.
• Reconnaissance de motifs et classification
  • Extraction et description de textures (Local Binary Patterns, matrices de co-occurrence).
  • Atelier pratique : Reconnaissance des textures par classification automatique.

 Les apprenants peuvent apporter leur ordinateur personnel équipé d’une distribution Anaconda avec Python installé  ainsi que  leurs cas d’applications.