OpenCV niveau 1 : Introduction au traitement d'images

• ATTENTION : Les étudiants doivent avoir suivi Python 1 ou posséder quelques bases en programmation. Les étudiants seront formés à utiliser OpenCV en association avec Python.
• Durée : 24h, réparties en 6 séances de 4 heures chacune.
• Horaires et dates : de 9h à 13h les mercredis à partir du 30 janvier jusqu'au 13 mars inclus.
  
• Lieu : Ecole nationale des chartes (ENC), salle informatique, 65 rue de Richelieu, Paris — à l'exception du 27 février en salle Coyeque, toujours à l'ENC.
• Enseignement : François JOUEN (Laboratoire Cognition Humaine et Artificielle, CHArt, EA 4004) et Anna Scius-Bertrand.
• Inscription.

Vous pouvez aussi contacter Anna Scius-Bertrand pour des compléments d'information : anna.scius-bertrand@ephe.sorbonnne.fr 

Chaque séance donnera lieu à un travail pratique : un exercice de programmation appliqué à l’image.

PROGRAMME DES SCEANCES

• Séance 1 :: Les outils nécessaires :
  • Installation des outils
  • Python 2.7 pour le développement
  • OpenCV pour le traitement d'image
  • Installation pour Windows, Linux et OSX
  • Objectif : Chaque étudiant devra être capable d’installer par lui-même son environnement de travail.

• Séance 2 :: Qu'est-ce qu'une image ? :
  • De la physiologie de la vision humaine à l'image binaire.
  • L’échantillonnage par la rétine et les dispositifs techniques.
  • La couleur et son traitement
  • Pixels et canaux.
  • Matrices et vecteurs pour représenter l’image.
  • Division et fusion (Split & Merge).
  • La notion de pointeur pour accéder au contenu des images.
  • Objectif : être capable d’accéder aux informations d’une image OpenCV.

• Séance 3 :: Opération élémentaires sur les images :
  • Echantillonnage et quantification.
  • Transformation en niveau de gris.
  • Binarisation.
  • Filtrage numérique de l’image.
  • Objectif : mettre en place un filtrage adaptatif (Adaptative Treshold).

• Séance 4 :: Détection de contour (Tout sur la convolution) :
  • La notion de voisinage.
  • Image intégrale.
  • Filtre de Prewitt.
  • Filtre laplacien.
  • Filtre de Sobel.
  • Filtre de Canny…
  • Objectif : être capable d’implémenter un filtre de détection de contour.

• Séance 5 :: Opérateurs morphologiques :
  • Eléments structurants.
  • Dilatation/érosion d’image.
  • Ouverture/fermeture d’image.
  • Amincissement et squelettisation.
  • Objectif : appliquer les algorithmes à la reconnaissance de caractères.

• Séance 6 :: Détection de régions :
  • Détection de régions par seuillage.
  • Détection de contours fermés (codage de Freeman).
  • Transformée de Hough de droites et de courbes.
  • Objectif : implémenter la transformée de Hough.

Pour en savoir plus sur le traitement d'images, le wiki EphEnum.