Skip to main content
FUN MOOC
  • News
  • Courses
  • FormaPro
  • Organizations
  • About FUN
  • FAQ
  • You are here:
  • Home
  • Courses

Introduction au traitement des images

Ref. 04044
CategoryMaths and statisticsCategoryComputer science and programming
  • Duration: 4 weeks
  • Effort: 12 hours
  • Pace: ~3 hours/week
  • Languages: French

What you will learn

At the end of this course, you will be able to:

  • Employer le vocabulaire de base du domaine du traitement des images
  • Distinguer les notions de bases qui caractérisent une image (pixels, couleurs, résolution, définition, quantification)
  • Utiliser un langage informatique pour faire des traitement d'images simples
  • Catégoriser et analyser les différents types d'images et les formats de fichier
  • Analyser, caractériser une image  à travers les histogrammes et les intensités
  • Manipuler les histogrammes et intensités pour obtenir un résultat visuel

Description

Le traitement des images est à l’intersection de plusieurs domaines scientifiques et techniques : les mathématiques, la physique, l’informatique.

Les images sont présentes partout : de la ligne de fabrication jusqu’au scanner médical en passant par les satellites. Elles nous servent à extraire des informations omniprésentes aujourd’hui.
Mais elles doivent être systématiquement traitées pour s’affranchir des mauvaises conditions d’acquisition, afin d’isoler les objets pertinents et de les analyser.

Ce traitement : filtrage , rehaussement, suppression du bruit est le point de départ de la chaîne d’analyse pour permettre par exemple le relevé des diagnostics en imagerie médicale, la détection de pièce défectueuse sur une ligne de production ou encore la reconnaissance des plaques d’immatriculation sur les radars.

Dans ce MOOC, vous prendrez connaissance des bases nécessaires en mathématiques et en informatique avec le langage Python. Vous apprendrez à manipuler les algorithmes et la programmation des opérations élémentaires du traitement d’images : charger et observer une image, analyser sa qualité, améliorer sa netteté et ses contrastes, ajouter du flou ou détecter des contours.

Prerequisites

Des bases mathématiques : intégration et dérivation, probabilités et statistiques (moyenne écart type, variance, variable aléatoire, loi normale)

Des bases informatiques : base du langage de programmation python, savoir écrire des boucles, opérateur logique, vectorisation des opérations , définition de fonction, tableaux et numpy.

Assessment and certification

Des évaluations vous seront proposées toutes les semaines

Semaine 1 : un quizz et un exercice pratique

Semaine 2 à 4 : un exercice pratique chaque semaine

Course plan

Semaine 1 : Contexte et champs d’application, historique et bases mathématiques
Semaine 2 : Filtrage par convolution, détecteurs de contours
Semaine 3 : Rehaussement, manipulation d’histogramme
Semaine 4 : Traitement du bruit

Course team

YANN GAVET

Categories

Enseignant Chercheur de l'Ecole des Mines de Saint-Etienne

VINCENT MAZET

Categories

Maître de conférences à Télécom Physique Strasbourg (école d'ingénieur de l'Université de Strasbourg et affiliée à l'Institut Mines-Télécom)

Organizations

IMT

Support pédagogique

KARINE RICHOU

Ingénieure pédagogique aux Mines de Saint Etienne

NAELLE

Petite voix

Des outils innovants

Des codecast et un environnement de développement Jupyter Notebook pour vous permettre de coder en langage Python.

Attestations

Une attestation de suivi avec succès est attribuée par FUN aux apprenants ayant réussi les évaluations.

Rejoignez la communauté !

Twitter

Facebook

Un partenariat entre deux écoles

 et 

Nos mécènes et partenaires

Ce MOOC est réalisé avec le soutien de la Fondation Patrick et Lina Drahi

License

License for the course content

Attribution-NonCommercial-ShareAlike

You are free to:

  • Share — copy and redistribute the material in any medium or format
  • Adapt — remix, transform, and build upon the material

Under the following terms:

  • Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
  • NonCommercial — You may not use the material for commercial purposes.
  • ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.

License for the content created by course participants

Attribution-NonCommercial-ShareAlike

You are free to:

  • Share — copy and redistribute the material in any medium or format
  • Adapt — remix, transform, and build upon the material

Under the following terms:

  • Attribution — You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
  • NonCommercial — You may not use the material for commercial purposes.
  • ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
FacebookTwitterLinkedin

Learn more

  • Help and contact
  • About FUN
  • Newsletters
  • Legal
  • Privacy policy
  • User's charter
  • General Terms and Conditions of Use
  • Sitemap
  • Cookie management
Logo FUN Mooc powered by Richie