Generalites sur l’image numerique

GENERALITES SUR L’IMAGE NUMERIQUE 

Avec la parole, l’image constitue l’un des moyens les plus importants qu’utilise l’homme pour communiquer avec autrui. C’est un moyen de communication universelle dont la richesse du contenu permet aux êtres humains de tout âge de toute culture de se comprendre. C’est aussi le moyen le plus efficace pour communiquer, chacun peut analyser une image à sa manière pour en dégager une impression et d’en extraire des informations précises. De ce fait, le traitement d’image est l’ensemble des méthodes et techniques opérant sur celle-ci dans le but d’améliorer l’aspect visuel de l’image et d’en extraire des informations jugées pertinentes.

Définitions

Image
On appelle « image » une représentation visuelle, voire mentale, de quelque chose (objet, être vivant et/ou concept). Elle peut être naturelle (ombre, reflet) ou artificielle (peinture, photographie), visuelle ou non, tangible ou conceptuelle (métaphore). Elle peut entretenir un rapport de ressemblance directe avec son modèle ou au contraire y être lié par un rapport plus symbolique [1].

Image numérique
L’image numérique est une image dont la surface est divisée en éléments de tailles fixes appelés cellules ou « pixels », ayant chacun comme caractéristique un niveau de gris ou de couleur prélevée à l’emplacement correspondant dans l’image réelle [2]. Contrairement aux images obtenues à l’aide d’un appareil photo analogique, ou dessinées sur papier, les images manipulées par un ordinateur sont numériques (représentées par une série de bits).

Différents types d’image numérique

Il existe deux sortes d’images numériques : les images matricielles et les images vectorielles. Ces types d’images diffèrent en fonction du système de codage de leurs données en information binaire.

Image vectorielle

Ce sont des images décrites à l’aide des courbes et des expressions mathématiques décrivant les formes élémentaires constituant l’image (carrés, rectangles, ellipses, cercles, courbes, etc…). Le stockage d’une image de type vectoriel est donc très différent de celui d’une image de type bitmap : il consiste en la mémorisation de la représentation des coordonnées des points caractéristiques des formes qui constituent l’image. Par exemple, un dessin peut être mémorisé par l’ordinateur comme « une droite tracée entre les points (?1, ?1) et (?2, ?2) », puis « un cercle tracé au centre ».

Image matricielle

Une image numérique dite « matricielle » ou de type bitmap est formée par la juxtaposition d’unités élémentaires appelées « pixels ». Ce type d’image se présente comme une matrice (un tableau) de pixels, une trame de points. La taille des pixels est fixée lors de la création ou de l’acquisition de cette image. L’image matricielle est dite « image point par point » et est composée d’un nombre de points par pouce donné.

C’est ce type d’image, qui nous intéresse ici parce que pour ce type d’image, on manipule des matrices. Dans la suite de ce travail, nous utiliserons l’image matricielle.

Image à niveau de gris

On appelle « image à niveaux de gris », une image où chaque élément (point de coordonnées) de l’image correspond un niveau d’intensité lumineuse (appelé niveau de gris) appartenant à l’ensemble ? = {?0, ?1 , … ???−1} où ?? correspond au nombre total de niveaux de gris .

Image couleur

La couleur est un phénomène lumineux. Chaque couleur est caractérisée par des intensités et des fréquences, des longueurs d’onde de l’émission d’énergie lumineuse. La lumière qui nous parvient des objets est réfléchie par eux. La plupart des surfaces absorbent certaines longueurs d’onde et ne réfléchissent que les autres. Une image couleur, est la composition de l’intensité de chacun des trois canaux des couleurs fondamentales : le R (Rouge), le V (Vert), et le B (Bleu).

Différentes espaces couleurs 

Pour mettre un peu d’ordre dans le monde de la couleur et permettre une certaine normalisation, la CIE (Commission Internationale de l’Eclairage) a établi une méthode standardisée pour spécifier la couleur. En 1931, la CIE a défini et adopté des illuminant et observateurs standard afin de représenter l’ensemble des couleurs, ce système a été complété en 1964. Comme la CIE a prouvé qu’il suffisait de trois variables indépendantes pour décrire presque toutes les couleurs existantes, les espaces couleurs sont donc des systèmes de coordonnées en trois dimensions où la couleur à analyser a été transformée en un tri-stimulus particulier. Ces systèmes standardisent les trois éléments clé de la perception de la couleur : la lumière, l’objet et l’observateur.

Système colorimétrique RVB

La CIE a recommandé un ensemble de fonctions colorimétriques de référence, connues comme l’observateur standard de la CIE 1931. Les fonctions ?(?), ?(?), ?(?) sont définies avec des primaires rouge, vert et bleu. Les valeurs négatives indiquent que la lumière a été ajoutée à la couleur test au lieu d’être ajoutée au mélange des primaires. A partir de cela, l’espace RVB (Rouge Vert Bleu) peut être défini [7]. Les couleurs primaires monochromatiques sont :
❖ Le rouge de longueur d’onde 700 nm
❖ Le vert de longueur d’onde 546.1 nm
❖ Le bleu, de longueur d’onde 435.8 nm .

L’espace RVB est l’espace couleur le plus utilisé en imagerie comme : les caméras numériques couleur, les scanners et les moniteurs travaillent sur la base de cet espace [8]. Même si l’espace RVB est très utilisé en pratique dans les dispositifs numériques couleurs, il présente pourtant un inconvénient : il est difficile de représenter une couleur avec ses composantes: R, V et B. On remarque en effet qu’il n’est pas possible de reconstituer par synthèse additive une couleur correspondant à la longueur d’onde 500 nm par exemple, car dans ce cas, le coefficient correspondant à la couleur rouge est négatif.

?500 = −0,07(?) + 0,08(?) + 0,04(?)

Espace colorimétrique HSV

La HSV (Hue Saturation Value) ou TSV (Teinte Saturation Valeur), son principe est de caractériser les couleurs de façon plus intuitive, conformément à la perception naturelle des couleurs, en termes de teinte, saturation, valeur.

Teinte

Intuitivement, c’est le nom qu’on utilisera pour désigner la couleur, « vert », « mauve », « orange », etc. Idéalement associé à une longueur d’onde, donc à une position sur le cercle de Newton .

● 0° ou 360° : rouge
● 60° : jaune
● 120° : vert
● 180° : cyan
● 240° : bleu
● 300° : magenta.

La valeur varie entre 0 et 360, mais elle est parfois normalisée en 0 – 100%.

Table des matières

INTRODUTION GENERALE
CHAPITRE 1 GENERALITES SUR L’IMAGE NUMERIQUE
1.1 Introduction
1.2 Définitions
1.2.1 Image
1.2.2 Image numérique
1.3 Différents types d’image numérique
1.3.1 Image vectorielle
1.3.2 Image matricielle
1.4 Image à niveau de gris
1.5 Image couleur
1.6 Caractéristique d’une image
1.6.1 Pixel
1.6.2 Résolution
1.6.3 Définition
1.6.4 Histogramme
1.6.5 Bruit
1.6.6 Texture
1.6.7 Luminance
1.6.8 Contraste
1.6.9 Région
1.7 Perception des couleurs
1.7.1 Lumière
1.7.2 Notion des couleurs
1.7.3 Synthèses des couleurs
1.8 Différentes espaces couleurs
1.8.1 Système colorimétrique RVB
1.8.2 Espace colorimétrique HSV
1.8.3 Système colorimétrique XYZ
1.8.4 Espace des couleurs YUV
1.8.5 Espace Lab
1.9 Aspects des traitements d’images
1.9.1 Filtrage
1.9.2 Compression
1.10 Conclusion
CHAPITRE 2 ETAT DE L’ART SUR LA STEGANOGRAPHIE
2.1 Introduction
2.2 Définition
2.3 Historique
2.4 Différentes techniques de sécurité
2.4.1 Cryptographie
2.4.2 Stéganographie
2.4.3 Tatouage
2.4.4 Fingerprinting
2.5 Stéganographie appliquée aux images numériques
2.6 Conception d’un schéma stéganographique
2.6.1 La stéganographie par sélection du médium de couverture
2.6.2 Stéganographie par synthèse du médium hôte
2.6.3 Stéganographie par modification du médium de couverture
2.7 Méthodes d’insertion des messages
2.7.1 Insertion dans le domaine spatial
2.7.2 Insertion dans le domaine fréquentiel ou transformée
2.7.3 Insertion dans le domaine Multirésolution
2.8 Caractéristiques d’un schéma stéganographique
2.8.1 Capacité
2.8.2 Transparence
2.8.3 Robustesse
2.9 Stéganalyse
2.9.1 Définition
2.9.2 Types d’attaques
2.9.3 Techniques de stéganalyse
2.10 Conclusion
CHAPITRE 3 MODELES MATHEMATIQUES ET IMPLEMENTATION DE LA TRANSFORMEE EN ONDELETTE DISCRETE
3.1 Introduction
3.2 Historique
3.3 Définition
3.4 Généralités
3.4.1 Transformée de Fourrier
3.4.2 Transformée de Fourier à court terme
3.4.3 Transformée en ondelette continue
3.5 Transformée en ondelette appliquée aux images numériques
3.5.1 Transformée en ondelette discrète
3.6 Transformée en ondelette 2D
3.6.1 Analyse multirésolution
3.6.2 Algorithme de Mallat
3.6.3 Algorithme de reconstruction de Mallat
3.7 Familles d’ondelettes
3.7.1 Ondelette de Morlet
3.7.2 Chapeau Mexicain
3.7.3 Ondelette de Haar
3.8 Implémentation
3.8.1 Phase d’insertion
3.8.2 Phase d’extraction
3.8.3 Description de l’algorithme
3.8.4 Chiffrement symétrique
3.9 Outil de mesure d’évaluation
3.9.1 Métrique MSE
3.9.2 PSNR
3.9.3 Evaluation de l’histogramme
3.10 Conclusion
CONCLUSION

Lire le rapport complet