Traitement d'image

Téléchargez les quelques images suivantes:

images.zip

Images jack.jpg, black_pearl.jpg et iut.jpg

Puis exécutez le code suivant:

import numpy as np
import matplotlib.pyplot as plt

# Chargement d'une image normalisée entre 0 et 1
img = plt.imread("jack.jpg") / 255.

# Affichage de l'image
plt.imshow(img)

Voici ce qui devrait apparaître:

Exercice 1: Accès pixel
Accédez à la composante d'un des pixels de l'image et affichez la

Exercice 2: Inverse
Écrire une fonction inverse(img) qui crée une nouvelle image dont les couleurs des pixels sont obtenues par complémentaire à 1 des couleurs de l’image img.

Exercice 3: Couleurs
Écrire une fonction keep_red(img) qui annule les valeurs sur les composantes vertes et bleue d’une copie de img et retourne le résultat (puis sur le même principe écrire keep_green(img) et keep_blue(img)).

Exercice 4: Extraction
Écrire une fonction extract(img, l1, c1, l2, c2) qui retourne une nouvelle image avec les pixels de img situés entre les lignes l1 et l2 et les colonnes c1 et c2.

Exercice 5. Aléatoire:

• Écrire une fonction randimg_gsc(height, width) qui crée une image de taille height \(\times\) width dans laquelle le niveau de gris de chaque pixel est choisi au hasard.
• Faire de même dans avec une image couleur dans laquelle les valeurs de rouge, vert, et bleu de chaque pixel sont choisies au hasard.

Exercice 6. Conversion en niveau de gris
Pour convertir une image couleur RGB en une image en niveaux de gris, il faut calculer la luminance de chaque pixel. Cette luminance est une combinaison linéaire des composantes rouge, vert et bleu. À un pixel p, de composantes (r,g,b) dans l’image en couleurs, on associe le niveau de gris :

$$ l = 0.2126 \times r + 0.7152 \times g + 0.0722 \times b $$

Écrire une fonction niveau_gris qui prend en paramètre une image en couleurs et renvoie une image en niveaux de gris.

plt.imshow(img_gray, cmap="gray")

Exercice 7. Histogramme

Ecrire une fonction count_histo_gsc(img), qui :

• Transforme chaque valeur de gris (un float) en un entier compris entre 0 et 255,
• Compte le nombre de fois où chaque valeur entière apparaît dans l’image.
• Cette fonction construit un histogramme des niveaux de gris de l’image passée en paramètre

On mélange deux images de même taille en calculant une moyenne pondérée des pixels des deux images source. La formule ci-dessous illustre le calcul à réaliser :

$$ \begin{pmatrix} r \\ g \\ b \end{pmatrix} = \alpha \begin{pmatrix} r_1 \\ g_1 \\ b_1 \end{pmatrix} + (1 - \alpha) \begin{pmatrix} r_2 \\ g_2 \\ b_2 \end{pmatrix} \space \text{où} \space \alpha \in [0, 1] $$

Écrire une fonction mix(src1,src2,factor) qui retourne une image issue du mélange des images src1 et src2 passées en paramètres avec un poids (\(\alpha\)) égal à factor.

Une autre manière de mélanger des images consiste à multiplier les composantes des pixels d’une image avec celles d’un masque (i.e. une image noir et blanc). La formule ci-dessous illustre le calcul à réaliser :

$$ \begin{pmatrix} r' \\ g' \\ b' \end{pmatrix} = \begin{pmatrix} r \times r_m \\ g \times g_m \\ b \times b_m \end{pmatrix} $$

Écrire une fonction multiply(src,mask) qui retourne une image issue du produit pixel par pixel d’une image src avec un masque mask.

Exercice 9: Ajout de flou

Écrire une fonction blur(src,s) qui floute une image src passée en paramètre, en utilisant un filtre

Exercice 10: Convolution

Écrire une fonction convolution(src,kernel) qui applique un filtre de convolution à une image src passée en paramètre, en utilisant un noyau kernel.

Exercice 11: Détection des contours

Écrire une fonction contours(src) qui détecte les contours d’une image src passée en paramètre, en utilisant un filtre de convolution. le kernel est le suivant :

$$ \begin{pmatrix} -1 & -1 & -1 \\ -1 & 8 & -1 \\ -1 & -1 & -1 \\ \end{pmatrix} $$

Les pixels sur les bordures de l'image sont mis à 0.

Vous pouvez essayer avec différents kernels présents sur cette page: https://setosa.io/ev/image-kernels/

Exercice 12: Décalage de bits

Nous chargerons les images en entier:

# Les valeurs sont des entiers entre 0 et 255
img = plt.imread("jack.jpg")

Faire subir à chaque composante RGB des pixels un masquage \(n \rightarrow n \& (11110000)_2\) puis afficher l’image obtenue.

Expliquez votre démarche.

Exercice 13: Stéganographie image

Ecrire une fonction qui prend en paramètre une image et une autre image à cacher de même taille

Ecrire une fonction qui prend en paramètre une image et qui renvoie l’image cachée.

Exercice 14: Stéganographie texte

Écrire une fonction qui , cette fois ci, cache un texte à l’intérieure d’une image.

Prévoir une fonction qui permet de récupérer le texte caché dans l’image.