Traitement d'images : segmentation et caractérisation

О курсе

Ce MOOC sur le traitement d'images est à l’intersection de plusieurs domaines scientifiques et techniques : les mathématiques, la physique, l’informatique. De la ligne de fabrication jusqu’au scanner médical en passant par les satellites. Les images nous servent à extraire des informations omniprésentes aujourd’hui. Elles doivent être systématiquement traitées pour s’affranchir des mauvaises conditions d’acquisition, afin d’isoler les objets pertinents et de les analyser. Les traitements présentés (filtrage , rehaussement, suppression du bruit) sont le point de départ de la chaîne d’analyse. Ils permettent 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 allez poursuivre votre progression dans le domaine du traitement des images avec la découverte des méthodes de segmentation et détection d'objets. Vous apprendrez à manipuler les algorithmes de seuillage automatique des images en noir et blanc, de segmentation des images en couleur avec des méthodes simples de classification, l'utilisation et les limites de la ligne de partage des eaux. Les notions de morphologie mathématique seront abordées, ainsi que l'analyse et les mesures des objets après segmentation. Pour suivre ce cours, des bases du langage de programmation Python sont nécessaires : boucles, opérateur logique, vectorisation des opérations , définition de fonction, tableaux et numpy. Vous devez également maitriser les bases du traitement des images (filtrages linéaires par convolution, notion d'histogramme) ainsi que leur manipulation grâce au langage Python (chargement, affichage). Une attestation de suivi avec succès est attribuée par Coursera aux apprenants réussissant à obtenir une note supérieure à 50 %. Ce cours a été créé avec le soutien de la Fondation Patrick & Lina Drahi.

Навыки, которые вы освоите

Учитесь у экспертов

Yann Gavet

Professeur à Mines Saint-Etienne

Vincent Mazet

Maître de conférences à Télécom Physique Strasbourg