• End of Registration
  • apr 04 2021
  • Classes Start
  • mar 01 2021
  • Classes End
  • apr 04 2021
  • Estimated Effort
  • 3 h/week
  • Language
  • French

A propos de ce cours

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.

Vous êtes étudiants ou professionnels, vous avez des connaissances en programmation Python et vous souhaitez les appliquer au traitement des images.

À la fin du MOOC, vous serez capable de…

  • 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

Prérequis

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.

Évaluation

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

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.

Les enseignants

Course Staff Image #1

Yann Gavet

Enseignant Chercheur de l'Ecole des Mines de Saint-Etienne, il enseigne le traitement et l'analyse d'images. Il est particulièrement attiré par les nouveaux modes d'enseignement et les innovations pédagogiques. Docteur en traitement d'images, ses recherches portent sur les modèles aléatoires de microstructures et l'analyse de leurs formes. (Photo @Kristell Wasik).

Course Staff Image #2

Vincent Mazet

Maître de conférences à Télécom Physique Strasbourg (école d'ingénieur de l'Université de Strasbourg et affiliée à l'Institut Mines-Télécom), où il enseigne le traitement du signal et le traitement d'images. Il est responsable pédagogique du diplôme d'ingénieur en alternance de Télécom Physique Strasbourg. Docteur en traitement du signal, ses recherches portent sur les problèmes inverses avec des applications en spectroscopie et en imagerie biologique.

Support pédagogique

Karine Richou

Karine Richou

Ingénieure pédagogique aux Mines de Saint Etienne

Naelle

Naelle

Petite voix

Un partenariat entre deux écoles

et

Plan du cours

  • 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

Nos mécènes et partenaires


Ce MOOC est réalisé avec le soutien de :

  • la Fondation Patrick et Lina Drahi



Conditions d'utilisation

Conditions d’utilisation du contenu du cours

Attribution

Licence Creative Commons BY : Le contenu du MOOC permet toute exploitation de l’œuvre, y compris à des fins commerciales, ainsi que la création d’œuvres dérivées, dont la distribution est également autorisé sans restriction, à condition de l’attribuer à son l’auteur en citant son nom. Cette licence est recommandée pour la diffusion et l’utilisation maximale des œuvres. Sauf mention contraire.

Conditions d’utilisation des contenus produits par les participants

Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions

Cette licence permet aux autres de remixer, arranger, et adapter votre œuvre à des fins non commerciales tant qu’on vous crédite en citant votre nom et que les nouvelles œuvres sont diffusées selon les mêmes conditions.