Organisation du cours

• 10 séances de 2h (CM/TP)
  • Implémentation en Python utilisant les librairies NumPy et SciPy
  • Utilisation des notebook jupyter fortement recommandée
• Évaluation :
  • 1 ou 2 TP notés (note individuelle)
  • 1 projet en binôme
    • étude bibliographique, implémentation
    • rapport écrit, présentation orale
• Enseignant : Emmanuel.Caruyer@irisa.fr
  • CR CNRS, Équipe-projet Empenn
  • Traitement d’images médicales, neuroimagerie

Ressources

• Site web du cours : http://emmanuelcaruyer.com/imagerie-numerique.php
  • Transparents
  • Exemples de cours (Assurez-vous que vous pouvez les exécuter et les comprendre)
  • Sujets de TD et code source à compléter si besoin
• Bibliographie (complétée pendant le cours)
  • Stéphane Mallat. 2008. A wavelet tour of signal processing: the sparse way. Academic Press.

A wavelet tour of signal processing

Compression d’images

Une image compressée en JPEG et en JPEG2000 (même taille de fichier)

[source : wikibook https://fr.wikibooks.org/wiki/Le_format_JPEG_2000]

Progrès liés :

• à la représentation mathématique des images
• à la compréhension du système visuel humain

Débruitage (1)

Imagerie par résonance magnétique

Imagerie radar