Image binaire

Une image binaire est une image numérique qui n’a que deux valeurs possibles pour chaque pixel. Généralement, les deux couleurs utilisées pour une image binaire sont le noir et le blanc. La couleur utilisée pour les objets dans l’image est la couleur de premier plan tandis que le reste de l’image est la couleur de fond. Dans l’industrie de la numérisation de documents, on parle souvent de «bi-tonal».

Les images binaires sont également appelées bi-niveau ou à deux niveaux. Cela signifie que chaque pixel est stocké sous la forme d’un seul bit, c.-à-d. 0 ou 1. Les noms noir et blanc, noir et blanc, monochrome ou monochromatique sont souvent utilisés pour ce concept, mais peuvent également désigner des images comportant un seul échantillon. par pixel, comme les images en niveaux de gris. Dans le langage Photoshop, une image binaire est identique à une image en mode « Bitmap ».

Les images binaires apparaissent souvent dans le traitement d’image numérique en tant que masques ou à la suite de certaines opérations telles que la segmentation, le seuillage et le tramage. Certains périphériques d’entrée / sortie, tels que les imprimantes laser, les télécopieurs et les écrans d’ordinateur à deux niveaux, ne peuvent gérer que les images à deux niveaux.

Une image binaire peut être stockée dans la mémoire sous forme de bitmap, un ensemble de bits compressés. Une image de 640 × 480 nécessite 37,5 KiB de stockage. En raison de la petite taille des fichiers image, les solutions de télécopie et de gestion de documents utilisent généralement ce format. La plupart des images binaires se compressent bien avec des schémas de compression simples.

Les images binaires peuvent être interprétées comme des sous-ensembles du réseau d’entiers bidimensionnels Z2; le domaine du traitement de l’image morphologique a été largement inspiré par ce point de vue.

Opérations sur les images binaires
Une classe entière d’opérations sur les images binaires fonctionne sur une fenêtre 3 × 3 de l’image. Cela contient neuf pixels, donc 512 (2 ^ 9) valeurs possibles. En ne considérant que le pixel central, il est possible de définir s’il reste ou non défini, en fonction des pixels environnants. Des exemples de telles opérations sont l’amincissement, la dilatation, la recherche de points de branchement et de points de terminaison, la suppression de pixels isolés, le décalage de l’image d’un pixel dans n’importe quelle direction et la rupture des connexions en H. Le jeu de la vie de Conway est également un exemple d’une opération de fenêtre 3 × 3.

Une autre classe d’opérations est basée sur la notion de filtrage avec un élément structurant. L’élément structurant est une image binaire, généralement petite, qui est transmise sur l’image cible, de la même manière qu’un filtre dans le traitement d’image en niveaux de gris. Comme les pixels ne peuvent avoir que deux valeurs, les opérations morphologiques sont l’érosion (les pixels non définis de l’élément structurant provoquent la déconnexion du pixel) et la dilatation (tout pixel défini dans l’élément structurant provoque le positionnement du pixel). Les opérations importantes sont l’ouverture morphologique et la fermeture morphologique qui consistent en une érosion suivie d’une dilatation et d’une dilatation suivies d’une érosion, respectivement, en utilisant le même élément structurant. L’ouverture tend à élargir les petits trous, à retirer les petits objets et à séparer les objets. La fermeture retient les petits objets, supprime les trous et joint les objets.

Une caractéristique très importante d’une image binaire est la transformation de distance. Cela donne la distance de chaque pixel défini par rapport au pixel non défini le plus proche. La transformation de distance peut être calculée efficacement. Il permet un calcul efficace des diagrammes de Voronoi, où chaque pixel d’une image est assigné au plus proche d’un ensemble de points. Il permet également la squelettisation, qui diffère de l’amincissement en ce que les squelettes permettent la récupération de l’image originale. La transformation de distance est également utile pour déterminer le centre de l’objet, et pour faire correspondre dans la reconnaissance d’image.

Une autre classe d’opérations est la collecte de métriques sans orientation. Ceci est souvent important dans la reconnaissance d’image où l’orientation de la caméra doit être supprimée. Les métriques sans orientation d’un groupe de pixels connectés ou entourés comprennent le nombre d’Euler, le périmètre, la surface, la compacité, la surface des trous, le rayon minimum, le rayon maximum.

Segmentation d’image
Les images binaires sont produites à partir d’images couleur par segmentation. La segmentation est le processus consistant à attribuer chaque pixel de l’image source à deux classes ou plus. S’il y a plus de deux classes alors le résultat habituel est plusieurs images binaires. La forme de segmentation la plus simple est probablement la méthode d’Otsu qui assigne des pixels au premier plan ou à l’arrière-plan en fonction de l’intensité des niveaux de gris. Une autre méthode est l’algorithme du bassin versant. La détection des contours crée également souvent une image binaire avec des pixels affectés aux pixels de contour, et constitue également un premier pas dans la segmentation ultérieure.

Squelettes
L’amincissement ou la squelettisation produit des images binaires composées de lignes de pixels. Les branchements et les points de terminaison peuvent ensuite être extraits et l’image convertie en graphique. Ceci est important dans la reconnaissance d’image, par exemple dans la reconnaissance optique de caractères.

Interprétation
L’interprétation de la valeur binaire du pixel dépend également du périphérique. Certains systèmes interprètent la valeur de bit 0 comme noir et 1 comme blanc, tandis que d’autres inversent la signification des valeurs. Dans l’interface PC standard TWAIN pour les scanners et les appareils photo numériques, la première saveur est appelée vanille et le chocolat renversé.

Le tramage est souvent utilisé pour afficher des images en demi-teintes.

Capteur d’image capture des images binaires
Le capteur d’image binaire suréchantillonné est un nouveau capteur d’image qui rappelle le film photographique traditionnel. Chaque pixel du capteur a une réponse binaire, ne donnant qu’une mesure quantifiée d’un bit de l’intensité lumineuse locale.