Introduction

L'acquisition d'images numériques est une pratique très répandue dans le milieu scientifique pour observer des échantillons et illustrer des résultats. Les récents développements des techniques d'imagerie permettent maintenant d'acquérir des images à des échelles très variées (microscopie à force atomique par exemple), d'explorer des structures tri-dimensionnelles (IRM, Tomographie, microscopie confocale...), et même d'obtenir des informations localisées sur la composition interne des échantillons via l'imagerie hyperspectrale (Raman, micro-spectroscopie infrarouge...).Une question qui se pose de plus en plus est d'utiliser ces images pour pouvoir mesurer de manière quantitative l'information observée, et ainsi utiliser l'image comme instrument de mesure. Dans un premier temps, il est possible de mesurer certains paramètres simples « à la main », tels que le nombre de cellules, le diamètre apparent des particules... Cette approche est vite limitée pour plusieurs raisons : pour un grand nombre d'images le temps nécessaire devient vite prohibitif, la répétabilité des mesures n'est pas assurée, et la manipulation de certaines images (3D, multispectrales...) est complexe. De plus, on observe parfois des différences (textures, couleur...) que l'on ne sait pas toujours quantifier « à l'oeil ».Le but de l'analyse d'images est de fournir des méthodes pour décrire de manière quantitative l'information fournie par les images numériques. Ses avantages sont nombreux :

• automatisation des traitements (gain de temps)
• répétabilité des résultats
• large choix d'outils

La mise en place d'une chaîne automatisée de traitements nécessite cependant de résoudre un certain nombre de problèmes. Par exemple, si on veut mesurer la taille et la forme de particules (cellules, tâches sur des feuilles...), il faut au préalable détecter ces particules, en tenant compte de la variabilité des conditions d'acquisition et des structures parasites. Une chaîne de traitement classique comprend donc les étapes suivantes :

• pré-traitement, pour corriger les défauts dus à l'acquisition et re-normaliser les images
• amélioration de l'image, ou encore filtrage, pour mettre en valeur les informations utiles et réduire les informations parasites (le bruit)
• segmentation de l'image, pour identifier les structures d'intérêt (des particules, des régions homogènes...)
• analyse des particules ou des régions, pour quantifier la taille, la forme, ou la texture des objets d'intérêt

Le traitement d'images s'inscrit dans une chaîne de traitement plus large, qui comprend en amont la mise au point de l'acquisition (échantillonnage et préparation du matériel étudié, réglage des conditions d'acquisition, contrôle de l'éclairage...), et en aval une analyse statistique des résultats obtenus.