Images : matrices de pixels, opérations, convolution : cours, méthodes et exercices corrigés
Représenter une image comme un tableau de pixels, en niveaux de gris ou en couleurs, la lire et l'afficher, la transformer pixel par pixel (négatif, seuillage, luminosité, symétries, rotation), et appliquer un filtre par convolution (flou, détection de contours).
- 20méthodes
- 35exercices corrigés
- 3problèmes
- 28pièges
- 65figures
Ce que tu sauras faire
Une photo n'est, pour l'ordinateur, qu'un tableau de nombres. Ce chapitre apprend à lire ce tableau, à le parcourir et à en fabriquer un autre : rendre une photo plus claire, la passer en noir et blanc, la retourner, la réduire, la flouter ou en extraire les contours. À la fin de ce chapitre, tu dois savoir :
- dire ce qu'est un pixel, repérer un pixel par sa ligne et sa colonne, et calculer la taille d'une image en mémoire ;
- représenter une image par une liste de listes, et lire l'annexe d'un sujet qui la donne autrement ;
- écrire un traitement qui produit une nouvelle image, sans modifier l'image d'entrée ;
- calculer sur des pixels sans débordement : convertir, saturer, revenir à l'octet ;
- écrire le négatif, les niveaux de gris, le seuillage, la luminosité, l'étirement du contraste et l'histogramme ;
- écrire les symétries, le demi-tour, les quarts de tour, la réduction et l'agrandissement d'une image ;
- appliquer un noyau à une image (flou, contours) en traitant les bords, et en donner le coût.
L'essentiel : L'image et ses pixels Extrait gratuit
- Une image a lignes et colonnes ; « 800 × 600 » se lit le plus souvent largeur × hauteur : 600 lignes, 800 colonnes.
M[i][j]: ligne (vers le bas), colonne (vers la droite), origine en haut à gauche, indices de 0 à et de 0 à .- Coordonnées d'écran et de
PIL: = (colonne, ligne) ;img.size= (largeur, hauteur) ; le pixelM[i][j]estgetpixel((j, i)). - Niveaux de gris : un octet, de 0 (noir) à 255 (blanc). Couleur : trois octets , couleurs. Parfois des flottants de .
- Taille : octets en gris, en couleurs ; 1 ko = 1 000 octets, 1 Kio = 1 024 octets ; un pouce vaut 2,54 cm.
| Représentation | Forme | Un pixel | Créer une image noire |
|---|---|---|---|
| liste de listes | listes de éléments | M[i][j] |
image_vide(n, p, 0) |
tableau numpy (documenté en France) |
M.shape = (n, p) ou (n, p, 3) |
M[i, j] ou M[i][j] |
np.zeros((n, p), dtype=np.uint8) |
objet PIL (documenté en France) |
img.size = (p, n) |
img.getpixel((j, i)) |
Image.new("L", (p, n), 0) |
Une méthode du chapitre Extrait gratuit
Au début de toute question sur une image : avant d'écrire une boucle, il faut savoir comment l'image est rangée.
Une image est une liste de listes M[i][j], un tableau numpy de forme (n, p) ou (n, p, 3), ou un objet PIL de taille (largeur, hauteur). Dans les trois cas, est le nombre de lignes (la hauteur) et celui des colonnes (la largeur). « 800 × 600 » se lit le plus souvent largeur × hauteur : 600 lignes et 800 colonnes.
- Lire dans l'énoncé la structure de l'image et le type d'un pixel (entier de 0 à 255, flottant de , triplet).
- Traduire les dimensions données en lignes et colonnes, en écrivant la convention suivie.
- Calculer et dans la fonction, à partir de l'image, plutôt que de les supposer.
- Repérer les pixels utiles : coin en haut à gauche
M[0][0], en bas à droiteM[n - 1][p - 1].
n, p = dimensions(M) # n lignes, p colonnes
« L'image a lignes et colonnes ; le pixel de la ligne et de la colonne est M[i][j], l'origine étant en haut à gauche. »
Une photo de 1 024 × 768 pixels, annoncée « largeur × hauteur », est représentée par une liste de listes.
P = image_vide(768, 1024, 0)
n, p = dimensions(P)
print(n, p, n * p)
P[n - 1][p - 1] = 255
print(P[767][1023])
Le programme affiche :
768 1024 786432
255
Elle a 768 lignes et 1 024 colonnes ; son pixel du coin en bas à droite est P[767][1023]. Pour PIL, la même image a la taille (1024, 768) et ce pixel les coordonnées (1023, 767).
- Prendre la première dimension annoncée pour le nombre de lignes :
IndexErrordès que l'image n'est pas carrée. - Supposer une image carrée : les correcteurs de la Banque PT (rapport 2021, informatique et modélisation) attribuent les principales erreurs à une mauvaise compréhension de l'objet image, une matrice qui n'est pas forcément carrée.
- Écrire
n, p = M.shapepour une image en couleurs, dont la forme a trois nombres.
Exercices 1, 4, 7, 20 et 31, problème 3.
Un exercice corrigé Extrait gratuit
Une photo est annoncée « 800 × 600 », largeur fois hauteur, comme l'écrivent les fabricants d'écrans et d'appareils photo.
- Combien la matrice
Mde cette image a-t-elle de lignes et de colonnes ? Quels sont les indices (ligne, colonne) du pixel du coin en bas à droite, et ceux du pixel du coin en haut à droite ? - Le même fichier est ouvert avec le module
PIL. Que vautimg.size? Quelles sont les coordonnées des deux mêmes pixels ? - Quelle place occupe l'image en niveaux de gris, un octet par pixel ? Et en couleurs, trois octets par pixel ? Donner le résultat en octets, en kilooctets (1 ko = 1 000 octets) et en kibioctets (1 Kio = 1 024 octets).
- (Question ajoutée.) Un questionnaire publié affirme : « le pixel en haut à droite d'une image carrée de 256 pixels de côté a pour coordonnées (255, 255) : faux, la seconde coordonnée devrait être nulle ». Que faut-il préciser pour que cette correction soit juste ?
- Méthode 1 : « largeur × hauteur » donne d'abord le nombre de colonnes ; la matrice a autant de lignes que l'image a de pixels en hauteur.
- Méthode 16 :
(x, y)donne d'abord la colonne , puis la ligne ; les indices partent de 0. - Méthode 15 : la taille est le nombre de pixels multiplié par le nombre d'octets d'un pixel.
Tout tient dans une règle de conversion : la largeur compte des colonnes, la hauteur des lignes, et les indices finissent à la taille moins un. On écrit d'abord et , puis chaque réponse s'en déduit. Pour la question 4, on se demande dans quel ordre la paire est écrite.
- à 3. On fait faire les calculs par un petit programme, qui suit les mêmes étapes que la copie.
largeur = 800
hauteur = 600
n = hauteur # nombre de lignes
p = largeur # nombre de colonnes
print(n, p)
print((n - 1, p - 1), (0, p - 1))
print((largeur, hauteur))
print((p - 1, n - 1), (p - 1, 0))
gris = n * p
couleur = 3 * n * p
print(gris, couleur)
print(gris / 1000, gris / 1024)
print(couleur / 1000, couleur / 1024)
M = image_vide(3, 4, 0) # une image « 4 × 3 »
print(dimensions(M))
Le programme affiche :
600 800
(599, 799) (0, 799)
(800, 600)
(799, 599) (799, 0)
480000 1440000
480.0 468.75
1440.0 1406.25
(3, 4)
La matrice a 600 lignes et 800 colonnes. Le pixel en bas à droite est M[599][799], celui en haut à droite M[0][799]. Avec PIL, img.size vaut (800, 600), et ces deux pixels ont pour coordonnées et . En niveaux de gris, l'image occupe 480 000 octets, soit 480 ko ou 468,75 Kio ; en couleurs, 1 440 000 octets, soit 1 440 ko ou 1 406,25 Kio. La dernière ligne rappelle l'ordre sur une petite image : une image « 4 × 3 » a 3 lignes et 4 colonnes.
- Tout dépend de l'ordre de la paire. En (ligne, colonne), le pixel en haut à droite d'une image de 256 pixels de côté est : c'est la première coordonnée qui est nulle. En coordonnées d'écran ou de
PIL, c'est , et la correction publiée est juste. Une réponse qui ne dit pas sa convention ne peut pas être jugée.
Interprétation : la même image s'écrit « 800 × 600 » chez le fabricant et (600, 800) dans la forme d'une matrice. On écrit toujours sur la copie la convention qu'on suit avant de donner des indices.
Largeur = nombre de colonnes , hauteur = nombre de lignes ; le dernier pixel est M[n - 1][p - 1] et (x, y) = (j, i). Taille : octets en gris, en couleurs ; 1 ko = 1 000 octets, 1 Kio = 1 024 octets. Voir les méthodes 1, 15 et 16.
Le cours détaillé, toute la fiche « L'essentiel », 20 méthodes, 28 pièges corrigés, la carte mentale, 35 exercices corrigés, 3 problèmes de concours, les fiches à mémoriser et l'assistant qui répond à tes questions. Les trois premiers chapitres de chaque matière sont offerts avec un compte d’essai gratuit.
Ouvrir l'essai gratuitVoir les offresPlan du cours
- 1. L'image numérique
- 1.1 Le problème
- 1.2 Pixels, définition, résolution
- 1.3 Indices et coordonnées
- 1.4 Image matricielle, image vectorielle
- 2. La valeur d'un pixel
- 2.1 Image binaire, niveaux de gris
- 2.2 Couleur : rouge, vert, bleu
- 2.3 Des entiers ou des flottants
- 2.4 Taille en mémoire
- 3. Représenter une image en Python
- 3.1 La liste de listes
- 3.2 Lire l'annexe d'un sujet
- 3.3 Le tableau
numpyd'une image
- 4. Ouvrir, afficher, enregistrer
- 4.1 Lire avec
matplotlib - 4.2 Lire avec
PIL - 4.3 Afficher
- 4.4 Enregistrer
- 4.1 Lire avec
- 5. Parcourir une image et produire une nouvelle image
- 6. Calculer sur des octets
- 6.1 Le débordement
- 6.2 Convertir, saturer, revenir à l'octet
- 6.3 Les mêmes gestes en
numpy
- 7. Opérations ponctuelles
- 7.1 Le négatif
- 7.2 Les niveaux de gris
- 7.3 Le seuillage
- 7.4 La luminosité
- 7.5 L'étirement du contraste
- 8. L'histogramme
- 8.1 Construire l'histogramme
- 8.2 Lire un histogramme
- 8.3 Choisir un seuil
- 8.4 L'histogramme du négatif
- 9. Transformations géométriques
- 9.1 Les symétries
- 9.2 Le demi-tour et les quarts de tour
- 9.3 La transposée n'est pas une rotation
- 9.4 Réduire une image
- 9.5 Agrandir une image
- 9.6 L'interpolation bilinéaire
- 9.7 Tourner d'un angle quelconque
- 10. Filtrer : la somme pondérée des voisins
- 10.1 D'abord en une dimension
- 10.2 Le noyau
- 10.3 Les bords
- 10.4 Le coût
- 10.5 Le flou
- 10.6 Les contours
- 10.7 Convolution ou corrélation
- 10.8 Le filtre médian
- 11. Ce que le sujet fournit, ce qu'on écrit soi-même
- 12. Histoire et suite
- 12.1 De la chambre noire au pixel
- 12.2 Ce qui vient ensuite
Les méthodes du chapitre
Chaque méthode est une fiche : quand l'utiliser, le rappel de cours, les étapes, la rédaction attendue sur la copie, un exemple traité, les erreurs à éviter.
- Lire la représentation imposée, sa forme et son type, et nommer et
- Créer une image vide de la bonne forme, sans lignes liées
- Traiter une image en trois temps : taille, sortie, parcours
- Calculer sur des pixels sans débordement : convertir, saturer, revenir à l'octet
- Convertir une image couleur en niveaux de gris selon la formule de l'énoncé
- Seuiller une image et compter : nombre, pourcentage, barycentre
- Construire l'histogramme en un parcours et s'en servir
- Modifier la luminosité et étirer le contraste avec saturation
- Écrire une symétrie
- Écrire une rotation d'un quart de tour ou d'un demi-tour
- Réduire et agrandir une image
- Interpoler un pixel entre ses quatre voisins avec la formule de l'énoncé
- Appliquer un noyau avec une règle de bord dite
- Choisir un noyau et interpréter le résultat
- Calculer le coût d'un traitement et la taille mémoire d'une image
- Passer des coordonnées d'un écran ou de
PILaux indices - Lire l'annexe d'un sujet et s'y tenir
- Ouvrir, afficher et enregistrer une image avec
matplotlib.imageetPIL - Écrire un traitement sans boucle avec
numpy - Tourner d'un angle quelconque par la rotation inverse et l'interpolation
Les exercices corrigés
Chaque exercice a ses indications, sa correction rédigée et ce qu'il faut en retenir.
Application directe (13)
- Lignes, colonnes, coordonnées et taille
- Une matrice vide et le motif d'un QR code
- Taille et inversion d'une image en niveaux de gris
- Ce que contient une image en listes
- Le gris d'un pixel, en octets
- Gris pondéré, noir et blanc, coût
- Gris d'un tableau dont la couleur est le premier indice
- Seuiller une photo et mesurer une surface
- Binarisation et histogramme des lignes d'un document
- Négatif et histogramme avec le module PIL
- Seuiller pour trouver le centre d'une bille
- Inverser et retourner une image
- Réduire une image à trois niveaux de gris
Entraînement (17)
- Luminosité, moyenne et seuil
- Histogramme des trois couleurs
- Étirer le contraste d'une photo terne
- Comparer deux images et effacer les pixels isolés
- Réduire un QR code photographié
- Tourner un QR code d'un quart de tour, en place
- La transformation du photomaton
- Réduire et agrandir au plus proche voisin
- Choisir la bonne interpolation
- Une moyenne glissante sur un signal
- Flouter une image et traiter ses bords
- Le contour d'une armature et son diamètre
- Les dérivées d'une image
- Trouver les erreurs d'un carnet de séance
- Un flou pondéré qui garde le centre
- Ouvrir, afficher et enregistrer une image
- Les opérations du chapitre sans boucle
Approfondissement (5)
- Agrandir une image par interpolation
- Le filtre médian
- Tracer un segment avec des pixels
- Le profil d'une bille en anneaux
- Redresser un document : rotation d'un angle quelconque
Les problèmes de concours
Des extraits de sujets réels, corrigés en entier, avec la durée conseillée et les méthodes mobilisées.
- Détecter un objet : l'histogramme des gradients orientés
- Préparer une photo pour la détection : gris et image intégrale
- Régler la mise au point par le contraste
Sujets de concours sur ce chapitre
Les 12 sujets les plus récents sur 31, à télécharger gratuitement en PDF, sans corrigé. Tous les sujets de concours.
- CNC 2026 MP, Informatique
- CNC 2026 PSI, Informatique
- CNC 2026 TSI, Informatique
- CCINP 2025 TPC, Modélisation
- CCINP 2025 TPC, Informatique
- CCINP 2025 TSI, Informatique
- CNC 2025 MP, Informatique
- CNC 2025 PSI, Informatique
- CNC 2025 TSI, Informatique
- CNC 2024 MP, Informatique
- CCINP 2023 PC, Modélisation de systèmes physiques ou chimiques
- CCINP 2023 PC, Informatique
Comment y accéder
Ce chapitre fait partie de l'accès complet. Les trois premiers chapitres de chaque matière (deux par bloc en économie et droit, en management et gestion) sont offerts avec un compte d'essai gratuit. Créer un compte d'essai ou se connecter. Pour l'accès complet et les tarifs, vois les offres.