Le traitement d'images dans le domaine du gradient est devenu un sujet très populaire en informatique graphique, bien qu'il soit relativement nouveau. Etant donnée une image d'origine, l'idée est de prendre un ou plusieurs gradients d'images et de les traiter, selon l'application, pour obtenir un champ de vecteurs considéré comme le gradient de l'image transformée. Cependant, le champ de vecteurs transformé ne correspond pas toujours à une forme différentielle exacte et on a besoin d'outils pour estimer une fonction image dont le gradient est proche du champ de vecteurs d'origine. L'équation de Poisson fournit une méthode simple de reconstruction qui permet de trouver une fonction dont le gradient est le plus proche, au sens L2 , du champ d'origine. Cette formule a été utilisée pour la première fois en image editing pour la compression d'images HDR en 2002, puis en 2003 pour des applications de compositing telles que le seamless cloning, seamless tiling etc. le compositing étant une des opérations les plus utilisées dans la communauté de retouche d'images qui utilise le plus souvent Adobe Photoshop®. Depuis, ce domaine n'a cessé de progresser dans plusieurs directions : propositions de nouvelles applications et de nouveaux effets, amélioration de la qualité de la reconstruction et de sa rapidité, exploitation de ce domaine pour des applications en vision par ordinateur et en informatique graphique (shape-from-shading, photometric stereo etc.). Cependant, une résolution de l'équation de Poisson directe requiert la résolution d'un système d'équations linéaires qui demande des ressources très importantes pour des images à haute résolution. Cela a poussé les chercheurs à proposer des alternatives telles que l'implémentation multigrid sur GPU et les Rapid Poisson Solvers. Il arrive cependant que le rendu apporté par l'équation de Poisson ne s'avère parfois pas naturel à cause de certaines erreurs dues à l'intégration et qui se propagent et restent visibles dans des régions non-texturées (telles le ciel dans des applications de stitching ou de seamless cloning). On propose dans ce stage réalisé au sein de l'équipe GeoStat (INRIA BSO) d'utiliser une formule de reconstruction issue du formalisme μcanonique au lieu de l'équation de Poisson pour effectuer des retouches locales ou globales d'images. Cette formule est rapide puisqu'elle correspond à une simple déconvolution ; elle est aussi facile à implémenter et ne requiert pas la résolution de système linéaire de taille importante ce qui fait d'elle une méthode optimisée pour le traitement d'images dans le domaine du gradient. Elle est aussi facilement extensible pour une dimension quelconque et admet une version discrète encore plus rapide. On présente dans ce travail un état de l'art du traitement d'images dans le domaine du gradient, une adaptation et amélioration de plusieurs effets de la littérature ainsi que la proposition de nouveaux effets/outils.