Vous êtes sur la page 1sur 19

NUMERO SPECIAL

"Revue de l'Industrie Minrale - Les Techniques"

Imagerie et contrle optique dans lindustrie minrale.


AVANT PROPOS
Objectifs de ce dossier
Eric PIRARD
Lide de rassembler au sein dun mme dossier un ensemble de techniques apparentes au domaine de limagerie
numrique et du contrle optique dans lindustrie minrale est relativement peu banale. Nous sommes habitus
entendre parler dimagerie numrique dans ce quil est convenu dappeler les nouvelles technologies ou le ebusiness, mais loin du NASDAQ et de ses soubresauts, on peut sinterroger sur la pntration relle de telles
technologies dans le monde de lindustrie de base. Comment limmatriel et le logiciel peuvent-ils contribuer une
meilleure connaissance de nos ressources matrielles ? Comment peuvent-ils participer une meilleure valorisation
de ces ressources.
La lecture de ce dossier des Techniques de la SIM devrait permettre chaque industriel de mieux apprhender les
potentialits offertes par ces technologies, de mieux valuer les perspectives de dveloppement qui se profilent
lhorizon des prochaines annes, de mieux comprendre les contraintes lies linnovation.
Le lecteur sera peut-tre surpris de retrouver cte cte des techniques aussi diffrentes que la tldtection, la
gophysique ou le contrle en ligne. Pourtant, dans la perspective imagerie et contrle optique la filiation entre
toutes ces technologies nous est apparue comme essentielle.
Quil sagisse de couvrir lensemble dune concession ou dexplorer les proprits microscopiques de la matire, les
techniques dimagerie ont fondamentalement recours aux mme outils.
Cest pourquoi, aprs une ncessaire introduction quelques principes de base de limagerie numrique, ce numro
passe en revue un ensemble de techniques et leurs applications depuis le stade de lexploration des ressources
minrales, jusquau stade du contrle de qualit en laboratoire en passant par labattage, le transport, la prparation
et le tri des matires minrales les plus diverses.
Loin dtre exhaustif, ce dossier se veut avant tout introductif et pratique. Lobjectif est dinitier le lecteur aux
principes de base de chaque technologie, de lui faire percevoir les potentialits et de le guider dans le choix des
techniques pertinentes. Face une volution technologique soutenue dans chacun des domaines couverts par ce
numro, les auteurs se sont efforcs de privilgier les techniques rellement disponibles sur le march au jour
daujourdhui et ils ont choisi dviter autant que possible de se faire lcho de recherches certes prometteuses mais
qui en sont encore leurs balbutiements.
Les rfrences de quelques fabricants et celles des quipes de recherche impliques dans le domaine devraient
permettre chacun de trouver la meilleure rponse ses besoins.
En conclusion de ce prambule, je voudrais trs sincrement remercier ceux et celles qui ont cru en ce numro et ont
accept de donner de leur plume pour quil devienne ralit.

Doc. Rv. 7 : 27.11.2001

Industrie minrale et innovation


Eric Pirard
Lindustrie minrale apparat souvent comme une industrie traditionnelle aux yeux des acteurs extrieurs. Elle peut
donner limage dune industrie peu stimulante pour linnovation en lectronique ou en informatique. Assimile
une industrie lourde o les contraintes techniques sont trs svres elle invite aussi beaucoup de circonspection
lorsquil sagit damnager un espace pour les technologies nouvelles au sein des lignes de production.
Pourtant, lindustrie minrale ne peut se passer de linnovation technologique. Puisant ses ressources dans le soussol, elle est confronte des fluctuations de qualit inhrentes aux phnomnes naturels. Mieux intgrer les
fluctuations grce une meilleure connaissance du gisement, mieux contrler les variations de qualit grce un
contrle permanent de ce qui entre en usine, mieux matriser le produit final grce des techniques de tri
performantes, voici quelques-uns des objectifs majeurs auxquels elle doit faire face. Les techniques dimagerie et de
contrle optique peuvent contribuer au mme titre que dautres atteindre ces objectifs.
Il ne serait pas correct daffirmer que lindustrie minrale est un secteur qui donne le ton en matire de contrle
optique. Au contraire, la grande majorit des applications, trouve un champ dexpression privilgi dans les
industries de la fine mcanique, de lassemblage lectronique, de la construction automobile, de la production
alimentaire ou de lhabillement. On peut mme dire que cest en fin de chane que les techniques de vision sont
gnralement les plus abondantes : comptages, dtection de dfauts, mesure des tolrances dimensionnelles ou
esthtiques sur les produits finis, contrle des emballages, du marquage, etc.
Il y a cela plusieurs raisons dont les principales sont sans doute :
-

la valeur ajoute plus grande des produits en fin de chane qui peut justifier lamortissement de machines de
contrle plus coteuses.

les dbits de matire plus faibles offrant plus de flexibilit pour la mise en uvre de mesures intelligentes .

le caractre techniquement moins hostile des lignes situes en aval du processus industriel.

Sans vouloir renier ces ralits, il nous apparat manifeste que ces barrires ne sont pas immuables et que de plus en
plus de perspectives souvrent pour les processus industriels situs en amont. Lexplosion de la puissance des
processeurs informatiques, leur large diffusion et leur robustesse accrue permettent denvisager aujourdhui des
applications impensables il y a encore cinq ans. Rien, bien au contraire, ne permet de prjuger dune stagnation de
cette monte en puissance des technologies nouvelles dans tous les secteurs industriels. Pour maintenir son avantage
comptitif, lindustrie minrale europenne, se doit dtre attentive cette tendance. Elle doit participer la cration
de nouvelles activits conomiques capables de mettre en valeur ce savoir faire. Elle doit briser la rsistance
psychologique qui veut que la pierre et llectron soient incompatibles.
Lindustrie minrale est une industrie exigeante, o les problmes sont complexes et rarement reproductibles dune
installation lautre. Il nexiste dailleurs pas deux carrires identiques. Mais, au del des problmes purement
techniques, cest sans doute dans une difficult de dialogue entre les ingnieurs du monde minral et les concepteurs
du monde lectronique quil faut rechercher les freins linnovation. On ne rsout bien que les problmes que lon
conoit bien, et les innombrables applications de contrle de qualit sur les composants lectroniques sont l pour en
tmoigner. Il revient aux laboratoires de recherche et aux organismes de formation de multiplier les mtissages entre
llectronique et les sciences minrales pour favoriser lclosion dactivits nouvelles.

Doc. Rv. 7 : 27.11.2001

Section 1
Introduction gnrale aux techniques dimagerie.
Introduction gnrale aux techniques d'imagerie

p.

Eric Pirard (MICA)


Eric PIRARD est ingnieur gologue (1984) de lUniversit de Lige et possde un doctorat en
sciences appliques de la mme universit. Aprs un dbut de carrire dans le domaine de la
gtologie et de la microscopie des minerais, il a consacr lessentiel de ses activits de recherche
la diffusion des techniques quantitatives en gologie applique : en particulier la gostatistique et
la morphologie mathmatique. Il est professeur de gologie des ressources minrales
lUniversit de Lige et prsident du dpartement Goressources, Gotechnologies et Matriaux
de Construction .

Doc. Rv. 7 : 27.11.2001

Introduction gnrale aux techniques d'imagerie


Eric PIRARD

Limage numrique.

Dans le vocabulaire courant, la notion dimage fait avant tout rfrence une proprit perceptible par lil humain
dans son environnement tridimensionnel, mais ramene un document bi-dimensionnel par le support
photographique.
Pour le scientifique, la notion dimage stend toute proprit mesurable de la matire et la dimensionnalit de
limage nest pas limite. On appellera cependant signal toute mesure dune proprit dans un espace
unidimensionnel quil sagisse du temps ou de la distance (Fig. I_1.).
La notion dimage suppose galement une forte densit voire une acquisition systmatique des mesures, faute de
quoi il serait ncessaire de procder des interpolations trs intenses pour combler le manque dinformation en de
nombreux endroits. Les rsultats interpols dune campagne danalyse gochimiques fournissent bien entendu une
image du gisement (Fig. I_2.), mais limportance de linterpolation est souvent telle que cela aura peu de sens de
mettre en uvre des techniques dimagerie proprement dite sur les rsultats. Une situation hybride est celle de la
radiomtrie aroporte, pour laquelle des mesures trs denses sont effectues le long des lignes de vol de lavion,
mais qui ne fournit aucune information entre les lignes de vol. Dans ce dernier cas, il ne faudra pas perdre de vue
que les modles dinterpolation utiliss auront un impact trs significatif sur tous les processus de traitement des
donnes. La filiation entre lensemble des mthodes danalyse spatiale, notamment celles issues de la gostatistique,
et les techniques dimagerie proprement dite est vidente, mais ne sera pas aborde ici.
Une image est dite numrique lorsquelle est forme de pixels ( picture elements ) qui sont autant de mesures
ponctuelles et quantifies de la proprit tudie. Ces pixels peuvent tre le rsultat dune mesure directe par camra
ou tre issus dun calcul dinversion des donnes brutes.
Si la toute grande majorit des techniques aujourdhui disponibles fournissent une image de lespace bidimensionnel (Fig. I_3.), certaines permettent cependant daccder une information tridimensionnelle (Fig I_4.) et
de plus en plus nombreuses sont les techniques multispectrales ou multidonnes qui permettent dassocier un
mme point de limage un ensemble de mesures plutt quune mesure unique (Fig. I_5.).

Acquisition et numrisation dune image


2.1

Emetteurs

Le principe de base en imagerie est denregistrer linteraction entre un rayonnement lectromagntique connu et un
matriau. Ce principe est tendu, en gophysique et en microscopie notamment, des sollicitations diverses telles
que des ondes sismiques, des champs gravimtriques ou encore des palpeurs mcaniques. La matrise du couple
metteur - capteur est fondamentale pour assurer la qualit de la mesure et partant pour garantir la fiabilit des
interprtations.
On peut distinguer les mthodes dimagerie passive qui exploitent les proprits dun metteur naturel, des
mthodes dimagerie active qui se rfrent des metteurs artificiels. Les exemples les plus vidents de ces deux
alternatives sont dune part les techniques de tldtection visible et infrarouge qui mesurent linteraction entre le
rayonnement solaire et la surface du globe (Fig. I_5.) et dautre part les techniques dimagerie pour le contrle en
ligne qui intgrent une parfaite matrise de lclairage (lasers, lampes, etc.).
Quel que soit le mode dinteraction entre le matriau et le signal mis, la mesure sera relative la diffrence
dintensit entre lmetteur et le capteur. Pour rappel, un rayonnement lectromagntique donnera lieu plusieurs
formes dinteraction dont lintensit sera tributaire tant du matriau que de la longueur donde du rayonnement. La
rflexion, la rfraction et labsorption sont des proprits optiques fondamentales relies en une quation unique par
le biais des indices de rfraction du matriau. Cette quation ignore cependant dautres comportements gnrs par
des dfauts de surface ou de constitution prsents dans tous les matriaux tels que la diffusion et la diffraction (Fig.
I_6.). Enfin, lexcitation lectronique ou molculaire suffisamment nergtique gnre des r-missions
(rtrodiffusions, fluorescence,) qui pourront galement tre exploites en imagerie (Fig. I_7.).
Utiliser un instrument imageant, cest avant tout comprendre les mcanismes physiques qui prsident la formation
de limage et en particulier les principes dinteraction metteur - matriau quelque chelle que ce soit.

Doc. Rv. 7 : 27.11.2001

2.2

Capteurs

Les capteurs lectroniques ont pour mission de convertir un rayonnement lectro-magntique, une sollicitation
mcanique ou un bombardement lectronique en un signal lectrique qui pourra tre chantillonn et numris.
Quelle que soit la nature de ces capteurs, diodes semi-conductrices ou lectro-aimants, ils disposent de
caractristiques intrinsques qui limiteront la qualit du signal obtenu. Parmi les principales caractristiques, il
convient de sinquiter :
 de la sensibilit
 de la dynamique
 de la rsolution spectrale
 de la rsolution spatiale
 du rapport signal / bruit
 du temps dintgration (frquence dchantillonnage)
La tout grande majorit des capteurs sont des capteurs uniques dans le sens o ils ne sont capables de traiter quune
seule sollicitation par cycle. Si cette sollicitation provient dune rgion suffisamment limite de lespace on pourra
parler alors de capteur ponctuel. Ce mode de fonctionnement est notamment celui de spectrophotomtres ou de
colorimtres qui par le biais dune optique adquate mesurent les proprits dun seul point de la surface. Pour
gnrer une image au dpart de capteurs ponctuels, il convient de procder soit un balayage du faisceau incident,
soit un dplacement de lchantillon, soit un balayage du point de focalisation du capteur. Toutes les variantes
existent dans linstrumentation. A titre dexemple, le microscope lectronique balayage procde par dviation du
faisceau dlectrons incidents sur le matriau, tandis que des systmes de balayage laser aroports ou des systmes
imageurs hyperspectraux utilisent le principe dun miroir tournant.
Les capteurs CCD (charge coupled devices) ou CMOS, qui sont particulirement important pour limagerie visible
et infrarouge, ont lavantage de pouvoir tre miniaturiss et disposs en grand nombre dans des architectures en
barrettes ou en matrices. Le nombre de capteurs qui peuvent ainsi tre intgrs sur un mme dispositif dpend de la
nature lectronique du capteur (Si, PbTe, InGaAs,). Cela peut aller de quelques centaines pour des capteurs dans
linfrarouge thermique plusieurs milliers dans le visible (Tab. I_1.). Grce ce type darchitecture, une image
complte peut-tre acquise sans aucun mouvement (CCD matriciel), en procdant au dplacement du capteur
(scanner plat) ou en dplaant le matriau lui-mme (camera linaires au-dessus dun convoyeur).
Un principe particulier dimagerie est celui de la tomographie. Quil sagisse dune tomographie gophysique ou
dune tomographie RX en laboratoire, fondamentalement le principe est celui dexploiter un ensemble dimages
acquises par un dtecteur linaire (ou une ligne de dtecteurs ponctuels) pour reconstruire une information bidimensionnelle. La tomographie RX procde par la rotation du systme metteur capteur autour de lchantillon,
tandis que la tomographie gophysique fait en quelque sorte varier la gomtrie de lmetteur et du rcepteur.
Les principes dimagerie multispectrale, hyperspectrale ou multimodale ne sont que des variantes de ces mthodes
dimagerie de base. Elles sont conues de faon permettre la mesure simultane ou squentielle de plusieurs
proprits en un mme point. La multispectralit suppose la dissociation du rayonnement entrant en plusieurs
composantes par le biais de filtres ou de prismes, tandis que la multimodalit signifie lintgration au sein dun
mme instrument de plusieurs principes de mesure.
Chaque technologie imageante prsente ses avantages et ses inconvnients en termes de rsolution, de cadence,
dacquisition et de cots. Il convient dadopter la technologie la plus adquate pour chaque problme pos, faute de
quoi linformation pertinente ne sera pas capture par le systme dimagerie. Trop peu doprateurs sont conscients
du fait quaucun traitement dimages ne sera jamais mme de crer une information qui ne figure pas dans limage
originelle. Le recours des procdures sophistiques de filtrages dimages est souvent un pis-aller quune bonne
connaissance des mthodes dacquisition aurait permis dviter.

2.3

Calibrage des images

Ds linstant ou un systme dimagerie, mme conu au dpart dune simple camra vidographique, est utilis
comme un systme de mesure, il est indispensable de veiller son calibrage. Lobjectif du calibrage est dassurer la
meilleure reprsentation numrique possible de lobjet imag et en particulier la reproductibilit de limage quelles
que soient les fluctuations de lenvironnement dacquisition. En particulier, le processus dacquisition de limage
doit tre autant que possible indpendant des fluctuations de lmetteur et du capteur.

Doc. Rv. 7 : 27.11.2001

Malgr la grande diversit des technologies et des chelles de mesure, il est possible de dgager quelques points
communs aux techniques de calibrage. La premire est lutilisation de standards de rfrence dimensionnels et
spectraux.
Aucune instrumentation, en particulier en optique, ne peut saffranchir des risques de dformation. Cela est dautant
plus vrai si il y a un mouvement du faisceau ou de lchantillon relativement au capteur. Pour compenser les
dformations gomtriques de limage et pouvoir exploiter la grille des pixels comme un vritable instrument
mtrologique, il convient de pouvoir assigner une dimension exacte aux carts interpixels horizontaux (x ou a0) et
verticaux (y ou a90) quelle que soit leur position dans limage. Ce calibrage seffectue de deux manires :


la premire est lanamorphose gomtrique (warping) de limage qui a pour but duniformiser les carts en tout
point de limage. Elle est ralise en prenant limage dun objet de gomtrie connue (ex. un disque) et en
imposant aux pixels un champ de dplacements tel que la forme soit exactement reconstitue. En tldtection,
tant donn quil est impossible de disposer un objet de gomtrie connue dans la scne, ce sont les mesures
topographiques effectues sur le terrain (bornes godsiques ; cartes topographiques) qui font office de
rfrence.

La seconde, ventuellement couple la premire, consiste prendre la mesure en carts interpixels dune ligne
(mire) de dimension connue.

Le calibrage spectral sintresse lintensit du signal mis par le capteur. En se rfrant lutilisation dun mme
chantillon standard, il est possible dans bien des cas de rgler les conditions dacquisition (intensit de lmetteur,
temps dintgration du capteur, amplification et seuil dintensit (offset) avant numrisation) afin dobtenir une
valeur dintensit prdtermine. Laberration spectrale ventuelle de linstrument pourra tre compense en
rptant cette opration en chaque point de limage. Une telle correction nest pas toujours possible, en particulier
avec des capteurs matriciels, il convient alors de se rfrer une procdure de correction numrique appele aussi
correction de fond ou correction de blanc . Enfin, il faut tre conscient que tout instrument lectronique est
sensible diffrentes formes de bruit temporel. Plus prcisment, lintensit dune mesure est sujette une
fluctuation quasi instantane (bruit quantique) et des drives plus long terme des mesures (bruit thermique).
Cest la raison pour laquelle de nombreux capteurs incorporent la possibilit de faire des moyennes dune squence
dimages plutt que de se fier la prise dune image unique. Ceci nest bien entendu possible que dans la mesure o
les objets prsents dans la scne ne sont soumis aucun mouvement.

2.3.1

Archivage des images numriques

Quelle que soit la procdure dacquisition de limage, les systmes de numrisation vont convertir linformation
image en une matrice de pixels et la stocker en mmoire.
Selon la dynamique des intensits mesures par le capteur, la valeur dun pixel peut se contenter de 8 bits (256
niveaux dintensit) ou au contraire recourir 10 bits (1024 niveaux), 12 bits (4096 niveaux) ou plus. Ces niveaux
sont gnralement appels teintes de gris dans le jargon de limagerie numrique.
Fondamentalement, un fichier image est une squence de pixels lus de la gauche vers la droite et libells ligne aprs
ligne. Cest ainsi que sont conus les formats de fichiers dits bitmap ou matriciels. Parmi ceux-ci, les fichiers
TIF et BMP sont les plus courants. Ils se distinguent essentiellement par la nature de linformation additionnelle
prsente dans lentte (header) du fichier. Malheureusement, il nexiste pas un seul type de fichier TIF. Certains
dentre eux commencent en haut gauche, dautres en bas gauche, dautres encore contiennent des informations
dimensionnelles ou de localisation spatiale (GEOTIFF) et dautres pas. Mais, plus grave, parmi les fichiers TIF
certains adoptent une forme de dgradation de linformation en raison du souci de compression de donnes trop
volumineuses. Les fichiers TIF proposent ainsi des conventions de compression LZW, CCITT3, Huffman, etc. qui
ne sont pas toujours explicites et qui le plus souvent dgradent le contenu de limage. Il est conseill de ne recourir
aucune forme de compression dimages lorsque celle-ci sert de support une analyse et dutiliser des formats
explicitement comprims telles que les diffrentes versions de JPG lorsquon souhaite transfrer un document
distance dans un but de visualisation et non danalyse (Fig. I_8.).

Le traitement numrique des images

Malgr tout le soin apport lacquisition des images, il est invitable que les mesures soient imparfaites. Elles
peuvent tre soit bruites, soit sous-exposes, soit encore contenir des observations qui ne feront pas lobjet dune
mesure ultrieure et doivent par consquent tre limines. Pour faire face ces objectifs, une trs large gamme
doutils sont disponibles. Seuls les plus lmentaires sont brivement prsents ici.

Doc. Rv. 7 : 27.11.2001

3.1

Anamorphoses dhistogrammes.

Les plus simples de tous les oprateurs dimages sont ceux qui procdent des corrections numriques des pixels
dune image en leur appliquant une loi arithmtique lmentaire. La nature de la loi est en gnral dduite de lallure
de la distribution exprimentale (histogramme) des teintes de gris dans limage avec lintention daboutir une
forme de distribution prdtermine. Les techniques les plus courantes reviennent normaliser la distribution des
pixels ou lgaliser (rpartir les pixels de manire gale sur toutes les teintes de gris). Plus simple encore, le
retournement de lhistogramme qui engendre le ngatif de limage originelle ou encore la prise du logarithme qui
aura tendance mieux faire ressortir les dtails dans les zones sombres de limage. Ces techniques dites de
rehaussement dimages sont peu utiles dans les systmes de contrle totalement automatiques mais elles peuvent
contribuer une meilleure perception du contenu de limage dans toutes les tches de surveillance (Fig. I_9.).

3.2

Oprations entre images

Les oprateurs prcdents appliquaient des transformations arithmtiques chaque pixel individuel. De faon
totalement similaire, il est loisible dutiliser des formules arithmtiques qui combinent entre eux les pixels de deux
(ou plusieurs) images. Lexemple le plus simple de tous est la moyenne de deux (ou plusieurs) images conscutives
telle quelle est implmente dans un filtre temporel. Cette technique permet de rduire sensiblement le bruit et est
particulirement utile dans de trs mauvaises conditions dclairage, lorsquil est indispensable damplifier trs
fortement le signal de la camra. Mais, dautres applications des oprateurs inter-images, concernent le masquage
dimages ou la dtection de prsence. tant donn leur simplicit, de telles oprations peuvent parfois tre
embarques dans des camras intelligentes et tre intgrs dans des systmes de surveillance automatique peu
coteux (Fig. I_10.).

3.3

Filtrages linaires et non-linaires

Le principe de filtrage de donnes, quelle que soit leur origine, contient implicitement lide que certaines valeurs
doivent tre corriges ou limines relativement aux autres. La comparaison, si elle peut se faire dans labsolu sur
lensemble des pixels de limage, peut aussi se faire dans un voisinage restreint de lespace. Ce principe est la base
des oprations de voisinage qui sont propres au monde de limagerie.
Parmi les filtres dimages on distingue ceux qui transforment la valeur dun pixel en fonction dune combinaison
linaire de celles des pixels voisins, de ceux qui procdent une transformation non-linaire, le plus souvent
logique, dun pixel relativement ses voisins. Les premiers forment la famille des convolutions ou filtres linaires,
les seconds forment la famille des filtres non-linaires dont notamment les oprateurs de morphologie
mathmatique.
Le principe du filtrage par convolution repose sur lide que tout pixel est exprim comme rsultat dune
combinaison linaire (moyenne pondre) des pixels qui lui sont voisins. Pratiquement, la diversit des filtres qui
peuvent tre conus au dpart de ce principe reposera sur deux paramtres de base que sont : la taille du voisinage et
la valeur des coefficients de pondration. Ceux-ci sont dfinis par le biais du noyau (kernel) de convolution (Fig.
I_11.).
Les filtres de convolution les plus simples, permettent de bien apprhender le principe dun filtrage sur le voisinage.
Ainsi, lutilisation dun noyau de convolution unitaire ( i=1) correspond, aprs normalisation, un filtre de
moyenne arithmtique mobile. Ce dernier est un filtre passe-bas dans le sens o il attnue les fortes variations
dintensit dans limage et privilgie les variations progressives. En pratique cependant, le filtrage se fait au dpens
de la nettet des contours et le rsultat est trs proche de leffet optique de dfocalisation dune image (Fig. I_12.).
Ce qui est, sauf exception, inacceptable.
Un autre exemple de convolution linaire a trait la notion de gradient. En effet, lutilisation de coefficients ngatifs
dans le noyau de convolution permet de calculer des drives discrtes bi-dimensionnelles qui auront pour effet de
rehausser les transitions dintensit (Fig. I_13.). Lorsque les coefficients sont choisis de manire privilgier les
gradients dans une direction donne, leffet visuel est trs proche de celui dun clairage rasant de la scne, ce qui a
pour effet de renforcer la perception de structures.
Le recours des oprateurs logiques permet dintroduire le principe de filtres de voisinages non-linaires. Quoique
plus lourds en temps de calcul que leurs analogues linaires, les filtres non-linaires ouvrent des perspectives
intressantes pour les applications. Ils constituent le langage de base dune discipline connue sous le nom de
morphologie mathmatique et dont les fondements thoriques ont t dvelopps depuis les annes 70 par lquipe
de Jean Serra lEcole des Mines de Paris.

Doc. Rv. 7 : 27.11.2001

Fondamentalement, on distinguera la famille des filtres mdians, construite autour de la notion de mdiane d'une
srie de valeurs et les filtres drosion et de dilatation qui font respectivement appel la notion de minimum et de
maximum. Plutt que de jouer sur diffrentes variantes de formulations mathmatiques non-linaires, cest ici la
gomtrie du voisinage qui prend toute son importance. Ce voisinage, appel dans ce cas lment structurant, agit
comme un outil gomtrique de rfrence la lumire duquel la structure de limage est interroge (Fig.I_14.).
Selon les applications ou les rsultats souhaits, la gomtrie de llment structurant pourra tre adapte. Ainsi,
lrosion dune image reprsentant des fibres par un lment structurant de 10 pixels aligns selon une horizontale a
pour effet dliminer de limage toute fibre claire qui natteint pas cette longueur dans la direction horizontale
(Fig.I_15.). Lrosion par une boule de 10 pixels limine quant elle tous les objets clairs de limage qui ne peuvent
contenir une telle boule (Fig.I_16.).
Il est manifeste que lefficacit des filtres non-linaires va de pair avec une dgradation parfois trs significative de
limage quil faut pouvoir matriser ou compenser. Il est intressant pour cela de combiner les oprateurs et dutiliser
par exemple des combinaisons drosions et de dilatations. La morphologie mathmatique dfinit de cette manire
des oprations connues sous le nom douvertures et de fermetures qui sont dun grand intrt pratique, notamment
dans la perspective de lanalyse granulomtrique dun matriau ou de son rseau poreux (Fig.I_16.).
La notion de filtrage dune image ne se limite pas au domaine spatial. Selon les besoins, il est possible de procder
des transformations dimages dans le domaine spectral ou dans le domaine frquentiel. La raret des applications
pratiques de ces filtres dans les problmes dvaluation et de caractrisation des ressources minrales, fait quils ne
seront pas prsents ici.

La segmentation des images

Les techniques prsentes dans les deux paragraphes prcdents sont largement suffisantes pour comprendre les
principes de limagerie numrique utilise en tlsurveillance, en gophysique, en contrle visuel de la qualit et
dans toute autre application o lutilisateur conserve un rle de dcision et dinterprtation. Dans la mesure o une
des finalits recherche de la vision industrielle est de pouvoir se substituer aux tches de contrle visuel humain, il
est ncessaire de pousser plus loin le traitement de linformation. Plus prcisment, il convient de traduire en critres
quantitatifs et programmables lexprience visuelle de loprateur. Lchec de certaines tentatives de contrle
automatique provient souvent du fait que ces critres ne sont pas toujours noncs ou nonables sous une forme
claire et rigoureuse.
En rgle gnrale, les procdures dinspection peuvent tre dcomposes en deux tapes : la premire consiste
isoler de la scne les objets dintrt, la seconde consiste valuer les proprits des objets ainsi isols. Si on
considre la surveillance dune bande transporteuse charge de granulats, on peut accepter en premire
approximation lide quil faut tout dabord isoler visuellement les granulats de lensemble de linstallation
(courroie, poulies,), quil faut ventuellement isoler visuellement un granulat parmi dautres (ex. le plus gros
lment) et quensuite seulement on peut chercher valuer les proprits des granulats (ex. propret, taille,).
Sauf exception, la grande majorit des applications dautomatisation en imagerie, dbutera par une opration de
segmentation ou de partition de limage qui aura pour objectif disoler le ou les objets mesurer. Ces objets peuvent
tre des dtails sans importance dont il conviendra de se dbarrasser (ex. les rebords de la benne dun camion) ou au
contraire peuvent reprsenter une des classes dobjets sur lesquels portera la mesure (ex. les granulats infrieurs
15mm).
Fondamentalement, les critres de partition de limage peuvent tre de nature spectrale, de nature spatiale ou, le plus
souvent, obir une combinaison de ces critres.

Quelques exemples de segmentations spectrales :




isoler les sulfures dans un marbre (= rechercher les pixels qui ont une brillance suprieure la matrice.)

Isoler un diamant dans le minerai kimberlitique (= isoler les pixels qui ont une intensit de fluorescence
suprieure un seuil donn.)

Identifier les granulats issus dun niveau de grs ferrugineux (= isoler les pixels qui ont une couleur plus rouge
quun seuil donn.)

Quelques exemples de segmentations spatiales :

Doc. Rv. 7 : 27.11.2001

isoler les pores de plus de 20m dans une micrographie (= rechercher les amas de plus de N pixels de diamtre.)

isoler les dfauts qui traversent une dalle de part en part (= rechercher les amas contigus de pixels qui touchent
au moins deux bords dimage.)

Quelques exemples de segmentations combines :




isoler les failles avec un pendage de plus de 45 dans une tomographie gophysique (= rechercher les gradients
dintensit significatifs et conserver ceux qui ont une orientation plus de 45)

isoler dans un granite les biotites de taille suprieure 2 mm (= identifier les pixels de couleur brune et ne retenir
que les amas de plus de 2mm de diamtre)

Les quelques exemples cits ci-dessus suffisent souligner limportance de ltape de segmentation. Car, ce qui peut
paratre extrmement trivial pour un il humain, se traduit parfois en un enchanement de procdures complexes au
cur de la machine. En particulier, les capacits dadaptation de lil en fonction de lenvironnement sont
extrmement difficiles reproduire. Ainsi, lherbe nous parat verte toute heure de la journe. Or, en fonction de
lensoleillement, il est vident que cette couleur ne cesse de se modifier. Si nous voulons reproduire une telle
opration avec un systme dimagerie il convient de ne pas se rfrer une couleur verte dans l'absolu, mais plutt
de comparer le vert de lherbe et celui de la fort environnante. De la robustesse des procdures utilises dpendra le
succs de la mthode.
La mthode la plus intuitive et la plus utilise pour la classification spectrale des pixels est le seuillage ou autrement
dit la slection des pixels qui dpassent une certaine intensit, voire sont compris dans un intervalle dintensit. Le
rsultat du seuillage sera une image binaire dans le sens o seuls subsistent aprs lopration deux catgories de
pixels : ceux qui satisfont le critre de brillance et ceux qui ne le satisfont pas (Fig.I_17.). Remarquons que cette
mthode ne tolre aucun cart statistique au seuil fix et quil est trs rare que notre il procde de la sorte
(Fig.I_18.). Autre inconvnient de la mthode, le seuil est fix dans labsolu par loprateur et ne peut tre adapt
chaque image fournie par le systme. Pour pouvoir dvelopper une auto-adaptation du seuil, il faut ncessairement
procder lanalyse de lhistogramme des teintes de gris dans limage. Cest le principe poursuivi par la plupart des
techniques de seuillage automatique, lesquelles recherchent lexistence de deux (ou plusieurs) pics pour ensuite
classer chaque pixel en fonction de sa probabilit dappartenance lune ou lautre des populations dintensit.
Lavantage de ces mthodes est de pouvoir sadapter des fluctuations dintensit moyenne de la scne, tout comme
lil, mais il est trs rare quelles donnent satisfaction sans devoir tre combines avec des critres spatiaux.
Lorsque les images sont colores, multispectrales ou multimodales, les mmes techniques de classification peuvent
tre utilise sur chaque image indpendante et le rsultat final peut provenir de la recombinaison des diffrents
canaux (le ET logique sur les diffrentes images binaires permet disoler les pixels qui respectent les critres
noncs pour CHACUN des canaux). Cette approche simpliste consiste cependant ignorer les possibilits de
corrlation entre les canaux or celles-ci sont prsentes dans la toute grande majorit des applications. En dautres
termes les techniques de seuillage multiple ne peuvent diviser un espace spectral quen prismes rectangulaires
(botes chaussures) parallles aux axes dintensit (Fig. I_19.). Pour pouvoir subdiviser lespace spectral en
dautres gomtries, il faut ncessairement utiliser des techniques de classification multivaries.
Une premire application des techniques multivaries consiste calculer les composantes principales dune srie
dimages multispectrales. Cette opration revient en quelque sorte modliser la rpartition spectrale des pixels par
un ellipsode (un hyperellipsode si limage plus de trois composantes spectrales !) et se choisir un nouveau
systme daxe qui soit parallle aux axes principaux de limage. Pratiquement, cest un peu comme-ci notre mthode
de seuillage bote chaussures tait maintenant capable de faire tourner la bote dans la direction la plus adquate
mais sans pour autant pouvoir la dformer.
Le seuillage multiple agit comme un systme sans tolrance. Pour incorporer lide dune fluctuation statistique de
la couleur ou plus gnralement de la signature spectrale, il est utile de se rfrer la probabilit bien connue
dappartenance une population gaussienne (95,5% de chances dappartenir [2] avec : lintensit moyenne
et : lcart-type des intensits). Dans un espace deux variables, la distribution bi-gaussienne correspond une
rgion elliptique prsentant des densits doccurrence plus leves au centre quen priphrie, limage de la
distribution gaussienne univarie. La gnralisation multivarie de cette distribution sera baptise multigaussienne et
on peut concevoir que moyennant connaissance des intensits moyennes, des variances et des covariances dans
chaque canal spectral, il sera possible de dfinir pour tout point de lespace spectral une probabilit dappartenance
95 ,5 % par exemple la multigaussienne. Le seul prrequisit tant bien sr que les paramtres statistiques soient
pralablement calculs ce qui en fait une mthode dite supervise.
Pratiquement, loprateur devra dsigner dans la scne des rgions caractristiques des objets quil souhaite
segmenter et ce nest quaprs cette phase dapprentissage que la procdure multivarie pourra raliser la

Doc. Rv. 7 : 27.11.2001

classification de lensemble des pixels de la scne. A titre dexemple, un apprentissage pourra requrir la
dsignation dune srie de rgions de 20x20 pixels pour chaque objet (soit un total de 1600 pixels si il y a quatre
objets distinguer) et la classification se chargera de traiter chaque pixel de limage (1.000.000 pixels par exemple)
en fonction de sa plus forte ressemblance aux pixels dsigns par loprateur.
La notion de ressemblance ne se traduit pas ncessairement par des probabilits dappartenance une distribution
(multi)gaussienne. Ainsi, un concept tel que celui de plus proche voisin exploite la notion de proximit spectrale
en dfinissant quun pixel non class sera attribu la classe qui est la mieux reprsente parmi les k pixels les plus
proches dans lespace spectral. Ces concepts sont beaucoup plus simples quil ny parat en premire lecture. Ils se
retrouvent dans lensemble de la littrature statistique et dans tous les problmes dintelligence artificielle, quil
sagisse ou non dimagerie.
La classification spectrale dune image aboutit une image binaire ou une srie dimages binaires selon le nombre
dobjets prsents dans limage. Ces images sont rarement laboutissement de la procdure de segmentation car soit
elles prsentent encore des ambiguts (un mme pixel a t repris dans plusieurs classes), soit des critres spatiaux
doivent complter lopration.
Nous avons vu que des oprateurs de base tels que lrosion taient capables de dgrader limage en fonction des
paramtres de taille ou dorientation de llment structurant utilis. Malheureusement, lrosion affecte par
dfinition tous les objets dune image et les objets qui rsistent ne prsentent plus leur profil originel. Il existe deux
remdes ce problme, chacun deux possde des avantages et des inconvnients.
Le premier consiste appliquer lopration duale de lrosion, soit la dilatation, en utilisant le mme lment
structurant1. On dfinit ainsi la notion douverture. De telle manire, les objets prsents dans limage reprennent leur
taille (au sens du diamtre inscrit) mais pas leur forme ce qui peut tre gnant dans le cas dobjets trs allongs ou
trs rugueux.
La seconde mthode consiste appliquer une propagation des rsultats de lrosion dans limage originelle avant
rosion. Ceci peut se concevoir aisment en imaginant que limage binaire originelle est constitue dune srie dles
plus ou moins contigus et que limage rode correspond des foyers dincendie capables de se propager
lentiret dune le mais incapables de franchir les zones immerges (Fig.I_20.). La notion de propagation est
extrmement riche pour les dveloppements en analyse dimage et elle a donn lieu une srie doutils drivs
capables de rsoudre les problmes suivants :


Elimination des particules qui touchent le bord dune image et ne peuvent ds lors faire lobjet dune mesure
correcte.

Recherche des trous ou des particules incluses dans une phase.

Identification des rgions situes une distance de propagation donne dune anomalie magntique ou dune
faille.

Dlimitation automatique des bassins versants dans un modle numrique de terrain par propagation (inondation)
au dpart de points sources.

Pour tre correct, si llment structurant est asymtrique, il doit en ralit tre transpos.

Doc. Rv. 7 : 27.11.2001 10

Kamituga
Shear Zone Gold

180
160
140
120
100

Gold (g/t)

80
60
40
20
450

460

470

480

490

500

510

520

530

NORTHING

Fig. I_1. Lvolution dune teneur le long dune galerie ou dune tranche ne concerne quune seule dimension
spatiale. A ce titre, les donnes constitueront un signal plutt quune image.

Fig. I_2. La cartographie de la distribution de laluminium dans ce gisement de bauxite rsulte dun chantillonnage
gochimique suivi dune interpolation intense des donnes. Le recours aux outils issus de limagerie sera peu
justifiable sur ce type de donnes.

Fig. I_3. Une camra vidographique conventionnelle fournit toutes les 40ms une mesure de radiance de chacun des
390.000 pixels qui forment son image.

Fig. I_4. Le microscope mcanique balayage fournit une srie de profils qui forment limage dun segment de scie
diamante. Le niveau de gris est ici une cote topographique.

Doc. Rv. 7 : 27.11.2001 11

Fig. I_5. Grce lutilisation de filtres de diffrentes longueurs dondes, le capteur embarqu sur le satellite ASTER
fournit quatorze images simultanes dune mme scne. Ici, les composantes rouges, vertes et bleues dune scne de
lOuest du Mali (doc. NASA).

Fig. I_6. Un mme objet comme ici une dalle de marbre polie peut se rvler sous un jour trs diffrent selon quil
est imag en incidence normale (composante diffuse dominante ) ou en incidence rasante (composante spculaire
dominante).

Fig. I_7. La cathodoluminescence est lmission de lumire visible gnre par un bombardement lectronique. Elle
peut rvler des proprits cristallochimiques de certains minraux comme les carbonates ou dans ce cas-ci les
phosphates.

Doc. Rv. 7 : 27.11.2001 12

Nombre de cellules
Nombre max. de cellules (1)
Dimension des cellules
Dynamique
Temps dintgration
(obturateur lectronique)
Nature du signal analogique

Vido standard
capteur matriciel

Vido scientifique
capteur matriciel

Vido scientifique
capteur linaire

768 x 512

1340 x 1024

2048

Id.

5000 x 5000

14000

12 m

6 m

6 m

256 niveaux de gris


(8 bits)

1000 4000 niveaux


(10-12 bits)

1000 4000 niveaux


10-12 bits

Fixe (40 msec)

Rglable (1 msec 1 h)

N.A.

CCIR (PAL)

Non standard

Non standard

Tab. I_1. Tableau comparatif des capteurs CCD matriciels et linaires. (1) ces valeurs sont donnes titre indicatif
de la technologie actuelle pour des capteurs en silicium, mais ils correspondent des capteurs trs exceptionnels sur
le march.

Fig. I_8. Limage de gauche a t sauve en format TIF (58,9 kb) et conserve les dtails de la scne originelle.
Limage de droite sauve en JPG (0,81 kb) a souffert de la compression. Le contour net des grains et les fines
inclusions sont irrmdiablement perdus.

Fig. I_9. Le logarithme des intensits prises par la camra permet de rehausser la perception des dtails par
loprateur humain. Une telle loi (correction gamma) est souvent incorpore dorigine dans le contrle lectronique
de la camra. (Doc. Fragscan)

Doc. Rv. 7 : 27.11.2001 13

Fig. I_10. Une application simple des oprateurs arithmtiques entre images est la dtection de prsence. Une
camra vido qui surveille en permanence un chantier peut avertir de la prsence dun lment mobile dans la scne
en quantifiant la diffrence entre deux images successives. (Doc. Fragscan)

Image Initiale

Image Rsultat

Noyau de
convolution

I-

I-

I-

I-

I-

I-

I4

I3

I2

I-

I-

I5

I0

I1

I-

I-

I6

I7

I8

I-

I-

I-

I-

I-

I-

O-

O-

O-

O-

O-

O-

O4

O3

O2

O-

O-

O5

O0

O0 = k I k
k

Fig. I_11. Une image initiale forme de ses pixels In est transforme par un filtre de convolution dfini par ses poids
i en une image rsultante forme par les pixels On.

Fig. I_12. Lapplication dune convolution avec des poids i=1 correspond la notion de moyenne mobile .
Celle-ci engendre un lissage qui limin les fractures et stries de polissage mais aux dpens de la nettet des
contours dans ce concentr de sulfures.

Doc. Rv. 7 : 27.11.2001 14

Gradient vertical
de Sobel

Moyenne mobile

Laplacien
(drive seconde)

Fig. I_13. Les principaux noyaux de convolution disponibles dans les logiciels de traitement dimages sont
dexpression trs simples. Il sagit soit de filtres de lissage, soit de filtres de rehaussement de contours (gradients).

Image Initiale
I15

I14

I13

I12

I11

I16

I4

I3

I2

I10

Mdian sur un voisinage de rayon 2

O0 = P50 {I 0 ,I1 , I 2 , I3 , I 4 , I5 , I 6 , I 7 , I8 }
rosion sur un segment centr de taille 5

I17

I5

I0

I1

I9

I18

I6

I7

I8

I24

I19

I20

I21

I22

I23

O0 = min{I 0 , I1 , I 5 , I 9 , I17 }
Dilatation sur un segment vertical descendant de taille 3 :

O0 = Max{I 0 , I 7 , I 21 }

Fig.I_14. Les oprateurs de Morphologie Mathmatique font rfrence la notion de gomtrie de voisinage
(lment structurant). Selon le type doprateur choisi le pixel rsultant ( O0 ) prendra la valeur du minimum, du
maximum ou de la mdiane des valeurs appartenant au voisinage considr.

Fig.I_15. Limage dun minerai dilmnite contenant des exsolutions dhmatite avant et aprs rosion par un
segment horizontal de la taille de 10 pixels. Seules les exsolutions de taille suprieure rsistent lopration.

Doc. Rv. 7 : 27.11.2001 15

Fig.I_16. Limage de la microporosit dune roche rservoir (craie) avant et aprs rosion par un carr de 10 pixels.
Seules les porosits de taille suprieure rsistent lopration. Lopration douverture sobtient en appliquant une
dilatation au rsultat de lrosion.

Fig.I_17. Le seuillage dune image est lopration qui consiste ne conserver dans une image binaire (Vrai / Faux)
que les pixels satisfaisant un critre dintensit. Les crinodes et godes de calcite se distinguent de la dalle calcaire
par une brillance de 95 niveaux de gris ou plus.

Fig.I_18. Dapparence simple pour lil, la distinction entre ilmnite et hmatite dans cette image ne peut soprer
par seuillage en raison dun clairage trop ingal de la scne. Lil humain procde par une apprciation relative
un voisinage plutt que par des valeurs dintensit absolues.

Doc. Rv. 7 : 27.11.2001 16

Fig. I_19. Une image colore peut tre perue comme un ensemble de trois images bleue, verte et rouge. A chaque
point de limage correspond un triplet dintensits qui peut tre reprsent dans lespace couleur (R,G,B). En
procdant au seuillage sur chaque image individuelle et en recombinant les rsultats par un ET logique il nest
possible de slectionner que des groupes de pixels inclus dans des botes parallles aux axes de lespace (R,G,B).
Une telle approche ne peut donner de rsultat que dans des situations de couleur bien contrastes comme ici la
bornite (orange) dans un minerai de cuivre stratiforme.

Fig.I_20. En appliquant une opration drosion limage obtenue par seuillage (B) , seules les rgions pertinentes
sont conserves (C). La propagation de lrod (C) dans limage seuille (B) permet de reconstruire le contour exact
de ces rgions (D).

Doc. Rv. 7 : 27.11.2001 17

Fig. I_21. La proportion en volume de cristaux de magntite dans une lave de lEtna peut sobtenir en dnombrant
les pixels les plus rflectants. Cette proportion sera cependant fortement dpendante de lchelle dobservation
comme en tmoigne limage de droite prise au mme endroit un grossissement huit fois moindre.

Fig. I_22. Cette image en lumire rflchie illustre la diversit minralogique des scories dpoque ottomane
accumules dans la rgion de Kre (Turquie). Grce lanalyse dune cinquantaine dimages de ce type, une
estimation statistique de la composition minralogique de la scorie a pu tre obtenue (Tab. I_1)

Analyse chimique (% pds)


FeO 59.7 %
SiO2 23.5 %
Al2O3 11.6 %
S
1.8 %
Cu
0.76 %
Co
0.38 %

Analyse modale (% vol)


Fayalite
71 %
Wstite
11 %
Glass
8%
Hercynite
5%
Pyrrhotite
3.15 %
Sulfures Cu
0.85 %

Tableau I_1. Ce tableau porte en regard lanalyse chimique et lanalyse modale de la scorie de Kre. Outre son rle
essentiel dans la validation des rsultats de lanalyse dimages, lanalyse chimique couple quelques analyses la
microsonde permet dtablir que la fayalit contient prs de 85 % du Co, ce qui rend la scorie impropre toute
tentative de valorisation.

Porosit (%)

Min.

0,03

Max.

8,77

Moyenne

2,81

Ecart Type

1.8

UNITE: D2

Doc. Rv. 7 : 27.11.2001 18

Figure I_23. La porosit dune dolomie est nettement perceptible dans limage en lumire rflchie. La mesure de la
proportion de surface de cette porosit indique une tendance centrale de 2.81 % aprs lanalyse de plusieurs dizaines
de sections.

Figure I_24. Le QEMSCAN commercialis par LEO sous licence du CSIRO permet de combiner les analyses
modales effectues sur les grains dun minerai pour dresser des tables de libration trs utiles dans loptimisation de
la maille de broyage. (doc. http://www.qemscan.com)

Figure I_25. Les diamants synthtiques sont tris par lintermdiaire dune table vibrante. Un contrle par analyse
dimages des ombres portes permet dvaluer la taille (Diamtre moyen - Db) et la forme (Allongement-El et
Emouss Wv) de chaque grain. Le tableau Tab. I_2 reprend les statistiques pour les trois lots reprsents en
images.
Lot 6
Lot 9
Lot 12

IC()

IC()

IC()
Db
426.5
11.69
435.6
14.59
445.7
12.03
El
1.236
0.063
1.536
0.129
1.252
0.086
Wv
61.67
2.59
58.19
3.05
47.48
3.10

Tableau I_2. Les statistiques relatives aux mesures de taille et de forme permettent de mieux comprendre
les mcanismes de tri mis en jeu dans une table secousse pour diamants.
( = moyenne arithmtique ; IC() = intervalle de confiance 95% autour de la moyenne arithmtique).

Doc. Rv. 7 : 27.11.2001 19