J3eA - Vol.

4 (2005)
DOI : 10.1051/j3ea:2006002

Cours de vision industrielle

Contrle qualit par camra linaire
Abdelmalik TALEB -A HMED* , Luc D UVIEUBOURG**

* Laboratoire dAnalyse des Systmes du Littoral

Universit du Littoral Cte dOpale
Btiment A - Rue F. Buisson
62228 Calais cedex, FRANCE
Tl. : (33) 3 21 46 56 54 - Fax : (33) 3 21 46 06 80 ,
** Laboratoire dAutomatique I3 D CNRS FRE 2497
Universit des Sciences et Technologies de Lille
Cit Scientifique, Btiment P2
59655 Villeneuve dAscq cedex, FRANCE
Tl. : (33) 3 20 43 41 69 - Fax : (33) 3 20 43 65 67
taleb@lasl-gw.univ-littoral.fr

DESCRIPTION
Ce cours de 2me cycle sinscrit dans le prolongement du cours de vision numrique. Le volume
dheures consacr au cours de vision industrielle varie dune matrise lautre. Il est compris entre
15 et 24 heures. Nous prsentons le cours que nous donnons dans le cadre de la matrise EEA. Il nest
pas question dans ce cours de reprendre les mthodes danalyse ou de traitements de limage. Cependant
lorsquune application donne en exemple ncessite un traitement particulier, non abord dans le cours
de traitements dimage, celui-ci sera dvelopp.
Pour suivre ce cours il est indispensable davoir comme pr-requis le cours de traitement dimages.
Dans une moindre mesure des notions dinformatique industrielle et de programmation sont utiles. De
plus des notions doptique de base seront utilises dans ce cours de vision industrielle. On peut ainsi se
rendre compte du spectre trs large des connaissances acqurir avant dentreprendre la ralisation dun
systme dinspection visuelle.
OBJECTIFS
A la fin de ce cours, ltudiant devrait tre laise avec les concepts de vision automatique en industrie
et tre en mesure de participer activement des tudes de faisabilit dimplantation de systmes de
vision. Il devrait aussi tre familier avec les recherches que sous-tendent ces dmarches (bibliographie,
rdaction technique, contact avec le milieu...).
CONTENU
Laccent est ici mis sur lapplication de la vision au domaine, trs vaste, de linspection industrielle le
long de la ligne de production. On y prsente une justification de lautomatisation et du contrle des
procds comme outils indispensables la poursuite de la qualit. Des considrations relatives aux types
de matriaux, aux modes dacquisition optique, aux mthodes de traitement du signal, aux schmas dim-
plantation pratique de systmes dinspection et aux caractristiques de lenvironnement industriel sont
galement prsentes. Lorsque cela est ncessaire le cours est illustr par des applications industrielles,
ralises par les auteurs.
Cet enseignement fait appel aux travaux pratiques pour asseoir la prsentation thorique sur une expri-
mentation concrte. Il sappuie galement sur une large base dapplications dans des domaines varis
des sciences de lingnieur qui sont prsents en illustration.
BIBLIOGRAPHIE
Un tel cours est bas sur une revue extensive de la littrature courante. Des notes condensant ces articles
seront mises la disposition des tudiants.
PREAMBULE
Beaucoup dentreprises industrielles utilisent aujourdhui la vision pour automatiser des oprations fas-
tidieuses de tri ou de contrle des cadences trs rapides. Ainsi pour tenter de se rapprocher des con-
traintes industrielles, nous nous sommes bass pour la progression de ce cours sur la dmarche suivie
lors de linstallation dun systme de contrle qualit par vision artificielle. Pratiquement, ce cours est
assur sous forme de petits sminaires. Nous abordons essentiellement les systmes de contrle utilisant
les camras linaires. En parallle avec cette progression nous donnons en exemple une tude ralise
par nos soins. Nous avons fait le choix de diviser cette progression en cinq tapes :
Pertinence dun contrle par vision artificielle,
Slection des moyens matriels,
Dveloppement logiciel,
Installation du systme et validation du contrle,
Acceptation et prennit du systme.
Dans le point nous nous posons la question de la ncessit dun systme de contrle qualit par vision
artificielle. Pour rpondre cette question nous discutons des possibilits et des limites des systmes de
vision artificielle appliqus au contrle qualit. Les points et reprsentent lessentiel de ce cours.
Nous calculons alors sur des exemples concrets les lments matriels quil est souhaitable dutiliser.
Nous discutons ensuite des algorithmes permettant deffectuer le contrle des produits en temps rel.
Bien que dans certains cas, des calculs lmentaires suffisent rsoudre les problmes poss, tout larse-
nal des mthodes du traitement dimage vient bien point pour parvenir extraire linformation perti-
nente. Le point permet de sapercevoir des problmes et dans ce cas de modifier tout ou une partie du
matriel ou encore un traitement logiciel. Par exprience, le dernier point reste le plus dlicat puisquil
fait intervenir des facteurs humains : au niveau du personnel de production charg du fonctionnement au
quotidien ainsi quau niveau du personnel du service "contrle qualit" charg du bon fonctionnement
dans le temps du systme.
Afin de rester concis nous prsentons uniquement dans cet article les grandes lignes du cours, qui
reprend les points ennoncs prcdemment. En fin darticle nous donnons les textes des travaux pra-
tiques que les tudiants effectuent la suite du cours.

1 Pertinence dun contrle par vision artificielle

Lintrt dun systme de vision industrielle est damliorer la productivit et la qualit de la production.
Le contrle par vision vite le travail fastidieux dun contrle manuel, et permet dtre plus rapide pour
des tches rptitives. Il sagit de dvelopper un systme de vision rapide, fiable et ayant pour objectif le
"zro dfaut".
 partir dun cahier des charges, une tude de faisabilit va permettre de savoir si le systme de vision
souhait est ralisable. Cette tude doit mettre en vidence les diffrents choix effectus pour raliser le
systme, ainsi que les possibilits et les limites du systme. Un systme peut contrler le produit fini,
mais aussi les diffrentes tapes de fabrication. Il faut choisir lendroit le plus judicieux pour placer son
systme de vision en tenant compte de lenvironnement. Ltape majeure du systme est lacquisition de
limage. En effet, il sera plus difficile dextraire une information dune image de mauvaise qualit. Voil
pourquoi le choix de la camra, de lobjectif et de lclairage est primordial. Le logiciel de traitement et
danalyse dimages doit tre simple et convivial pour loprateur. Les algorithmes de traitements doivent
tre rapides et robustes. Ltude de faisabilit devra mettre en vidence les caractristiques du systme :
disposition du systme, distance entre la camra et la scne, le champ couvert par un pixel, la taille du
champ dobservation, tolrances.
En gnral on considre que la vision industrielle se prte bien au contrle qualit lorsque :
Les tches sont rptitives ; telles que la recherche de dfauts sur de grandes surfaces de matriaux
dfilants.
Les tches sont simples et bien dfinies, et lon connat lavance les caractristiques des scnes
observer et linformation en extraire.
Inversement le contrle qualit ne peut tre envisag par vision lorsque :
Il est difficile pour un oprateur humain de dcrire de faon simple les dfauts ou que ceux-ci
demandent un degr dintelligence et de comprhension important.
Les cadences de production dpassent les capacits de traitement des systmes de vision. Ces
capacits ne sont comprhensibles par ltudiant que sil connat loffre du march dans le domaine
de la vision. Actuellement il existe fort peu de cas ou ces contraintes rendent impossible le contrle
par vision. Par contre, dans ces cas extrmes les cots peuvent devenir importants.

1.1 Avantages du contrle qualit par vision

Les avantages des systmes de vision par rapport dautres types de capteurs sont nombreux :
Ils sont souples demploi et permettent une trs grande varit dutilisation. Par simple reprogram-
mation, un capteur de vision peut changer radicalement de type dinspection et peut sadapter
instantanment dautres pices.
Ils permettent de raliser simultanment plusieurs mesures, ventuellement de nature diffrente.
Ils permettent des mesures sans contact et non destructives, avec une vitesse et une prcision
apprciables.
Ils permettent de rendre objectives certaines mesures et de garantir ainsi la rptabilit de lap-
parence des objets (constance de la couleur, de la forme, ...).
Plus que tous dispositifs automatiques, ils permettent de remplacer des oprateurs humains dans
des tches fastidieuses qui requirent attention et concentration.

1.2 Dfinitions
Afin de fixer les ides, nous rappelons galement quelques dfinitions gnralement utilises dans la
communaut de la vision industrielle.
La vision industrielle, appel "Machine Vision" par les Anglo-Saxons, est une discipline applique de
la vision artificielle qui emploie le traitement numrique dimages pour automatiser des tches.
 Elle utilise des moyens lectroniques et informatiques pour doter des machines et robots de capacits
sensorielles analogues la vision humaine. Autrement dit, elle utilise des camras comme capteurs pour
dtecter des dfauts sur des objets manufacturs, inspecter des pices en cours de fabrication, les compter,
les trier, les classer, les mesurer, ... partir de leur apparence visuelle. Il faut nanmoins se garder
dimaginer une analogie trop profonde entre les performances de la vision humaine, capable dexplorer
la structure spatiale de son environnement et dy reconnatre des objets complexes et varis, connus ou
inconnus, en deux dimensions comme en trois, et les capacits bien plus modestes des systmes de vision
industriels.
Inspecter un produit au sens de la vision industrielle consiste dterminer sil rpond un certain
nombre de spcifications. Cela revient souvent vrifier si un assemblage a t correctement ralis, si
les dimensions dun produit sont respectes ou si son aspect extrieur est satisfaisant ou encore conforme
par rapport un modle de rfrence.
On parle dinspection implicite lorsque les dfauts dtecter sont connus lavance car les produits
examins et leurs dfaillances ventuelles sont parfaitement identifis. Par exemple, la prsence dun
bouchon sur une bouteille ou dune tiquette sur un emballage, lintgrit dun afficheur cristaux liq-
uides, sont des lments qui peuvent tre identifis par rfrence un modle.
Linspection est explicite quand les dfauts recherchs sont mal dfinis ou quils sont mme imprvisi-
bles. Laspect visuel dun tat de surface, dune dchirure, dune fissure ou dune tache sont difficilement
prvisibles. Loprateur humain est trs performant pour dtecter ces types de dfauts qui ne peuvent tre
dcrits a priori par des paramtres explicites. Il sagit donc dune inspection explicite dont lautomatisa-
tion est souvent difficile et qui ouvre la porte dun domaine de recherche actif.

1.3 Applications typiques

A titre dexemple, nous prsentons dans cette partie du cours des secteurs industriels concerns par le
contrle qualit par vision linaire.
On peut citer notamment les procds o dfilent grande vitesse des matriaux en feuille et en rouleaux
qui doivent tre exempts de dfauts tels que taches, griffes, trous, plis, reliefs et autres htrognits,
(cf. figure 1).

Camras
linaires
Contre
Rouleaux
Produit
inspecter

Nons

F IG . 1: Contrle qualit sur produit en dfilement

Ce type dapplication se rencontre dans lindustrie papetire, dans la sidrurgie, la fabrication du verre
plat, lindustrie textile, ... Dans les cas les plus simples, il sagit de surfaces parfaitement lisses et uni-
formes o il suffit de dtecter des changements de couleur ponctuels; dans dautres, on est confront
des textures priodiques ou non, et il est plus dlicat de sparer les variations normales et accidentelles.

2 Slection des moyens matriels

Dans cette partie du cours nous prsentons les diffrents composants intervenant dans un systme de
contrle qualit par vision linaire. Nous donnons pour chacun de ces composants les lments qui dter-
minent son choix par rapport aux contraintes du cahier des charges. Nous passons en revue galement
les techniques optiques de base permettant dobtenir des images de bonne qualit. Nous commenons
par le composant le plus important, cest dire, lclairage.

2.1 Choix de lclairage

Lclairage est un lment dterminant dans un systme de contrle par vision industrielle. En fonction
de la technique dclairage employe, on pourra faire ressortir certains dfauts.

2.1.1 Diascopique ou Rtro-clairage

Dans ce cas la camra et lclairage sont de part et dautre du produit inspecter. Le rtro-clairage
permet de mettre en vidence le contour dun objet, son ombre. On lutilise pour faire des mesures ou
dtecter des imperfections (trous, dchirures, ...).

2.1.2 piscopique

Dans cette configuration la camra et lclairage sont du mme cot par rapport au produit inspecter.
En fonction du type de dfaut que lon veut faire ressortir, on trouve distingue alors diffrentes stratgies
dclairage :
clairage diffus : Lintrt dun clairage diffus est de donner une image qui nest pas perturbe
par des ombres ou des reflets. Un tel clairage sutilise avec un objet contrast et marqu. On peut
utiliser une sphre intgratrice qui donne un clairage homogne.
clairage directionnel (Bright field) : Un clairage directionnel permet de mettre en valeur une
caractristique de lobjet.
clairage rasant (Dark field) : Un clairage rasant peut faire ressortir le relief (rayures, bosses...).
clairage laser : Projeter une ligne laser va permettre de localiser des contours ou des points car-
actristiques de lobjet.
Polarisation : Polariser la lumire revient crer une direction privilgie. La polaristion attnue
les reflets parasites de lobjet. Si on a un dfaut en relief, la lumire peut perdre son axe de polari-
sation, alors le dfaut apparatra sur le capteur.

2.1.3 Les sources dclairage

Les lampes halognes sont souvent utilises comme sources avec des fibres optiques qui trans-
portent la lumire jusqu un systme dclairage dport. Cette technologie est souple dutili-
sation : lintensit lumineuse est rglable et la forme peut tre ponctuelle, linaire, annulaire ou
 surfacique (rtro-clairage). Par contre, la dure de vie de ces lampes est relativement faible, de
lordre de 1000 heures.
Les clairages fluorescents offrent une grande uniformit, une dure de vie importante et un faible
chauffement. Leur fonctionnement repose sur des dcharges priodiques dlectrons travers le
gaz contenu dans lampoule ce qui provoque la fluorescence. Ces dcharges sont inities par un
ballast et leur frquence doit tre leve. Les lampes fluorescentes sont exploites en clairage
linaire et annulaire.
Les clairages LED fournissent une lumire uniforme et ont une dure de vie de plusieurs an-
nes. Elles fournissent chacune une petite quantit de lumire et il faut donc en aligner plusieurs
pour avoir un systme dclairage. La lumire produite est uniforme et a en gnral une longueur
donde prcise, infrarouge, rouge, vert.... Des systmes produisant une lumire blanche existent
nanmoins. Compte tenu de leur temps de rponse trs court, les LED peuvent tre utilises comme
source stroboscopique. Lune des caractristiques les plus remarquables des LED est leur dure de
vie de plusieurs annes. Lassemblage de LED permet dobtenir des dispositifs linaires, annu-
laires ou surfaciques.

La plupart des techniques dclairage dcrites ci-dessus sont illustres dans le cours par des exemples
dapplications. travers ces exemples nous voulons montrer limportance et la difficult de la dfinition
de lclairage dans un systme de vision. De nombreux paramtres entrent en ligne de compte. Les plus
importants sont lis lobjet tudi : ltat de surface, les caractristiques accentuer, celles qui sont
gommer... Nous voyons que les stratgies dclairage sont nombreuses et reposent sur lorientation des
rayons lumineux, la technologie et la gomtrie du systme. Dans la cadre de la premire sance de
travaux pratiques ltudiant devra mettre en oeuvre une de ces techniques en fonction du type de dfauts
dtecter.
Pour ltudiant intress par les techniques dclairage ainsi que sur loffre dans ce domaine, voici une
adresse de sites web : www.cs.cf.ac.uk/User-bin/M.R.F.Lewis/lightidx.cgi
Luniversit de Cardiff propose un site trs complet rpertoriant lensemble des techniques dclairage
avec leurs particularits, leurs applications ainsi que les camras et optiques appropries.

2.1.4 Autres considrations

Limage qui arrive au capteur de la camra rsulte de linteraction de la lumire avec la scne observe.
Pour minimiser les traitements logiciels, il est intressant dobtenir un clairage distribu de faon par-
faitement uniforme et homogne. Malheureusement, il est trs difficile en pratique dassurer cette unifor-
mit, et la constance de lintensit au cours du temps. De plus, des effets tels que les ombres portes, qui
occultent une partie de la scne, ou les reflets, qui blouissent le capteur, dtruisent par endroit le signal.
Ces dfauts sont dautant plus vrais que le champ de vue de la camra est important. Il est plus facile
dassurer cette uniformit de lclairage pour une camra linaire, dont le champ de vue correspond
une ligne sur le produit. Les ombres peuvent tre minimises par la disposition judicieuse des sources,
moins que leur prsence ne soit dsire. Dans le cas des systme de vision linaire la non-uniformit de
lclairage peut tre compense facilement par la carte dacquisition, par un calibrage de lchelle des
niveaux de gris pour chacun des pixels.
Il faut tre vigilant sur la frquence de fonctionnement du systme dclairage, ce qui peut tre prjudi-
ciable pour la prise dimages. Par exemple, dans le cas dun clairage par tubes au non il est impratif
que la frquence de lalimentation des tubes soit suprieure la frquence dacquisition des images-ligne,
pour viter le phnomne de battement.
2.2 Choix de loptique
Nous prsentons dans ce paragraphe la dmarche qui conduit au choix de lobjectif. Ce choix est, dans
un premier temps, conditionn par la distance focale.

2.2.1 Caractristiques des objectifs

Langle de vue.
Le nombre douverture : Le nombre douverture F = f / d avec f la focale et d le diamtre de la
pupille dentre. Nombres douvertures normaliss : 1,4 - 2 - 2,8 - 4 - 5,6 .
Plus le nombre douverture augmente, plus la quantit de lumire diminue au travers de lobjectif
(d diminue), plus la profondeur de champ est grande. A linverse, plus le nombre douverture
diminue, plus la quantit de lumire augmente (d augmente), plus la profondeur de champ diminue,
plus lobjectif est rapide. Si le nombre douverture est petit, alors le diamtre de la pupille dentre
est grand. On sloigne alors des conditions de Gauss (rayons proches de laxe optique), ce qui
peut entrainer des aberrations gomtriques et chromatiques.
Remarque : on peut parfois voir la notation f/xx sur lobjectif. xx est le nombre douverture. On
voit aussi la notation 1:4 quivalent f/4.
Pour rsumer, le nombre douverture influe sur :
la quantit de lumire,
la profondeur de champ,
la rsolution.
La distance focale : Le choix de la focale de lobjectif est dtermin partir de la taille du capteur,
de la taille de lobjet et de la distance laquelle est vu lobjet.
La profondeur de champ dun objectif reprsente la distance entre deux points telle que tout objet
entre les deux points soit vu net par le capteur et au del des deux points soit vu flou. La profondeur
de champ augmente quand :
Le nombre douverture augmente.
La distance objet/objectif augmente.
La focale diminue.
Le grandissement diminue.
agrandissement gal, la profondeur de champ reste constante focale diffrente.

2.2.2 Autres considrations

Pouvoir sparateur et FTM : La fonction de transfert de modulation FTM (ou MTF = Modulation
Transfer Function) est une courbe qui relie la variation de contraste de limage la frquence
spatiale de lobjet (dfinie par le nombre de paires de lignes par millimtres). Lobjectif doit avoir
un pouvoir sparateur suprieur celui du capteur. On peut le mesurer avec une mire.
Distorsion : Plus la focale diminue, plus le risque de distorsions sera important car on aura un
grand angle.
Un peu de vocabulaire
Objectif grand angle : petite focale (<50mm), grand champ.
Tlobjectif : grande focale (>50mm), petit champ.
 Tlcentrique : grandissement constant quelle que soit la distance objet-objectif, donc pas de
perspective.
Doubleur de focale : cest une lentille qui se place entre lobjectif et le capteur qui dou-
ble la focale. Le grandissement est multipli par deux mais ceci pose quelques problmes :
augmentation de la distorsion lie au grandissement, augmentation du nombre douverture,
diminution de la profondeur de champ.
Focale variable : les zooms sont des objectifs focale variable. Une focale variable permet de
choisir le meilleur cadrage sans changer dobjectif. On joue sur le grossissement de lobjectif.
Le manque de luminosit par rapport une focale fixe peut tre un inconvnient.
Tirage optique (Back Focal Length) : distance entre le plan focal image et la lentille de sortie
de lobjectif.
Tirage mcanique (Flange Back) : distance entre la face mcanique dappui de la monture de
lobjectif et la plan du capteur.

Les imperfections et mauvais rglages de loptique introduisent des distorsions dues aux aberrations
et leffet de perspective, du flou d la dfocalisation ou la diffraction, de la non-uniformit de
luminosit transmise. Ces distorsions peuvent tre minimises par des connaissances doptique de bases.
Cependant il faudra faire un compromis entre la distance camra produit, la puissance de lclairage,
la priode dacquistion et louverture de lobjectif. Par ailleurs il est toujours possible de corriger ces
distorsions de faon logicielle par calibration gomtrique du champ visuel. En observant limage dune
mire de forme connue, on peut mesurer la distorsion et la compenser au moyen de la transformation
inverse. Dans certains cas, cest lobjet mesur lui-mme qui peut servir de mire.

2.3 Choix de la camra

Suivant le produit inspecter, nous choisissons la camra :
Linaire ou matricielle?
Analogique ou numrique?
Monochrome ou couleur(Mono ou tri-CCD)?
Les camras linaires : Ces camras fonctionnent sur le mme principe quun scanner ou un fax. Une
camra linaire est constitue dune seule range de capteurs. Cest le mouvement relatif de la scne
par rapport la camra qui va reconstituer une image par balayage. Ces capteurs permettent datteindre
des vitesses et des rsolutions leves (plus de 8000 pixels sur une seule ligne). Les camras linaires
sont idales pour visualiser des objets en mouvement ou de grande dimension, ainsi que pour superviser
des process continus (textile). Une application typique de ces camras est la visualisation dobjets cylin-
driques : par rotation de lobjet autour de son axe de rvolution , on obtient une visualisation plane de
sa surface. Afin de reconstituer une image bien proportionne, la camra doit tre synchronise avec la
mcanique davancement. Pour cela, on utilise un encodeur (fix sur larbre moteur par exemple) afin de
gnrer des signaux qui dclencheront lacquisition. Durant une rotation, lencodeur gnre un nombre
prcis dimpulsions desquelles on peut dduire la distance parcourue.
Le choix entre une camra analogique et une camra numrique repose sur un compromis entre le cot
et les performances. Les camras numriques permettent datteindre des vitesses dacquisition leves,
des images trs prcises et un excellent rapport signal/bruit. Les camras analogiques sont bases sur une
technologie prouve et sont donc plus rpandues et moins chres. La plupart des modles rpondent
un standard ce qui simplifie leur paramtrage. La plupart des camras numriques ont leur rsolution
de niveau de gris code de 8 16 bits. Une meilleure rsolution est souvent indispensable dans le do-
maine mdical, lastronomie et les applications dimagerie thermique. Avec les camras numriques, on
"conomise" une conversion analogique/numrique. La seule conversion analogique/numrique inter-
vient dans la camra prs du capteur qui peut galement tre refroidi pour rduire/limiter sa sensibilit
au bruit.
La plupart des systmes de vision actuels exploitent des images en niveaux de gris. Toutefois, pour
certaines applications, une image monochrome se rvle insuffisante. Une camra et une carte dacqui-
sition couleurs apportent une dimension supplmentaire linformation. Pour tirer le meilleur parti de
cette information supplmentaire, il est important de comprendre ce quest la couleur et comment on la
reprsente. La couleur est largement utilise dans lindustrie automobile pour vrifier les assemblages.
A cet effet, les composants des assemblages ou encore les fusibles. On utilise galement la couleur
pour le contrle des cartes lectroniques. Les composants, (diodes, rsistances, circuits intgrs...) sont
gnralement insrs par un systme automatis. Le systme de vision vrifie que tous les composants
sont en place et bien orients. Gnralement, les donnes couleurs conviennent mieux des applications
pour lesquelles la couleur est lunique caractristique utile de lobjet. Dans les autres cas, linformation
de couleur est superflue. Pour dcrire, dfinir une couleur on utilise un modle. Le plus rpandu est le
modle RGB. Il est bas sur trois couleurs primaires (rouge, vert, bleu) qui sont combines pour produire
les autres couleurs. Dans le systme RGB, les couleurs sont codes sur 24 bits soit 8 bits par couleur
primaire. Par exemple, la valeur du rouge pur est 255,0,0, celle dun gris "moyen" 128,128,128. Le sys-
tme RGB est trs pratique pour laffichage des couleurs mais prsente quelques inconvnients. Tout
dabord trois composantes sont ncessaires pour dcrire une couleur. De plus, cette description nest pas
intuitive (naturelle). Le modle HSL (Hue, Saturation, Luminance) est plus proche dune description
humaine. De plus, une composante (Hue ou teinte) suffit dcrire la couleur. Comme le RGB, le HSL
(Hue, Saturation, Luminance) repose sur trois composantes :

La teinte (Hue) correspond la longueur donde dominante : vert, orange,... cest dire la couleur.

La saturation dfinit la quantit de blanc ajoute la teinte. Le degr de saturation (de puret)
est inversement proportionnel la quantit de blanc. Un rose par exemple est moins satur quun
rouge.

La luminance reprsente la notion dintensit, damplitude.

La teinte est trs peu sensible aux variations dclairage, aux ombres et aux reflets. De plus, elle contient
lessentiel de linformation ncessaire pour reconnatre une couleur. Comme on nutilise quune seule
composante pour la reconnaissance, le traitement est plus rapide quen RGB mais la prcision est plus
faible.
Deux technologies sont utilises dans les camras couleur :

Mono-CCD : des masques colors placs devant chaque capteur CCD servent sparer les com-
posantes RVB.

Tri-CCD : Pour chaque pixel de limage, trois capteurs spcifiques chaque composante sont
sollicits. La lumire est diffracte travers un prisme qui oriente chaque composante vers le
capteur associ.

Les mono-CCD sont meilleur march alors que les tri-CCD restituent plus prcisment la couleur.
Une fois le type de camra choisi il faut dterminer :

Rsolution du capteur? La rsolution du capteur doit tre choisie en fonction de la taille de lobjet
et du dfaut dtecter.

Sensibilit du capteur?
 Exemple 1 :
Les spcifications du cahier des charges nous imposent la dtection de trous de 0.5 mm de diamtre sur
un produit de largeur 1900 mm. Le produit dfile une vitesse de 30 m/mn. Calculer les caractristiques
techniques du systme dacquisition

Exemple 2 :
Une camra linaire acquiert des images de pices poses sur un tapis roulant. La rsolution dans le sens
de dfilement souhaite est de 1mm/pixel. On fixe donc sur un rouleau davancement, un encodeur qui
servira dclencher lacquisition dune ligne tous les 1 mm. Si la circonfrence du rouleau est de 10 cm
combien lencodeur devra fournir dimpulsions/sec?

2.3.1 Autres considrations

Les camras et leurs capteurs sont susceptibles dintroduire un grand nombre de dfauts. Diverses
sources de bruit, de nature thermique et lectronique, polluent le signal. Pour les attnuer, on est par-
fois amen refroidir la camra. Les lments sensibles du capteur peuvent prsenter des sensibilits
diffrentes, ce qui a pour consquence lapparition dune non-uniformit de rponse permanente. Cette
dernire peut tre compense par une calibration approprie.
Lorsque lespacement des pixels diffre horizontalement et verticalement, on dit que lon a affaire
des pixels non carrs. Cet effet entraine une dformation de limage, sous forme dun tirement. Le
mme tirement apparait avec les camras linaires, lorsque la vitesse de dfilement nest pas ajuste par
rapport la frquence de prise dimage. De telles dformations ncessitent un r-chantillonnage.

2.4 Choix de la carte dacquisition

La carte dacquisition dpend de la camra choisie. Cependant il reste quelques caractristiques pren-
dre en considration pour le choix de la carte dacquisition. Ce choix rside alors dans les capacits de
la carte, de la simple acquisition et transfert vers lunit de traitement la carte ayant des possibilits de
traitements et de mmorisation avant transfert.
Fonctions cbles.
Composants programmables (traitements embarqus).
Mmorisation dimages.
Look Up Table de calibrage.
Signaux de transfert camra-carte.
Entres vidos multiples (ventuellement simultanment dans le cas de la strovision).
Dclenchement des acquisitions partir dun trigger externe (Entres encodeurs).
Sorties analogiques/numriques et tout ou rien.
Environnement de dveloppement.
Bibliothque de fonctions.
Par exemple, vaut-il mieux utiliser un systme de vision sous forme dune bote noire externe ou bien
utiliser une carte dacquisition classique que lon pourra synchroniser et que lon programmera avec les
outils logiciels classiques?
Ou encore, pour certaines applications o le temps de traitement est une contrainte forte, il est ncessaire
dutiliser des cartes dacquisition possdant des fonctions cables.
Egalement, dautres applications qui sont bases sur des algorithmes de comparaison ncessitent plusieurs
images acquises simultanment.
Tout dabord, on peut dimensionner la fentre dacquisition communment appele rgion dintrt
(ROI). En limitant la taille de limage acquise, on acclre le transfert vers la mmoire du PC. Il est
galement possible de dcimer limage directement sur la carte. La dcimation est configurable par
puissance de deux. Cela signifie que lon peut dcider de ne conserver sur limage quun pixel sur
un groupe de deux, quatre, huit . . . pixels. La taille de limage tant moins importante, on peut ainsi
procder des transferts beaucoup plus rapides travers le bus PCI. De plus, on peut tlcharger sur
la carte une table de correspondance de 256 valeurs (Look-up table) et dlocaliser ainsi sur la carte une
partie du traitement. Etant donn qu ce niveau limage est acquise, chaque valeur pixel (niveau de gris)
est traduite en une nouvelle valeur selon la "Look-Up Table". En utilisant cette technique, la carte est
capable deffectuer un seuillage matriel.
Mmoire embarque permettant ainsi de maintenir une trs haute vitesse de travail sans interruption.
Immunit par rapport au bruit : Le lien entre la camra et la carte dacquisition peut tre source de
problmes dans un environnement bruit ou lorsquune grande longueur de cble est utilise. Les sig-
naux numriques sont plus rsistants aux perturbations externes surtout lorsquils utilisent un format
diffrentiel tel que le RS-422 ou le LVDS.
Vitesse de transfert : Certaines camras numriques peuvent avoir des capteurs de grande taille, ou des
taux de rafrachissement importants. Cela implique un dbit de donnes trs important qui peut aller
au-del de la vitesse du bus PCI (132 Mo/s en mode burst, 60 Mo/s en continu). Il est alors intressant
de pouvoir stocker les images acquises trs haute vitesse dans de la mmoire embarque sur la carte
(vitesse de transfert allant jusqu 200 Mo/s) et ensuite de prendre un peu plus de temps pour rapatrier les
images dans la mmoire du PC et effectuer le traitement. La mmoire embarque est galement utilise
comme FIFO "gante" lors des transferts DMA vers la mmoire du PC.
Les fonctions de "haut niveau", destines tous les types dutilisateurs, permettent la dtection, la con-
figuration et lacquisition des images. Les fonctions de "bas niveau", beaucoup plus avances, sont elles
destines au utilisateurs ayant une meilleure matrise du sujet. Par exemple, les fonctions de "bas niveau"
sont ncessaires si on veut valider et configurer un trigger de dclenchement et/ou darrt.
La bibliothque qui fournit une gamme trs complte de fonctions pour lanalyse dimages. En plus des
fonctions de la version de base, elle propose plus dune centaine de fonctions.

3 Dveloppement logiciel

Dans le dveloppement logiciel on distingue un mode de fonctionnement hors-ligne, durant lequel un

oprateur prpare la tche dinspection en spcifiant le type de pices traiter, en ajustant des paramtres
de fonctionnement et en prsentant ventuellement des images-chantillons de rfrence (ce que lon
appelle lapprentissage).
Ensuite, le fonctionnement en-ligne, la cadence relle, sans intervention de loprateur, peut prendre
place. Lacquisition des images est synchronise avec le dplacement des pices, et ds quune anomalie
est dtecte, une action est commande automatiquement: jection de la pice en cause, arrt de la
machine, signal dalarme, ...
3.1 Organisation gnrale des traitements
Malgr la diversit des applications rencontres, il est possible de dgager un schma gnral pour la
rsolution des problmes de vision et de dfinir une mthodologie approprie. On peut dcomposer les
traitements en une squence doprations de nature diffrente telle que reprsentes la figure 2.

Pr-traitement Segmentation Dcision

F IG . 2: Organigramme des traitements

3.1.1 Techniques de pr-traitement

La prparation des images peut bnficier une vaste gamme de mthodes aptes rsoudre divers prob-
lmes. En voici une liste largement non exhaustive :
Compensation de non-uniformit dclairage et de rponse du capteur :
Pour corriger cette non-uniformit des niveaux de gris il faut calibrer le systme dacquisition. Le but de
ce calibrage est dobtenir intensit lumineuse gale une rponse identique pour chaque pixel du capteur.
On obtient alors pour chaque pixel du capteur une relation linaire en x, de la forme : y = a.x + b avec x
la valeur du niveau de gris du pixel corriger et y sa valeur corrige. Les paramtres a et b reprsentent
respectivement le gain et loffset associs au pixel. Pour dterminer le gain on prsente une mire uniforme
de blanc et pour loffset on obture compltement lobjectif de manire placer le capteur dans lobscurit
totale.
La plupart des cartes dacquisition dimages ligne possde en standard cette correction logicielle de
faon cble sous forme de LUT (Look Up Table).
Amlioration du contraste :
Lorsque la quantit de lumire incidente est faible ou que les surfaces observes prsentent des teintes
voisines (en couleur comme en noir et blanc), le contraste peut tre insuffisant. Ltirement dhis-
togramme (transformation linaire ou non-linaire) et son galisation peuvent amliorer grandement
la lisibilit de limage.
Amlioration de la nettet :
Le flou peut tre rduit trs simplement par utilisation de filtres passe-haut, qui combinent dune certaine
faon limage donne et ses drives (rehaussement des bords), de faon accentuer les variations au
dtriment des zones uniformes. Rduction de bruit par moyenne spatiale (filtres passe-bas) ou temporelle
(intgration multi-images): les pixels dune image sont normalement fortement corrls spatialement
(dun pixel ses voisins) et temporellement (dun instant lautre). Cette corrlation peut tre exploite
pour liminer les pixels "dviants".
Compensation des variations de contraste :
En raison du vieillissement des sources dclairage, des conditions de lumire ambiante ou dinterven-
tions sur les rglages du systme, la quantit totale de lumire incidente peut varier. Cela peut influencer
le rsultat des traitements. Une faon de compenser de telles variations est la normalisation : on mesure la
luminosit moyenne dans les conditions dapprentissage, puis lors des inspections suivantes, on mesure
nouveau la luminosit moyenne de limage et on applique un coefficient correcteur appropri. Cette
technique nest efficace que si le contenu de limage ne change pas dune image lautre.
 Ralignement (correction de position et direction) :
Pour diverses raisons, en particulier cause du jeu mcanique de la fixation des pices, ou un dplace-
ment involontaire de la camra ou des pices elles-mmes, ... les objets observs noccupent pas toujours
exactement la mme position dans le champ de vue. Si on est capable, par des mthodes exposes ci-
aprs, de dterminer la position effective des pices, on peut ramener celles-ci en position nominale par
ralignement (translation et rotation, ventuellement remise lchelle). Cela permet de ramener lobjet
inspect dans une position telle que les rgions dintrt utiles peuvent rester fixes.
Compensation des distorsions optique, perspective, des pixels non carrs :
Comme on la vu, la chane de formation de limage peut introduire diffrents types de dformations
qui donnent des objets observs une image fausse. Si on est capable de mesurer les dformations corre-
spondantes, notamment par lemploi de mires de formes connues grilles, matrices de points, damiers on
est galement capable de compenser ces dformations et de restituer la gomtrie dorigine de la scne.
La plupart de techniques prsentes ci-avant permettent dans une certaine mesure de rduire ou liminer
des causes derreurs accidentelles ou systmatiques. Elles le font souvent au dtriment dautres qualits
de limage. Par exemple, la rduction de bruit saccompagne toujours dune perte de rsolution qui se
manifeste par une disparition des dtails fins ( partir dun certain niveau, et sans connaissance a priori,
un algorithme ne peut pas faire la diffrence entre du bruit et un dtail fin). Bien que le traitement
numrique dimages procure une large gamme doutils propres rduire divers dfauts, il est bien plus
recommandable de les liminer la source, autant pour rduire la charge de calcul que pour viter
dintroduire dautres dfauts.

3.1.2 Techniques de segmentation

La segmentation des objets dans une image est une tche difficile dans le cas gnral. On sarrange,
par des artifices dclairage ou autres, pour crer un contraste important entre les objets observer et le
fond. De cette faon, une simple opration de seuillage permet de les sparer. Sinon, des techniques plus
labores doivent tre employes. Ces techniques ont t traites dans le cours de traitement dimages
du tronc commun. Cependant dans le cadre dune application de contrle qualit les traitements utiliss
doivent rpondre un certain nombre de rgles.

Les approches utilises doivent fonctionner de faon autonome, non supervise. Aprs une phase
de dmarrage ventuellement ralise par un oprateur en dbut de production, les systmes doivent
fonctionner sans intervention pendant de longues priodes et une cadence rapide. Ils doivent pour
cela tre capables de sadapter dans une certaine mesure et rsister aux changements des conditions
de fonctionnement telles que lclairage ambiant ou la disposition des pices.
Les mthodes de mesure, qui peuvent tre qualitatives (prsent/absent, nombre, bon/mauvais...) ou
quantitatives (longueur, diamtre, couleur moyenne, rugosit, ...), doivent tre fiables, prcises et
reproductibles. Cela implique une prise en compte correcte des variations du contenu de limage in-
hrentes au processus observ et une exploitation judicieuse des dtails pertinents dans les images.
Une solution intressante consiste comparer le produit en cours dinspection une rfrence.
Dans ce cas les imperfections introduites par la chane dacquisition peuvent tre acceptes. Si les
imperfections correspondent des erreurs systmatiques, cest--dire se prsentent toujours avec
la mme intensit et le mme signe (distorsion optique permanente, non-uniformit stable dans
le temps, dsalignement constant, ...), une simple soustraction dimage, ou la comparaison une
tolrance de variation prs suffit.
Les traitements doivent suivre la cadence du temps rel impos par la chane de fabrication. tant
donnes les hautes vitesses de dfilement souhaites (souvent comptes en pices ou dizaines de
pices par secondes) et le gros volume de donnes traiter (de lordre du mga-octet par image),
 des processeurs puissants combins des algorithmes simples et efficaces sont requis. Si nces-
saire, on peut avoir recours du matriel spcialis pour acclrer les calculs.
Dans la plupart des cas, on se ramne des problmes deux dimensions en choisissant judicieuse-
ment le point de vue et la disposition des objets pour se ramener des cas plans. Le travail en trois
dimensions ncessite en effet une reconstruction de linformation de profondeur absente des im-
ages, qui fait appel des techniques de triangulation spatiale telles que la stroscopie (emploi de
deux images) ou lclairage structur (motif projet sur les objets observs). Ces techniques sont
relativement dlicates mettre en oeuvre.
On se contente galement la plupart du temps dutiliser des images en niveaux de gris. Celles-ci
permettent en effet souvent de voir les caractristiques pertinentes des objets et suffisent pour les
besoins courants. Dautre part, les images en couleur sont plus volumineuses (trois fois plus en
gnral) et les valeurs associes aux pixels doivent tre vues comme des vecteurs plutt que des
scalaires. Le surcrot de complexit ainsi introduit nest pas toujours justifiable. Lemploi de la
couleur simpose uniquement lorsquelle permet de rvler des contrastes invisibles en niveaux
de gris. Dans la pratique, les niveaux de gris sont quantifis sur 8 bits (256 niveaux distincts);
exceptionnellement, 10 ou 12 bits sont utiliss.
Enfin, les industriels apprcient la facilit dutilisation avec un minimum dintervention humaine,
dintgration dans des automatismes existants. Les mthodes et outils proposs doivent rester sim-
ples demploi et ne pas ncessiter les comptences de spcialistes en vision.

3.1.3 Dcision

De cette varit dapplications, on peut nanmoins dgager un ensemble de procds utiliss de faon
rcurrente et combins pour rsoudre compltement les problmes de vision poss.
Dans une grande catgorie de cas, on ne connait pas lavance le contenu de limage, ou seulement qual-
itativement, et on se propose de le quantifier: lorsquil sagit dobjets en vrac ou de dfauts imprvisibles,
on est amen les compter. Cette tche est triviale pour des objets simples et bien contrasts. Elle peut
se compliquer si les objets prsentent une structure interne, quils se touchent ou se chevauchent et se
distinguent mal du fond et si leur aspect est trs variable.
Lorsquon est capable disoler les objets de leur contexte, on peut dcrire leur forme, leur taille, leur
couleur, ... au moyen de mesurandes bien choisis. Cest notamment le cas de la recherche de dfauts de
surface, quils soient contrasts, colors ou en relief, ... On peut galement faire des tudes statistiques
de la rpartition des valeurs associes. On caractrise ainsi des populations entires.
Par comparaison des paramtres mesurs avec des valeurs de rfrence, on peut ainsi classer les objets
individuels ou populations dchantillons en catgories pr-dfinies telles que "bon" et "mauvais", ou
encore "bonne qualit" , "qualit moyenne" et "rejet".
Lorsquil sagit de pices de forme et dimensions bien connues lavance, les mesures peuvent tre
plus fines: un contrle dtaill des cotes et de la forme des contours devient possible. Ces informations
peuvent tre compares des gabarits ou intervalles dacceptation qui prcisent les limites de variations
tolres.
Lutilisation de plusieurs bandes spectrales, et en particulier la traditionnelle dcomposition en canaux
rouge, vert et bleu, enrichit de faon notable les possibilits de mesure. En particulier, on peut se livrer
une classification beaucoup plus fine, sur la base dune description qualitative ou quantitative de la
couleur (dfauts plutt rouges, plutt jaunes, ...). Il faut cependant rappeler que le traitement en couleur
est plus exigeant de nombreux points de vue. Il requiert en particulier que lon se proccupe de la
stabilit des couleurs et de la fidlit de leur mesure. Par exemple, dans lindustrie de limprimerie, il
est utile de pouvoir comparer les couleurs imprimes aux couleurs affiches lcran du systme de
composition de pages. On utilise pour ce faire des systmes de reprsentation des couleurs indpendants
du matriel.

4 Travaux pratiques
Les sances de manipulations de 3h chacune, sont ralises laide du logiciel Matlab. Lobjectif de
ces sances est de permettre aux tudiants, face un problme concret de contrle qualit de produit en
dfilement continu, de savoir dfinir larchitecture matriel et logicielle pour la dtection de dfauts.

4.1 Scance de Tp No 1 : Calibrage et acquisition dimages ligne

On dispose dune bobine de film plastique qui pse 15 Kg et qui reprsente prs de 200 mtres de
film enroul. La largeur du film varie suivant lapplication entre 650 et 730 mm, lpaisseur du film est
infrieure 100 m. Les proprits des diffrentes couches qui composent le film complexe lui confrent
un aspect gris mtal homogne. Le fournisseur nest pas en mesure de nous garantir la qualit de son
produit. Le convoyeur sur lequel vous allez travailler les dimensions suivantes : la hauteur du portique
est de 2.5m, la largeur est de 2m et la longeur est de 2,2m. Un moteur triphas permet de faire varier
la vitesse de dfilement du produit entre 1m/mm 20m/mm. On fournit la documentation de la carte
Horizon de I2S et de la camra linaire. On dispose de sources dclairement par halogne et par tubes
nons aliments en haute frquence.

On demande en fonction des informations sur le film plastique de choisir le type dclairement
adquat et la position de la camra.
La largeur de la bobine est de 670mm. A quelle hauteur doit tre place la camra linaire?
On dispose de plusieurs objectifs, calculer la focale et en dduire lobjectif utiliser. Calculer la
profondeur de champ. Ne risque t-on pas une dfocalisation sur les cots?
On vous demande de faire des acquisitions de lignes du produit en dfilement. Pour cela, visualiser
sous forme dimages en niveaux de gris et sous forme de profil le rsultat de vos acquisitions. On
utilise le logiciel CAP fourni avec la carte dacquisition. Que constatez-vous sur la qualit des
images lignes? Que proposez-vous comme solution, et la mettre en oeuvre. Donner alors le rsultat
des images ligne obtenu.
On vous demande de faire des acquisitions de lignes du produit en dfilement en y ajoutant vous-
mme des dfauts. Ces acquisitions devront tre sauvegardes pour tre utilises dans la sance de
TP No 2.
Avec le matriel votre disposition, on vous demande de dterminer les limites du systme au
niveau des rsolutions spatiales et temporelles.

4.2 Scance de Tp No 2 : Dtection de dfauts sur produit uniforme

Dans cette sance on vous demande de mettre en oeuvre une solution logicielle pour tre en mesure de
dtecter et de classifier les dfauts prsents dans les images. On vous fournit en plus des images que vous
avez acquises dans la sance TP No 1 un base de donnes qui contient des images de produit uniforme en
dfilement (cf figure 3). On utilise pour cette sance le logiciel Matlab.

Visualiser le profil de niveaux de gris de limage en prsence et en abscence de dfaut. Que con-
statez vous? Que proposez-vous pour mettre en vidence ces variations?
 On vous demande de dtecter ces variations de niveau de gris correspondant aux dfauts par des
oprateurs differentiels Rponse Impusionnelle Finie (RIF ou filtre non rcursif) vu en cours de
traitement dimages. Faire la simulation pour diffrentes tailles doprateurs
On propose maintenant dutiliser des oprateurs Rponse Impusionnelele Infinie (RII) ou encore
filtres rcursifs. On fournit en annexe les quations de rcurrence des oprateurs du second ordre
(Deriche, Wan). Raliser les fonctions ncessaire la mise en oeuvre de ces oprateurs. Comparer
avec les images donnes la question les performances de ces oprateurs.
Indiquer les avantages et inconvnients de ces oprateurs RIF et RII.

F IG . 3: Images uniformes avec dfauts et images ligne correspondantes

4.3 Scance de Tp No 3 : Dtection de dfauts sur produit textur

Dans cette sance on vous demande de mettre en oeuvre une solution logicielle pour tre en mesure de
dtecter et de classifier les dfauts prsents dans les images. On vous fournit une base de donnes qui
contient des images de produit textur (cf figure 4). On utilise pour cette sance le logiciel Matlab.

Dans une 1re partie on vous donne les grandeurs statistique du 1er et du 2nd ordre sur une banque
dimages sans dfauts pour diffrents voisinage : 20pixels*12lignes, 40pixels*25lignes, 80pix-
els*50lignes. Calculer pour vos images au voisinage du dfaut les grandeurs statistiques du 1er
et du 2nd ordre. Que constatez-vous?
Modifier la taille du voisinage et reprendre la question prcdente. Que peut on dire sur la taille de
ce voisinage?
Quelle est la relation entre la taille du voisinage et la taille du dfaut?
Raliser les fonctions permettant de dtecter les dfauts. Si maintenant on a une variation de
niveaux de gris (par exemple clairage non constant), que se passe t-il ? Que faut il prendre en
compte?
Dans cette partie on ne connat pas les caractristiques statistique du 1er et du 2nd ordre de limage
de rfrence. Proposer une dmarche qui permette de dtecter les dfauts prsents dans limage.
 F IG . 4: Images textures sans et avec dfauts

5 Rfrences

[1] A.Taleb-Ahmed, Cours, TD et TP de traitement dimages de matrise EEA, Productique et de

Physique Universit du Littoral Cote dOpale Calais.
[2] BASSEVILLE and All, Fiches dalgorithmes de segmentation des signaux. Traitement du signal, 9,
pages 115-147, 1992.
[3] R.M. HARALICK. Image segmentation techniques. Computer Vision Graphics and Image Process-
ing, pages 100-132, 1985.
[4] J.P. COCQUEREZ et S. PHILIPP. Analyse dimages : filtrage et segmentation. Masson, 1995.
[5]S.U. LEE et S.Y. CHUNG. A comparative performance study of several global thresholding tech-
niques for segmentation. CVGIP, 52, pages 171-190, 1990.
[6] P.K. SAHOO et S. SOLTANIS. A survey of thresholding techniques. CVGIP, 4, pages 233-260,
1988.
[7] M.T. HUECKEL. An operator which locates edges in digitized pictures, J. Ass. Comput. Mach., Vol.
18, p. 113-125, 1971.
[8] L.G. ROBERTS. Machine perception of three-dimensional solids. Optical and Electro-optical Infor-
mation Processing, pages 159-197, 1965.
[9] J.M.S. PREWITT. Objet enhancement and extraction. Pictures Processing and Psychopictorics,
1970.
[10] R. KIRSCH. Computer determination of the constituent structure of biological images, Computers
and Biomedical Research, Vol. , No 3, pages 315-328, 1978.
[11] J. CANNY. A computational approach to edge detection. IEEE Transaction on Pattern Analysis
and Machine Intelligence, 8, pages 679-698, 1986.
[12] R. DERICHE. Fast algorithms for low-level vision. IEEE Transaction on Pattern Analysis and
Machine Intelligence, 12, pages 78-87, 1990.
[13] R. DERICHE. Recursively implementing the gaussian and its derivatives. Technical Report nr 1893,
INRIA, Unit de Recherche Sophia-Antipolis, 1993.
[14] R. DERICHE, O. FAUGERAS, R. VAILLANT. Four applications of differential geometry to com-
puter vision. In Guy Orban and H-H. Nagel, editors, Artificial and Biological Vision Systems, Basic
Research Series, pages 93-141. Springer-Verlag, 1993.
[15] Y.F. WAN. Un oprateur hyperbolique pour la dtection de contours dans les images numriques.
Thse de 3me cycle, Universit des Sciences et Technologies de Lille, 1996.
[16] J. CARON. Les systmes de vision linaire pour le contrle qualit dans les procds de production
continue. Thse de troisime cycle, Universit du Littoral, dcembre 2000.
[17] V. STOCLIN. Evaluation des filtres de dtection de contours, du second ordre et sous forme rcur-
sive, laide de critres discrets. Thse de Doctorat en Automatique et Informatique Industrielle, UST
de Lille 1, 2000.
[18] E.I. JURY. Theory and application of the Z-transform method. Wiley, N.Y, 1964.
[19] J. SERRA. Image analysis and mathematical morphology. Academic press, 1982.
[20] M. COSTER et J.L. CHERMANT. Prcis danalyse dimages. CNRS, 1989.
[21] J.S.J. LEE, R. HARALICK et L.G. SHAPIRO. Morphological edge detection. IEEE Journal on
Robotics and Automation, 3(2), pages 142-155, 1987.
[22] A. ROSENFELD et E. TROY. Visual texture analysis. Tecnhical Report TR-116, Computer science
center, University of Maryland, 1970.
[23] M. UNSER et F.DE COULON. Detection of defects by texture monitoring in automatic visual
inspection. In 2nd Int. Conf. On Robot Vision and Sensory Controls, Stuttgart, Germany, 1982.
[24] R.M. HARALICK. Texture features for image classification. IEEE Trans. Syst. Man. Cybern., 3 ,
pages 610-621, 1973.
[25] R.M. HARALICK. Statistical and structural approaches to texture. IEEE Trans. Syst. Man. Cybern.,
67, pages 786-804, 1979.
[26] M. UNSER. Description statistique de texture: Application linspection automatique. Thse de
3me cycle, EPFL, Lausanne, 1984.
[27] Y. CHEN. Analyse dimages pour la dtection de verglas. Thse de 3me cycle, Universit de
Paris-Sud, Centre dOrsay, 14 Mars 1991.
[28] L. Duvieubourg, A .Taleb-Ahmed, J.G. Postaire, Analyse of recursive filters for the detection of
defects on flat product, QCAV99, pp , juil 1999, Trois rivire, Canada.