Académique Documents
Professionnel Documents
Culture Documents
Morphological
Optimization Algorithm
Réalisé par :
BALK Bouchra, SIRAJ-SANI Salma
Encadré par :
Mr. Rachid. ELLAIA
1
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
REMERCIEMENTS
morphologique.
optimisation algorithmique nous a permis de procéder par divers étapes que traverse
résultats et prédictions.
Face à tout ça, nous ne pouvons qu’être très reconnaissantes envers notre
professeur pour nous avoir donné cette belle opportunité qui nous sera très bénéfique
modélisation et d'optimisation.
2
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
RÉSUMÉ
3
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
3 Synthèse.................................................................................................................................................. 16
4
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
Algorithme 1 ......................................................................................................................................... 19
5 Conclusion ............................................................................................................................................. 21
6 Références ............................................................................................................................................. 22
5
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
6
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
7
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
Digital :
X = {(1, 0), (1, 1), (1, 2), (2, 2), (0, 3), (0, 4)}
1.2 Image
Une image est une représentation planaire d’une scène ou d’un objet situé en
général dans un espace tridimensionnel, elle est issue du contact des rayons lumineux
provenant des objets formants la scène avec un capteur (caméra, scanner, rayons X...). Il
ne s’agit en réalité que d’une représentation spatiale de la lumière. L’image est
considérée comme un ensemble de points auquel est affectée une grandeur physique
(luminance, couleur). Ces grandeurs peuvent être continues (image analogique) ou bien
discrètes (images digitales) et c’est exactement le cas qu’on va traiter.
8
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
0 0 1 1 0
0 0 1 0 0
0 0 0 0 0
Les opérations morphologiques sont des filtres non-linéaires qui peuvent s'appliquer
tant aux images binaires qu'à celles à niveaux de gris. Par exemple le filtre médian en fait
partie. Nous allons décrire les 4 opérations morphologiques de base, à savoir la
dilatation, l'érosion, l'ouverture et la fermeture, dans leur version pour les images
binaires.
2.1 Dilatation
2.1.1 Définition
La dilatation peut être vue comme l’union avec les éléments structurants que l’on fait
glisser sur l’image:
⋃
Ou encore :
( ) * +
Lorsque l’intersection de l’élément structurant avec l’image binaire n’est pas vide, le
centre de l’élément structurant est annexé à l’image d’origine.
La dilatation ajoute une couche de pixels aux limites intérieure et extérieure des régions.
Les trous entourés par une seule région et les espaces entre les différentes régions
deviennent plus petits, et les petites intrusions dans les limites d'une région sont
remplies.
9
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
La dilatation est un processus qui permet de réparer des traits interrompus : (1ere
image).
Elle permet aussi de combler les intrusions (ou trous) dans un objet :
10
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
>> IM = imread(’Lion.jpg’);
>> se = offsetstrel(’ball’, 5, 5);
>> dilatedI = imdilate(IM, se);
>> imshowpair(originalI,dilatedI)
Commutative :
Associative : ( ) ( )
Invariante par translation : =( )
Transformation croissante : ( )
11
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
2.2 Erosion:
2.2.1 Définition
L'érosion avec de petits éléments structurants carrés réduit une image en
enlevant une couche de pixels des limites internes et externes des régions. Les trous et
les écarts entre les différentes régions deviennent plus grands et les petits détails sont
éliminés.
On a donc la relation suivante :
Ou encore
( ) * +
L’érosion est un processus qui permet de séparer des objets qui sont collés.
Remarque : L’érosion réduit la taille des objets, ce qui peut être problématique pour
certaines applications.
12
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
13
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
L'ouverture est appelée ainsi car elle peut ouvrir un espace entre des objets connectés
par un mince pont de pixels. Toutes les régions qui ont survécu à l'érosion sont
restaurées à leur taille d'origine par la dilatation.
14
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
L'ouverture est une opération idempotente: une fois qu'une image a été ouverte, les
ouvertures suivantes avec le même élément structurant n'ont plus d'effet sur cette
image:
L’OUVERTURE :
Lisse les formes
Elimine les composantes connexes plus petites que l’élément structurant.
Conserve (souvent) la taille et la forme.
Ne conserve pas (toujours) la topologie
>> IM = imread(’lion.jpg’);
>> se = strel(’disk’,5);
>> afterOpening = imopen(IM,se);
>>imshowpair(original,afterOpening)
La fermeture est appelée ainsi car elle peut combler les trous dans les régions
tout en conservant les tailles de région initiales. Tout Comme l’ouverture, la fermeture
est idempotente, et c'est la double opération d'ouverture.
15
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
LA FERMETURE
3 Synthèse
Le filtrage morphologique d'une image binaire est effectué en considérant des
opérations composées comme l'ouverture et fermeture en tant que filtres. Ils peuvent
agir comme des filtres de forme. Par exemple, ouverture avec un disque structurant
L'élément lisse les coins de l'intérieur et la fermeture avec un disque lisse les coins de
l'extérieur. Mais aussi ces opérations peuvent filtrer d'une image tous les détails qui sont
plus petits que l’élément structurant. L'ouverture filtre l'image binaire à une échelle
définie par la taille de l’élément structurant. Seules les parties de l'image qui
correspondent à l'élément structurant sont transmises par le filtre; les structures plus
petites sont bloquées et exclues de l'image de sortie. La taille de la structuration élément
est le plus important pour éliminer les détails bruyants mais pas pour endommager les
objets d'intérêt.
16
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
4.1 Diagramme :
Dans ce qui suit, l'objectif est de développer une méthode basée sur
l'optimisation morphologique, pour améliorer le traitement et la classification des
images, cette optimisation est basée sur certaines techniques et algorithmes applicables
dans ce domaine, nous étudierons donc l'optimisation en utilisant un algorithme appelé
OFM.
17
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
L'algorithme s'arrête lorsque les tailles de tous les filtres deviennent trop petites
qu'un critère d'arrêt choisi.
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 1 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
18
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
Etape 2 :
La génération des voisins se fait par les expressions suivantes :
X ' j , f X j , f a filter _ size
where:
19
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
And:
4.5 Résultats :
5.1.1 En cas continu : Benchmarking
En mathématiques appliquées, les fonctions de test, appelées paysages artificiels,
sont utiles pour évaluer les caractéristiques des algorithmes d'optimisation, telles que :
Taux de convergence.
Précision.
Robustesse.
Performance générale.
Ici, quelques fonctions de test sont présentées dans le but de donner une idée des
différentes situations auxquelles les algorithmes d'optimisation doivent faire face
lorsqu'ils font face à ce type de problèmes :
20
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
5 Conclusion
Les filtres morphologiques optimisés ont été utilisés pour la classification
d’images basées sur une mesure de corrélation, en particulier pour les images binaires.
Dans la section de la comparaison, on peut juger que l'OMF peut être utilisé comme une
méta heuristique « est un algorithme d’optimisation visant à résoudre des problèmes
d’optimisation difficile pour lesquels on ne connaît pas de méthode classique plus
efficace » puissante pour minimiser toute fonction multi variable à grande échelle,
comme nous l'avons remarqué, c'est l'algorithme le plus rapide en termes de temps, et il
est puissant lorsqu'il s'agit de minimiser l'optimisation de grandes dimensions.
21
Morphological optimization algorithm BALK Bouchra, SIRAJ-SANI Salma
6 Références
22