Vous êtes sur la page 1sur 20

Segmentation dune image en niveaux de gris

Cdric Marchessoux

Merci

tous les internautes qui proposent de lopensource, source : Patrick lambert, Jean-Michel Jolion et Max Mignotte, "Analyse dimages : ltrage et segmentation" de J.P. Cocquerez et S. Philipp, ditions Masson 1

dcembre 2002

1.1 Introduction
Formation de limage bas niveau Pr-traitement Segmentation

Analyse haut niveau Interprtation Pr-traitement : Elimination du bruit (travail en pixels) . . . Segmentation : Partition de limage en entits plus riches que les pixels, par exemple des rgions. Lobjectif dune segmentation est partitionner une image en rgions homognes dcembre 2002
2

1.2 Stratgie de segmentation


2 approches : CONTOURS : mise en vidence avec les diffrences entre les objets. REGIONS : mise en relief des ressemblances entre pixels. Exemple : Image originale Image ltre (Pr-traitement) Oprateur gradient (Mise en vidence des diffrences) Seuillage (Image binaire) Dans approche Rgion : obtention de contours ferms = Dualit Contours-Rgions

dcembre 2002

1.3 Segmentation en niveaux de gris, approche rgions


1.3.1 Rappel : Connexit

d4(P, Q) =| ip iq | + | jp jq |

v4(P ) = {Q S, d4(P, Q) 1}

d8(P, Q) = max (| ip iq |, | jp jq |)

v8(P ) = {Q S, d8(P, Q) 1}

dcembre 2002

1.3.2 Conditions La segmentation doit tre complte (chaque pixel doit tre dans une classe). Les pixels appartenant la mme rgion doivent tre connects. Les rgions doivent tre disjointes. 1.3.3 Conditions La segmentation dune image vis vis dun critre dhomognit H peut sexprimer de la manire suivante : la segmentation dune image I en regard du critre H est une partition de limage I en rgions homognes X 1, ..., Xn telles que :

dcembre 2002

Pour tout i, Xi est connexe. Pour tout i, H[Xi] est vrai. Pour tout couple (Xi,Xj ) de rgions voisines, H[Xi,Xj] est faux. Cette dnition conduit deux remarques trs importantes. Tout dabord, une segmentation dpend du critre employ. Le choix du critre est donc primordial. Ensuite, la dcomposition obtenue nest pas unique. Pour un critre donn, il existe plusieurs solutions.

dcembre 2002

1.4 Quelques techniques de segmentations en rgions

La stratgie globale : classication avec trac dhistogramme. La stratgie ascendante : pixel = germe. On fait grossir ces germes. La stratgie descendante : Dcompostion pyramidale rigide et stochastique adaptative (division successive de limage et fusion). Etiquetage en composantes connexes.

dcembre 2002

1.4.1 Classication avec trac dhistogramme

A chaque pixel une classe est associe (A, B, ou C). Il faut prcdemment dterminer les seuils sparant les classes.

dcembre 2002

1.4.2 Mthode par croissance de rgions Chaque pixel peut tre un germe que lon fait crotre itrativement.

dcembre 2002

10

1.4.3 La stratgie descendante : Dcomposition pyramidale rigide (division successive de limage et fusion) 1.4.3.1 le "quadtree" ou "arbre quaternaire" Le quadtree est une reprsentation de limage exploitant la rcursivit du pavage carr. Il ne sapplique que sur des images carres dont le ct est une puissance de 2. Le quadtree est une arborescence dont la racine est limage toute entire et dont chaque noeud possde 4 ls.

dcembre 2002

11

dcembre 2002

12

1.4.3.2 Division : split

Limage est divise en rgions en utilisant une reprsentation quadtree.

dcembre 2002

13

1.4.3.3 Fusion : merge

Les feuilles similaires et voisines sont rassembles.

dcembre 2002

14

dcembre 2002

15

Discussion Cette structure de donnes peut sadapter toute segmentation en rgion. Le principe de construction du quadtree est li la mesure dun critre dhomognit sur une rgion. Temps de calcul : ? ? ? ? Les oprations (addition, intersection) entre quadtrees peuvent tre effectues plus rapidement quentre images. Problme de la rigidit des divisions : ceci empche une bonne adquation aux donnes. Par exemple, une translation de limage dun seul pixel perturbe compltement la structure du quadtree. pourquoi rigide ? : le rapport entre le nombre de noeuds de deux graphes conscutifs est constant ainsi que le nombre de voisins par noeud. Dans le cas dune pyramide stochastique adaptative, ceci est diffrent.

dcembre 2002

16

1.4.4 La stratgie descendante : les pyramides stochastiques adaptatives Chaque noeud dun niveau correspond une rgion de limage de base. La dimension de limage reprsente est constante quel que soit le niveau. Le nombre de noeuds du graphe diminue dun niveau infrieur un niveau directement suprieur.

dcembre 2002

17

dcembre 2002

19

1.4.5 Etiquetage en composantes connexes Ltiquetage en composantes connexes dune image attribue tous les pixels dune composante connexe une mme tiquette (valeur entire). Chaque composante connexe est alors identie par son tiquette. La mthode la plus courante dtiquetage consiste balayer squentiellement limage : On considre pour chaque point P ses voisins dj traits : deux pour la 4-connexit, 4 pour la 8-connexit.

dcembre 2002

20

1 1 1

1 1 0

1 0 1

0 1 1

1 1 0

1 0 1

0 1 1

1 1 1

Image dorigine : image binaire 1 1 1 1 1 0 1 0 6 0 4 4 2 2 0 2 0 7 0 5 5 3 3 3

Image des tiquettes 1 1 1 1 1 0 1 0 1 0 1 1 1 1 0 1 0 2 0 2 2 2 2 2

Image des tiquettes aprs mise jour

dcembre 2002

21

1.5 Conclusion
2 approches possibles : Contours. rgions. Possibilit dtendre la segmentation niveaux de gris la segmentation couleur : Ajout dune dimension : couleur, image + image de profondeur.

dcembre 2002

22