Académique Documents
Professionnel Documents
Culture Documents
Géométrie des
images vision 3D
Introduction, Définitions
• Objectifs
Reconnaître et localiser les objets présents
dans la scène
(a) (b)
(c)
(d) (e)
(f)
Résultats de la caractérisation.
(a) et (e) : Images segmentées, (b) et (d) : Images régions, (f): Caractérisation.
Master 2 ESE septembre 2022 20
Traitement d'images:
Le traitement d’images a pour
vocation l’étude, la conception et la réalisation
de systèmes d’exploitation d’images
considérées comme véhicules de l’information.
Son but ultime consiste à extraire le contenu
informationnel (ou information pertinente)
des images en vue d’une prise de décision ou
d’une action.
f(x,y) =intensité
lumineuse
Une image numérique peut être vue comme une “matrice 2D” dont chaque élément
(pixel) représente l’intensité lumineuse discrète à ce point.
Objets 3D (ayant
couleur, texture,
paramètres de
réflexion, etc.)
Image
Pyramide de vue
Caméra (rendu)
Virtuelle
Scanner
Image réelle
Caméra numérique
Numériseurs
Numérisation = échantillonnage + Quantification
Master 2 ESE septembre 2022 42
• A chercher pour numériser une image :
– Combien d ’échantillons ?
Étape 1
Étape 2
Étape 3
x
Dy
Dx
Si Sj d( x - i Dx , y - j Dy ) Peigne de Dirac 2D
• On parlera de connexité 4 ou 8
4bits 3bits
1bit
Diaphragme F/ F/1
F/4 8 6
Correction de l'éclairage
Pourquoi?
Produire une image mieux adaptée à une
application donnée
Faciliter la segmentation en renforçant la
ressemblance entre pixels appartenant à la même
région et en accentuant la différence entre pixels
appartenant à des régions différentes
2000
1500
1000
500
0
1 10 19 28 37 46 55 64 73 82 91 100 109 118 127 136 145 154 163 172 181 190 199 208 217 226 235 244 253
6000 7000
5000 6000
5000
4000
4000
3000
3000
2000
2000
1000 1000
0 0
1 10 19 28 37 46 55 64 73 82 91 100 109 118 127 136 145 154 163 172 181 190 199 208 217 226 235 244 253 1 10 19 28 37 46 55 64 73 82 91 100 109 118 127 136 145 154 163 172 181 190 199 208 217 226 235 244 253
3500
6000
3000
5000
2500
4000
2000
3000 1500
2000 1000
1000 500
0 0
1 10 19 28 37 46 55 64 73 82 91 100 109 118 127 136 145 154 163 172 181 190 199 208 217 226 235 244 253 1 10 19 28 37 46 55 64 73 82 91 100 109 118 127 136 145 154 163 172 181 190 199 208 217 226 235 244 253
Par exemple
• Dans une image médicale, on cherche à mettre en évidence les
structures anatomiques ou pathologiques d’intérêt, au dépens
des autres.
• Dans une photos d’identité il importe d’établir un bon contraste
entre la tête et le fond.
Master 2 ESE septembre 2022 71
PRETRAITEMENT
Transformation d’histogrammes:
Rehaussement de contraste
Égalisation d’histogramme
6000
5000
4000
3000
2000
1000
0
1 10 19 28 37 46 55 64 73 82 91 100 109 118 127 136 145 154 163 172 181 190 199 208 217 226 235 244 253
Égalisation de l’histogramme
On considère les niveaux de gris dans l’image
comme une densité de probabilité.
Égalisation de l’histogramme
Modification
Acquisition d’histogramme
Bas
niveau
Numérisation Amélioration Filtrage
d’une image
Prétraitement Transformées(Fourier
par exemple)
Segmentation
Restauration
Haut
niveau interprétation
Segmentation
MG
LCR
MB
Applications et intérêts de la segmentation
• la planification préopératoire ;
• la planification thérapeutique, par exemple pour la
radiothérapie ;
• l'analyse morphométrique sur une population, afin
de détecter et d'identifier des anomalies et de
suivre l'évolution de pathologies ;
• la construction d'atlas;
• Le résultat de la segmentation peut également
fournir une initialisation pour d'autres traitements.
Modèles
déformables
Approche globale
T=128 T=192
Master 2 ESE septembre 2022 T=224 125