Académique Documents
Professionnel Documents
Culture Documents
Segmentation d’images
IV. Segmentation
||d2I/dX2||
• Gradient :
Maximum de la Norme
• Laplacien
Passage par Zéro
Méthodes variationnelles
Méthodes dérivatives (contours actifs)
Détection de contours
+ Méthodes Approches
Fermeture des contours Texture Markoviennes structurales
Analyse et classification
Initialisation
Image Mesures
Critères
Evolution
Carte des
Modification Arrêt
régions
bloc élémentaire
N1 N2 Nk
Seuillage
Détection de
contour !
Texture macroscopique:
primitive de base évidente,
assemblage régulier.
?
Master 2 ESE 2022 18
Approches pour l'analyse de Texture
Le choix et le réglage
4x4 8x8
des mesures est
fondamental en segmentation
16x16 32x32
Master 2 ESE 2022 20
Bloc Critères
i 1
Fond
Objet
Seuil
• Détection de vallées, en prenant le minimum de l’histogramme situé
entre les 2 pics.
• Optimisation du seuil S par modélisation Gaussienne p1(x) et p2(x) et
en minimisant l’expression basée sur les fonctions de répartition :
Min1 F1 ( x S ) F2 ( x S )
Master 2 ESE 2022 26
Exemple : Méthode Fisher
Objectif : Trouver le seuil S qui minimise la somme des moments
centrés d’ordre 2 (somme des Variances) des 2 classes
xh( x)
x Ci
Centre de gravité G Gi ( S )
d’une classe h( x )
x Ci
q
x
qg
f ( x, y) f f
0 sin(q ) cos(q ) 0
q r x x
f
y
qg arctan( )
f
x
2 2
f f f
r max x y
Dy
• Calcul de la direction du gradientq Arctan
Dx
Dx
H1
M
Carte d’amplitude
f(i,j) Dy q
H2 Carte de direction
Zoom
(inhomogénéité
du contour)
Amplitude
blanc=/4
...
128x128 gris = +/4
Direction
Master 2 ESE 2022 36
H1 Amplitude
H2 Direction
Caractéristiques:
Complexité, précision de localisation, sensibilité au bruit,
création de faux contours
Master 2 ESE 2022 38
Extraction des contours
direction de G
Le principe est de comparer le contour
G1
gradient G en un point M avec les
gradients G1 et G2 des deux voisins G
M
pris dans la direction du gradient
si G>G1 et G>G2, G2
alors M est un maximum local
Master 2 ESE 2022 39
Fermeture des contours
Hypothèse : l’image de la norme de gradient est disponible et les
extrémités des contours à fermer sont connues.
S0
contour de l’image A
R
arc d’un chemin solution
S
Sf A( S ) A( R)
• S qui minimise la distance entre S et Sf
C v( s, t ) x( s, t ), y( s, t ); s [a, b], t [0, T ]
P9 P8
P10
P7
P11 P6
P3
P1 P5
P2 P4
49/38
Contours Actifs (snakes)
E ( x, y )
Fx x
Fy E ( x, y )
y
50/38
Contours Actifs (snakes)
Illustrations
Energie élastique
Energie de courbure
Zones brillantes
51/38
IV.3.4 Segmentation par Split / Merge
Example
Homogénéité = critère sur la variance
Image initiale
Split 1
Split 2
Split 3
Quadtree
Construction du RAG
Region Adjacancy Graph
RAG
MERGE:
Original AVANTAGES
• Méthode hybride
locale/globale: permet de
Split & Merge contrer le problème du gradient.
INCONVENIENTS
56/38
Méthode ascendante : Croissance de régions
CIM ( p, q) I (m, n) M (m p, n q)
m n