[PDF] [PDF] Analyse dimages - – Détection de caractéristiques –





Previous PDF Next PDF



Projet: “Traitement dimages détection de contours”

Projet: “Traitement d'images détection de contours”. Février 2020. Détecter les contours d'une image constitue une étape préliminaire à de nombreuses 



Introduction au traitement dimages Détection de contours et

détection de contours les opérateurs morphomathématiques et la détection et fermeture de régions. Mots clefs : Traitement d'image



Modèles déformables et Multirésolution pour la détection de

Jun 30 2006 détection de contours en traitement d'images ... associe entre autres une factorisation du modèle des contours actifs



Détection de contours

Les différents filtres présentés permettent de calculer le gradient ou le laplacien d'une image mais ne donnent pas des points de contours. Un traitement 



Traitement dimage - Détection de contours Introduction : Quand une

Traitement d'image - Détection de contours. Introduction : Quand une voiture autonome est en mouvement il est important.



Ce document est le fruit dun long travail approuvé par le jury de

confrontés les utilisateurs de la détection de contours est le choix du détecteur dans le domaine de la vision par ordinateur et du traitement d'image.



Détection de contours

Dans cette technique de seuillage contrairement aux précédentes le traitement n'est pas identique en tout point de l'image. On s'intéresse ici aux pixels 



Chapitre 2 - La détection des contours dans les images

Parmi les filtres de pré-traitement on recherche ceux qui diminuent le bruit tout en préservant les disconti- nuités. Ils ont fait l'objet du chapitre ?? : 



Analyse dimages - – Détection de caractéristiques –

Vincent Mazet cours "Outils fondamentaux pour le traitement d'image"



Détection de contours

Les différents filtres présentés permettent de calculer le gradient ou le laplacien d'une image mais ne donnent pas des points de contours. Un traitement 



[PDF] Traitement dimages détection de contours - Université de Toulouse

Détecter les contours d'une image constitue une étape préliminaire à de nombreuses applica- tions pratiques en traitement d'images : analyse d'images médicales 



[PDF] Détection de contours - Optique pour lingénieur

Dans cette technique de seuillage contrairement aux précédentes le traitement n'est pas identique en tout point de l'image On s'intéresse ici aux pixels 



[PDF] Introduction au traitement dimages Détection de contours et - Cours

Résumé : Ce document est une introduction au traitement d'images s'intéressant notamment à la détection de contours et à la segmentation Différents concepts 



[PDF] Détection de contours - F Devernay

Les différents filtres présentés permettent de calculer le gradient ou le laplacien d'une image mais ne donnent pas des points de contours Un traitement 



[PDF] La détection des contours dans les images

Cette section présente un ensemble de méthodes qui ont eu historiquement une grande importance en traitement des images Bien que certaines soient encore réguli 



[PDF] détection efficace de contours dimages - UQO

12 oct 2004 · Mr Sarifuddin Madenda pour son aide dans le domaine du traitement La détection des contours d'une image est une opération non triviale 



[PDF] Extraction de contours

Détection de contours avec Sobel Pour réduire les effets du bruit on peut calculer le gradient de l'image à l'aide d'un filtre de Sobel (ou Prewitt)



[PDF] Analyse dimages - – Détection de caractéristiques –

Vincent Mazet cours "Outils fondamentaux pour le traitement d'image" http ://miv u-strasbg fr/mazet/ofti Détection des contours de type luminance :



[PDF] Détection des contours dune image : le filtre de Canny

8 mai 2016 · Dans le cadre de la formation Informatique Multimédia et Réseaux dispensé à l'ENSSAT de Lannion nous avons étudié le traitement d'image 



[PDF] Traitement des images

Les arêtes d'illuminance résident généralement sur le contour des La détection des arêtes se fait généralement par le calcul du gradient de l'image 

  • Quel est l'intérêt de réaliser une détection de contours ?

    La détection des contours dans une image réduit de manière significative la quantité de données en conservant des informations qu'on peut juger plus pertinentes. Il existe un grand nombre de méthodes de détection des contours de l'image mais la plupart d'entre elles peuvent être regroupées en deux catégories.

  • Comment s'appelle le fait de délimiter les contours de l'image ?

    Le détourage est une opération consistant à ne retenir d'une illustration qu'une partie. Il faut pour cela séparer l'objet et le fond, donc délimiter le contour de l'objet.

  • Comment calculer le gradient d'une image ?

    Le calcul de gradient est mené par l'intermédiaire de deux masques, le premier effectuant un gradient horizontal, le second un gradient vertical. Là encore, le deuxième masque se déduit du premier par une rotation de . Les masques sont donnés ci-dessous pour les contours horizontaux puis verticaux.
  • La segmentation d'image peut être utilisée pour la détection d'objets ou de contours, et permet d'avoir une compréhension plus fine des images et des objets qui la constituent.

Analyse d"images

- Détection de caractéristiques - Détection de contoursDétection de lignesDétection d"objets/motifs

Bibliographie

Ouvrages :

!Digital Image Processing, 3rd Ed., chapter 11 "Representation and description", Rafael C. Gonzalez and Richard E. Woods, Prentice Hall, 2008.

Cours :

!Vincent Mazet, cours "Outils fondamentaux pour le traitement d"image", http ://miv.u-strasbg.fr/mazet/ofti !Vincent Noblet, cours "Traitement d"images" TICS2A, http ://icube-miv.unistra.fr/fr/index.php/Traitement_d"images_TICS2A2/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Détection de caractéristiques

Objectif :rechercher les zones d"une image ayant des propriétés locales remarquables, par exemple un changement brusque et local d"intensité, un changement de texture,

points particuliers, etc.Intérêt :souvent utilisée en prétraitement en vue de résoudre un problème plus

difficile (détection d"objets, interprétation, recalage, suivi d"objets dans une vidéo, etc).3/42

Détection de contoursDétection de lignesDétection d"objets/motifs

Détection de caractéristiques

Caractéristiques :

!les contours, !les lignes droites, !les objets ou motifs d"intérêt, !et bien d"autres (coins, formes, etc).

Propriétés attendues :

!robuste au bruit, !robuste aux modifications d"acquisition, !autres (selon application visée).4/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Plan du chapitre

1. Détection de contours

1.1 Différents types de contours

1.2 Modèles de contours luminance

1.3 Opérateurs différentiels

1.4 Robustesse au bruit

1.5 Gradient morphologique

2. Détection de lignes

3. Détection d"objets/motifs

4/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Différents types de contours

On distingue différents types de contours :

!contours de luminance,!contours texture,!contours couleur.5/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Différents types de contours

On distingue différents types de contours :

!contours de luminance,!contours texture,!contours couleur.5/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Différents types de contours

On distingue différents types de contours :

!contours de luminance,!contours texture,!contours couleur.5/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Outils pour la détection

Détection des contours de type luminance :

!filtrage (cf exemple TP 1)

!opérateurs différentiels et morphologiquesDétection des contours de type texture :!non traité dans ce cours

!analyses statistiques !analyse spectrale (Fourier)Détection des contours de type couleur :!non traité dans ce cours !analyse couleur6/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Outils pour la détection

Détection des contours de type luminance :

!filtrage (cf exemple TP 1)

!opérateurs différentiels et morphologiquesDétection des contours de type texture :!non traité dans ce cours

!analyses statistiques !analyse spectrale (Fourier)Détection des contours de type couleur :!non traité dans ce cours !analyse couleur6/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Outils pour la détection

Détection des contours de type luminance :

!filtrage (cf exemple TP 1)

!opérateurs différentiels et morphologiquesDétection des contours de type texture :!non traité dans ce cours

!analyses statistiques !analyse spectrale (Fourier)Détection des contours de type couleur :!non traité dans ce cours !analyse couleur6/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Modèles de contours luminance (1D)

SautRampeToit

Modèle

Dérivée 1ère

Dérivée 2nde

7/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Modèles de contours luminance (1D)

Quelques remarques :

!La dérivée 1èrepermet de détecter la présence d"un contour en analysant son amplitude. !La dérivée 2ndeintroduit deux ou trois valeurs pour chaque contour (non souhaité!) !La dérivée 2ndepermet de localiser le centre du contour. !Ces remarques sont identiques quelle que soit l"orientation du contour (il suffit d"étudier le profil d"intensité perpendiculairement au contour).8/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Gradient et Laplacien

!Dérivée 1re(gradient) rI(x;y) = @I(x;y)@x@I(x;y)@y!=

Gx(x;y)

G y(x;y)=

I(x+1;y)I(x;y)

I(x;y+1)I(x;y)!Dérivée 2e(laplacien)

r

2I(x;y) =0

2I(x;y)@x2

@2I(x;y)@y21 A=

I(x+2;y)2I(x+1;y) +I(x;y)

I(x;y+2)2I(x;y+1) +I(x;y)!En pratique peu utilisé car très sensible au bruit.9/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Gradient et Laplacien

!Dérivée 1re(gradient) rI(x;y) = @I(x;y)@x@I(x;y)@y!=

Gx(x;y)

G y(x;y)=

I(x+1;y)I(x;y)

I(x;y+1)I(x;y)!Dérivée 2e(laplacien)

r

2I(x;y) =0

2I(x;y)@x2

@2I(x;y)@y21 A=

I(x+2;y)2I(x+1;y) +I(x;y)

I(x;y+2)2I(x;y+1) +I(x;y)!En pratique peu utilisé car très sensible au bruit.9/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Gradient et Laplacien

!Dérivée 1re(gradient) rI(x;y) = @I(x;y)@x@I(x;y)@y!=

Gx(x;y)

G y(x;y)=

I(x+1;y)I(x;y)

I(x;y+1)I(x;y)!Dérivée 2e(laplacien)

r

2I(x;y) =0

2I(x;y)@x2

@2I(x;y)@y21 A=

I(x+2;y)2I(x+1;y) +I(x;y)

I(x;y+2)2I(x;y+1) +I(x;y)!En pratique peu utilisé car très sensible au bruit.9/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Gradient et Laplacien

!Dérivée 1re(gradient) rI(x;y) = @I(x;y)@x@I(x;y)@y!=

Gx(x;y)

G y(x;y)=

I(x+1;y)I(x;y)

I(x;y+1)I(x;y)!Dérivée 2e(laplacien)

r

2I(x;y) =0

2I(x;y)@x2

@2I(x;y)@y21 A=

I(x+2;y)2I(x+1;y) +I(x;y)

I(x;y+2)2I(x;y+1) +I(x;y)!En pratique peu utilisé car très sensible au bruit.9/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Gradient d"une image - définition

Le gradient horizontal est défini par :

G x(x;y) =I(x+1;y)I(x;y)= X iX jH x(i;j)I(xi;yj)où : 8 :H x(0;0) =1 H x(1;0) = +1 H x(i;j) =0 ailleurs)Hx=0+10 0-10 000

Le gradient vertical est défini par :

G y(x;y) =I(x;y+1)I(x;y)= X iX jH y(i;j)I(xi;yj)où 8 :H y(0;0) =1 H y(0;1) = +1 H y(i;j) =0 ailleurs)Hy=000 +1-10 000 10/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Gradient d"une image - définition

Le gradient horizontal est défini par :

G x(x;y) =I(x+1;y)I(x;y)= X iX jH x(i;j)I(xi;yj)où : 8 :H x(0;0) =1 H x(1;0) = +1 H x(i;j) =0 ailleurs)Hx=0+10 0-10 000

Le gradient vertical est défini par :

G y(x;y) =I(x;y+1)I(x;y)= X iX jH y(i;j)I(xi;yj)où 8 :H y(0;0) =1 H y(0;1) = +1 H y(i;j) =0 ailleurs)Hy=000 +1-10 000 10/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Gradient d"une image - définition

Le gradient horizontal est défini par :

G x(x;y) =I(x+1;y)I(x;y)= X iX jH x(i;j)I(xi;yj)où : 8 :H x(0;0) =1 H x(1;0) = +1 H x(i;j) =0 ailleurs)Hx=0+10 0-10 000

Le gradient vertical est défini par :

G y(x;y) =I(x;y+1)I(x;y)= X iX jH y(i;j)I(xi;yj)où 8 :H y(0;0) =1 H y(0;1) = +1 H y(i;j) =0 ailleurs)Hy=000 +1-10 000 10/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Gradient d"une image - définition

Le gradient horizontal est défini par :

G x(x;y) =I(x+1;y)I(x;y)= X iX jH x(i;j)I(xi;yj)où : 8 :H x(0;0) =1 H x(1;0) = +1 H x(i;j) =0 ailleurs)Hx=0+10 0-10 000

Le gradient vertical est défini par :

G y(x;y) =I(x;y+1)I(x;y)= X iX jH y(i;j)I(xi;yj)où 8 :H y(0;0) =1 H y(0;1) = +1 H y(i;j) =0 ailleurs)Hy=000 +1-10 000 10/42 Détection de contoursDétection de lignesDétection d"objets/motifs

Gradient d"une image - définition

Le gradient horizontal est défini par :

G x(x;y) =I(x+1;y)I(x;y)=quotesdbs_dbs35.pdfusesText_40
[PDF] filtre moyenneur traitement dimage

[PDF] filtre gaussien matlab traitement d'image

[PDF] moteur de recherche internet

[PDF] moteur de recherche francais

[PDF] francis ponge le parti pris des choses pdf

[PDF] les moteurs de recherche les plus utilisés

[PDF] francis ponge mouvement

[PDF] moteur de recherche définition

[PDF] francis ponge biographie

[PDF] moteurs de recherche gratuits

[PDF] meilleur moteur de recherche

[PDF] moteur de recherche mozilla

[PDF] bourse aux livres scolaires

[PDF] momox

[PDF] fonction de l'arn