Détection de contours
La seconde étape va permettre d'isoler les contours du reste de l'image à partir d'un seuillage judicieux. Plusieurs méthodes permettent de déterminer le
Projet: “Traitement dimages détection de contours”
Détecter les contours d'une image constitue une étape préliminaire à de nombreuses applica- tions pratiques en traitement d'images : analyse d'images médicales
Détection des contours dune image : le filtre de Canny
8 mai 2016 L'exécution des algorithmes prend un temps non négligeable et il était important d'utiliser une petite image pour le début des opérations : pas ...
Traitement dimage - Détection de contours Introduction : Quand une
Pour cela les photos réalisées par ses capteurs sont traitées par des algorithmes qui permettent de détecter les contours des objets qu'elle rencontre. L'
Chapitre 2 - La détection des contours dans les images
cela exprime qu'une image de contours est obtenue par filtrage de l'image par la dérivée seconde d'un filtre passe- bas puis détection des zéros de la fonction
Techniques visuelles pour la détection et le suivi dobjets 2D
13 juin 2016 Le LSD est utilisé pour détecter les contours formant des droites dans les images. L'algorithme commence par estimer l'angle du gradient à ...
Système de Reconnaissance Automatique des Plaques
Mots clés : détection de contour Canny
Ce document est le fruit dun long travail approuvé par le jury de
li est destiné à des images comportant quelques objets posés sur un fond. Cet algorithme peut être utilisé pour la détection de contours et pour l'extraction de
Algorithmes pour le traitement dimages - 2
algorithme en Python et à ajuster les paramètres du filtre pour obte- nir tel ou tel résultat
detection de contours dimages couleur par hypergraphe de
Résumé. Dans ce papier nous introduisons un algorithme de détection de contours vectoriel. Ce dernier comporte deux étapes. Dans un premier temps
Introduction au traitement dimages Détection de contours et
Traitement d'image filtrage
Ce document est le fruit dun long travail approuvé par le jury de
li est destiné à des images comportant quelques objets posés sur un fond. Cet algorithme peut être utilisé pour la détection de contours et pour l'extraction de
detection de contours dimages couleur par hypergraphe de
cale sur hypergraphe de voisinage. Dans cet article nous présentons une extension de l'algorithme de détection de contour appliquée aux images couleur.
Détection des contours dune image : le filtre de Canny
8 mai 2016 L'exécution des algorithmes prend un temps non négligeable et il était important d'utiliser une petite image pour le début des opérations : pas ...
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
Étude dun détecteur de contours basé sur la logique floue
6 oct. 2010 Passage en revue et comparaison des algorithmes existants . ... 5.2 : Graphe ROC de la détection des contours sur 5 images (Sobel).
Traitement dimage - Détection de contours Introduction : Quand une
fonctionnement d'un de ces algorithmes de détection de contours. Qu'est-ce qu'un contour ? Question 1 : Repérer et sélectionner les pixels appartenant au
Application de la détection de contour en ondelettes au marquage d
l'image ce qui n'est pas le cas d'un ajout dans la texture. Dans la partie suivante
Détection de contours
Invariant aux rotations de l'image. Le laplacien est souvent utilisé en amélioration d'images pour accentuer l'effet de contour : ¡ ¢ ¤§
Contours et régions dans les images
La notion de bonne segmentation/bonne détection de contours dépend Algorithmes de croissance de région ou de croissance de bords.
Segmentation d'image par détection de contours et algorithme "ligne de
Une première idée pour trouver leur localisation consiste à seuiller la norme du gradient c’est à dire à considérer que les pixels qui font partie des contours de l’image sont ceux pour lesquelslanormedugradientestplusgrandequesoùs>0 estunseuil?xéarbitrairement Formellementonpeutécrire: (mn) estsuruncontourdel’image ??
La detection´ des contours dans les images - Telecom Paris
La detection´ des contours dans les images Chapitre r´edig e´ par Henri MAˆITRE La detection´ de contours dans les images a deb´ ute´ de fac¸on extrˆemement empirique par des op´erateurs lo-caux qui soit estimaient un gradient soit convoluaient l’image par des masques caract´eristiques des contours [Haralick et Shapiro 1985]
ÉCOLE DE TECHNOLOGIE SUPÉRIEURE UNIVERSITÉ DU QUÉBEC PROJET D
7 1 1 Formulation Puisque les contours actifs appartiennent à la famille des courbes continues et dérivables on peut toujours les modéliser par une forme paramétrique normalisée comme: [ ] s v(s) [x(s)y(s)]T 01 2 = ? = ? a a ( 1 1 ) où [ ]T indique le transposé du vecteur
Searches related to algorithme de detection de contour d+une image PDF
Exercice 1 : Détection de contour (30 minutes) On veut approximer le contour d’un objet dans une image par un contour actif Nous savons que la forme de l’objet à détecter est proche d’un triangle Aussi nous proposons de détecter le contour de cet objet par un contour actif de type « snake » défini par trois points x1 x2 et x3
Comment faire la segmentation d'une image par détection de contour ?
D'un point de vue mathématique on peut considérer que l'image est une fonction de R*R vers R : on prend un couple de réels (les coordonnées) auquel un autre réel est associé (un niveau de gris). Pour réaliser la segmentation d'une image par détection de contour, la première étape est de représenter les variations de valeur dans l'image.
Comment représenter les contours d'une image ?
La première est de représenter l'image en fonction de l'intensité de ses variations, on met ainsi en valeur les fortes variations de valeur dans l'image, donc les potentiels contours. La deuxième est de regrouper les zones dans cette nouvelle image par homogénéité, on détecte ainsi des régions dans l'image.
Comment définir l'algorithme d'une image ?
Deux étapes principales constituent donc l'algorithme. La première est de représenter l'image en fonction de l'intensité de ses variations, on met ainsi en valeur les fortes variations de valeur dans l'image, donc les potentiels contours.
Comment prolonger une image ?
Prolonger l'image. Il existe de nouveaux plusieurs méthodes, comme se référer à la valeur du pixel dans l'image le plus proche lorsque le pixel voulu est en dehors de l'image, ou répéter l'image lorsque la valeur voulue est hors de l'image. La manière de prolonger l'image dépend de la manière dont on va utiliser le résultat.
NOM : PRENOM :
Examen Traitement d'Image
Documents autorisés, durée 1 heure 30
Correction Correction Correction Correction Correction Correction Correc tionExercice 1 : Détection de contour (30 minutes)
On veut approximer le contour d'un objet dans une image par un contour actif. Nous savons que la form e de l'objet à détecter est proche d'un triangle. Aussi nous proposons dedétecter le contour de cet objet par un contour actif de type " snake » défini par trois points x
1 x 2 et x 3 . La meilleure position du contour actif est celle qui minimise une fonction d'énergie E qui est la somme d'une énergie interne Ei et d'une énergie externe E e définies par : i EEE e n avec , où k est une constante positive. iEk 3 1 e n Efx , où f(.) est une fonction qui dépend de l'image traitée et x n est un point du snake. Dans un souci de simplification, on suppose que l'image que l'on souhaite analyser par lecontour actif a déjà été prétraitée par une chaîne de traitements rendant l'image binaire. Par
convention, les pixels appartenant à l'objet à détecter sont à 0 et les pixels appartenant au
fond sont à 255. La figure 1-a donne un exemple d'une telle image et la figure 1-b l'approximation obtenu avec le snake sur cette image.Figure 1- a : image binaire à analyser
Figure 1-b : résultat de dét
ection de contour par un triangleEnergie externe f(.) :
1- Quelles doivent être les propriétés de la fonction f(.) pour que E
e ait les caractéristiques d'une fonction d'énergie.La fonction f(.) doit :
- être positive ; - son minimum doit correspondre aux contours de l'objet à segmenter ; - 1 / 7 -Insa 5GE - DIP 2008-2009
- en approche continue, f doit être dérivable ;2- Proposez une fonction d'énergie f(.) qui permettra de détecter les contours de l'objet par
une telle méthode. Illustrer votre réponse par un schéma clair et détaillé.Plusieurs approches possibles :
1 -> 1 1(()) fP GIP (approche continu)2 -> On effectue le gradient de l'image, puis on calcule la carte de distance de l'image
obtenue (par exemple en utilisant un opérateur de morphologie mathématique (approche discrète)3) Les valeurs de l'énergie externe calculée sur une image binaire 10x10 permettent de
définir l'image d'énergie externe suivante:Indices j 1 2 3 4 5 6 7 8 9 10
i1 2 2 1 1 1 1 1 2 2 2
2 2 1 1 0.50.50.50.51 1 2
3 1 1 0.50.50 0.10.50.51 2
4 1 0.50.50.20.40.50.20.51 2
5 1 0.50.30.51 0.50.30.51 2
6 0.5 0.10.51 1 1 0.50.10.5 2
7 0.5 0 0.50.50.50.50.50 0.5 2
8 0.5 0.50.10.20.30.30.10.31 2
9 1 1 0.50.50.40.50.50.51 2
10 2 2 1 1 1 1 1 1 1 2
On applique l'algorithme suivant :
1-> Positionner un contour actif initial ;
2-> Tant que l'énergie globale du contour actif continue de diminuer faire :
-> Pour chaque point du contour actif faire : -> Rechercher les pixels voisins d'énergie minimale en tenant compte d'une connexité 8 voisins; -> Faire évoluer le point du contour actif vers sa nouvelle position.Avec les modalités suivantes :
- le pas de progression des points du contour actif est de 1 pixel à chaque itération ; - si plusieurs pixels voisins possèdent la même énergie minimale lors de l'étape 2 de l'algorithme, on choisit un des pixels de façon aléatoire ; - si le voisinage d'un point possède des pixels définis en dehors de l'image, on ne tient pas compte de ces pixels particuliers. - 2 / 7 -Insa 5GE - DIP 2008-2009
2-1) Donner les positions des points du contour actif successifs jusqu'à convergence pour
l'initialisation suivante : x 1 = (6,4), x 2 = (5,5), x 3 = (6,6). N.B.: la lecture des coordonnées d'un point se fait de la façon suivante : (6,4) => i=6, j=4. 1ère
évolution : x
1 = (5,3), x 2 = (4,4), x 3 = (5,7). 2ème
évolution : x
1 = (6,2), x 2 = (3,5), x 3 = (6,8). 3ème
évolution : x
1 = (7,2), x 2 = (3,5), x 3 = (7,8).2-2) Même question que précédemment mais pour l'initialisation suivante :
x 1 = (10,2), x 2 = (2,5), x 3 = (10,6). 1ère
évolution : x
1 = (9,3), x 2 = (3,5), x 3 = (9,5). 2ème
évolution : x
1 = (8,3), x 2 = (3,5), x 3 = (8,4). 3ème
évolution : x
1 = (7,2), x 2 = (3,5), x 3 = (8,3). 4ème
évolution : x
1 = (7,2), x 2 = (3,5), x 3 = (7,2). Pourquoi le résultat obtenu ne convient-il pas ? Etant donné que l'énergie interne est une simple constante, deux points du contour actif peuvent converger vers une même solution -> disparition d'un triangle au profit d'une droite.Energie interne:
3- Proposer une expression arithmétique du calcul de l'énergie interne en fonction des
points x 1 , x 2 et x 3 de manière à ce que cette énergie ne soit plus une constante mais une fonction exprimant le fait que : Idée générale : on cherche à minimiser la fonction d'énergie => le minimum de la fonction d'énergie doit correspondre à la réponse au problème posé.3-1) la longueur du contour résultat soit le plus court possible ;
Présentation d'une solution possible :
122313
iEdistxxdistxxdistxx
avec 2 ijij distxxxx122313
iEconfxxconfxxconfxx
3-2) le contour final soit un triangle (deux points du contour actif ne peuvent pas
converger vers un même point).Présentation d'une solution possible :
- 3 / 7 -Insa 5GE - DIP 2008-2009
avec 2 1 1 ij ij confxx xxExercice 2 : Qualité d'une vitre (60 minutes)
Un constructeur de vitres transparentes veut mesurer automatiquement la qualité de son produit en utilisant une analyse d'image. Le défaut qu'il cherche à quantifier avec ce système est la quantité de bulles d'air présentes dans l'échantillon de vitre ainsi que la taille des bulles (moins il y a de bulles, meilleure est la vitre). Le but est de concevoir le système de vision (acquisition et traitement d'image) permettant de répondre à cet objectif.Pour vos réponses :
Nommer les images
Décrire rigoureusement vos traitements (utiliser les notations vue en cours/TD/TP).Système d'acquisition :
Le but est de faire une image de chaque échantillon. Chaque échantillon (taille 100mm x100mm x 3mm) de vitre est placé manuellement sous la caméra. Les bulles d'air et la vitre
sont parfaitement transparentes. Le fait de " voir » une bulle se limite à voir les bords de la
bulle qui atténuent la lumière. L'équipement d'acquisition est composé d'une caméra noir et blanc (numérique) et deLED blanches.
1- Vis-à-vis du problème, donner les 2 principales raisons justifiants que la prise de vue
soit faite en " contre-jour » ? - les vitres sont transparentes : la lumière visible permet d'obtenir une image detransmission : on verra les défauts à l'intérieur des échantillons par variation de l'atténuation
de la lumiere. - en éclairage standard, pour voir les defauts de tout l'échantillon, l'eclairage devraitse trouver avec la caméra perpendiculairement à l'echantillon : gros problème de de reflets.
Meme si on utilise des angles différents, des reflets apparaitront rendant impossible l'analyse d'image.2- Dans cette condition d'acquisition et pour le problème posé, quels sont les deux effets
néfastes pour le traitement d'image que peut créer la source d'éclairage ? - problème de saturation : éclairage directe de la caméra : utiliser une intensité lumineuse adapté (pas trop intense), attention au risque d'éblouissement (elargissement du phénomeme de saturation, " flare », ...) - si la source de lumière est ponctuelle l'éclairage de l'échantillon ne sera pas homogène. Soit utiliser de nombreuses sources ponctuelles (et les éloigner), soit diffuser la lumière avant l'échantillon pour homogénéiser la lumière.3- Donner un schéma du système d'acquisition et proposer une solution pour l'éclairage.
- 4 / 7 -Insa 5GE - DIP 2008-2009
LEDS diffuseur échantillon caméra
Le tout bien assemblé.
Prétraitement :
Le système d'acquisition choisi fourni les images suivantes (les échantillons sont toujours parfaitement centrés grâce à des repères, les conditions d'acquisition ne varient pas) :Exemple de deux images acquises.
Afin de faciliter les traitements de segmentation suivants (question 5), l'inhomogénéité de luminosité (dépendant du système d'acquisition) dans les images doit être corrigée.4- Proposer une méthode de traitement d'image permettant cette correction. Détailler sa
mise en oeuvre. On doit corriger de l'inhomogénéité d'éclairage (à priori une LED + diffuseur sont utilisés pour l'éclairage). On peut appliquer une division : Soit I(x) l'image à corriger, C(x) l'image sansechantillon : On a Ic(x) l'image corrigée de l'inhomogénéité d'éclairage par Ic(x)=I(x)/C(x).
Pour obtenir C(x) : acquisition habituelle (comme pour I(x)) sauf qu'il n'ya a pas d'echantillon.Segmentation :
Les images sont maintenant corrigées de l'éclairage : - 5 / 7 -Insa 5GE - DIP 2008-2009
Les deux images corrigées du problème d'éclairage. Le but est maintenant de segmenter les bulles d'air afin de les compter et de mesurer leur aire (questions 6 et 7).5- Proposer une méthode permettant de segmenter toutes les bulles d'aire (on s'intéressera
plus tard à chaque bulle). Détailler précisément chaque étape de l'algorithme utilisé (par exemple : formules, masques, ensembles,...).Illustrer votre solution.
Le but est d'obtenir une image binaire (0 (noir) pour le fond ; 1 (blanc) pour les bulles). Segmentations obtenues à partir des images précédentes. solution 1 : remplissage par diffusion Le fond est parfaitement blanc : on segmente le fond ! Le critere doit permettre de s'arreter au bord (noirs et parfait) des bulles. A partir d'un point du fond (prendre un coin ou faire ne analyse) faire une croissance de région (ou snake, ou ...). Le critère d'agrégation est basé sur les niveaux de gris : si un pixel voisin est blanc : on l'ajoute, sinon on ne l'ajoute pas. On recommence jusqu'on ne puisse ajouter de nouveau pixel. solution 2: le pb est aussi un pb d'integration : algo de parcours avec inversion d'etat qd un bord est atteint. - 6 / 7 -Insa 5GE - DIP 2008-2009
Mesures :
La mesure de l'aire des bulles se fera par comptage du nombre de pixels dans chaque bulle. Il faut donc maintenant extraire chacune des bulles de l'image de segmentation précédente. C'est le but des dernières questions.6- Donner un algorithme permettant de compter le nombre de bulle et d'isoler
individuellement chaque bulle. Détailler les étapes de votre algorithme sur l'exemple avec les6 bulles (celui à gauche).
Parcourir l'image segmentée Is ligne par ligne à la recherche d'une bulle (valeur 1). Récupérer tous les points de la bulle trouvée (croissance de région), ceci fourni le masque M. M(x)= 1 ssi x appartient à la bulle trouvée ; 0 sinon.Soustraire : Is Is
Incrémenter le compteur i, stoker M dans Bi
Recommencer la première étape.
7- Il se peut que deux bulles soient en contact (cf. image de droite).
- A partir des segmentations précédentes (6-), donner une méthode permettant de séparer les bulles. - Appliquer votre méthode à l'exemple ci-dessous.Bulles segmentées pour la question 7.
On s'interesse à une bulle (via Bi)
Eroder la région Bi,
compter le nombre de région non connexes nb_bulle si nb_bulle > 1 fin : retourner nb_bulle si nb_bulle == 1 vérifier qu'il reste des pixels de Bi dans l'image.Oui : recommencer à l'étape erosion
Non fin : retourner nb_bulle
- 7 / 7 -quotesdbs_dbs5.pdfusesText_9[PDF] detection des contours d'une image
[PDF] détecteur sift
[PDF] mise en correspondance de points d intérêt
[PDF] poi garmin camping car
[PDF] garmin poi loader
[PDF] telecharger poi garmin gratuit
[PDF] mise jour radar gps mappy
[PDF] poi loader garmin radar gratuit
[PDF] telecharger aire camping car gps mappy
[PDF] poi garmin radar gratuit
[PDF] livre interpretation des reves en islam gratuit pdf
[PDF] poi kml
[PDF] l attitude de l homme face aux progrès scientifiques et techniques
[PDF] poésie sur la ponctuation