[PDF] TRAITEMENT D’IMAGES

Traitement dimages : approche morphologique

Traitement d’images : approche morphologique NikolaStikov ELE6812 5avril2016 Nikola Stikov (ELE6812) Morphologie mathématique 5 avril 2016 1 / 28

3 – Morphologie Mathématique

3 Morphologie Mathématique D’autres opérateurs de Morphologie Mathématique Amincissement homotopique: amincissement itératif qui mène au squelette d’une forme (binaire) Ligne de partage des eaux : segmentation par partitionement en bassins versants de la surface des niveaux de gris (NdG)

Morphologie Mathématique

Morphologie mathématique traitement morphologique • Finalement on fait une opération d’ouverture avec un élément structurant de la taille maximale qui

Cours de morphologie mathématique

La morphologie mathématique est une théorie de traitement non linéaire de l’information apparue en France dans les années 60 (G Matheron & J Serra, Ecole des Mines de Paris), et qui est aujourd’hui très largement utilisée en analyse d’images

TRAITEMENT D’IMAGES

DIRO IFT 6150 TRAITEMENT D’IMAGES BINARISATION ET MORPHOLOGIE MATHÉMATIQUE Max Mignotte Département d’Informatique et de Recherche Opérationnelle

Morphologie mathématique 2 - Télécom ParisTech

Morphologie mathématique : le point de vue architectural ALU additionneur 32 bits données : • flottants Routines arithmétiques Bibliothèque de fonctions numériques TRAITEMENT LINEAIRE données : • entiers • booléens MORPHOLOGIE MATHEMATIQUE a ∧b a∨b portes logiques ¬a La morphologie mathématique épouse les structures

ENSTA Paris, une Grande école dingénieurs généraliste

˘ˇ ˆ˘ ˙˝ ˛˚˘˜ ˘ ˘˘ ˘ 8 ˆ˛˛ˆ ˙ ˜ˇ ˝ ˛ 4ˇˇ˛˘ = & = 3 & = &= $ = ’ 4 & ˜ˇ ˝ ˛ 4ˇˇ˛˘ ˚ ˚ ˆ˝ ˛ˆ" ˆˇ →

Morphologie Mathématique sur graphes pondérés de topologie

Morphologie Mathématique sur graphes pondérés de topologie arbitraire – Traitements non locaux d’images et de données multi-variées traitement des images, une manière de définir ce

[PDF] morphologie mathématique matlab

[PDF] filtrage morphologique traitement d'image

[PDF] cours morphologie mathématique

[PDF] cours de morphologie linguistique

[PDF] critère morphologique grammaire

[PDF] morphologie du verbe français

[PDF] morphologie verbale définition

[PDF] rayon d'or avis

[PDF] morphologie et syntaxe du français pdf

[PDF] rayon d'or montparnasse

[PDF] syntaxe du verbe français

[PDF] rayon d'or alesia

[PDF] analyse morphologique d'un verbe

[PDF] rayon d'or gare du nord

[PDF] sémantique du verbe

DIRO

IFT 6150

TRAITEMENT D"IMAGES

BINARISATION ET MORPHOLOGIE

MATHÉMATIQUE

Max Mignotte

Département d"Informatique et de Recherche Opérationnelle. Http : //www.iro.umontreal.ca/≂mignotte/ift6150

E-mail : mignotte@iro.umontreal.ca

BINARISATION ET MORPHOLOGIEMATHÉMATIQUE

SOMMAIRE

Seuillage

Seuillage par Inspection . . .. . . .. . . .. . . .. . . .. 2 Seuillage Optimale . . . .. . . .. . . .. . . .. . . .. . . .. 4 Seuillage Locale . . . .. . . .. . . .. . . .. . . .. . . .. . . 7 Seuillage & Filtrage . .. . . .. . . .. . . .. . . . .. . . .. 9

Morphologie Mathématique

Théorie des Ensembles .. . . .. . . .. . . .. . . .. . . . 10 Translation . . . .. . . .. . . .. . . .. . . .. . . .. . . .. . . . 11 Dilatation .. . . .. . . .. . . .. . . .. . . .. . . .. . . .. . . . 12 Érosion . . .. . . .. . . . .. . . .. . . .. . . .. . . .. . . .. . . 15 Détection des Contours . .. . . .. . . .. . . .. . . .. . 17 Estimation de Squelette . . .. . . .. . . . .. . . .. . . . 18 Remplissage . .. . . .. . . .. . . .. . . .. . . .. . . .. . . .. 19 Détection . .. . . .. . . .. . . .. . . .. . . .. . . .. . . .. . . 20 Ouverture . . . .. . . .. . . .. . . .. . . .. . . .. . . .. . . .. 21 Fermeture . . . . .. . . .. . . .. . . .. . . .. . . .. . . .. . . . 22 Propriétés de l"Ouverture/Fermeture . .. . . .. . 23 Filtrage Morphologique . . . .. . . .. . . .. . . .. . . .. 24 Autres Applications .. . . .. . . .. . . .. . . .. . . .. . . 25 Morphologie en Niveaux de Gris .. . . .. . . .. . . . 26 Exemples . . .. . . .. . . .. . . .. . . .. . . .. . . .. . . .. . . 27 1

BINARISATION

SEUILLAGE PAR INSPECTION (1)

Seuillage par inspection de l"histogramme

2

BINARISATION

SEUILLAGE PAR INSPECTION (2)

Seuillage par inspection de l"histogramme

3

BINARISATION

SEUILLAGE OPTIMAL (1)

Seuillage optimal

Soit deux régions (arrière-plan et objet)

présent dans une image La probabilitéP(z)d"avoir une valeur de niveau de gris z(z?[0,255]par ex.) dans l"image est donnée par p(z) =P1p1(z) +P2p2(z) Pi: prop. de pixels appartenant à la régioni(P1+P2=1) p(z): Histogramme de l"image p i(z): proba. d"un pixel?régionid"avoir un ng=z Si nous supposons quep1(z)etp2(z)sont distribués selon une loi normale, nous obtenons p

1(z) =1

⎷2πσ1exp? -(z-μ1)22σ21? p

2(z) =1

⎷2πσ2exp? -(z-μ2)22σ22? 4

BINARISATION

SEUILLAGE OPTIMAL (2)

p(z)devient alors p(z) =P11 ⎷2πσ1exp? -(z-μ1)22σ21? +P21⎷2πσ2exp? -(z-μ2)22σ22? SoitE1, la probabilité de classer un pixel dans la classe1 lorsqu"il appartient à la classe2etE2, la proba. de clas- ser un pixel dans la classe2lorsque celui-ci appartient

à la classe1.

Les probabilités d"erreur sont données par

E

1(T) =?

T p

2(z)dzetE2(T) =?

T p

1(z)dz

La probabilité d"erreur totale est alors donnée par

E(T) =P2E1(T) +P1E2(T)

Cherchons une valeur deTqui minimiseE(T)

E ?(T) =-P1p1(T) +P2p2(T) = 0 P

1p1(T) =P2p2(T)

5

BINARISATION

SEUILLAGE OPTIMAL (3)

Après simplification, nous obtenons une expression de la forme AT

2+BT+C= 0

Avec

A=σ21-σ22

B= 2(μ1σ22-μ2σ21)

C=μ22σ21-μ21σ22+ 2σ21σ22ln?σ2P1

σ1P2?

•Lorsque les variances sont égales

21=σ22=σ2

T=μ1+μ2

2+σ2μ1-μ2ln?P2P1?

•Lorsque les variances et les proportions sont égales P 1=P2

T=μ1+μ2

2 6

BINARISATION

SEUILLAGE LOCALE (1)

7

BINARISATION

SEUILLAGE LOCALE (2)

8

BINARISATION

SEUILLAGE & FILTRAGE

Le bruit complique la sélection d"un seuil

?Filtrage passe-bas 9

MORPHOLOGIE MATHÉMATIQUE

THÉORIE DES ENSEMBLES

?Traitement d"image basé sur la théorie des ensembles

Quelques images binaires

A,B=Ens. des pixels=Ens. des coordonnées

A?B={x|x?Aoux?B}Union

A∩B={x|x?Aetx?B}Intersection

A

C={x|x??A}Complément

A-B={x|x?A,x??B}Différence

(A)C={x|x=a+c, a?A}Translation

A={x| -x?A}Inversion

10

MORPHOLOGIE MATHÉMATIQUE

TRANSLATION

Translation

11

MORPHOLOGIE MATHÉMATIQUE

DILATATION (1)

Dilatation

B : Élément structurant

12

MORPHOLOGIE MATHÉMATIQUE

DILATATION (2)

13

MORPHOLOGIE MATHÉMATIQUE

DILATATION (3)

Propriétés de la dilatation

Érosion

14

MORPHOLOGIE MATHÉMATIQUE

ÉROSION (2)

15

MORPHOLOGIE MATHÉMATIQUE

ÉROSION (3)

Propriétés de l"érosion

16

MORPHOLOGIE MATHÉMATIQUE

DÉTECTION DE CONTOURS

17

MORPHOLOGIE MATHÉMATIQUE

ESTIMATION DE SQUELETTE

Squelette d"un objet

?Estimation de l"axe intermédiaire d"un objet (Méthode des feux de prairies ou des disques circulaires) Si on conserve les derniers résultats juste avant la disparition du point ou du segment 18

MORPHOLOGIE MATHÉMATIQUE

REMPLISSAGE

•Répéter jusqu"àxk=xk-1

•Contour rempli :xk?A

•Germex0: point à l"intérieur

19

MORPHOLOGIE MATHÉMATIQUE

DÉTECTION (HIT OR MISS)

W: fenêtre englobant l"objetXà détecter

20

MORPHOLOGIE MATHÉMATIQUE

OUVERTURE

21

MORPHOLOGIE MATHÉMATIQUE

FERMETURE

22

MORPHOLOGIE MATHÉMATIQUE

PROPRIÉTÉS DE L"OUVERTURE ET FERMETURE

23

MORPHOLOGIE MATHÉMATIQUE

FILTRAGE MORPHOLOGIQUE (BRUIT)

24

MORPHOLOGIE MATHÉMATIQUE

AUTRES APPLICATIONS

Segmentation

•Ouverture avec un élément structurant qui fait dis-paraître les petits disques noirs

•Fermeture qui fusionne les gros disques

•Détection du contour

Granulométrie

•Ouverture avec des éléments structurant de taillecroissante pour faire disparaître les granules blancssuccessivement en fonction de leur taille

quotesdbs_dbs35.pdfusesText_40