Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI...

23
Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI [email protected]

Transcript of Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI...

Page 1: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Traitements d'images et Vision par ordinateur

Images binaires

Alain Boucher - IFI

[email protected]

Page 2: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Opérations sur les images binaires discrètes

ConnexitéDistances discrètes

Etiquettage de composantes connexesOpérateurs morphologiques

Page 3: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 3

Connexité 4 ou 8

Connexité-4 p et q sont connexe-4 si q est dans

N4(p)

Connexité-8 p et q sont connexe-8 si q est dans

N8(p)

Cela influence la reconnaissance Est-ce qu'il y a 1 ou 3 objets ici ?

1 1 1

1 1 1

1 1 1

1 1 1

1 1 1

1 1 1

Page 4: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 4

Connexité 4 ou 8

Conseils: Connexités différentes pour les contours et régions Connexité-4 pour les régions Connexité-8 pour les contours

Région : 8-connexes, Contour : 4-connexes

Région : 4-connexesContour : 8-connexes

Page 5: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 5

Distance discrète entre pixels

Distance D4 (distance de Manhattan)D4(p,q) = |x-s | + |y-t |

Forme un diamant centré sur (x,y) Ex: D4 ≤ 2

2

2 1 2

2 1 0 1 2

2 1 2

2

Page 6: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 6

Distance discrète entre pixels

Distance D8 (distance de l'échiquier)D8(p,q) = maximum (|x-s| , |y-t|)

Forme un carré centré sur (x,y) Ex: D8 ≤ 2

2 2 2 2 2

2 1 1 1 2

2 1 0 1 2

2 1 1 1 2

2 2 2 2 2

Page 7: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 7

Etiquetages de composantes connexes

Composante connexe = ensemble de pixels connexes (voisins) appartenant à une même entité.

Une image segmentée n'est qu'une succession de pixels. On désire donner une valeur commune pour les pixels d'une

région ou d'un contour. On désire avoir une valeur différente pour chaque

région/contour. Utilisé en post-segmentation.

Page 8: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 8

Etiquetages de composantes connexes

Fond Objets segmentés

Nous allons effectuer un parcours de l’image pour affecter un numéro unique (étiquette) pour chaque région.

Tous les pixels d’une même région doivent avoir le même numéro (étiquette).

Page 9: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 9

Etiquetages de composantes connexes

1

Premier parcours de l’image

Pour chaque pixel d’une région, on lui affecte

soit la plus petite étiquette parmi ses voisins haut et gauche

soit une nouvelle étiquette.Parcours

Voisinage

X

X ?

Page 10: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 10

Etiquetages de composantes connexes

1 1

Premier parcours de l’image

Pour chaque pixel d’une région, on lui affecte

soit la plus petite étiquette parmi ses voisins haut et gauche

soit une nouvelle étiquette.Parcours

Voisinage

X

X ?

Page 11: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 11

Etiquetages de composantes connexes

1 1 1 2

Premier parcours de l’image

Pour chaque pixel d’une région, on lui affecte

soit la plus petite étiquette parmi ses voisins haut et gauche

soit une nouvelle étiquette.Parcours

Voisinage

X

X ?

Page 12: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 12

Etiquetages de composantes connexes

1 1 1 2 2

1 1 1 3

Premier parcours de l’image

Pour chaque pixel d’une région, on lui affecte

soit la plus petite étiquette parmi ses voisins haut et gauche

soit une nouvelle étiquette.Parcours

Voisinage

X

X ?

Page 13: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 13

Etiquetages de composantes connexes

1 1 1 2 2

1 1 1 3 2

Premier parcours de l’image

Pour chaque pixel d’une région, on lui affecte

soit la plus petite étiquette parmi ses voisins haut et gauche

soit une nouvelle étiquette.Parcours

Voisinage

X

X ?

Page 14: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 14

Etiquetages de composantes connexes

1 1 1 2 2

1 1 1 3 2 2

1 1 1 4 3 2 2

1 1 1 2 2

2

5 5 5 5 6 2

5 5 5 5

5 5

Premier parcours de l’image

Pour chaque pixel d’une région, on lui affecte

soit la plus petite étiquette parmi ses voisins haut et gauche

soit une nouvelle étiquette.Parcours

Voisinage

X

X ?

Page 15: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 15

Etiquetages de composantes connexes

1 1 1 2 2

1 1 1 3 2 2

1 1 1 4 3 2 2

1 1 1 2 2

2

5 5 5 5 6 2

5 5 5 5

5 5

Deuxième parcours de l’image

Pour chaque pixel d’une région, on lui affecte

la plus petite étiquette parmi la sienne et celles ses voisins bas et droite

Parcours

Voisinage

X X

X

Page 16: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 16

Etiquetages de composantes connexes

1 1 1 2 2

1 1 1 3 2 2

1 1 1 4 3 2 2

1 1 1 2 2

2

5 5 5 5 2 2

5 5 5 5

5 5

Deuxième parcours de l’image

Pour chaque pixel d’une région, on lui affecte

la plus petite étiquette parmi la sienne et celles ses voisins bas et droite

Parcours

Voisinage

X X

X

Page 17: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 17

Etiquetages de composantes connexes

1 1 1 2 2

1 1 1 2 2 2

1 1 1 2 2 2 2

1 1 1 2 2

2

5 5 5 5 2 2

5 5 5 5

5 5

Deuxième parcours de l’image

Pour chaque pixel d’une région, on lui affecte

la plus petite étiquette parmi la sienne et celles ses voisins bas et droite

Parcours

Voisinage

X X

X

Page 18: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 18

Etiquetages de composantes connexes

En deux parcours, nous avons terminé l’étiquettage des régions.

Parfois, il faut plus de deux parcours, selon la forme des régions

exemple : région en spirale ! On continue les parcours, dans un sens puis l’autre,

jusqu’à ce qu’il n’y ait plus de changement d’étiquettage.

Il est possible de ne faire qu’un seul parcours Gestion d’une table d’équivalence d’étiquettes Mise à jour récursive des étiquettes lorsque 2 étiquettes se “rencontrent”

Pour étiquetter des contours, on procède de la même façon, sauf qu’on utilise la 8-connexité (on regarde 3 voisins au lieu de 2).

1 2

3 ?

Page 19: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 19

Opérateurs morphologiques

Très utilisés sur les images binaires (images de masques) mais aussi sur les images en niveaux de gris

Permettent de modifier la morphologie des objets Pour nettoyer le résultat de la segmentation

Remplir les trous, éliminer le bruit Pour lisser le résultat de la segmentation

Utilisé en post-segmentation.

Caractérisés par un élément structurant des transformations

erosion, dilatation, ouverture (érosion & dilatation), fermeture (dilatation &

érosion)

Page 20: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 20

Opérateurs morphologiques

L’élément structurant “glisse” sur les bords (intérieurs, extérieurs) des objets et transforme sur son passage :

des pixels d’objet en pixels de fond (érosion) des pixels de fond en pixels d’objet (dilatation)

Exemple d'éléments structurants :

Connexité-4 Connexité-8

Il existe d'autres formes d'éléments structurants, pas forcément symétriques.

Page 21: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 21

Opérateurs morphologiques

Erosion : Si un des pixels du masque est fond (valeur 0)

alors le pixel central devient fond. Dilatation :

Si un des pixels du masque fait partie de l'objet (valeur > 0)

alors le pixel central devient objet. Ouverture :

Erosion puis dilatation Fermeture :

Dilatation puis érosion

Page 22: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 22

Erosion - dilatation

Source : www.lis.inpg.fr/pages_perso/bertolino/DESS-CCI/

Page 23: Traitements d'images et Vision par ordinateur Images binaires Alain Boucher - IFI aboucher@ifi.edu.vn.

Vision par ordinateur - Alain Boucher 23

Ouverture - fermeture