Extraction de contours et son extension du contour actif


			La qualité de la détection est très liée à la qualité des contours dans l’image. Le but est donc de rendre l'image la plus parfaite possible avant le traitement mais aussi aprés en récupérant les meilleurs contours.
	>> Accueil << Définition et notions Méthode du gradient Estimation des contours Méthode du Laplacien Méthode de Canny et Deriche Exemple des différentes méthodes			Estimation des contours - haut de page - I - Pré traitement des images Ainsi, elles sont souvent bonnes pour des images aériennes à forte résolution, elles se dégradent très vite pour les scènes d’extérieur et les images médicales, et deviennent totalement inapplicables en imagerie bruitée. Les détecteurs doivent donc toujours être suivis d’une étape de post-filtrage, et souvent précédés d’une étape de pré filtrage. Parmi les filtres de prétraitement, on recherche ceux qui diminuent le bruit tout en préservant les discontinuités. Ces filtres ont cependant le défaut de créer des contours artificiels qui peuvent être par la suite difficiles à éliminer. - haut de page - II - Post-traitements des images L'estimation de contours a pour but d'aboutir à une image binaire sur laquelle les contours apparaissent en blanc et le reste en noir. Les post-traitements commencent le plus souvent par l’élimination des points de contour trop faibles par un seuillage. On élimine ensuite les points qui ne sont pas des extremums locaux dans la direction du gradient. Cela s’obtient à partir de la direction mesurée précédemment et une comparaison simple des points rencontrés. A. Seuillage simple de la norme du gradient Principe Le gradient étant un bon outil d'extraction de contours, si l'on seuille sa norme on obtiendra alors le contour en blanc et le reste en noir. Soit une image échantillonnée fn,m = f(nL1,mL2) où L1 et L2 correspondent au pas d'échantillonnage suivant x et y. On obtient alors une image binaire : gn,m = 1 sinon gn,m = 0 Algorithme en deux étapes Initialisation : On initialise tout d'abord la matrice binaire g à zéro Seuillage : Chaque point pour lequel la norme de son gradient est supérieure à S (seuil fixé préalablement), est mis à 1 dans la matrice binaire précédente. Cette méthode ne permet cependant pas de différencier efficacement les points de contour du bruit. B. Seuillage par hystérésis Principe On peut opérer également des seuillages par hystérésis, afin de ne conserver que les composantes les plus importantes des contours. Cette étape repose sur une hypothèse de connexité. Il permet de corriger les erreurs de l'extraction de contours. En effet, certaines parties des contours convexes de l'image ne pourront pas être suffisamment mis en valeur pour être effectivement retenus comme convexes par un seuillage simple, et présenteront donc des vides. Le seuillage par hystérésis propose de combler ces espacements. Le seuillage par hystérésis s'appuie donc sur une image binaire qui constitue temporairement les contours de l'image. On va rechercher les points extrêmes des contours non fermés pour essayer de les prolonger. Le principe est d'utiliser deux seuils pour la norme du gradient Sb et Sh et de sélectionner les pixels pour lesquels : La norme du gradient est supérieure à S1 Le pixel donné est connecté, par un chemin constitué de pixels dont la norme du gradient est supérieure à S1, à un pixel pour lequel la norme du gradient est supérieure à S2 Algorithme en quatre étapes Initialisation : On met à zéros tous les coefficients de la matrice gn,m, notre matrice binaire de contours. On note s1 > s2 Seuillage avec un seuil s1 : On effectue un premier seuillage simple sur notre image, le résultat étant placé dans la matrice binaire gn,m selon la formule suivante : si \|\|grad f(nL1,mL2)\|\| > s1 alors gn,m = 1. Seuillage local avec un seuil moins exigeant s2: Pour tout point P(n,m) appartenant à un contour C, S'il existe un point P'(k,l) appartenant au voisinage de P(n,m) tel que : \|\|grad f(kL1,lL2)\|\| > s2 et gn,m=1, Alors gk,l=1. Itération : On itère l'étape 3 jusquà convergence. - haut de page - III - Poursuite et fermeture de contours Enfin on procède à des étapes de poursuite et de fermeture des contours. La première opération a pour objectif de supprimer les petites disparitions de contours qui peuvent se produire par suite du bruit ou d’une perte de contraste, la seconde se propose de détecter des objets topologiquement clos, c’est-à-dire des zones fermées. - haut de page -