Download - 06 Segmentation
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 1/35
Traitements d'images et Vision par ordinateur
Segmentation
Alain Boucher - IFI
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 2/35
Segmentation
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 3/35
Vision par ordinateur - Alain Boucher 3
Qu'est-ce que la segmentation ?
La segmentation vise à sous-diviser l’image enconstituants distincts – objets
La segmentation est liée à la reconnaissance.
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 4/35
Vision par ordinateur - Alain Boucher 4
Qu'est-ce que la segmentation ?
La segmentation est normalement basée sur: les discontinuités
les arrêtes, les changements abruptes, …
les similitudes (zones homogènes) couleurs, textures, intensités, …
La segmentation est le découpage d'une image endifférentes régions et/ou contours.
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 5/35
Vision par ordinateur - Alain Boucher 5
Segmentation régions/contours
Approches régions Rechercher les zones dans l’image sur un critère d’homogénéité
Approches contours Rechercher les discontinuités entre régions
Approches duales (régions et contours) seulement dansquelques rares cas
Il existe une dualité entre régions et contours Une région est délimitée par un contour
Un contour sépare deux régions
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 6/35
Vision par ordinateur - Alain Boucher 6
Segmentation contours
La segmentation en contours d'une image se faitprincipalement en utilisant les détecteurs parconvolution déjà vus.
Cependant, ces détecteurs ne donne pas des contoursfermés et sont sensibles aux bruits. Une étape de seuillage du gradient, du Laplacien ou autre est
nécessaire.
Ensuite, il faut fermer les contours et conserver les contourssignificatifs.
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 7/35 Vision par ordinateur - Alain Boucher 7
Segmentation par seuillage
Le seuillage est une méthode simple et très populairepour la segmentation d'objets dans les imagesnumériques.
Le seuillage peut être de nature Globale : un seuil pour toute l'image
Locale : un seuil pour une portion de l'image
Adaptative : un seuil qui s'ajuste selon les images/parties del'image.
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 8/35 Vision par ordinateur - Alain Boucher 8
Segmentation par seuillage
Seuillage de base (2 classes) – principe : Si valeur(pixel) >= seuil alors valeur(pixel) = 1
Si valeur(pixel) < seuil alors valeur(pixel) = 0
Le résultat du seuillage est une image binaire.
Il est aussi possible d'avoir n seuils pour séparer l'image
en n-1 classes.
Problème : choix du seuil !!!
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 9/35 Vision par ordinateur - Alain Boucher 9
Seuillage d'histogramme
Avantages Universel, temps réel, simplicité
Fonctionne bien sur des
histogrammes multi-modaux Inconvénients
Connaître le nombre de classes
Apparition de faux éléments(aucune prise en compte de la
composante spatiale)
Nombre de modes souvent nombrede classes attendu
2 modes pour 3 classes
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 10/35 Vision par ordinateur - Alain Boucher 10
Seuillage d'histogramme simple
Seuillage simple
g x ysi f x y T
si f x y T ( , )
( , )
( , )
1
0
Source : http://www.gpa.etsmtl.ca/cours/gpa669/
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 11/35 Vision par ordinateur - Alain Boucher 11
Seuillage d'histogramme multiple
Seuillage multiple
g x y
si f x y T
si T f x y T
si f x y T
( , )
( , )
( , )
( , )
2
1
0
2
2 1
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 12/35 Vision par ordinateur - Alain Boucher 12
Seuillage
Seuillage global de base Comment trouver le seuilT ?
Une valeur obtenue par tests
La valeur moyenne des tons de gris La valeur médiane entre le ton maximum et le ton minimum
Une valeur qui balance les deux sections de l'histogramme
- seuillage automatique
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 13/35 Vision par ordinateur - Alain Boucher 13
Exemple de seuillage
Seuillage global de base Valeur médiane
Environnement contrôlé
Applications industrielles
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 14/35 Vision par ordinateur - Alain Boucher 14
Seuillage global automatique
Exemple d'algorithme : Choisir un T initial (moyenne, médiane …)
On obtient 2 groupes de pixels
G1 si f(x,y) > T et G2 si f(x,y) T
Calculer les moyennes de tons de grispour G1 et G2 -> μ 1 et μ 2
Calculer une nouvelle valeur de T
T = 1/2 (μ 1 + μ 2 ) Répéter jusqu'à ce que T soit ~ constant
Il existe plusieurs autres méthodes globales automatiques Otsu, Kittler, K-moyennes, …
Il faut les tester pour chaque nouvelle application
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 15/35 Vision par ordinateur - Alain Boucher 15
Seuillage global automatique
Seuil trouvé par l'algorithme T = 125
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 16/35 Vision par ordinateur - Alain Boucher 16
Seuillage global - problème
Problème d'éclairage ?
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 17/35 Vision par ordinateur - Alain Boucher 17
Seuillage global - problème
Problème : Le seuillage global ne peut traiter ce cas
Solution : seuillage local adaptatif
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 18/35 Vision par ordinateur - Alain Boucher 18
Exemple de seuillage adaptatif
Nous avons besoin de séparer l'image en sous images,et de traiter chacune avec son propre seuil
Le choix de la dimension des sous-images est critique
Avant de traiter chaque sous-image, nous vérifions lavariance des tons de gris pour décider s'il existe un
besoin de segmentation Exemple : pas besoin si variance<100
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 19/35
Vision par ordinateur - Alain Boucher 19
Exemple de seuillage adaptatif
Les 4 sous images de coins ne sont pas traitées car variance<100
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 20/35
Vision par ordinateur - Alain Boucher 20
Exemple de seuillage adaptatif Bimodal
Bimodal ??
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 21/35
Vision par ordinateur - Alain Boucher 21
Division-Fusion de régions
Initialisation l'image initiale entière forme un bloc
Etape de division Diviser récursivement tout bloc non-homogène
selon un prédicat défini (variance, max-min, …)
La division d'un bloc donne 4 sous-blocs
Les attributs de chaque sous-bloc sont recalculés
Etape de fusion
Regrouper les blocs adjacents représentant desrégions homogènes selon un prédicat défini
Post-traitement Lissage pour éliminer la forme carré des régions
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 22/35
Vision par ordinateur - Alain Boucher 22
Croissance de régions
L'algorithme débute avec un pixel, et "collectionne" lespixels voisins qui répondent à un critère d'appartenance : Variance faible
Niveau de gris répondant un un seuil …
Le(s) pixel(s) initials (ou initiaux) sont appelés "germes"ou "semences".
La région "grandit" à partir de son germe. Une connaissance a priori est utile pour sélectionner les
germes.
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 23/35
Vision par ordinateur - Alain Boucher 23
Croissance de régions
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 24/35
Vision par ordinateur - Alain Boucher 24
Segmentation par partage des eaux
On considère la visualisation de l'image en 3D, enutilisant le ton de gris comme troisième dimension
Image 2D Visualisation en 3D
Source : http://www.gpa.etsmtl.ca/cours/gpa669/
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 25/35
Vision par ordinateur - Alain Boucher 25
Segmentation par partage des eaux
Ensuite on "complémente" les valeurs pour créer deszones inondables.
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 26/35
Vision par ordinateur - Alain Boucher 26
Segmentation par partage des eaux
Enfin, on "infiltre" les cavités des zones inondables
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 27/35
Vision par ordinateur - Alain Boucher 27
Segmentation par partage des eaux
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 28/35
Vision par ordinateur - Alain Boucher 28
Segmentation par partage des eaux
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 29/35
Vision par ordinateur - Alain Boucher 29
Segmentation – conseils
La segmentation d'une image cause encore aujourd'huibeaucoup de problèmes. Aucune méthode ne fonctionne pour toutes les images.
Pas de garantie, pas de recette miracle!
Pour certaines applications, on réalise qu'on peut éviter lasegmentation complète de l'image. C'est souvent mieux.
Le pré-traitement des images, la sélection de capteurs etsources d’énergie appropriées, et la prise contrôlée desimages rendent cette étape plus facile et plus efficace.
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 30/35
Vision par ordinateur - Alain Boucher 30
Segmentation – conseils
Le problème d'évaluer le résultat d'une segmentationn'est pas évident. Bien souvent, il est subjectif et varied'une personne à l'autre.
Un des principaux problème est de définir le but de lasegmentation : Qu'est-ce qu'on recherche exactement dans l'image ? Eléments globaux de l'image ou détails fin de la composition ?
Présence d'un humain ou détails du visage ?
Il est bon de se poser aussi la question de ce que l'onveut faire ensuite avec la segmentation. Cela permet dedéfinir le degré de précision nécessaire.
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 31/35
Vision par ordinateur - Alain Boucher 31
Segmentation vs groupement
Aujourd'hui, on délaisse deplus en plus le terme desegmentation , qui sous-
entend une séparation plusexacte de l'image, pour celuide groupement de pixels (grouping) , qui ne fait appelqu'à une notion de similaritéde pixels sans aucunerelation de contenu.
Extrait de [Malik 2001].
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 32/35
Vision par ordinateur - Alain Boucher 32
Approche Gestalt
Une autre approche de la segmentation/groupements’inspire de la psychologie et de l’observation del'humain et de son environnement
Cette approche est basée sur les travaux de Gestalt surla vision humaine
Importance du contexte dans cette approche.
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 33/35
Vision par ordinateur - Alain Boucher 33
Approche Gestalt
Proximité : objets proches sont regroupés
Similarité : objets semblables sont regroupés
Tendance commune : objets avec un mouvement cohérentsemblable sont regroupés
Région commune : objets à l’intérieur d’une même région sontregroupés
Parallélisme : courbes ou objets parallèles sont regroupés
Fermeture : courbes ou objets qui peuvent former des objets ferméssont regroupés
Symétrie : courbes ou objets qui peuvent former des objetssymétriques sont regroupés
Continuité : courbes ou objets formant une continuité (au sensesthétique) sont regroupés
Configuration familière : courbes ou objets formant des objetsconnus sont regroupés.
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 34/35
Vision par ordinateur - Alain Boucher 34
Approche Gestalt
5/17/2018 06 Segmentation - slidepdf.com
http://slidepdf.com/reader/full/06-segmentation 35/35
Approche Gestalt
Questions sur l’approche Gestalt : Comment intégrer des règles de regroupement dans un
algorithme?
Comment générer des hypothèses?
Malgré quelques essais, cette approche reste surtoutthéorique.