Traitement d’images et vision par ordinateur avec

la librairie OPENCV

Stéphane Bazeille

Mise en œuvre d’un système de régulation basé

sur la visionSuivi d’un objet coloré à l’aide d’une webcam montée sur un servo-moteur.

Capteur : webcamRégulation : servo/pan & tilt + Labjack + PC

Le capteur visuel dans le contexte de la robotique

mobileCapteur peu cher, il équipe la plupart des robots.Information riche (haute résolution). Encore peu utilisé car traitements complexes.Perception de l’environnement

Détection et évitement d’obstacles,Reconnaissance d’objets et intervention,Cartographie, carte d’exploration lors de la découverte d’un environnement inconnu.

Qu’est-ce que la vision« Le monde » a une structure 3D et est composé d’objets.L’être humain sait parfaitement décrire et interpréter ce monde.Pourtant, l’information disponible sur la rétine n’est qu’un ensemble de points.

Qu’est-ce que la visionChaque pixel contient des informations sur la lumière (quantité et contenu spectral/couleur) reçue en ce point de la rétine.Les objets (téléphone, voiture…) n’existent pas sur la rétine, et pourtant on les voit : leur interprétation est le résultat du processus visuel.

Codage des imagesRGB: 3 plans. Couleurs primaires en synthèse additive comme l’œil humain.Niveau de gris: 1 plan.

Cas courant: entier entre 0-255.Parfois: double pour un codage fréquentiel par exemple.

Le système de vision

Le problème de la visionLa vision humaine est extrêmement complexe.La vision par ordinateur ne cherche pas à comprendre ou à reproduire la vision humaine, mais à construire un modèle algorithmique qui, vu de l’extérieur, possède des propriétés semblables.

Les algorithmes de visionExtraction de primitives à partir des images.Représentation des connaissances. (modèle)Mise en correspondance image/connaissances : reconnaissance.

Les algorithmes de vision1) Méthodes d’identifications « 2D ».

Prétraitement, segmentation (contour, régions)Extraction d’attributs colorimétriques, de textures et de forme,Classification et reconnaissance.

2) Méthodes d’identifications « 3D ».Segmentation (détection des points d’intérêts),Appariement des points d’intérêts,Calibration de la caméra,Extraction d’attributs géométriques Reconnaissance.

Pourquoi OPENCVUtiliser la vision en contexte robotique pour des applications simples.Utiliser les traitements sans forcement connaître les algorithmes.Bibliothèque optimisée, traitement temps réel.

Les algorithmes de visionOPENCV intervient dans les premiers niveaux du processus de reconnaissance :

Prétraitement des images, Segmentation (contours, régions)Segmentation (détection des points d’intérêts),Appariement des points d’intérêts,Calibration de la caméra,

Le prétraitement des images

FiltrageDébruitage, rehaussement de contraste

Convolution (filtrage linéaire et non linéaire)Fourier, Gabor, ondelettes…

Correction des couleurs ou de la luminosité

Espace couleur, histogrammesTransformée de Fourier

Suppression des défauts (distorsion…)

La segmentation et calibration

Segmentation (extraction d’attributs)Détection de contour ou de forme,Extraction de régions,Recherche de points intérêts,

CalibrationMise en correspondance de points,Calcul de pose et estimation de paramètres…

Concours Robotique SAUC’E

Les épreuves:Franchir un cadre immergé sans le toucher (3mx2,5m)Larguer un marqueur au dessus d'une cible circulaire posée sur le fond. Localiser une cible rouge « entre deux eaux » et la toucher. Produire une cartographie de la zone de compétition (30mx20m). Obtenir les coordonnées de chaque objet: le cadre, la cible, la boule rouge, le leurre, le pneu, le plot, et zone de sortie flottante.Faire surface dans un hexagone blanc flottant (3mx3m)

Présentation OPENCV

Généralités sur OPENCVCompiler sous Visual C++ 6Un premier programmeTraitement des images et des séquencesCréation d’une interface graphiqueProgramme de calibration à partir d’un échiquier (méthode de Zhang)

Présentation OPENCV

Bibliothèque de traitement d’images et de vision par ordinateur en langage C/C++, optimisée, proposée par Intel pour Windows et Linux.Elle est « Open Source »Elle comprend un très grand nombre

d’opérateurs “classiques”.

Présentation OPENCVCV et CVAUX

Traitement d’imageGradient, contours, coins et contours actifs,Morphomath (érosion, dilatation, fermeture…)Filtrages diverses (lissage, rehaussement de contraste, suppression de fond…)Conversion d’espace couleur (RGB, HSV, YCbCr…)Etiquetage, manipulation de contours,Transformations diverses (Fourier, Hough…)Histogrammes

Présentation OPENCVAnalyse de mouvement et suivi

Suivi d’objets, flot optique…

ReconstructionCalibration, mise en correspondance…

Détection et reconnaissance de formes

détection de visages et autres formes particulières…

Présentation OPENCVCXCORE et HIGHGUI

Structures élémentairesmatrices, tableaux, listes, files, graphes, arbres…opérateurs standards sur ces structures,

Dessin de primitives géométriqueslignes, rectangles, ellipses, polygones… et texte.

Manipulation des images et des séquenceslecture, écriture…

Interface utilisateurfenêtre, entrées/sorties utilisateur…

Compilation sous VISUAL C++ 6

Les chemins suivants permettant de lier la bibliothèque, sont des chemins absolus considérant l'installation par défaut dans C:\Program Files\OpenCV\

Dans le menu "Project", "Settings", "C/C++", category "Preprocessor".Ajouter les liens suivants dans "Additional include directories":

C:\Program Files\OpenCV\cv\include, C:\Program Files\OpenCV\cvaux\include, C:\Program Files\OpenCV\cxcore\include,C:\Program Files\OpenCV\otherlibs\highgui

Dans le menu "Project", "Settings", "Link", catégorie "Input".Ajouter les librairies suivantes dans "Object/library modules":

cv.lib cvaux.lib cxcore.lib highgui.libAjouter le lien suivant dans "Additional library path":

C:\Program Files\OpenCV\lib

Modifier la variable d'environnement "PATH" de Windows en ajoutant: C:\Program Files\OpenCV\bin

Premier programme

Créer un projet Win32ConsoleApplication

Ajouter les liens précédents.Ajouter dans le fichier main.cpp

#include <cv.h>#include <cvaux.h>#include <highgui.h>

Exemple : Lecture/affichage d’une image et application d’un filtre de convolution.

Rappel : la convolution

• Convolution de l'image avec un masque (noyau) fixe

• La convolution est une opération linéaire

La convolution• Exemple de filtre : Le filtre de moyennage

– Chaque pixel de l'image résultat prend comme valeur la somme pondérée des pixels voisins.

110

100

120 95 130

90

100 110

105110

125

115

120

90 110

125120 90110

130 100 110

125 90110 100

110

90

110

90 100110

105

110

100

110

125

110

130

125

110

100 120

95 130

90

100 110 105

Résultat = 107

Gaussien 1/16 2/16

1/162/16 4/16

2/161/16 2/16

1/16

Laplacien 0 -1 0 -1 -1 -1 -1 4 -1 -1 8 -1 0 -1 0 -1 -1 –1

Gradient -1 0 1 1 2 1 -2 0 2 0 0 0 -1 0 1

-1 -2 -1

Rappel : les pointeursVariable contenant l’adresse d’une autre variable d’un type donné.Exemple:

int a=2;int *p1;p1=&a;int b=*p1;

int tableau[100];tableau[3]=5;*(tableau+2)=4;

int* t=tableau;

Rappel : les pointeursCvMat Ma=cvMat(3,3,CV_32FC1);

CvMat *Mb=cvCloneMat(&Ma);

CvMat *Mc=cvCreateMat(3,3,CV_32FC1);

void cvAdd(CvMat*, CvMat*, CvMat*);

cvAdd(&Ma,Mb,Mc);

Class CvMat{

int rows; printf(‘’%lf’’,Ma.rows);

int cols; printf(‘’%lf’’,*Mb.cols);

int type;

float[] data.fl; printf(‘’%lf’’,*Mc.data.fl[0]);

} printf(‘’%lf’’,Mc->data.fl[0]);

Généralités Codage des images comme les matrices

Un seul tableau (codage par défaut BGR)Classe IPLImage (objet)

widthheightnChannels (en général 1 ou 3)depth (Unsigned char 8bits jusqu’au Float 64)imageData

Un premier programmeDéclaration

IplImage *im = cvCreateImage(cvSize(nl,nc),IPL_DEPTH_8U,1);IplImage *gaussian = cvCreateImage(cvSize(nl,nc),IPL_DEPTH_8U,1);

Chargement et affichageim = cvLoadImage(« Mon_image.jpg », 1);cvNamedWindow(« Ma fenêtre », 1);cvSmooth(im,gaussian,CV_BLUR,7,7);cvShowImage (« Ma fenêtre », gaussian);cvWaitKey(3000);

LibérationcvReleaseImage(&im);

Exemple convolution

Traitement séquenceTraitement d'un flux vidéo provenant d'une webcam (détection des pixels à dominantes rouges)

Capture d’une image dans une séquenceCvCapture* capture=cvCaptureFromCAM(0);IplImage* frame=cvQueryFrame(capture);

Exemple de détection couleur

Accès aux pixels avec OPENCV

for(int i=0;i<frame->height;i++){

for(int j=0;j<(frame->width*frame->nChannels);j+=frame->nChannels){

frame->imageData[i*frame->widthStep+(j+0)]= 0;frame->imageData[i*frame->widthStep+(j+1)]= 0;frame->imageData[i*frame->widthStep+(j+2)]=255;

}}

WebcamDEMO

Programme utilisant les MFC

Créer un projet MFCAppWizard (exe)Dialog-based application. (OK/Cancel)Création automatique de 4.cpp et 4.h

Ajouter les liens précédents.Créer les boutons dans la fenêtre.

A chaque ajout d’un bouton une fonction est créée

Créer le fichier Demo.h

Compléter le fichier OpenCvDemoDlg.cpp contenant les fonctions associées aux boutons.Créer le fichier Demo.cpp

Classe imageclass UneImage {

IplImage* img;public:UneImage(CString filename, bool display=TRUE){ //constructeur

img=cvLoadImage(filename);if(display){

cvNamedWindow("Image Originale",1); //créer une fenêtrecvShowImage("Image Originale",img); //afficher l'image

dans la fenêtre}

}~UneImage(){ //destructeur

cvReleaseImage(&img);}void display(){

cvNamedWindow("Image Résultat",1);cvShowImage("Image Résultat",img);

}void process();

};

OpenCvDemoDlg.cppLe fichier Dlg contient la classe fenêtre.Inclure les fichiers:

Demo.h contenant la classe UneImage. cv.h,cvaux.h,highgui.h

Compléter les fonctions associées aux boutons

OnOpenOnProcess

OpenCvDemoDlg.cppvoid COpenCVDemoDlg::OnOpen() { // TODO: Add your control notification handler code here

CFileDialog dlg(TRUE, _T("*.bmp"), "",OFN_FILEMUSTEXIST|OFN_PATHMUSTEXIST|OFN_HIDEREADONLY,"image files (*.bmp; *.jpg) |*.bmp;*.jpg|AVI files (*.avi)|*.avi|All Files (*.*)|*.*||",NULL);

char title[]= {"Open Image"}; dlg.m_ofn.lpstrTitle= title;

if (dlg.DoModal() == IDOK){CString path= dlg.GetPathName();

if(image!=0) delete image; image = new UneImage(path);}

}

OpenCvDemoDlg.cppvoid COpenCVDemoDlg::OnProcess() { // TODO: Add your control notification handler code here if(image!=0){

image->process(); image->display();

}}

Dans le fichier Demo.cpp on trouvera donc les fonctions de traitement associées à la méthode process.

Demo.cpp#include "stdafx.h"#include "Demo.h"

UneImage *image=0;

void UneImage::process(){

IplImage* image = reinterpret_cast<IplImage*>(img);IplImage* color = cvCreateImage(cvSize(image->width,image->height), IPL_DEPTH_8U , 3);IplImage* gray = cvCreateImage(cvSize(image->width,image->height), IPL_DEPTH_8U , 1);IplImage* laplace = cvCreateImage(cvSize(image->width,image->height), IPL_DEPTH_16S, 1);

cvCvtColor(image, gray, CV_BGR2GRAY);cvLaplace(gray,laplace,3);cvConvertScale(laplace, gray, 1, 0 );cvCvtPlaneToPix(gray, gray, gray, 0, image);

}

Résultats

Programme CalibrationCalibration à partir d’un échiquier et d’une webcam, sans connaissances des positions de la caméra.

Lecture du flux vidéoPhotos de la cible d’étalonnageRecherche des coins dans les photosCalcul des paramètres de calibration par des techniques d'algèbre linéaire standards (moindre carrés)

Étalonnage d'une caméraOn veut connaître la relation entre les points de l'espace (3D, en millimètres) et leur position dans l'image (2D, en pixels).On utilise un modèle simple (mais efficace) pour décrire le processus d'acquisition d'image :

L'étalonnage consiste à déterminer les paramètres de ce L'étalonnage consiste à déterminer les paramètres de ce modèlemodèle

Paramètresintrinsèques

Paramètresextrinsèques

point 3D(en mm)

point image(pixel)

PETSPp CG

K

r

~~

Étalonnage d'une caméra :Explication du modèle

intrinsèques

extrinsèques

point 3D

point image

Z

Y

X

u

v

OI

OcZ

Y

X

OG

(u0,v0)

p=(u,v)

P=(X,Y,Z)

Centre deprojection

Axe optique

Centre duplan image

Plan image

Conclusion sur OPENCV« Open Source » donc utilisée par une très grande communauté.Les codes sont optimisés.La documentation (papier et en ligne) décrit pratiquement tous les algorithmes implémentés.Des exemples de code sont disponibles dans le dossier « samples » d’OPENCV pour des problèmes assez complexes.

Le boitier LabjackSystème d'acquisition de données à connexion USB et Ethernet.Piloter un moteur par une sortie numérique.

PWM : Modulation de largeur d'impulsions (Pulse Width Modulation) utilisée pour synthétiser des signaux continus à l'aide de circuits à fonctionnement tout ou rien. 16-bit PWM output: le rapport cyclique détermine la valeur.

Fonctions Labjackint U3Open(LJ_HANDLE* pHandle);int U3Reset(LJ_HANDLE lngHandle);int U3ConfigTimers(LJ_HANDLE lngHandle, int timer_clock_divisor, int timer_duty_cycle_init);int U3ModifyDutyCycle(LJ_HANDLE lngHandle, int timer_duty_cycle, int num_timer);int U3Close(LJ_HANDLE* pHandle);

Le servo-moteurUn servomoteur est un système motorisé capable d'atteindre des positions prédéterminées, puis de les maintenir.

En aéromodélisme, les servos servent à actionner les parties mobiles comme les ailerons par exemple.

On utilisera des servos asservis en position. (angle compris entre -40°et +40°)

Commande d’un servomoteur

Paramètres pour la commande d'un servomoteur -         Fréquence Labjack 4 Mhz.-         Fréquence et période du PWM ~61 Hz et 16.39ms (avec 65536 échantillons par période).Il faut fournir au servo-moteur une impulsion suivie d’un retour à zéro. La largeur d’impulsion est convertie proportionnellement en angle comme indiqué sur le schéma suivant.

PWMNb échantillons

/période : 65536

Déplacement max image : 768

Déplacement max servo : 61136

Déplacement min servo 57936

Sujet du TP1) Détecter les objets rouges dans la séquence et calculer le barycentre.2) Calculer l’angle de déplacement nécessaire pour recentrer l’objet dans l’image.3)Générer le signal PWM correspondant à l’angle calculé.

Webhttp://www.ensieta.ecole/e3i2/Bazeille/http://perception.inrialpes.fr/people/Horaud/livre-hermes.htmlhttp://www710.univ-lyon1.fr/~ameyer/devel/opencv/docs/ref/opencvref_cv.htmhttp://www710.univ-lyon1.fr/~ameyer/devel/opencv/docs/ref/opencvref_cxcore.htmhttp://www710.univ-lyon1.fr/~ameyer/devel/opencv/docs/ref/opencvref_highgui.htm