La dilatation en niveau de gris
Download
Report
Transcript La dilatation en niveau de gris
Morphologie pour le traitement dβimages
en niveau de gris
Cours de traitement dβimages | Décembre 2012
John Chaussard | Paris XIII , Institut Galilée , LAGA | Bureau D402
[email protected]
Chapitre
1
Introduction
INTRODUCTION
Une image binaire est un sous-ensemble I de β€π : on représente les
points appartenant à I par des pixels blancs sur une grille, et les autres
points par des pixels noirs.
I = { (-2,-1),(-2, 0),(-1,0),(1,-1),(1,1) }
Décembre 2012
0
0
0
1
0
1
1
0
0
0
1
0
0
1
0
LAGA β Institut Galilée β Paris XIII
3
INTRODUCTION
On peut aussi représenter une image binaire par un relief
topographique, où les pixels à 1 sont les sommets et les pixels à 0 sont
le sol.
0
0
0
0
0
0
1
0
1
0
0
0
1
1
0
0
0
0
0
0
Décembre 2012
LAGA β Institut Galilée β Paris XIII
4
INTRODUCTION
En général, dans une image, les valeurs des pixels ne sont pas limitées
à 0 et 1, mais peuvent prendre des valeurs dans différents ensembles.
Par exemple, une image en niveau de gris (8 bits) de dimension n
est une fonction dβun sous-ensemble de β€2 ou β€3 dans 0; 255 (à
chaque pixel, on associe une valeur entière entre 0 et 255.
176 173 172 174 175 174 175
179 185 187 181 174 173 165
197 181 168 167 171 169 170
161 170 180 183 180 174 175
Décembre 2012
LAGA β Institut Galilée β Paris XIII
5
INTRODUCTION
On peut noter dβautres types dβimages, comment les images en
niveau de gris 16 bits ou 32 bits, permettant de récupérer des
informations plus précises (souvent utilisé dans des domaines tels que
lβastronomie, le médical, β¦).
Ce sont en général des applications dβun sous-ensemble de β€2 ou
β€3 dans 0; 216 β 1 ou 0; 232 β 1 .
210 246 283 281 292
186 231 346 450 417
179 189 312 475 400
Décembre 2012
LAGA β Institut Galilée β Paris XIII
6
INTRODUCTION
Les images couleur sont généralement des applications dβun sousensemble de β€2 dans 0; 255 3 .
Canal bleu
89
53
73
51
51
53
54
60
57
15
30
44
53
55
58
91 23
95 3499 4710261 9861 60
70 65
86 6195 639768 9967 65
866110174 113
89 111
101 110
102 101
113 111
100115
99 116
103 115
107 113
106 104 Canal vert
127 124 125 117 115 113
124 116 112 116 115 111
Canal rouge
Décembre 2012
LAGA β Institut Galilée β Paris XIII
7
INTRODUCTION
Les images HDR sont généralement des applications dβun sousensemble de β€2 dans β3 .
Canal bleu
0,55 0,53 0,57 0,66 0,71
0,7
0,61 0,61 0,65 0,72 0,79 0,79
0,55 0,53 0,57 0,66 0,71
0,62 0,63
0,6
0,59
0,7
0,6
0,71
0,61 0,61 0,56
0,65 0,35
0,720,350,79
0,490,79
0,55 0,61
0,72 0,71
0,620,76
0,630,84
0,6 0,91
0,59 0,92
0,6
0,71
0,8
0,81
0,560,85
0,350,91
0,35 1,01
0,49 1,09
0,55 0,61 Canal vert
0,79
0,8
0,77 0,75 0,79 0,99
0,71 0,46 0,45 0,62 0,72
0,9
Canal rouge
Décembre 2012
LAGA β Institut Galilée β Paris XIII
8
INTRODUCTION
Dans la suite, on sβintéressera surtout aux images 2d en niveau de
gris 8 bits.
Tout comme les images
binaires, on peut voir toute
image en niveau de gris comme
un relief topographique, où les
valeurs élevées sont des
montagnes tandis que les
valeurs basses sont des fossés.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
9
INTRODUCTION
On définira de manière générale une image I n-dimensionnelle
comme une application dβun sous-ensemble A de β€π (appelé le
domaine de I) vers un ensemble quelconque B (qui représente
les valeurs de I).
On écrira : soit π°: π¨ β β€π β π©
Décembre 2012
LAGA β Institut Galilée β Paris XIII
10
PLAN
Erosion et dilatation en niveau
de gris
Filtres par reconstruction
Reconstruction supérieure
Reconstruction inférieure
Erosion
Dilatation
Filtres avancés
Ouverture et fermeture en
niveau de gris
Ouverture
ASF
H-extrema et maxima régionaux
Ligne de partage des eaux
Fermeture
LAGA β Institut Galilée β Paris XIII
Chapitre
2
Erosion et dilatation en niveau de gris
Chapitre
Section
2
Lβérosion
1
LβÉROSION EN NIVEAU DE GRIS
Revenons sur une image binaire, et calculons lβérosion de I par
E:
0
1
0
0
0
0
1
1
0
1
0
1
E
0
0
0
0
0
0
0
0
0
0
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
1
1
1
1
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
1
1
1
0
0
0
0
0
1
0
0
0
0
0
0
0
1
1
1
1
0
0
0
0
1
0
0
0
0
0
0
0
0
1
1
1
1
1
1
0
0
0
0
0
1
1
0
0
0
0
0
0
0
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Décembre 2012
Quelle « formule » a-t-on appliqué pour calculer la
valeur de ces trois pixels ?
> On a remplacé la valeur du pixel par le
minimum des valeurs des pixels de lβélément
structurant 0 0 0 0 0 0 0 0 0
I
LAGA β Institut Galilée β Paris XIII
πΌβπΈ
14
LβÉROSION EN NIVEAU DE GRIS
On peut définir lβérosion binaire, tout comme lβérosion en
niveau de gris, en termes de minimum :
Soit πΌ: π΄ β β€π β π΅ (I est donc une image n-dimensionnelle
de domaine A et dont les valeurs dβarrivée se situent dans
B), et πΈ β β€π un élément structurant.
On définit lβérosion de I par E lβapplication notée πΌ β πΈ
telle que, βπ₯ β π΄, πΌ β πΈ π₯ = ππππ¦βπΈπ₯ πΌ(π¦)
On dira que βπ¦ β π΄, πΌ π¦ = +β. Ceci fait sens si lβélément
structurant contient lβorigine (ce qui est souvent le cas en
pratique).
Décembre 2012
LAGA β Institut Galilée β Paris XIII
15
LβÉROSION EN NIVEAU DE GRIS
Ex : Calculer πΌ β πΈ
1
1
0
0
1
1
0
1
0
E
82
76
81
81
81
75
76
76
80
81
75
75
80
77
80
84
79
78
77
76
76
79
78
75
82
82
84
80
83
84
80
77
77
80
79
78
91
92
94
96
93
96
82
82
82
80
80
83
102 100 103 103 110 112
91
91
92
94
93
93
100 110 109 112 110 115 I
100 100 100 103 103 110
Décembre 2012
LAGA β Institut Galilée β Paris XIII
πΌβπΈ
16
LβÉROSION EN NIVEAU DE GRIS
Ex : Calculer πΌ β πΈ
1
0
0
0
1
1
0
0
1
!! Si lβélément structurant ne contient
pas lβorigine, alors on peut avoir des
infinis dans le résultat de lβérosion.
E
82
76
81
81
81
75
76
81
79
75
75 "+β"
80
77
80
84
79
78
77
76
79
78
78
75
82
82
84
80
83
84
80
77
80
83
79
78
91
92
94
96
93
96
82
82
84
80
83
84
102 100 103 103 110 112
91
92
94
96
93
96
100 110 109 112 110 115 I
102 100 103 103 110 112
Décembre 2012
LAGA β Institut Galilée β Paris XIII
πΌβπΈ
17
LβÉROSION EN NIVEAU DE GRIS
Regardons lβeffet « topographique » de lβérosion
On considère I comme un relief, avec ses
montagnes et ses canyons.
Lβérosion de I par E revient à creuser les
flancs de terre de I avec E : lβérosion rétrécit
(en hauteur et largeur) les montagnes, et
élargit les trous.
I = imread('line.png');
E = strel('line',27,0);
Erod = imerode(I, E);
E
I
πΌβπΈ
Décembre 2012
LAGA β Institut Galilée β Paris XIII
18
LβÉROSION EN NIVEAU DE GRIS
E
πΌβπΈ
I
I = imread('image_ex1.png');
E = strel('disk',14,0);
Erod = imerode(I, E);
Décembre 2012
LAGA β Institut Galilée β Paris XIII
19
Chapitre
Section
2
La dilatation
2
LA DILATATION EN NIVEAU DE GRIS
Revenons sur une image binaire, et calculons la dilatation de I
par1 E1 : 0
0
0
1
1
1
0
E
Quelle « formule » a-t-on appliqué pour calculer la
valeur de ces trois pixels ?
> On a remplacé la valeur du pixel par le
maximum des valeurs des pixels de lβélément
structurant tourné
0 0 de1 180°
1 1 1 0 0 0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
1
0
0
0
0
0
1
1
1
1
1
0
0
0
0
0
1
1
1
0
0
0
0
0
1
1
1
1
1
0
0
0
0
0
0
0
1
0
0
0
0
1
1
1
1
1
1
0
0
0
0
1
0
0
1
0
0
0
1
1
1
1
1
1
1
0
0
0
1
1
0
1
1
0
0
0
0
1
1
1
1
1
1
0
0
0
0
0
1
1
1
1
0
0
1
1
1
1
1
1
1
1
0
0
0
0
0
1
0
0
0
0
0
0
1
1
1
1
1
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1
1
0
0
0
0
Décembre 2012
I
LAGA β Institut Galilée β Paris XIII
πΌβπΈ
21
LA DILATATION EN NIVEAU DE GRIS
On peut définir la dilatation binaire, tout comme la dilatation en
niveau de gris, en termes de maximum:
Soit πΌ: π΄ β β€π β π΅ et πΈ β β€π un élément structurant.
On définit la dilatation de I par E lβapplication notée πΌ β
πΈ telle que, βπ₯ β π΄, πΌ β πΈ π₯ = πππ₯π¦βπΈπ₯ πΌ(π¦)
On dira que βπ¦ β π΄, πΌ π¦ = ββ. Ceci fait sens si lβélément
structurant contient lβorigine (ce qui est souvent le cas en
pratique).
Décembre 2012
LAGA β Institut Galilée β Paris XIII
22
LA DILATATION EN NIVEAU DE GRIS
Ex : Calculer πΌ β πΈ
0
1
0
1
1
0
0
1
1
1
1
0
0
1
1
0
1
0
E
πΈ
82
76
81
81
81
75
82
82
81
84
81
81
80
77
80
84
79
78
82
82
84
84
84
84
82
82
84
80
83
84
91
92
94
96
93
96
91
92
94
96
93
96
102 100 103 103 110 112
102 100 103 103 110 112
102 110 109 112 110 115
100 110 109 112 110 115 I
102 110 110 112 112 115
Décembre 2012
LAGA β Institut Galilée β Paris XIII
πΌβπΈ
23
LA DILATATION EN NIVEAU DE GRIS
Ex : Calculer πΌ β πΈ
0
0
1
0
0
1
0
0
1
!! Si lβélément structurant ne contient
pas lβorigine, alors on peut avoir des
infinis dans le résultat de la dilatation.
E
82
76
81
81
81
75
"-β" 82
77
81
84
81
80
77
80
84
79
78
"-β" 82
82
84
84
83
82
82
84
80
83
84
"-β" 91
92
94
96
93
91
92
94
96
93
96
"-β" 102 100 103 103 110
102 100 103 103 110 112
"-β" 102 110 109 112 110
100 110 109 112 110 115 I
"-β" 102 110 109 112 110
Décembre 2012
LAGA β Institut Galilée β Paris XIII
πΌβπΈ
24
LA DILATATION EN NIVEAU DE GRIS
Regardons lβeffet « topographique » de la dilatation
On considère I comme un relief, avec ses
montagnes et ses canyons.
La dilatation de I par E revient à élargir les
flancs de terre de I avec E : la dilatation élargit
les montagnes, et rétrécit (en hauteur et
largeur) les trous.
I = imread('line.png');
E = strel('line',27,0);
Dil = imdilate(I, E);
E
πΌβπΈ
I
Décembre 2012
LAGA β Institut Galilée β Paris XIII
25
LA DILATATION EN NIVEAU DE GRIS
E
πΌβπΈ
I
I = imread('image_ex1.png');
E = strel('disk',14,0);
Dil = imdilate(I, E);
Décembre 2012
LAGA β Institut Galilée β Paris XIII
26
Chapitre
2
Section
3
Propriétés de lβérosion et de la
dilatation
EROSION ET DILATATION : PROPRIÉTÉS
On définit une relation dβordre entre les images en niveau de
gris :
Soient deux images πΌ, π½: π΄ β β€π β π΅,
πΌ β€ π½ β βπ₯ β π΄, πΌ π₯ β€ π½(π₯)
Cette relation dβordre remplacera le relation dβinclusion utilisée
pour les propriétés des images binaires.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
28
EROSION ET DILATATION : PROPRIÉTÉS
On définira aussi le maximum et le minimum de deux images :
Soient deux images πΌ, π½: π΄ β β€π β π΅, βπ₯ β π΄
πΌ β¨ π½ π₯ = πππ₯ πΌ π₯ , π½ π₯
πΌ β§ π½ π₯ = πππ(πΌ π₯ , π½ π₯ )
Décembre 2012
LAGA β Institut Galilée β Paris XIII
29
EROSION ET DILATATION : PROPRIÉTÉS
Lβérosion en niveau de gris possède les mêmes propriétés
que lβérosion binaire : décomposable, invariante par
translation de lβimage, croissante du point de vue de
lβimage, décroissante du point de vue de lβélément
structurant, β¦
La dilatation en niveau de gris possède les mêmes propriétés
que la dilatation binaire : associative, commutative,
invariante par translation, croissante, décomposable, β¦
Attention : comme dit précédemment, la relation dβinclusion
doit être remplacée par le symbole β€ défini à la diapositive 22.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
30
EROSION ET DILATATION : PROPRIÉTÉS
La dilatation et lβérosion en niveau de gris sont des opérateurs
duaux. Si on pose πΌ π π₯ = βπΌ(π₯), alors
π
π
πΌ β πΈ π₯ = πΌ β πΈ (π₯)
Décembre 2012
LAGA β Institut Galilée β Paris XIII
31
EROSION ET DILATATION : PROPRIÉTÉS
Nous possédons en plus, pour les images en niveau de gris,
une autre propriété de décomposabilité plus forte que celle déjà
obtenue pour les images binaires.
Cette propriété porte sur la décomposition dβun élément
structurant en deux maximums :
Soient πΌ: π΄ β β€π β π΅ et πΈ, πΉ β β€π ,
πΌβ πΈβ¨πΉ = πΌβπΈ β¨ πΌβπΉ
πΌ β πΈ β¨ πΉ = πΌ β πΈ β§ (πΌ β πΉ)
Décembre 2012
Rappel :
Ici, I est une image en niveau de gris ndimensionnelle,
E et F sont des éléments structurant nLAGA β Institut Galilée β Paris XIII
32
Chapitre
2
Section
Conclusion & applications
4
EROSION ET DILATATION : CONCLUSION &
APPLICATIONS
Lβérosion permet de creuser les flancs dβune image, ce qui
provoque un rétrécissement (en altitude et en largeur) de ses
montagnes, et un élargissement (rien en profondeur) des ses
canyons.
La dilatation permet dβélargir (rien en altitude) les
montagnes dβune image, et rétrécit (en largeur et profondeur)
ses canyons.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
34
EROSION ET DILATATION : CONCLUSION &
APPLICATIONS
E est un disque euclidien de rayon 20.
πΌ
Décembre 2012
πΌβπΈ
LAGA β Institut Galilée β Paris XIII
πΌβπΈ
35
EROSION ET DILATATION : CONCLUSION &
APPLICATIONS
Tout comme nous lβavions fait en binaire, nous
pouvons détecter les contours dβune image
avec lβérosion et la dilatation.
I
πΌ β Ξ4 β πΌ
πΌ β πΌ β Ξ4
(πΌ β Ξ4 ) β πΌ β Ξ4
Chapitre
3
Ouverture et fermeture en niveau de gris
Chapitre
Section
3
Lβouverture
1
LβOUVERTURE EN NIVEAU DE GRIS
En niveau de gris, lβouverture se définit de la même manière
quβen binaire :
Soit πΌ: π΄ β β€π β π΅ et πΈ β β€π , on définit lβouverture de I
par E comme
πΌβπΈ = πΌβπΈ βπΈ
Décembre 2012
LAGA β Institut Galilée β Paris XIII
39
LβOUVERTURE EN NIVEAU DE GRIS
Regardons lβeffet « topographique » de lβouverture
On considère I comme un relief, avec ses
montagnes et ses canyons.
Lβouverture de I par E revient à raser les
montagnes moins larges que E.
I = imread('line.png');
E = strel('line',27,0);
Op = imopen(I, E);
E
I
πΌβπΈ
Décembre 2012
LAGA β Institut Galilée β Paris XIII
40
LβOUVERTURE EN NIVEAU DE GRIS
E
I
Remarquez lβeffet
de creusement ici
πΌβπΈ
I = imread('image_ex1.png');
E = strel('disk',14,0);
Op = imopen(I, E);
Décembre 2012
LAGA β Institut Galilée β Paris XIII
41
Chapitre
Section
3
La fermeture
2
LA FERMETURE EN NIVEAU DE GRIS
En niveau de gris, la fermeture se définit de la même manière
quβen binaire :
Soit πΌ: π΄ β β€π β π΅ et πΈ β β€π , on définit la fermeture de I
par E comme
πΌβ¦πΈ = πΌ β πΈ β πΈ
Décembre 2012
LAGA β Institut Galilée β Paris XIII
43
LA FERMETURE EN NIVEAU DE GRIS
Regardons lβeffet « topographique » de la fermeture
On considère I comme un relief, avec ses
montagnes et ses canyons.
La fermeture de I par E revient à combler les
ravins plus étroits que E.
I = imread('line.png');
E = strel('line',27,0);
Cl = imclose(I, E);
E
πΌβ¦πΈ
I
Décembre 2012
LAGA β Institut Galilée β Paris XIII
44
LA FERMETURE EN NIVEAU DE GRIS
E
I
Remarquez lβeffet
de jonction ici
πΌβ¦πΈ
I = imread('image_ex1.png');
E = strel('disk',14,0);
Cl = imclose(I, E);
Décembre 2012
LAGA β Institut Galilée β Paris XIII
45
Chapitre
3
Section
3
Propriétés de lβouverture et de la
fermeture
OUVERTURE ET FERMETURE : PROPRIÉTÉS
Lβouverture en niveau de gris possède les mêmes propriétés
que lβouverture binaire : anti-extensive, croissante du point
de vue de lβimage, décroissante du point de vue de
lβélément structurant, idempotente β¦
La fermeture en niveau de gris possède les mêmes
propriétés que la fermeture binaire : extensive, croissante du
point de vue de lβimage, et du point de vue de lβélément
structurant, idempotente β¦
Attention : comme dit précédemment, la relation dβinclusion
doit être remplacée par le symbole β€ défini à la diapositive 22.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
47
Chapitre
3
Section
Conclusion & applications
4
OUVERTURE ET FERMETURE : CONCLUSION &
APPLICATIONS
Lβouverture permet dβaplanir les sommets dβune image.
La fermeture permet de combler les ravins dβune image.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
49
CAS PRATIQUE : SUPPRESSION DE BRUIT POIVRE
ET SEL
I = imread('chien_bruit.png');
Problème : supprimer le bruit sur lβimage.
Gamma4 = strel('diamond', 1);
Op = imopen(I, Gamma4);
DeuxGamma8 = strel('square', 5);
Cl = imclose(Op, DeuxGamma8);
πΌ
Cette technique fonctionne
généralement bien pour le bruit
« poivre & sel »
(πΌπΌ β Ξ44 )β¦2Ξ8
Décembre 2012
LAGA β Institut Galilée β Paris XIII
50
CAS PRATIQUE : TOP HAT
Problème : extraire les grains de riz de lβimage
πΌ
Seuil à 100
Seuil à 130
Le seuil à 100 permet de correctement extraire les grains du
bas, et le seuil à 130 permet dβextraire les grains du haut. Le
gradient dβéclairage vertical ne nous permet pas de trouver
un seuil satisfaisant !
Décembre 2012
LAGA β Institut Galilée β Paris XIII
51
CAS PRATIQUE : TOP HAT
Solution : utiliser une ouverture pour extraire le fond de lβimage
πΌ
πΈ
πΌβπΈ
Seuil à πΌ50
β de
(πΌ βπΌ πΈ)
β (πΌ β πΈ)
Lβopération Top-Hat, qui est un résidu dβouverture, permet
dβextraire le fond dβune image afin de soustraire les effets
dβun gradient dβéclairage.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
52
Chapitre
4
Filtres par reconstruction
Chapitre
4
Section
Reconstruction inférieure et
ouverture par reconstruction
1
RECONSTRUCTION INFÉRIEURE
Comme en binaire, on va procéder par étapes. Tout dβabord, nous
définissons la dilatation conditionnelle, où lβintersection est
remplacée par le minimum :
Soient πΌ, π: π΄ β β€π β π΅ , et soit πΈ β β€π , la dilatation
conditionnelle de M par E restreinte à I est
π βπΌ πΈ = π β πΈ β§ πΌ
E
π
MβπΈ β§πΌ
I
Décembre 2012
LAGA β Institut Galilée β Paris XIII
55
RECONSTRUCTION INFÉRIEURE
On peut itérer la dilatation conditionnelle :
Soient πΌ, π: π΄ β β€π β π΅, et soit πΈ β β€π , on notera
(π βπΌ πΈ)π = (( π βπΌ πΈ βπΌ πΈ) β¦ βπΌ πΈ) (n fois)
Ce qui nous amène à la reconstruction inférieure :
La reconstruction inférieure de M par E restreinte à I est
πΌ βπΈ π = (π βπΌ πΈ)β
(répétition de la dilatation conditionnelle jusquβà stabilité).
Décembre 2012
LAGA β Institut Galilée β Paris XIII
56
RECONSTRUCTION INFÉRIEURE
Exemple 1d :
I
E
πΌ βπΈ π
M
Décembre 2012
LAGA β Institut Galilée β Paris XIII
57
RECONSTRUCTION INFÉRIEURE
Exemple 2d :
πΌ βΞM4 π
I
Décembre 2012
LAGA β Institut Galilée β Paris XIII
58
RECONSTRUCTION INFÉRIEURE
Exemple 2d :
La valeur de ce pixel P est 85.
Imaginons que I soit un relief montagneux où
vous vous promenez.
Vous partez des points de M, et vous voulez aller
vers P en descendant le moins possible
dβaltitude.
I
Dans le meilleur des cas, vous devrez
nécessairement descendre à lβaltitude 85 pour
rejoindre P.
πΌ β Ξ4 π
Décembre 2012
LAGA β Institut Galilée β Paris XIII
59
RECONSTRUCTION INFÉRIEURE
Que se passe-t-il si on ajoute un chemin « haut » entre M et P
?
πΌ βΞM4 π
I
Le chemin haut permet à lβalgorithme de faire un détour pour atteindre certains pixels
de lβimage : la reconstruction possède des zones plus claires.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
60
RECONSTRUCTION INFÉRIEURE
Que se passe-t-il si on « creuse » le relief à certains endroits ?
Iβ
I
Décembre 2012
En creusant le relief,
on force lβalgorithme à
devoir descendre plus
bas pour accéder à
certains pixels : la
reconstruction
possède des zones
πΌ βplus
πΈ π foncées.
LAGA β Institut Galilée β Paris XIII
πΌβ² βΞ4 π
61
LβOUVERTURE PAR RECONSTRUCTION
Lβouverture par reconstruction consiste à réaliser une ouverture, puis
une reconstruction de lβimage de départ à partir de son ouvert :
Soit πΌ: π΄ β β€π β π΅ , et soient πΈ, πΉ β β€π , lβouverture par
reconstruction (sous F) de I par E est
πΌ βπΉ πΈ = πΌ βπΉ πΌ β πΈ
Généralement, F (utilisé pour la reconstruction) sera un élément
structurant de voisinage (Ξ4 , Ξ8 , β¦).
Décembre 2012
LAGA β Institut Galilée β Paris XIII
62
LβOUVERTURE PAR RECONSTRUCTION
Exemple 1d :
F
E
I
πΌ β πΈ = πΌ β Ξ4 πΈ
En 1d, la reconstruction après lβouverture ne sert à rienβ¦
Décembre 2012
LAGA β Institut Galilée β Paris XIII
63
LβOUVERTURE PAR RECONSTRUCTION
Exemple 2d :
E
I
πΌβπΈ
πΌ β Ξ4 πΈ
Décembre 2012
LAGA β Institut Galilée β Paris XIII
64
LβOUVERTURE PAR RECONSTRUCTION
Exemple 2d :
Im = imread('pills.png');
El = strel('square', 5);
Op = imopen(Im, El);
R = imreconstruct(Op, Im);
πΌπ
πΌπ β 2Ξ8
Décembre 2012
πΌπ βΞ4 2Ξ8
LAGA β Institut Galilée β Paris XIII
65
Chapitre
4
Section
Reconstruction supérieure et
fermeture par reconstruction
2
RECONSTRUCTION SUPÉRIEURE
Nous procédons comme dans la section précédente :
Soient πΌ, π: π΄ β β€π β π΅, et soit πΈ β β€π ,
lβérosion conditionnelle de M par E restreinte à I est
π βπΌ πΈ = π β πΈ β¨ πΌ
Décembre 2012
LAGA β Institut Galilée β Paris XIII
67
RECONSTRUCTION SUPÉRIEURE
On peut itérer lβérosion conditionnelle :
Soient πΌ, π: π΄ β β€π β π΅, et soit πΈ β β€π , on notera
(π βπΌ πΈ)π = (( π βπΌ πΈ βπΌ πΈ) β¦ βπΌ πΈ) (n fois)
Ce qui nous amène à la reconstruction supérieure :
La reconstruction supérieure de M par E restreinte à I est
πΌ π»πΈ π = (π βπΌ πΈ)β
(répétition de lβérosion conditionnelle jusquβà stabilité).
Décembre 2012
LAGA β Institut Galilée β Paris XIII
68
RECONSTRUCTION SUPÉRIEURE
Exemple 1d :
I
E
πΌ π»πΈ π
M
Décembre 2012
LAGA β Institut Galilée β Paris XIII
69
RECONSTRUCTION SUPÉRIEURE
Exemple 2d :
πΌ π»ΞM4 π
I
Cette technique permet de boucher les trous de lβimage
Décembre 2012
LAGA β Institut Galilée β Paris XIII
70
RECONSTRUCTION SUPÉRIEURE
Exemple 2d :
La valeur de ce pixel P est 217.
Imaginons que I soit un relief montagneux où
vous vous promenez.
Vous partez des points de M (ici, ce sont les
points à 0 de M qui nous intéressent, donc les
points du bord de lβimage), et vous voulez aller
vers P en montant le moins possible en altitude.
I
Dans le meilleur des cas, vous devrez
nécessairement monter au moins à lβaltitude 217
pour rejoindre P.
πΌ π»Ξ4 π
Décembre 2012
LAGA β Institut Galilée β Paris XIII
71
RECONSTRUCTION INFÉRIEURE
Que se passe-t-il si on creuse un peu entre M et P ?
πΌ βΞM4 π
I
Ca ne change pas beaucoup le résultat, car il faudra toujours monter aussi haut pour
atteindre le pixel P.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
72
RECONSTRUCTION INFÉRIEURE
Que se passe-t-il si on construit une chaîne de montagnes
autour de P ?
πΌ βΞM4 π
I
Pour aller de M à P, il faudra monter plus haut : toute la zone entourée par les
montagnes devient blanche.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
73
RECONSTRUCTION INFÉRIEURE
Que se passe-t-il si on construit une tranchée pour aller à P ?
πΌ βΞM4 π
I
Pour aller de M à P, on peut trouver un chemin (plus long) qui reste bas : on peut
atteindre P en montant moins en altitude. La valeur de P dans lβimage reconstruite est
plus basse.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
74
LA FERMETURE PAR RECONSTRUCTION
La fermeture par reconstruction consiste à réaliser une fermeture, puis
une reconstruction de lβimage de départ à partir de son fermé :
Soit πΌ: π΄ β β€π β π΅, et soient πΈ, πΉ β β€π , la fermeture par
reconstruction (sous F) de I par E est
πΌβ¦πΉ πΈ = πΌ π»πΉ πΌβ¦πΈ
Généralement, F (utilisé pour la reconstruction) sera un élément
structurant de voisinage (Ξ4 , Ξ8 , β¦).
Décembre 2012
LAGA β Institut Galilée β Paris XIII
75
LA FERMETURE PAR RECONSTRUCTION
Exemple 2d :
Im = imread('pills.png');
El = strel('square', 5);
Cl = imclose(Im, El);
R = imreconstruct(255-Cl, 255-Im);
R = 255-R;
πΌπ
πΌπβ¦2Ξ8
Décembre 2012
πΌπβ¦Ξ4 2Ξ8
LAGA β Institut Galilée β Paris XIII
76
Chapitre
4
Section
Propriétés des filtres par
reconstruction
3
PROPRIÉTÉS
DES FILTRES PAR RECONSTRUCTION
Dans une image en niveau de gris, une zone plate est une composante
connexe de pixels ayant le même niveau de gris.
Ex : Décomposer cette image en zones plates (en considérant la 8connexité) (chaque zone plate possède une couleur différente).
Décembre 2012
2
3
5
2
3
2
3
5
2
3
2
2
2
1
3
2
1
1
1
3
4
1
1
4
4
I
Zones plates de I
LAGA β Institut Galilée β Paris XIII
78
PROPRIÉTÉS
DES FILTRES PAR RECONSTRUCTION
A une image en niveau de gris, on associe comme
partitionnement naturel sa décomposition en zones plates.
Tous les filtres par reconstruction sont des filtres
connexes : ils fusionnent des zones plates.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
79
PROPRIÉTÉS
DES FILTRES PAR RECONSTRUCTION
Les filtres par reconstruction possèdent aussi une propriété de
croissance vis-à-vis de lβélément structurant et de la partition :
plus lβélément structurant utilisé est grand, et plus des
zones plates de lβimage auront été fusionnées.
Soit πΌ: π΄ β β€π β π΅, soient πΈ, πΉ β β€π , et soit πΉ un filtre par
reconstruction dépendant dβune image et dβun élément
structurant.
Si πΈ β πΉ, alors π(Ξ¨ πΌ, πΈ ) est plus fine que π(Ξ¨ πΌ, πΉ ).
Décembre 2012
LAGA β Institut Galilée β Paris XIII
80
PROPRIÉTÉS
DES FILTRES PAR RECONSTRUCTION
Ouverture par reconstruction : taille de lβélément struct. et
zones plates
πΌ
53218 zones plates
Décembre 2012
πΌ βΞ4 12Ξ8
39223 zones plates
πΌ βΞ4 25Ξ8
28008 zones plates
LAGA β Institut Galilée β Paris XIII
πΌ βΞ4 50Ξ8
14034 zones plates
81
Chapitre
5
Filtres avancés
Chapitre
5
Section
ASF en niveau de gris
1
ASF EN NIVEAU DE GRIS
Comme en binaire, les ASF en niveau de gris sont une
séquence dβouvertures et de fermetures.
Soit πΌ: π΄ β β€π β π΅ et πΈ β β€π ,
π
π΄ππΉππ,πΈ
πΌ = ((((((πΌ β πΈ) β’ πΈ) β 2πΈ) β’ 2πΈ) β¦ β ππΈ) β’ ππΈ)
π
π΄ππΉππ,πΈ
πΌ = ((((((πΌ β’ πΈ) β πΈ) β’ 2πΈ) β 2πΈ) β¦ β’ ππΈ) β ππΈ)
Ces transformations sont généralement indiquées dans le cas
de présence de bruit additif et soustractif.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
84
ASF EN NIVEAU DE GRIS
Exemple : retirer du bruit avec seulement un ouverture et une
Im = imread('chien_bruit.png');
fermeture
Im = imopen(Im, strel('diamond', 2));
Im = imclose(Im, strel('diamond', 15));
πΌπ
(πΌπ
πΌπ ββ 2Ξ
2Ξ44 ) β’ 15Ξ4
Décembre 2012
LAGA β Institut Galilée β Paris XIII
85
ASF EN NIVEAU DE GRIS
Im = imread('chien_bruit.png');
Exemple : retirer du bruit avec une ASF
for i=1:2
El = strel('diamond', i);
Im = imopen(Im,El);
Im = imclose(Im,El);
end
El = strel('diamond', 11);
Im = imclose(Im,El);
πΌπ
(πΌπ β 2Ξ4 ) β’ 15Ξ4
1
2Ξ
πΌπ βππ,Ξ
β 11Ξ
2Ξ4 4
π΄ππΉ
4 4 πΌπ β’
Décembre 2012
LAGA β Institut Galilée β Paris XIII
86
ASF PAR RECONSTRUCTION
Les ASF par reconstruction permettent de « simplifier » une
image en diminuant le nombre de zones plates.
Soit πΌ: π΄ β β€π β π΅ et πΈ β β€π ,
π
π΄ππΉππ,πΈ,πΉ
πΌ = ((((( πΌ βπΉ πΈ β’πΉ πΈ) βπΉ 2πΈ) β’πΉ 2πΈ) β¦ βπΉ ππΈ) β’πΉ ππΈ)
π
π΄ππΉππ,πΈ,πΉ
πΌ = ((((( πΌ β’πΉ πΈ βπΉ πΈ) β’πΉ 2πΈ) βπΉ 2πΈ) β¦ β’πΉ ππΈ) βπΉ ππΈ)
Comme on utilise une ASF et des reconstructions, lβaction
fusionne des petites montagnes (ouverture par recons.) et des
petites vallées (fermeture par recons.), puis continue en
sβattaquant à des structures plus grandes.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
87
ASF EN NIVEAU DE GRIS
Exemple : retirer du bruit avec une ASF par reconstruction
Im = imread('chien_bruit.png');
for i=1:2
El = strel('diamond', i);
M = imopen(Im,El);
Im = imreconstruct(M,Im,4);
M = imclose(Im,El);
Im = imreconstruct(255-M,255-Im,4);
πΌπ
Im = 255-Im;
end
Im = imopen(Im, strel('diamond', 2));
2
π΄ππΉππ,Ξ
πΌπ β’ 11Ξ4
4
Im = imclose(Im, strel('diamond', 4));
2
π΄ππΉππ,Ξ
πΌπ β 2Ξ4 β’ 4Ξ4
4 ,Ξ4
Décembre 2012
LAGA β Institut Galilée β Paris XIII
88
ASF PAR RECONSTRUCTION
Les ASF par reconstruction fusionnent les zones plates dβune image
de façon plus efficace quβune simple ouverture ou fermeture par
reconstruction.
πΌ
5
π΄ππΉππ,Ξ
πΌ
8 ,Ξ8
53218 zones plates
30838 zones plates
17
π΄ππΉππ,Ξ
πΌ
8 ,Ξ8
18011 zones plates
40
π΄ππΉππ,Ξ
πΌ
8 ,Ξ8
7299 zones plates
Chapitre
5
Section
2
H-extrema et extrema régionaux
H-EXTREMA
Le but des h-extrema est de supprimer des montagnes (ou des vallées)
dont la hauteur (ou profondeur) est inférieure à h. Cβest un filtre basé
non pas sur la taille des éléments (largeur), mais sur leur hauteur.
Commençons par les h-maxima : comment supprimer, dans le signal
1d ci-dessous, les montagnes de hauteur inférieure à 30 ?
E
30
πΌ
πΌ-30
πΌ βπΈ (πΌ β 30)
Décembre 2012
LAGA β Institut Galilée β Paris XIII
91
H-EXTREMA
On peut définir la transformation h-maxima :
Soient πΌ: π΄ β β€π β π΅, πΈ β β€π et β β π΅, le h-maxima de I
(sous E) est
π»ππ΄πβ,πΈ πΌ = πΌ ΞπΈ (πΌ β β)
Le h-minima se définit de la même manière :
Soient πΌ: π΄ β β€π β π΅, πΈ β β€π et β β π΅, le h-minima de I
(sous E) est
π»ππΌπβ,πΈ πΌ = πΌ π»πΈ (πΌ + β)
Décembre 2012
LAGA β Institut Galilée β Paris XIII
92
H-EXTREMA
Exemple : retirer du bruit
πΌπ
π»ππ΄π30,Ξ8 πΌπ
π»ππ΄π50,Ξ8 πΌπ
On peut retirer du bruit avec cette transformation : elle détruit les montagnes trop
basses (le bruit) mais abaisse aussi le niveau des autres montagnes (perte de
contraste).
Lβintérêt de cette transformation réside dans les extremas régionauxβ¦
Décembre 2012
LAGA β Institut Galilée β Paris XIII
93
EXTREMA RÉGIONAUX
Un maximum (minimum) régional est une zone plate qui nβest
pas adjacente à une zone plate de plus haute (basse) altitude.
Ex :
Décembre 2012
LAGA β Institut Galilée β Paris XIII
94
EXTREMA RÉGIONAUX
Comment obtenir les maxima régionaux ?
Un maximum régional est une zone plate qui nβest pas
adjacente à une zone plate de plus haute altitude -> cβest donc
le sommet dβune montagne de lβimage.
Une transformation h-max, avec h=1, supprimera tous les
sommets de toutes les montagnes.
Le résidu dβune telle transformation permettra de récupérer
les sommets des montagnes, donc les maxima régionaux.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
95
EXTREMA RÉGIONAUX
E
πΌπ
π»ππ΄π1,πΈ (πΌπ)
πΌπ
π»ππ΄π1,πΈ (πΌπ)
πΌπ β π»ππ΄π1,πΈ (πΌπ)
Décembre 2012
LAGA β Institut Galilée β Paris XIII
96
EXTREMA RÉGIONAUX
On peut définir la transformation de maximum et minimum
régional :
Soient πΌ: π΄ β β€π β π΅ et πΈ β β€π ,
π
ππ΄ππΈ πΌ = πΌ β π»ππ΄π1,πΈ (πΌ) (maximum régional)
π
ππΌππΈ πΌ = π»ππΌπ1,πΈ πΌ β πΌ (minimum régional)
Décembre 2012
LAGA β Institut Galilée β Paris XIII
97
EXTREMA RÉGIONAUX : APPLICATIONS
Les extrema régionaux des h-maxima (ou minima) permettent
de récupérer des objets dβintérêt dans une imageβ¦
πΌπ
Pourquoi des tâches blanches apparaissent ?
Décembre 2012
Extrema régionaux de
π»ππ΄πβ,Ξ8 πΌπ
avec h variant de 0 à 30
LAGA β Institut Galilée β Paris XIII
98
EXTREMA RÉGIONAUX : APPLICATIONS
E
πΌπ
A h=30, on identifie trois extremas régionaux intéressantsβ¦
π»ππ΄π30,πΈ πΌπ
π
ππ΄ππΈ (π»ππ΄π30,πΈ πΌπ )
πΌπ
A h=90, on identifie deux extremas régionaux trop larges
π»ππ΄π90,πΈ πΌπ
π
ππ΄ππΈ (π»ππ΄π90,πΈ πΌπ )
EXTREMA RÉGIONAUX : APPLICATIONS
Au fur et à mesure que h augmente, on coupe de plus en plus
les montagnes de lβimage. Certains maximas régionaux
deviennent plus larges.
Cependant, à la limite de la disparition, ces maximas peuvent
aussi se fusionner avec des zones plates de lβimage (qui
nβétaient pas intéressantes), donnant ces tâches blanches qui
apparaissent parfois.
Conclusion : faire croître le paramètre h permet de supprimer
des maximas régionaux insignifiants, mais rend certains
maximas régionaux trop larges dans le résultat.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
100
EXTREMA RÉGIONAUX : APPLICATIONS
Pour résoudre ce problème, on peut additionner les maximaux
régionaux des différents h-maxima obtenus, et seuiller le
résultatβ¦
51
πΌπ
π
=
Décembre 2012
β=0
Seuil de π
à 15
π
ππ΄πΞ8 (π»ππ΄πh,Ξ8 πΌπ )
101
Chapitre
5
Section
La ligne de partage des eaux
3
LA LIGNE DE PARTAGE DES EAUX
La ligne de partage (watershed en anglais) des eaux consiste,
à partir de marqueurs M représentant des lacs, et dβun relief R,
à faire monter le niveau de lβeau et de trouver les endroits W où
les lacs se rejoignent.
W
R
M
Décembre 2012
LAGA β Institut Galilée β Paris XIII
103
LA LIGNE DE PARTAGE DES EAUX
On souhaite extraire les frontières des cellules
Les lacs de départ (traits de couleur) repèrent les cellules et le fond de lβimage. Le
relief de propagation est le gradient de lβimage (la frontière souhaitée est alors
une montagne, non pas un escarpement).
Décembre 2012
LAGA β Institut Galilée β Paris XIII
104
LA LIGNE DE PARTAGE DES EAUX
Im = imread('cell.png');
M = imread('marker.png');
El = strel('square', 7);
Relief = imdilate(Im, El) - Im;
πΌπ
π
%On doit forcer les lacs de départ (les
points blancs de M) à être les seuls
minimaux régionaux de Relief
%On
procède
à
une
reconstruction
supérieure de Relief à partir de M
%Cβest à cause de la ligne de partage des
eaux, bizarrement implémentée dans Matlab
Relief = 255- Relief;
Relief = imreconstruct(M, max(Relief ,M));
Relief = 255- Relief;
S = watershed(Relief);
π
πππππ
Décembre 2012
π
LAGA β Institut Galilée β Paris XIII
105
LA LIGNE DE PARTAGE DES EAUX
En conclusion, la ligne de partage des eaux permet de
segmenter (trouver les frontières) dβobjets dans une image.
La fonction de relief est souvent le gradient de lβimage.
La tâche difficile consiste à trouver de bons marqueurs pour les
objets (par trop, pas trop peu, pour obtenir les bonnes
frontières). Il faut bien analyser le problème, et utiliser les outils
de morphologie vu précédemment.
Décembre 2012
LAGA β Institut Galilée β Paris XIII
106