Chapitre 4 Détection Des Contours (Partie 1)
Chapitre 4 Détection Des Contours (Partie 1)
Chapitre 4 Détection Des Contours (Partie 1)
Filtres Contours
Définition d’un Contour
Les contours représentent les frontières
entre deux régions homogènes adjacentes
ayant des intensités lumineuses différentes.
2
Modèle d’un Contour
En 1d
3
Modèle d’un Contour
En 1d
Considérons le modèle
en escalier ou en rampe
Le contour correspondrait donc à :
• un maximum de la dérivée
première,
est maximal
• un passage par zéro de la dérivée
seconde,
4
Modèle d’un Contour
En 2d
y
o ou les passages par zéros du Laplacien,
² ²
Le Laplacien est un scalaire.
² ²
Techniques de Détection de Contour :
Filtres de Contours
Les techniques de détection de contours, visent à approximer l’un de
ces deux opérateurs
A. Approximant le gradient
B. Approximant le Laplacian
7
Méthodes Locales : Différentielles ou
Adaptées
8
Méthodes Locales Différentielles
approximant le Gradient
L’estimation des dérivées partielles de premier ordre :
On peut écrire :
9
Méthodes Locales Différentielles
approximant le Gradient
Approximation numérique du gradient : différences finies
et (1)
Ou
et (2)
Ou encore
et (3)
10
Filtres Locaux Différentiels
approximant le Gradient
De ces approximations multitudes de filtres de contours sont construits :
Ou encore
x
y
et
ou
et
11
Filtres Locaux Différentiels
approximant le Gradient
Opérateurs de Prewitt
A partir de l’équation (3)
y
x et
Ou encore
x
y et
12
Filtres Locaux Différentiels
approximant le Gradient
Opérateurs de Roberts
A partir de l’équation (4)
y
x
et
Ou
x
y
et
13
Filtres Locaux Différentiels
approximant le Gradient
procédure de Détection des contours
Une fois, les opérateurs et approximant localement le gradient
de l’image sont définis
1. Ils seront convolués avec l’image
1) Calcul du gradient
Image originale : I
15
Filtres Locaux Différentiels
approximant le Gradient
Résultats : Filtre de Prewitt
2) Seuillage
les points contours :
16
Filtres Locaux Différentiels
approximant le Gradient
Seuillage
18
Filtres Locaux Différentiels Spécifiques
approximant le Gradient
Opérateurs de Sobel
Étant le bruit est une HF, tout comme le contour, il sera détecté
comme contour
Les opérateurs de détection de contour abordés sont de ce fait
sensibles aux bruit
Où
• : opérateurs différentiateurs approximant le gradient
• : opérateur intégrateur (pour le lissage : filtre passe bas)
il peut être appliqué avant ou après la différentiation
• : opérateurs de Sobel ; = =
20
Filtres Locaux Différentiels Spécifiques
approximant le Gradient
Opérateurs de Sobel
et
Avec l’intégrateur
= = et
21
Filtres Locaux Différentiels
approximant le Gradient
Résultats : Suite
Seuil =0.05
² ²
² ²
23
Filtres Locaux Différentiels
approximant le Laplacien
Approximation numérique du Laplacien: différences finies
Ou
ou
24
Filtres Locaux Différentiels
approximant le Laplacien
procédure de Détection des contours
On effectuera donc :
Pour =0.5, et
0.4038 0.8021 0.4038
sur un voisinage , on obtient : ∆𝐻 = 0.8021 − 4.8233 0.8021
0.4038 0.8021 0.4038
28
Filtres Locaux Différentiels 𝐼𝑚𝑎𝑔𝑒 𝑏𝑟𝑢𝑖𝑡é𝑒 𝑝𝑎𝑟 𝑢𝑛 𝑏𝑟𝑢𝑖𝑡 𝑔𝑎𝑢𝑠𝑠𝑖𝑒𝑛
approximant le Laplacian
Résultats
(sigma=2.3)
29
Filtres Locaux Adaptés
Ceux sont des variantes du filtrage Gradient.
Ça consiste :
o à filtrer l’image avec 8 masques directionnels,
o puis prendre le résultat le plus élevé
qui est considéré comme représentant l’intensité du
gradient
On en dénombre 4 opérateurs :
• Kirsch
• Campas Gradient
• À 3 niveaux
• À 5 niveaux
30
Filtres Locaux Adaptés
Opérateur de Kirsch
o Les filtres de Kirsch se déduisent par rotation de l’opérateur suivant :
o On obtient :
, , , ,
, , , .
31
Filtres Locaux Adaptés
Campas Gradient
, , , ,
, , , .
32
Filtres Locaux Adaptés
Opérateur à 3 niveaux
, , , ,
, , , .
33
Filtres Locaux Adaptés
Opérateur à 5 niveaux
, , , ,
, , , .
34