TD3 – Du pixel à l`information

TD3 – Du pixel à l'information
1. Objectif pédagogique
Le but de cette séance est d'étudier les principaux opérateurs de détection de contours.
2. Installation du logiciel Wima
Le logiciel a été mis à jour depuis la dernière séance. Il faut donc effectuer l'installation de nouveau.
Pour cela, vous devez récupérer l'archive sur le portail à l'adresse :
http://portail-istase.univ-st-etienne.fr/Portail/DocsenLigne/TSE FI2/bloc-image2-du-pixel-a-l-information/
puis la décompresser dans un dossier de travail dont le nom ne comporte pas d'espaces. Lancer
wimad.exe dans le dossier bin.
3. Fonctions utilisées dans la séance
Durant cette séance, les fonctions suivantes seront utilisées :
– Gradient de Sobel (module) : Prétraitement – Convolution – Gradient Sobel
– Gradient de Sobel (résultat complexe) : Prétraitement – Convolution – Gradient Sobel
Complexe
– Gradients de Sobel horizontal : Prétraitement – Convolution – Gradient Horizontal
– Gradients de Sobel vertical : Prétraitement – Convolution – Gradient Vertical
– Gradients de Kirsch : Prétraitement – Convolution – Gradient Kirsch
– Opérateur Gradient de gaussienne (GOG) avec détection des maxima locaux (résultat
complexe) : Transf – Ondelettes continues – Gradient de gaussienne (1 échelle)
échelle : écart type de la gaussienne (σ)
angle : orientation du la dérivée (laisser ce paramètre à 0)
maxima locaux : valeur 1 ou 0 indiquant si l'on doit ou non détecter les maxima locaux
– Détection des maxima locaux du gradient (à partir d'une image complexe, résultat
complexe) : Détection et mesure – Maxima locaux – Maximum local dans la direction du
gradient
– Seuillage par hystérésis (à faire avoir pris le module de l'image des maxima locaux) :
Détection et mesure – Seuillage – Hystérésis
seuil haut : valeur du seuil haut
seuil bas : valeur du seuil bas
– Fermeture des contours : Détection et mesure – Maxima locaux – Fermeture des contours
en suivant le gradient maximal
Utilise 2 images d'entrée : l'image des contours seuillée (image 1) et le gradient de
l'image (image 2)
profondeur : profondeur de recherche du chemin de gradient maximal (valeur typique 2)
nb d'itérations : nombre maximal d'itérations (0 = infini)
– Laplacien 3x3 : Prétraitement – Convolution – Laplacien
– Laplacien de gaussienne : Transf – Ondelettes continues – Laplacien de gaussienne (1
échelle)
échelle : écart type de la gaussienne (σ)
4. Travail à réaliser
4.1. Comparaison des différents gradients
A partir de l'image TD1/Cailloux.tif, comparer les résultats obtenus à partir du gradient de Sobel, du
gradient de Kirsch et du gradient de gaussienne (échelle 1). Pour mieux comparer, vous pourrez
seuiller les images résultat (seuil manuel ou maximisation variance).
4.2. Maxima locaux du gradient
Toujours sur la même image, effectuer le calcul du gradient (Sobel complexe et GOG), détecter les
maxima du gradient dans la direction du gradient, puis calculer le module (Opérations –
Mathématique – Module).
a) Comparer les maxima obtenus avec les 2 gradients
b) Etudier l'influence du paramètre d'échelle de l'opérateur GOG (on peut utiliser la fonction
Gradient de gaussienne (série d'échelles)).
c) Choisir lequel des gradient utiliser pour détecter les contours de l'image Cailloux.tif.
4.3. Seuillage hystérésis
Déterminer les seuils adaptés et réaliser le seuillage par hystérésis.
4.4. Fermeture des contours
Les contours obtenus à partir de la détection des maxima locaux du gradient ne sont pas toujours
fermés. Il peut donc être intéressant d'appliquer un post-traitement visant à fermer ces contours.
a) Utiliser la fonction de fermeture des contours à partir de l'image seuillée (paramètre 1) et de
l'image du gradient (paramètre 2).
b) Comparer le résultat final avec celui obtenu en segmentant l'image à partir d'un seuillage
automatique (après avoir corrigé la dérive de fond).
c) Conclure sur l'intérêt d'un détecteur de contours.
4.5. Image floue et bruitée
Toujours en utilisant une détection de contours, trouver des paramètres adaptés pour la détection
des jets dans l'image TD3\Jet_diesel.bmp.
4.6. Comparaison des opérateurs laplacien
a) A partir de l'image TD1\Caract256.tif, comparer le laplacien 3x3 et le laplacien de gaussienne
(échelle 1, échelle 2, échelle 3).
b) Quel est le meilleur paramètre pour détecter les caractères ?
4.7. Seuillage du laplacien
a) Quel seuil faut-il utiliser "théoriquement" ?
b) Essayer d'appliquer ce seuil.
c) Trouver une meilleure stratégie de seuillage du laplacien.
4.8.Comparaison avec le gradient
a) Comparer entre le résultat obtenu avec une approche gradient et celui obtenu avec une approche
laplacien.
b) Conclure.