Introduction

2. 1 Introduction

3. Introduction • Une image binaire est un sous-ensemble I de : 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) } LAGA – Institut Galilée – Paris XIII

4. 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. LAGA – Institut Galilée – Paris XIII

5. 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 d’un sous-ensemble de ou dans (à chaque pixel, on associe une valeur entière entre 0 et 255. LAGA – Institut Galilée – Paris XIII

6. Introduction • On peut noter d’autres types d’images, 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 l’astronomie, le médical, …). • Ce sont en général des applications d’un sous-ensemble de ou dans ou . LAGA – Institut Galilée – Paris XIII

7. Introduction • Les images couleur sont généralement des applications d’un sous-ensemble de dans . Canal bleu Canal vert Canal rouge LAGA – Institut Galilée – Paris XIII

8. Introduction • Les images HDR sont généralement des applications d’un sous-ensemble de dans . Canal bleu Canal vert Canal rouge LAGA – Institut Galilée – Paris XIII

9. Introduction • Dans la suite, on s’intéressera 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. LAGA – Institut Galilée – Paris XIII

10. Introduction • On définira de manière générale une image In-dimensionnelle comme une application d’un sous-ensemble A de (appelé le domainede I) vers un ensemble quelconque B (qui représente les valeurs de I). • On écrira : soit LAGA – Institut Galilée – Paris XIII

11. Plan Filtres par reconstruction Reconstruction supérieure Reconstruction inférieure Filtres avancés ASF H-extrema et maxima régionaux Ligne de partage des eaux • Erosion et dilatation en niveau de gris • Erosion • Dilatation • Ouverture et fermeture en niveau de gris • Ouverture • Fermeture LAGA – Institut Galilée – Paris XIII

12. 2 Erosion et dilatation en niveau de gris

13. 2 1 L’érosion

14. L’érosion en niveau de gris • Revenons sur une image binaire, et calculons l’érosion de I par E : Quelle « formule » a-t-on appliqué pour calculer la valeur de ces trois pixels ? E > On a remplacé la valeur du pixel par le minimum des valeurs des pixels de l’élément structurant I LAGA – Institut Galilée – Paris XIII

15. L’érosion en niveau de gris • On peut définir l’érosion binaire, tout comme l’érosion en niveau de gris, en termes de minimum : • On dira que . Ceci fait sens si l’élément structurant contient l’origine (ce qui est souvent le cas en pratique). • Soit (I est donc une image n-dimensionnelle de domaine A et dont les valeurs d’arrivée se situent dans B), et un élément structurant. • On définit l’érosionde I par E l’application notée telle que, LAGA – Institut Galilée – Paris XIII

16. L’érosion en niveau de gris • Ex : Calculer E I LAGA – Institut Galilée – Paris XIII

17. L’érosion en niveau de gris • Ex : Calculer !! Si l’élément structurant ne contient pas l’origine, alors on peut avoir des infinis dans le résultat de l’érosion. E I LAGA – Institut Galilée – Paris XIII

18. L’érosion en niveau de gris • Regardons l’effet « topographique » de l’érosion • I = imread('line.png'); • E = strel('line',27,0); • Erod = imerode(I, E); On considère I comme un relief, avec ses montagnes et ses canyons. L’érosion de I par E revient à creuser les flancs de terre de I avec E: l’érosion rétrécit (en hauteur et largeur) les montagnes, et élargit les trous. E I LAGA – Institut Galilée – Paris XIII

19. L’érosion en niveau de gris • I = imread('image_ex1.png'); • E = strel('disk',14,0); • Erod = imerode(I, E); E I LAGA – Institut Galilée – Paris XIII

20. 2 2 La dilatation

21. La dilatation en niveau de gris • Revenons sur une image binaire, et calculons la dilatation de I par E : Quelle « formule » a-t-on appliqué pour calculer la valeur de ces trois pixels ? E > On a remplacé la valeur du pixel par le maximum des valeurs des pixels de l’élément structurant tourné de 180° I LAGA – Institut Galilée – Paris XIII

22. La dilatation en niveau de gris • On peut définir la dilatation binaire, tout comme la dilatation en niveau de gris, en termes de maximum: • On dira que . Ceci fait sens si l’élément structurant contient l’origine (ce qui est souvent le cas en pratique). • Soit et un élément structurant. • On définit la dilatationde I par E l’application notée telle que, LAGA – Institut Galilée – Paris XIII

23. La dilatation en niveau de gris • Ex : Calculer E I LAGA – Institut Galilée – Paris XIII

24. La dilatation en niveau de gris • Ex : Calculer !! Si l’élément structurant ne contient pas l’origine, alors on peut avoir des infinis dans le résultat de la dilatation. E I LAGA – Institut Galilée – Paris XIII

25. La dilatation en niveau de gris • Regardons l’effet « topographique » de la dilatation • I = imread('line.png'); • E = strel('line',27,0); • Dil= imdilate(I, E); 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 élargitles montagnes, et rétrécit (en hauteur et largeur) les trous. E I LAGA – Institut Galilée – Paris XIII

26. La dilatation en niveau de gris • I = imread('image_ex1.png'); • E = strel('disk',14,0); • Dil= imdilate(I, E); E I LAGA – Institut Galilée – Paris XIII

27. 2 3 Propriétés de l’érosion et de la dilatation

28. Erosion et dilatation : propriétés • On définit une relation d’ordre entre les images en niveau de gris : • Cette relation d’ordre remplacera le relation d’inclusion utilisée pour les propriétés des images binaires. • Soient deux images , LAGA – Institut Galilée – Paris XIII

29. Erosion et dilatation : propriétés • On définira aussi le maximum et le minimum de deux images : • Soient deux images LAGA – Institut Galilée – Paris XIII

30. Erosion et dilatation : propriétés • L’érosion en niveau de gris possède les mêmes propriétés que l’érosion binaire : décomposable, invariante par translation de l’image, croissante du point de vue de l’image, décroissante du point de vue de l’élément structurant, … • La dilatation en niveau de gris possède les mêmes propriétés que la dilatation binaire : associative, commutative, invariante par translation, croissante, décomposable, … • Attention : comme dit précédemment, la relation d’inclusion doit être remplacée par le symbole défini à la diapositive 22. LAGA – Institut Galilée – Paris XIII

31. Erosion et dilatation : propriétés • La dilatation et l’érosion en niveau de gris sont des opérateurs duaux. Si on pose , alors LAGA – Institut Galilée – Paris XIII

32. 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 d’un élément structurant en deux maximums : • Soient et , Rappel : Ici, I est une image en niveau de gris n-dimensionnelle, E et F sont des éléments structurant n-dimensionnels LAGA – Institut Galilée – Paris XIII

33. 2 4 Conclusion & applications

34. Erosion et dilatation : conclusion & applications • L’érosion permet de creuser les flancs d’une 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 d’élargir (rien en altitude) les montagnes d’une image, et rétrécit (en largeur et profondeur) ses canyons. LAGA – Institut Galilée – Paris XIII

35. Erosion et dilatation : conclusion & applications • E est un disque euclidien de rayon 20. LAGA – Institut Galilée – Paris XIII

36. Erosion et dilatation : conclusion & applications • Tout comme nous l’avions fait en binaire, nous pouvons détecter les contours d’une image avec l’érosion et la dilatation. I

37. 3 Ouverture et fermeture en niveau de gris

38. 3 1 L’ouverture

39. L’ouverture en niveau de gris • En niveau de gris, l’ouverture se définit de la même manière qu’en binaire : • Soit et , on définit l’ouverturede I par E comme LAGA – Institut Galilée – Paris XIII

40. L’ouverture en niveau de gris • Regardons l’effet « topographique » de l’ouverture • I = imread('line.png'); • E = strel('line',27,0); • Op = imopen(I, E); On considère I comme un relief, avec ses montagnes et ses canyons. L’ouverture de I par E revient à raser les montagnes moins larges que E. E I LAGA – Institut Galilée – Paris XIII

41. L’ouverture en niveau de gris • I = imread('image_ex1.png'); • E = strel('disk',14,0); • Op = imopen(I, E); E I Remarquez l’effet de creusement ici LAGA – Institut Galilée – Paris XIII

42. 3 2 La fermeture

43. La fermeture en niveau de gris • En niveau de gris, la fermeture se définit de la même manière qu’en binaire : • Soit et , on définit la fermeturede I par E comme LAGA – Institut Galilée – Paris XIII

44. La fermeture en niveau de gris • Regardons l’effet « topographique » de la fermeture • I = imread('line.png'); • E = strel('line',27,0); • Cl = imclose(I, E); 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. E I LAGA – Institut Galilée – Paris XIII

45. La fermeture en niveau de gris • I = imread('image_ex1.png'); • E = strel('disk',14,0); • Cl = imclose(I, E); E I Remarquez l’effet de jonction ici LAGA – Institut Galilée – Paris XIII

46. 3 3 Propriétés de l’ouverture et de la fermeture

47. Ouverture et fermeture : propriétés • L’ouverture en niveau de gris possède les mêmes propriétés que l’ouverture binaire : anti-extensive, croissante du point de vue de l’image, décroissante du point de vue de l’élément structurant, idempotente… • La fermeture en niveau de gris possède les mêmes propriétés que la fermeture binaire : extensive, croissante du point de vue de l’image, et du point de vue de l’élément structurant, idempotente… • Attention : comme dit précédemment, la relation d’inclusion doit être remplacée par le symbole défini à la diapositive 22. LAGA – Institut Galilée – Paris XIII

48. 3 4 Conclusion & applications

49. Ouverture et fermeture : conclusion & applications • L’ouverture permet d’aplanir les sommets d’une image. • La fermeture permet de combler les ravins d’une image. LAGA – Institut Galilée – Paris XIII

50. Cas pratique : suppression de bruit poivre et sel • Problème : supprimer le bruit sur l’image. • I = imread('chien_bruit.png'); • Gamma4 = strel('diamond', 1); • Op = imopen(I, Gamma4); • DeuxGamma8 = strel('square', 5); • Cl = imclose(Op, DeuxGamma8); Cette technique fonctionne généralement bien pour le bruit « poivre & sel » LAGA – Institut Galilée – Paris XIII