Traitement d'images numériques
TD n°4
Correction
Exercice 1 :
Soit les trois masques de filtres suivants :
1 2 1 −1 −2 −1 1 1 1
𝐻𝐻1 = 𝐾𝐾 ∙ �2 4 2� 𝐻𝐻2 = � 0 0 0� 𝐻𝐻3 = �1 −8 1�
1 2 1 1 2 1 1 1 1
1- Nommer ces trois filtres ?
𝐻𝐻1 : Filtre linéaire de lissage par convolution de type filtre moyenneur non uniforme (les poids
de pondération ne sont pas tous égaux)
𝐻𝐻2 : Masque de Sobel permettant de calculer le gradient en tout point de l’image selon l’axe
vertical.
𝐻𝐻3 : Estimation du Laplacien d’une image
2- Pour 𝐻𝐻1 , quelle est la valeur appropriée de K ?
Les masque des filtres moyenneurs (uniformes ou non) doivent êtres normalisés (somme des
coefficients =1) pour normaliser le filtre 𝐻𝐻1 on doit diviser par la somme des coefficients :
𝟏𝟏 𝟏𝟏
𝑲𝑲 = =
𝟏𝟏 + 𝟐𝟐 + 𝟏𝟏 + 𝟐𝟐 + 𝟒𝟒 + 𝟐𝟐 + 𝟏𝟏 + 𝟐𝟐 + 𝟏𝟏 𝟏𝟏𝟏𝟏
3- Lesquels parmi ces trois filtres utilisés pour la détection de contours ? Mentionner un avantage et
un inconvénient de chacun ?
Les deux filtres 𝐻𝐻2 et 𝐻𝐻3 sont utilisés pour la détection des contours :
𝐻𝐻2 : filtres de dérivée première ou filtres étroits : détecter les zones de l’image ou le gradient
est maximal (variation significative de l’intensité)
𝐻𝐻3 : filtres de dérivée seconde ou filtres large : détecter les zones ou le Laplacien passe par zéro
Filtres Avantages Inconvénient
Etroits Fournit l'orientation des Assez sensible au bruit (nécessite
(gradient) contours en tout point un lissage)
Une bonne localisation des Contours ouverts et discontinus.
contours
Contours fins en détectant les
maximas locaux et en appliquant
un seuillage par hystérésis
Larges La détection des passages par 0 Grande sensibilité aux bruits
(Laplacien) fournit des contours fermées . (nécessite un lissage qui en
contrepartie affecte la précision de
localisation
Aucun information sur
l'orientation du contour.
Traitement d'images numériques
4- Tracer le schéma de principe de la détection de contours en utilisant le gradient ?
Calcul des gradients selon plusieurs axes en utilisant les filtres tels que de Roberts, de Sobel, de Prewitt,
etc..
Fusion des gradients et calcul de la norme et de la direction du gradient en tout point de l’image
Seuillage (détection des maxima locaux et application d’un seuillage par hystérésis)
Extraction des contours
Fermeture des contours
Exercice 2 :
On considère l'image d'intensité suivante, codée sur 4 bits :
15 15 15 15 2 3 3 2
13 15 15 11 8 8 3 2
13 13 15 7 7 8 2 2
13 14 8 8 9 7 1 1
15 15 8 8 9 9 1 1
14 15 9 7 9 9 1 1
13 14 14 9 9 2 2 2
13 13 13 13 2 2 2 3
1. Segmenter cette image en appliquant la méthode "split-merge" avec le critère d’homogénéité
suivant : « Une région est considéré comme homogène si la différence entre le niveau de gris le
plus haut et le niveau de gris le plus bas dans cette région est inférieur ou égale à 3 : 𝑚𝑚𝑚𝑚𝑚𝑚 𝑓𝑓 (𝑥𝑥 ) −
𝑥𝑥∈𝑅𝑅
𝑚𝑚𝑚𝑚𝑚𝑚 𝑓𝑓 (𝑥𝑥 ) ≤ 3 »
𝑥𝑥∈𝑅𝑅
(Donner séparément le résultat de l'étape "Split" et celui de l'étape "Merge" sous la forme de tableaux)
Etape split Etape Merge
15 15 15 15 2 3 3 2 15 15 15 15 2 3 3 2
13 15 15 11 8 8 3 2 13 15 15 11 8 8 3 2
13 13 15 7 7 8 2 2 13 13 15 7 7 8 2 2
13 14 8 8 9 7 1 1 13 14 8 8 9 7 1 1
15 15 8 8 9 9 1 1 15 15 8 8 9 9 1 1
14 15 9 7 9 9 1 1 14 15 9 7 9 9 1 1
13 14 14 9 9 2 2 2 13 14 14 9 9 2 2 2
13 13 13 13 2 2 2 3 13 13 13 13 2 2 2 3
Traitement d'images numériques
2. Appliquer la technique de croissance des régions sur l’image ci-contre, en choisissant comme
germe de départ le pixel (4,4) (ayant une valeur = 8) et comme critère d’homogénéité le critère
suivant : « Si la valeur absolue de la différence entre les niveaux de gris des deux pixels est
inférieur ou égale à 3 (seuil de fusion), alors le pixel analysé est ajouté à la région ».
1. Expliquer le principe de l’algorithme de croissance des régions ?
- Choisir un pixel de départ : germe de la région recherchée
- Fixer un critère d’homogénéité : intensité, texture
- Ajouter à la région Les pixels voisins satisfaisants le critère d’homogénéité et qui n’appartiennent
pas déjà à une autre région.
- Réitérer l’étape précédente sur les pixels ajoutés à la région.
- S’il n’y a plus de pixels ajoutés, on définit un nouveau germe pour construire une nouvelle région
2. Préciser le système de voisinage que vous avez utilisé ?
Vous pouvez choisir soit le voisinage 4-connexité soit le voisinage 8-connexité :
3. Préciser le sens de parcours des voisins utilisé ?
Vous devez préciser le pixel voisin de départ et le sens de parcours utilisé.
Exemple : on commence par le pixel d’en haut et on parcourt les voisins dans le sens des aiguilles
d’une montre.
4. Identifier sur l’image la région ainsi obtenue.
Critère d’homogénéité: « Si la valeur absolue de la différence entre les niveaux de gris des deux
pixels est inférieur ou égale à 3 (seuil de fusion), alors le pixel analysé est ajouté à la région ».
Exemple traité en cours. On a obtenu :
15 15 15 15 2 3 3 2
13 15 15 11 8 8 3 2
13 13 15 7 7 8 2 2
13 14 8 8 9 7 1 1
15 15 8 8 9 9 1 1
14 15 9 7 9 9 1 1
13 14 14 9 9 2 2 2
13 13 13 13 2 2 2 3
