Traitement d’images - Année 2021-2022
TP4 : Segmentation d'images
Exercice 1 : Seuillage
La méthode de seuillage sur des images où il y a des défauts d’éclairage génère un résultat
moins performant. Pour cela, nous proposons dans cet exercice d’améliorer la qualité de
l’image originale « [Link] » en effectuant l’opération de division avec l’image
« [Link] » avant d’appliquer la méthode de seuillage.
Etape 1 : on vous demande d’appliquer d’abord la méthode de seuillage, en utilisant la
méthode imbinarize, sur l’image « [Link] ». Commentez le résultat.
Etape 2 : vous calculez ensuite la division des deux images (Les matrices doivent être de type
double) et vous appliquez le seuillage sur l’image résultante. Interprétez le résultat.
Etape 3 : Vous appliquez cette fois ci la méthode imbinarize sur l’image « [Link] » en
choisissant le paramètre ‘adaptive’. Commentez vos résultats.
Exercice 2 : Comptage d’objets
Parmi les applications fondamentales de la segmentation d’images est le comptage d’objets.
1. Chargez l’image «[Link]» du toolbox Matlab
2. Appliquez un seuillage par la méthode «Otsu» en comparant le seuillage globale et
celui adaptative.
3. Calculez la matrice des labels et le nombre d’objets comptés. Que remarquez-vous ?
4. Affichez les objets segmentés en RGB
5. Proposez une amélioration pour éliminer le bruit avant la binarisation.
6. Appliquez les mêmes étapes sur l’image « [Link] ». Que constatez-vous.
7. Pour la question 5, affichez les centroides des objets. Pour cela, utilisez la fonction
regionprops de Matlab. Que proposez-vous pour avoir le nombre correct d’objets.
N.B:
Les fonctions de Matlab à utiliser : imbinarize , bwlabel() et label2rgb(), regionprops.
Exercice 3 : Otsu/K-means
Il s’agit donc de segmenter l’ image couleur suivante par les méthodes de seuillage et de K-
means et de comparer les résultats obtenus.
1. Chargez l’image «[Link]»
2. Convertissez cette image en niveaux de gris
Mme [Link] - ENSMR 1
Traitement d’images - Année 2021-2022
3. Affichez son histogramme. Peut-on identifier des modes ?
4. Utilisez la fonction multithresh (par «Otsu ») qui retourne les valeurs des seuils en
fonction du nombre de classes souhaité.
5. Appliquez le seuillage multiple sur l’image en niveaux de gris. On utilise la fonction
imquantize(). Pour afficher le résultat, on utilise une palette de couleurs
artificielles,par exemple colormap(’jet’).
6. Utilisez la méthode kmeans pour segmenter l’image en couleur et comparer les
résultats. La fonction imsegkmeans() de Matlab prend en paramètre d’entrée l’image
et le nombre de classes k.
7. Testez kmeans sur des espaces de couleur suivants : HSV, L*a*b. Commentez vos
résultats.
Utilisez les fonctions rgb2hsv et rgb2lab pour transfomer respectivment l’image RGB
en espace HSV et L*a*b.
Exercice 4 : Recherche de végétation dans une image multispectrale
Le but de cet exercice est d’identifier de zones contenant une végétation importante en
exploitant les bandes proche infrarouge (NIR) et le rouge du visible (RED) d’une image de
LANDSAT. Cette image couvre une partie de Paris. Il s’agit d’exploiter la variation de la
réflectance des matériaux de surface sur différentes bandes spectrales.
Le fichier initial a été modifié pour garder que 3 canaux dont le premier contient l’image en
NIR, le deuxième est le RED du visible et le troisième est le canal vert du visible. L’image
nommée ‘[Link]’ est présentée à la figure 1.
1. Chargez l’image « [Link] »
2. Récupérez les canaux NIR et RED. Les valeurs des différents canaux sont comprises
entre 0 et 1, il faut utiliser alors la fonction im2single de l’image.
3. Pour calculer l’indice de végétation NDVI (Normalized Difference Vegetation Index), on
utilise la formule suivante :
𝑁𝐼𝑅 − 𝑅𝐸𝐷
𝑁𝐷𝑉𝐼 =
𝑁𝐼𝑅 + 𝑅𝐸𝐷
Les valeurs de la matrice obtenue sont comprises ente -1 et 1, pour les afficher en tant
qu’image en niveaux de gris, on utilise l’instruction suivante :
imshow(NDVI,'DisplayRange',[-1 1])
4. Afin d'identifier les pixels les plus susceptibles de contenir des végétations, vous
appliquez un seuil à l'image NDVI pour obtenir le résultat illustré à la figuer 2:
5. Calculez le pourcentage de la végétation.
Fig1 : Image « [Link] » Fig2 : Image de NDVI avec un seuillage
Mme [Link] - ENSMR 2
