La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Traitements d'images et Vision par ordinateur Couleur Alain Boucher - IFI

Présentations similaires


Présentation au sujet: "Traitements d'images et Vision par ordinateur Couleur Alain Boucher - IFI"— Transcription de la présentation:

1 Traitements d'images et Vision par ordinateur Couleur Alain Boucher - IFI

2 La couleur

3 Vision par ordinateur - Alain Boucher3 Introduction Intérêt de la couleur segmentation et reconnaissance simpliflié plusieurs informations par pixels au lieu dune seule Images multi-spectrales Chaque pixel enregistre linformation issue dune bande spectrale. On obtient des images couleur à partir, par exemple, des 3 bandes dans le spectre visible. On peut construire des appareils (exemple : spectromètre) pour voir les bandes hors du visible (rayons X, infrarouge, ondes radio).

4 Vision par ordinateur - Alain Boucher4 Lhumain et la couleur Chez lhumain, la couleur est perçue via les cônes. Il y en a trois types : Low, Medium and Supra-Frequency. Par abus, on parle de cônes Rouge, Vert et Bleu. La transformation entre stimuli des cônes et perception de la couleur est un phénomème qui nest pas encore bien modélisé. S ML Source : gel.ulaval.ca

5 Vision par ordinateur - Alain Boucher5 Représentation Rouge-Vert-Bleu

6 Vision par ordinateur - Alain Boucher6 Représentation en couleurs primaires Représentation en couleurs primaires Rouge-Vert-Bleu Forme additive des couleurs (pour laffichage à lécran) Pour une teinte de gris : R=V=B Représentation en couleurs primaires Cyan-Magenta-Jaune Forme soustractive des couleurs (pour limpression sur papier) On soustrait du blanc plutôt que dajouter au noir comme en RVB. CMJ = 1 - RVB

7 Vision par ordinateur - Alain Boucher7 Segmentation couleur La couleur est analysée comme trois composantes. Lajout de composantes couleurs permet de compléter et daméliorer les résultats. Exemple : seuillage seulement si les trois, ou 2 sur 3, composantes couleurs sont supérieures à un seuil. Exemple : ajout des contours détectés dans les trois plans couleurs.

8 Vision par ordinateur - Alain Boucher8 Traitement dune image couleur Image originaleDécomposition RVBEgalisation d'histogramme Profil dintensité Gradient Sobel Segmentation division-fusion

9 Vision par ordinateur - Alain Boucher9 Histogramme couleur 3D On peut détecter la couleur d'un objet en construisant un histogramme 3D RVB. On alloue un tableau 3D de taille N (exemple : N=32) pour réduire la taille de l'histogramme. Pour chaque pixel, on incrémente la case associée de l'histogramme. Source : www-prima.inrialpes.fr/Prima/jlc/Courses/Courses.html

10 Vision par ordinateur - Alain Boucher10 Couleurs des scènes naturelles Source : Selon les conditions, les couleurs observées dans une scène peuvent varier beaucoup. Cela compliquera la segmentation de limage.

11 Vision par ordinateur - Alain Boucher11 Représentation Teinte-Saturation-Valeur La représentation Teinte-Saturation-Valeur (TSV) est la plus utile pour la segmentation et la reconnaissance. Conversion non-linéaire Représentation plus physique de la couleur En anglais Hue-Saturation-Value (HSV). On sépare pour un pixel Lintensité du pixel (valeur) La couleur du pixel (teinte + saturation). On na pas cette séparation dans le codage RVB. En RVB, les trois informations ne sont pas entièrement décorrélées.

12 Vision par ordinateur - Alain Boucher12 Représentation Teinte-Saturation-Valeur Valeur = (Rouge + Vert + Bleu) / 3 La Teinte est codée comme un angle entre 0 et 2. La Saturation est codée comme un rayon entre 0 et 1. S = 0 : gris S = 1 : couleur pure Exemple : rouge intense RVB (255,0,0) TSV (0,1,255) Note : on trouve dans la littérature différentes définitions plus ou moins équivalentes de TSV. R V B Teinte

13 Vision par ordinateur - Alain Boucher13 Représentation Teinte-Saturation-Valeur Gauche : image originale Centre : diminution de 20% de la saturation Droite : augmentation de 20% de la saturation Source : gel.ulaval.ca

14 Vision par ordinateur - Alain Boucher14 Segmentation Teinte-Saturation-Valeur Si on connait la couleur de lélément que lon recherche, il suffit de la modéliser par un intervalle de Teinte. Cet intervalle est valide si Saturation > seuil (sinon teinte de gris). Ceci est indépendant de la Valeur, qui est plus sensible aux conditions déclairage.

15 Vision par ordinateur - Alain Boucher15 Dautres espaces couleur Il existe bien dautres façons de coder la coiuleur. Chaque espace a son application. Exemple : La télévision NTSC utilise YIQ télévision noir et blanc : Y seulement Exemple : JPEG et MPEG utilise YUV et plusieurs autres encore…


Télécharger ppt "Traitements d'images et Vision par ordinateur Couleur Alain Boucher - IFI"

Présentations similaires


Annonces Google