PIF-6003 Sujets spéciaux en informatique I

Slides:



Advertisements
Présentations similaires
Traitement d’images : concepts fondamentaux
Advertisements

Traitement d’images : concepts fondamentaux
A Pyramid Approach to Subpixel Registration Based on Intensity
Xialong Dai, Siamak Khorram
Encadrés: Chapitre 13 Distances
Identification des personnes par l’iris
Angles et distances dans R2
Analyse d’images Détection de contour Cours 8
Chapitre 2: Les régularités et les relations
Réalisateur : PHAM TRONG TÔN Tuteur : Dr. NGUYEN DINH THUC
TRAITEMENT D’IMAGE SIF-1033.
Concepts avancés en mathématiques et informatique appliquées
SUJETS SPÉCIAUX EN INFORMATIQUE I
Lignes trigonométriques.
SUJETS SPÉCIAUX EN INFORMATIQUE I PIF Contenu du cours Transformations géométriques des objets –Transformations 2D –Transformations entre systèmes.
Examen partiel #3 Mercredi le 15 décembre de 15h30 à 17h20
Méthode des Ensembles de Niveaux par Eléments Finis P1
Transformée de Hough Bernis FOMAZOU 11 Mars /10 Bernis Fomazou
Modélisation du robot Azimut-3
Courbes de Hermite Michael E. Mortenson, Geometric Modeling. Wiley, 1997, 523p.
Courbes de Bézier.
Visualisation de surfaces décrites analytiquement
OBJETS ÉLÉMENTAIRES DANS L’ESPACE À TROIS DIMENSIONS
Génération d’un segment de droite
PROGRAMMATION SCIENTIFIQUE EN C
TRAITEMENT D’IMAGE SIF-1033.
SUJETS SPÉCIAUX EN INFORMATIQUE I
SUJETS SPÉCIAUX EN INFORMATIQUE I
SIF-1033 Traitement d’image
RECONNAISSANCE DE FORMES
SUJETS SPÉCIAUX EN INFORMATIQUE I
SUJETS SPÉCIAUX EN INFORMATIQUE I
MAP-6014 Concepts avancés en mathématiques et informatique appliquées
Distance de BORGEFORS Et Applications
MODULE 8 Les fonctions SINUSOÏDALES
Géométrie analytique Équations d’une droite
Interprétation automatique
Technique de points de contrôle: Formes de Bézier
TRAITEMENT D’IMAGE SIF-1033.
MAP-6014 Concepts avancés en mathématiques et informatique appliquées
SIF-1033 Traitement d’image
Projet Télédétection Vidéo Surveillance Deovan Thipphavanh – Mokrani Abdeslam – Naoui Saïd Master 2 Pro SIS / 2006.
INF-1019 Programmation en temps réel
Physique 3 Vibrations linéaires et ondes mécaniques
Programmation linéaire en nombres entiers
Extraction de segments pour la reconnaissance de symboles : Une approche robuste par Transformée de Hough Présenté par : Simon BERNARD Encadré par : Jean-Marc.
Sujets spéciaux en informatique I PIF Approches non-paramétriques u Technique de classification NN u Technique de classification k-NN u Erreurs.
Les fonctions linéaires et affines
Le contrôle de soudures laser par radiographie X
TRAITEMENT D’IMAGE SIF-1033 Segmentation des images par détection de contours et d’arêtes u Détection des contours et arêtes u Dérivée première (gradient)
INF-1019 Programmation en temps réel
Réseaux de neurones à base radiale
CHAPITRE III Calcul vectoriel
Trigonométrie s α R s= α R α= s/R longueur d’un arc
SUJETS SPÉCIAUX EN INFORMATIQUE 1
MAP-6014 Concepts avancés en mathématiques et informatique appliquées
INF-1019 Programmation en temps réel
SIF1033 TRAITEMENT D’IMAGE
PROGRAMMATION SCIENTIFIQUE EN C PRO Résolution de système d’équations non- linéaires (racines d’équations) u Méthode de la bissection u Analyse.
Mathématiques pour Informaticien I
LA FONCTION PARTIE ENTIÈRE
OBJETS ÉLÉMENTAIRES DANS L’ESPACE À TROIS DIMENSIONS
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Approximation linéaire –Méthode du moindre carré u Exemple.
Partie II : Segmentation
PIF-6003 Sujets spéciaux en informatique I
Traitement du signal (images) u Sujets –Détection des droites –Transformée de Hough (espace paramétré) *avec la pente et l’ordonnée à l’origine *avec.
PROGRAMMATION SCIENTIFIQUE EN C
Segmentation (2 ième partie) Références: Sonka et al: sections 6.2.6, 10.2 (10.6) Autres: chap Forsyth chap. 4 Ballard & Brown (pour GHT) Dernière.
GEOMETRIE VECTORIELLE
Transcription de la présentation:

PIF-6003 Sujets spéciaux en informatique I Détection des droites Transformée de Hough (espace paramétré) avec la pente et l’ordonnée à l’origine avec la normale et l’angle Détection des droites dans l’espace transformé Détection des cercles/ellipses Lectures: Notes de cours

Détection des droites Si nous avons une image binaire dont les pixels avec une valeur de niveau de gris à PIXMAX font partis de segments de droites La détection des droites pourrait être effectuée en: Déterminant l’ensemble des droites potentielles Chercher les points proches de chaque droite potentielle => n3 comparaisons

Transformée de Hough (avec la pente et l’ordonnée à l’origine) Figure 7.15 [rf. GONZALEZ, p. 434]

Représentation discrète d’un espace paramétré : transformée de Hough Tableau de compteurs de points colinéaires Figure 7.16 [rf. GONZALEZ, p. 435]

Représentation discrète d’un espace paramétré : transformée de Hough (b) Figure 7.16 [rf. GONZALEZ, p. 435] Image contenant deux segments de droite Représentation du tableau de compteurs

Transformée de Hough (avec la pente et l’ordonnée à l’origine) Faiblesse Pour a ->  => droite verticale b ->  Difficile à représenter dans l’espace paramétré

Transformée de Hough (avec la normale et l’angle) Figure 7.17 [rf. GONZALEZ, p. 436]

Transformée de Hough (avec la normale et l’angle) Forme normale de la droite  = x cos  + y sin  L’espace paramétré est borné par:  -(H2+L2)1/2, (H2+L2)1/2 H: Hauteur de l’image L: Largeur de l’image  -/2,/2

Transformée de Hough (exemples) B Image avec 5 points spécifiques Espace paramétré rq ( A relie les pts 1, 3 et 5 et B les pts 2, 3 et 4 ) Espace paramétré rq {où q s’étend de ± 90° et r de ± Ö2D} Espace paramétré rq ( inversion des signes de r et q à ± 90° ) Figure 7.18 [rf. GONZALEZ, p. 437]

Transformée de Hough (avec la normale et l’angle) Algorithme général Effectuer la transformée de Hough Pour chaque pixel à PIXMAX Calculer les droites chacune paramétrées , pouvant passer par ce pixel Faire la mise à jour des compteurs de points colinéaires (espace paramétré) aux positions , Détecter les droites Parcourir l’espace paramétré et déterminer si le nombre de points colinéaires dépasse un seuil fixé par l’usager

Détection des droites dans l’espace transformé (exemples) Figure 7.14 [rf. GONZALEZ, p. 433]

Détection des droites dans l’espace transformé (exemple OpenCV: houghlines.c)

Détection des droites dans l’espace transformé (exemple OpenCV: houghlines.c)

Détection des droites dans l’espace transformé (exemple OpenCV: houghlines.c)

Détection des droites dans l’espace transformé (exemple OpenCV: houghlines.c)

Détection des droites dans l’espace transformé (exemple OpenCV: houghlines.c)

Détection des droites dans l’espace transformé (exemple OpenCV: houghlines.c)

Détection des cercles Expression du cercle en coordonnées polaires par L’espace projeté est paramétré par xc et yc donnés par

Détection des cercles Algorithme général Effectuer la transformée de Hough (cercle de rayon r) Pour chaque pixel à PIXMAX Calculer les centres des cercles donnés par xc,yc pouvant contenir ce pixel Faire la mise à jour des compteurs des centres de cercle (espace paramétré) aux positions xc,yc Détecter les cercles Parcourir l’espace paramétré et déterminer si le nombre de points cocirculaires dépasse un seuil fixé par l’usager

Détection des cercles (Exemple) Image monnaie

Détection des ellipses (Exemple) (ex: findThresholdFaceNIR.c)

Détection des ellipses (Exemple) (ex: findThresholdFaceNIR.c)

Détection des ellipses (Exemple) (ex: findThresholdFaceNIR.c) //

Détection des ellipses (Exemple) Extraction des contours à partir de l’image seuillée

Détection des ellipses (Exemple) (ex: findThresholdFaceNIR.c)

Détection des ellipses (Exemple) Extraction des contours et ellipses à partir de l’image seuillée

Détection des ellipses (Exemple) Si nous avons N points d’un contour p1 …. pN dans une images et pi = [xi, yi]T. Posons x = [x2, xy, y2, x, y, 1]Tet p = [x, y]T, alors nous pouvons écrire: Cette forme générale d’une ellipse est caractérisée par le vecteur de paramètres a = [a, b, c, d, e, f]T. L’approximation d’un contour par une ellipse revient à trouver un vecteur a0 qui approxime le mieux les points pi d’un contour au sens des moindres carrés, et qui est la sol’n de: D() est une fonction distance

Détection des ellipses (Exemple) En utilisant la distance algébrique le problème de minimisation de moindre carré précédent devient linéaire et peut être résolu de façon directe sous la forme: Pour éviter la sol’n triviale a = 0 nous devons imposer une contrainte sur a avec la matrice C (constraint matrix):

Détection des ellipses (Exemple) Ensuite, nous pouvons réécrire la fonction de minimisation basée sur la distance algébrique sous la forme: Avec X la matrice (design matrix) de la forme suivante et S = XTX (scattering matrix):

Détection des ellipses (Exemple) Le vecteur a0 optimal correspond au vecteur propre associé à la seule valeur propre négative découlant du système suivant : Algorithme: Créer la matrice X à partir des point pi = [xi, yi] d’un contour Calculer la matrice S = XTX Créer la matrice C Calculer les valeurs propres  du système précédent et trouver la valeur propre négative n à laquelle est associée le vecteur propre optimal a0

Détection des ellipses (Exemple) Exemples d’approximation découlant de l’application de l’algorithme précédent: Bruit de contour gaussien croissant

Détection des ellipses (Exemple) Exemple de programme OpenCV (RTGazeTracking.c): Création de la matrice de contraintes C

Détection des ellipses (Exemple) Exemple de programme OpenCV (RTGazeTracking.c) (suite ….): Création de la matrice X

Détection des ellipses (Exemple) Exemple de programme OpenCV (RTGazeTracking.c) (suite ….):

Détection des ellipses (Exemple) Exemple de programme OpenCV (RTGazeTracking.c) (suite ….):

Détection des ellipses (Exemple) Exemple de programme OpenCV (RTGazeTracking.c) (suite ….):

Résumé Segmentation des images par détection des droites Transformée de Hough Détection des droites dans l’espace transformé Détection des cercles/ellipses