Chapitre 4 : Morphologie Mathématique

Slides:



Advertisements
Présentations similaires
Traitement d’images : concepts fondamentaux
Advertisements

Traitement d’images : concepts fondamentaux
Traitement d’images : concepts fondamentaux
Sémantique des déclarations pour le langage Z minimal
Algorithmes et structures de données avancés
Introduction Pour concrétiser l’enseignement assisté par ordinateur
Chapitre 6: Les procédures et les fonctions

Nicolas Bourbaki.
variable aléatoire Discrète
Continuité Introduction Continuité Théorème des valeurs intermédiaires
OCaml - Les listes L3 MI.
Chapitre 5 : Image couleur
Chapitre 6 : Restauration d’images
Réalisateur : PHAM TRONG TÔN Tuteur : Dr. NGUYEN DINH THUC
Le filtrage d’images.
Chapitre 2 : Filtrage Professeur. Mohammed Talibi Alaoui
Fonction puissance Montage préparé par : André Ross
Outils « bureautique » 1. Traitement de texte 2. Tableur.
Chapitre 3 : Détection des contours
Opérateurs morphologiques
Traitements d'images et Vision par ordinateur
La segmentation
7.1 TRANSFORMATION LINÉAIRE Cours 19. Au dernier cours nous avons vus Le déterminant dune matrice carré Les propriétés du déterminant La matrice adjointe.
Les Classes les structures en C (struct) regroupent des variables : structuration de l'analyse mais problèmes de cohérence problèmes de sécurité d'accès.
Méthode des Ensembles de Niveaux par Eléments Finis P1
Transformée de Hough Bernis FOMAZOU 11 Mars /10 Bernis Fomazou
Chapitre 4: Objets et Images
Design dun système de vision embarqué. Application:
PIF-6003 Sujets spéciaux en informatique I
Pr. M. Talibi Alaoui Département Mathématique et Informatique
Distance de BORGEFORS Et Applications
Interprétation automatique
Serrure biométrique Reconnaissance dempreintes digitales Raphaël FROMONT – Pascal GRIMAUD – Nicolas MUNOZ Tuteur : M. Patrick ISOARDI.
TRAITEMENT D’IMAGE SIF-1033.
Patrons de conceptions de créations
Modélisation géométrique de base
Projet de session – SCG-67210
Itérations de fonctions non linéaires
GRAPHES EN INFORMATIQUE. INTRODUCTION Les objets mathématiques appelés graphes apparaissent dans de nombreux domaines comme les mathématiques, la biologie,
Morphologie mathématique ensembliste
Module 4: Le filtrage d’images. Objectifs du filtrage.
Chapitre 8 : Recalage d’images
Arbres binaires et tables de hachage
REPRESENTATION DE L’INFORMATION
Micro-intro aux stats.
Modèles Mathématiques et représentation discrètes pour la description des images couleur Luc Brun.
Morphologie mathématique (cas fonctionnel)
Programmation fonctionnelle Preuve
Chapitre 3: Translation et Vecteurs
Introduction au Traitement d’image
Cours LCS N°4 Présenté par Mr: LALLALI
TNS et Analyse Spectrale
MATHÉMATIQUES DISCRÈTES Chapitre 1 (Sections 6, 7, 8)
Leçon 4 NOTION DE FONCTION Fabienne BUSSAC.
SIF1033 TRAITEMENT D’IMAGE
EXPLOITATION DES IMAGES
Comprendre le SGBDR Microsoft Access – partie 2
Mathématiques pour Informaticien I
Cours 5 - Trois algorithmes de tri d'un tableau
Visualisation des flots optiques en 3D
Systèmes formels 1. Définition d'un SF Morphologie Théorie propre
Traitement d’images 420-D78-SW A15 Semaine 02.
Objets et Actions Élémentaires.
Chapitre 8 : Les mouvements Les objectifs de connaissance :
Traitement d’images Semaine 13 – Modèle correspondant.
Introduction à l’Informatique Licence SPI Mme Delmotte.
Filtrage des images.
Transcription de la présentation:

Chapitre 4 : Morphologie Mathématique Pr. M. Talibi Alaoui Département Mathématique et Informatique

La morphologie mathématique est apparue à l'Ecole des Mines vers la fin des années 60. Cette théorie a depuis connu un essor important et fait l'objet de nombreuses recherches. Fondée sur des notions ensemblistes et topologiques.

Prétraitements, Segmentation et Analyse son principe est d'étudier les caractéristiques morphologiques (forme, taille, orientation, ...) des objets. transformations non linéaires associées à un objet de référence (élément structurant). Objectifs : Prétraitements, Segmentation et Analyse d’image.

Introduction Un opérateur de morphologie mathématique reçoit une image en entrée et fournit une image en sortie.

Définition par élément structurant Erosion : Dilatation :

Sxy désigne l’élément structurant placé en (x,y). B désigne l’image initiale et B’ l’image résultant de l’application de l’opérateur morphologique. Ces opérations peuvent être réalisés grâce aux fonctions : E = erode(B, S, n); D = dilate(B, S, n); Exemple 1

D = dilate (B, ‘dilate’, n); Il existe aussi un élément structurant prédéfini : un carré de 3 * 3 pixels. E = erode (B, ‘erode’, n); D = dilate (B, ‘dilate’, n); Exemple 2 Exemple 3

A partir des deux opérations de base, on peut définir des opérations plus complexes, telles que l’ouverture et la fermeture : L’ouverture est une érosion suivie d’une dilatation. La fermeture est une dilatation suivie d’une érosion. Exemple 4

Définition par une table de correspondance Une table qui pour chaque configuration possible dans le voisinage du pixel (x,y), donne la valeur que prendra ce pixel. Si l’on considère un voisinage de n pixels, la table comprendra 2n entrées. Si l’on note b0, b1, b2,..,b8 les valeurs des 9 pixels du voisinage, Matlab calcule l’entier suivant : i = 28 b8 + … + 2 b1 + b0 + 1

La fonction Matlab à utiliser est bwmorph. Elle prend en paramètres l’image initiale et le tableau : R = bwmorph(B, tab); Il existe également des tableaux prédéfinis, que l’on utilise en donnant un nom d’opération : R = bwmorph(B, operation, n)

[R, tab] = bwmorph(B, operation); operation peut prendre, entre autres, l’une des valeurs suivantes : ‘dilate’, ‘erode’, ‘open’, ‘close’, ‘clean’, ‘skel’. On peut récupérer un tableau prédéfini en appelant bwmorph de la manière suivante : [R, tab] = bwmorph(B, operation);

Réduction du bruit par filtres morphologiques Les opérateurs morphologiques ne se limitent pas aux images binaires. Le travail à réaliser est cependant très réduit, grâce à une puissante fonction Matlab : nlfilter La syntaxe est la suivante : E = nlfilter( J , taille, ‘eroder’ ); Exemple