Cours #9 Segmentation Découverte 4- Segmentation Introduction 4.1 Seuillage 4.2 Croissance de régions 4.3 Partition de régions 4.4 Regroupement 4.5 Partition - regroupement

Forum SYS-844 Hiver 2005

Découverte Osherson et al, Visual Cognition and Action, MIT Press, 1990, Vol. 2. Computational theories of low-level vision - Yuille et Ullman Paradigme de Marr Higher-level vision - Biederman SYS-844 Hiver 2005

Chapitre 4 Segmentation Segmentation: partition d’une image en un ensemble de régions Régions: zone homogène dans l’image (niveau de gris, couleur, texture, gradient, etc.) Principes de base de la segmentation Similarité Proximité spatiale

Représentation des régions Contour étiquetage Segmentation par contour Étiquetage SYS-844 Hiver 2005

Composition des régions Image binaire N / B Image niveaux gris éclairement Image couleur RGB, HSI, L*a*b* Texture matrice cooccurrence Vecteurs déplacement mouvement Images 3D profondeur SYS-844 Hiver 2005

Ex.: segmentation en niveaux de gris SYS-844 Hiver 2005

Définition d’une région Soit I une image Segmentation en région  partition de I en K régions Rj 1. Tout pixel appartient à une région 2. Aucun pixel n’appartient à plus d’une région 3. Proximité (cohérence) spatiale 4. Cohérence de caractéristique de région SYS-844 Hiver 2005

Représentation d’une région Étiquetage Chaque région possède une étiquette unique Un plan d’étiquettes est une image de même dimension et parallèle au plan image. Il indique les étiquettes correspondant aux pixels Contours Tous les contours sont numérotés Les contours changent de nom aux sommets et points de rencontre Description compacte: code de Freeman SYS-844 Hiver 2005

Plan d’étiquettes SYS-844 Hiver 2005

Plan de contours SYS-844 Hiver 2005

Description de contour par code de Freeman Déplacement le long de la région, en la gardant à notre droite Sens antihoraire (illustré) ou horaire CC={i,j}[5 5 6 6 6 0 0 0 0 0 0 0 1 1 2 2 2 4 4 5 4 3 4 4] SYS-844 Hiver 2005

Segmentation en régions Croissance Débuter en un point d’une région Agrandir la région par similarité Continuer tant que regroupements possibles Partition Débuter en 1 région (image complète ?) Séparer en plusieurs petites régions Continuer à séparer tant que possible (récursif) Hybride Séparer - regrouper SYS-844 Hiver 2005

Segmentation hybride Combinaison de partitions - regroupements Critères de partition ou regroupement Locaux: 1 pixel ou région et ses voisins Globaux: grand nombre de pixels répartis dans l’image SYS-844 Hiver 2005

Segmentation perceptuelle SYS-844 Hiver 2005

4.1Seuillage Le seuillage constitue une approche simple à la segmentation. Le seuillage sert de composante de base à des algorithmes plus complexes de segmentation SYS-844 Hiver 2005

4.1.1 Seuillage global T Binarisation de l’image Production de 2 zones de base: Zone 0 si I(x,y)  T Zone 1 si I(x,y) > T Segmentation par croissance de région Algorithme simple, mais lent. On débute en 1 point, on lui assigne une valeur d’étiquette, puis on trouve les voisins possédant la même valeur de zone. SYS-844 Hiver 2005

Effets du choix de la valeur de seuil T

Le résultat de la binarisation n’est pas une segmentation car plusieurs zones déconnectées ont la même valeur d’étiquette. Il faut maintenant segmenter en assignant des étiquettes aux régions (décrivables par ex. par des codes de Freeman enchaînés). SYS-844 Hiver 2005

Algorithme simple de segmentation par croissance de région inter-connectée SYS-844 Hiver 2005

4.1.2 Seuillage multiple Principe : Algorithme : Image seuillée avec m seuils Zones résultantes segmentées par croissance de région Algorithme : R(i,j) : étiquetage par croissance de région SYS-844 Hiver 2005

Seuillage Tk Global dépend de I(i,j) Local dépend de N(i,j) Dynamique dépend de I(i,j) et N(i,j) (ou hybride) Hystérésis Seuils d’après histogramme Marquage dans une zone si un voisin est marqué SYS-844 Hiver 2005

Choix des Tk : Selon l’histogramme (global) Image Choisir le seuil T à la position de vallée : T=13 Appliquer le seuil trouvé T à chaque pixel de l’image SYS-844 Hiver 2005

Image après un seuillage global Image du mandrill Image après un seuillage global avec T = 96

Seuillage avec hystérésis Par hystérésis (dynamique) Seuillage global à 80 Seuillage global à 100 Seuillage avec hystérésis (valeurs de seuil : 80 et 100)

(local) Image originale de la route Image résultante du seuillage Des points extrêmes (n=2)

4.2 Segmentation par croissance de régions Algorithme: TANT QUE image n’est pas segmentée en entier Choisir un pixel non-étiqueté Examiner les voisins: Vj similaire  étiquette k TANT QUE Vj  Région k Examiner les voisins Vi similaire  étiquette k k = k + 1 SYS-844 Hiver 2005

Critères de similarité (fréquents) SYS-844 Hiver 2005

Exemple Critère: 1er Seuil: 2 1 ? 2 2 SYS-844 Hiver 2005 Un point de départ (semence) est choisi au hasard. Une valeur d’étiquette de 1 est assignée à la position correspondante dans la carte de régions. Un pixel voisin (voisinage à 4 ou voisinage à 8) est choisi et évalué. La valeur de niveau de gris est comparée avec la valeur moyenne du voisinage. Si l’écart est inférieur ou égal à 2, la même étiquette est allouée dans la carte de régions. Un autre pixel voisin est évalué. La région complète est ainsi obtenue par croissance de région. Certains points singuliers peuvent perturber l’étiquetage des régions. Par exemple, le pixel identifié ? correspond vraisemblablement à du bruit et devrait logiquement être assigné à la région étiquetée 1, surtout si l’on considère les voisins alentour. 2 SYS-844 Hiver 2005

Performances Bonnes performances: Performances moyennes: Images non-bruitées Images sans texture Images sans gradient Performances moyennes: Images bruitées Images texturées Phénomène appelé « coulage de région ». SYS-844 Hiver 2005

Image initiale de bactéries L’utilisation d’une valeur de seuil plus basse résulte en des régions plus fragmentées. À une valeur de seuil de 25, les ombres ont complètement disparu, ce qui peut être un effet indésirable … ou désirable. Seuil = 10 Seuil = 25 SYS-844 Hiver 2005

4.3 Segmentation par partition de régions Algorithme: TANT QUE région non-uniforme Débuter avec une région large Récursif: Diviser en plusieurs régions plus petites Continuer à diviser jusqu’à ce que chaque région soit uniforme Critère de partition: seuillage global (multiple) SYS-844 Hiver 2005

Exemple: nautile SYS-844 Hiver 2005

Choix des seuils

La segmentation n’est pas encore complète, parce que certaines régions non-connectées ont la même étiquette. Il faut appliquer encore l’algorithme de croissance de régions connectées. SYS-844 Hiver 2005

4.4 Segmentation par regroupement Principe: Image d’entrée déjà segmentée (mieux: sur-segmentée) SYS-844 Hiver 2005

Algorithme: Frontière entre 2 régions est évaluée selon similitude des régions. Un petit score indique une frontière faible. Regroupement des régions aux frontières faibles (frontière éliminée) Statistiques recalculées Calcul de similarité entre la nouvelle région et les voisines On recommence tant que des frontières peuvent être supprimées SYS-844 Hiver 2005

Similarité de régions Plusieurs composantes (eg couleur, texture, etc) Plusieurs façons de combiner. Le plus usuel: le vote SYS-844 Hiver 2005

Exemple Construire le graphe d’adjacence Indiquer sur les frontières la valeur pondérée totale des votes Regrouper pour les minima locaux SYS-844 Hiver 2005

4.5 Segmentation par partition-regroupement Il s’agit de combiner les deux algorithmes, de partition et de regroupement, de telle sorte que les forces de l’un compense les faiblesses de l’autre. SYS-844 Hiver 2005

Algorithme Pré-traitement: préservation des arêtes par Nagao ou Weymouth-Overton Analyse locale par histogramme Diviser l’image selon une grille Seuils dans les vallées Algorithme des composantes connectées pour former des régions Enlever les frontières artificielles SYS-844 Hiver 2005

Regrouper les régions similaires Regrouper les petites régions de 1 ou 2 pixels avec les régions voisines plus significatives SYS-844 Hiver 2005

Exemple SYS-844 Hiver 2005