u sujets –segmentation par seuillage (classification) –choix des seuils *par inspection de...
TRANSCRIPT
![Page 1: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/1.jpg)
Sujets– Segmentation par seuillage (classification)
– Choix des seuils* Par inspection de l’histogramme
* Optimal
– Lectures: Note de cours Pour installer EMGU et OpenCV, voir le site
suivant:http://www.emgu.com/wiki/index.php/Download_And_Installation
MAP-6014Concepts avancés en mathématiques et informatique
appliquées
![Page 2: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/2.jpg)
Segmentation par seuillage
Niveaux de gris (des images à niveaux de gris) Différences (détection des changements)
![Page 3: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/3.jpg)
FIGURE 2-7 [rf. SCHOWENGERDT, p. 69]
Segmentation par seuillage binaire (des images à niveaux de gris)
![Page 4: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/4.jpg)
Segmentation par seuillage binaire (des images à niveaux de gris)
![Page 5: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/5.jpg)
Segmentation par seuillage binaire (des images à niveaux de gris)
134
Ex: findThresholdFaceNIR.c
![Page 6: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/6.jpg)
Segmentation par seuillage binaire (des images à niveaux de gris)
![Page 7: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/7.jpg)
FIGURE 2-8 [rf. SCHOWENGERDT, p. 70]
Détection des changements[soustraction d ’images]
(a) 1972.(b) 1975.
- =
Vous en souvenez-vous ?
images Landsat MSS du complexe minier cuprifère de "Twin Buttes"(au sud de Tucson en Arizona)
![Page 8: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/8.jpg)
FIGURE 2-9 [rf. SCHOWENGERDT, p. 71]
Segmentation par seuillage binaire (détection des changements)
![Page 9: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/9.jpg)
Figure 7.25 [rf. GONZALEZ, p. 444]
Choix des seuils (par inspection de l’histogramme)
![Page 10: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/10.jpg)
Figure 7.27 [rf. GONZALEZ, p. 448]
Choix des seuils (optimaux : par minimisation de la probabilité d’erreur)
![Page 11: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/11.jpg)
Choix des seuils (optimaux)
![Page 12: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/12.jpg)
Choix des seuils (optimaux)
Supposons que nous observons deux surfaces dans une image
La probabilité p(z) d’avoir une valeur de niveau de gris z dans l’image est donnée par:
p(z) = P1 p1(z) + P2 p2(z)
où: P1: probabilité d’occurrence de la surface 1,
Fraction de l’image correspondant à la surface 1
P2: probabilité d’occurrence de la surface 2,
Fraction de l’image correspondant à la surface 2
![Page 13: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/13.jpg)
Choix des seuils (optimaux)
où: p1(z): probabilité d’occurrence d’un pixel de
niveau de gris z dans la surface 1
p2(z): probabilité d’occurrence d’un pixel de
niveau de gris z dans la surface 2 Si nous supposons que p1(z) et p2(z) sont distri-
bués selon une loi normale nous obtenons:
22
22
21
21
2
2
2
2
1
1
2
1)(
2
1)(
z
z
ezp
ezp
![Page 14: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/14.jpg)
Choix des seuils (optimaux)
où: 1 et 2 sont les moyennes des valeurs de niveaux de gris des surfaces 1 et 2 respectivement et 1 et 2 leur écart-type
p(z) devient alors:
22
22
21
21
2
2
22
1
1
22)(
zz
eP
eP
zp
De plus nous savons que
121 PP
![Page 15: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/15.jpg)
Choix des seuils (optimaux)
La probabilité d’erreur
T
![Page 16: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/16.jpg)
Choix des seuils (optimaux)
Déterminons la probabilité d’erreur de classifica-tion dans les classes 1 et 2 (surfaces 1 et 2)
Nous définissons E1 la probabilité de classer un pixel dans la classe 1 lorsqu’il appartient à la classe 2 et E2 la probabilité de classer un pixel dans la classe 2 lorsqu’il appartient à la classe 1
De plus nous voulons savoir quelle sera l’erreur causée par le choix d’un seuil donné T
![Page 17: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/17.jpg)
Choix des seuils (optimaux)
Les probabilités d’erreur sont données par:
dzzpTE
dzzpTE
T
T
)()(
)()(
12
21
La probabilité d’erreur totale est alors donnée par:
)()()( 2112 TEPTEPTE
![Page 18: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/18.jpg)
Choix des seuils (optimaux)
Cherchons une valeur de T qui minimise E(T)
Après simplifications nous obtenons une expression de la forme:
)()(
0)()()('
2211
2211
TpPTpP
TpPTpPTE
02 CBTAT
![Page 19: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/19.jpg)
Choix des seuils (optimaux)
Les coefficients A B et C sont donnés par:
21
1222
21
22
21
21
22
212
221
22
21
ln2
2
P
PC
B
A
![Page 20: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/20.jpg)
Choix des seuils (optimaux)
Lorsque les variances sont égales:
1
2
21
221
222
21
ln2 P
PT
![Page 21: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/21.jpg)
Choix des seuils (optimaux)
Lorsque les surfaces sont équiprobables:
221
21
T
PP
![Page 22: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/22.jpg)
imageasegmenter.rast
Exemple de segmentation
segmentation
![Page 23: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/23.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles)
![Page 24: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/24.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles, Histogram.h)
![Page 25: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/25.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles, Histogram.cpp)
![Page 26: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/26.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles, Histogram.cpp)
![Page 27: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/27.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles, Histogram.cpp)
![Page 28: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/28.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles, Histogram.cpp, LocateExtremum)
![Page 29: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/29.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles, Histogram.cpp, LocateExtremum …)
![Page 30: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/30.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles, Histogram.cpp, LocateExtremum …)
![Page 31: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/31.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles, Histogram.cpp, ThreshHistogram)
![Page 32: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/32.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles, Histogram.cpp, ThreshHistogram …)
![Page 33: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/33.jpg)
imageasegmenter.rast
Exemple de segmentation (Détection de pupilles, Histogram.cpp)
![Page 34: u Sujets –Segmentation par seuillage (classification) –Choix des seuils *Par inspection de lhistogramme *Optimal –Lectures: Note de cours u Pour installer](https://reader035.vdocuments.mx/reader035/viewer/2022062622/551d9db8497959293b8dca68/html5/thumbnails/34.jpg)
Résumé
Segmentation des images par seuillage– Segmentation par seuillage
* Niveaux de gris
* Différences
– Choix des seuils* Par inspection de l’histogramme
* Optimal