Traitement des images SIF1033 Caractristiques dobjets 2 D
Traitement des images SIF-1033
Caractéristiques d’objets 2 D u Étapes du processus de reconnaissance de formes (indexation d’images) u Représentation des objets (ex: images 2 D)
Étapes du processus de reconnaissance de formes, indexation d’images
Représentation des objets (ex: images 2 D) u Exemples de caractéristiques extraites d’une image 2 D – Contours – Signature – Descripteurs de Fourier – Moments statistiques – Textures – Moments invariants – Histogramme de couleur
Représentation des objets (ex: images 2 D: contours) u Les contours peuvent être extraits par des techniques de suivi de contours, ou de codage en chaîne à partir d’images binaires (déduite par seuillage)
Représentation des objets (ex: images 2 D: contours) u Approximation polygonale: Contour avec un nombre réduit de points
Représentation des objets (ex: images 2 D: contours) u Approximation polygonale
Représentation des objets (ex: images 2 D: contours) u Approximation polygonale
Représentation des objets (ex: images 2 D: contours) u Extraction des contours (python) – Les contours représentent des courbes constituées de suites de points continus à la frontière de régions, ayant chacune les mêmes propriétés de couleur – Ces contours sont utiles pour caractériser la forme des objets présents dans une image – Les caractéristiques extraites peuvent être ensuite utilisées pour faire la reconnaissance des objets – Pour une meilleure précision, l’extraction des contours est faite sur des images binaires
Représentation des objets (ex: images 2 D: contours) u Extraction des contours (python) – La détection des contours est donc précédée d’un seuillage d’image ou de la détection d’arêtes (méthodes du LOG ou Canny) – Avec Open. CV, trouver les contours est comme trouver des objets blancs dans un arrière plan noir – Les objets doivent donc être segmentés (ex: seuillage) de façon à ce qu’ils soient blancs dans un arrière plan noir
Représentation des objets (ex: images 2 D: contours) u Extraction des contours (python) – La méthode cv 2. find. Contours() comporte 3 arguments: 1. Image source 2. Mode de stockage des contours 3. Type d’approximation des contours
Représentation des objets (ex: images 2 D: contours) u Extraction des contours (python) – La méthode cv 2. find. Contours() comporte 3 sorties: 1. Image 2. Contours est une liste des contours dans l’image, chaque contour est un Numpy array de coordonnées (x, y) 3. Hierarchy
Représentation des objets (ex: images 2 D: contours) u Affichage des contours (python) – La méthode cv 2. draw. Contours() permet de dessiner les contours des formes à partir des listes de points de contours (découlant de cv 2. find. Contours()) 1. Le premier argument: image source 2. Le second argument sont les contours, passés comme des listes Python 3. Le troisième argument est l’index du (des) contours. Pour dessiner tous les contourrs, passez -1, les autres arguments sont la couleur, l’épaisseur etc.
Représentation des objets (ex: images 2 D: contours) u Affichage des contours (python) – Affichage de tous les contours – Affichage de contours 3 (4 ième de la liste)
Représentation des objets (ex: images 2 D: contours) u Extraction des contours (python) – Si on passe cv 2. CHAIN_APPROX_NONE comme 3 ième argument à la méthode cv 2. find. Contours() tous les points d’un contours sont conservés – Doit-on conserver tous ces points ? Sachant que des contours sont parfois rectilignes et que juste 2 points seraient suffisants pour représenter ces segments – cv 2. CHAIN_APPROX_SIMPLE permet d’éliminer ces points de contour inutiles
Représentation des objets (ex: images 2 D: contours) u Extraction des contours (python) – cv 2. CHAIN_APPROX_NONE (734 points) – cv 2. CHAIN_APPROX_SIMPLE (4 points)
Représentation des objets (ex: images 2 D: contours) u Extraction de caractéristiques à partir des contours – Moments statistiques de forme
Représentation des objets (ex: images 2 D: contours) u Extraction de caractéristiques à partir des contours – Surface – Périmètre – Enveloppe convexe (convex hull) » » points: points de contour passés hull : points en sortie. clockwise : orientation True (CW)/False (CCW) return. Points : par défaut, True, retourne les coordonnées du convex hull, si False, retourne les indices des points de contour du convex hull
Représentation des objets (ex: images 2 D: contours) u Extraction de caractéristiques à partir des contours – Rectangle englobant (Bounding rectangle) – Rectangle orienté
Représentation des objets (ex: images 2 D: contours) u Extraction de caractéristiques à partir des contours – Ellipse englobante
Représentation des objets (ex: images 2 D: contours) u Extraction de caractéristiques à partir des contours – Autres caractéristiques:
Représentation des objets (ex: images 2 D: signature) u Une signature de contour peut être extraite en calculant la distance entre le centre de masse d’une forme et son contour en fonction de l’angle
Représentation des objets (ex: images 2 D: signature)
Représentation des objets (ex: images 2 D: Descripteurs de Fourier)
Représentation des objets (ex: images 2 D: Descripteurs de Fourier) u Approximation d’un contour avec P descripteurs de Fourier P=1434 P=8
Représentation des objets (ex: images 2 D: Descripteurs de Fourier) u Invariance en translation, rotation, changement d’échelle
Représentation des objets (ex: images 2 D: Moments statistiques) u Le contour d’une forme peut être décrit par les moments statistiques Si g(r) est normalisé, g(r) devient alors la PDF de r
Représentation des objets (ex: images 2 D: Textures) u L’approche statistique pour représenter une région • p(zi) probabilité d’occurrence de zi • coefficient d’asymétrie • coefficient d’aplatissement • coefficient d’uniformité • coefficient d’entropie
Représentation des objets (ex: images 2 D: Textures) u L’approche statistique pour représenter une région
Représentation des objets (ex: images 2 D: Textures) u L’approche par matrice de cooccurrence pour représenter une région permet de capturer les relations spatiales
Représentation des objets (ex: images 2 D: Textures) u Descripteurs de texture extraits de G
Représentation des objets (ex: images 2 D: Textures) u Exemples de texture et matrices G correspondantes G 1 G 2 G 3
Représentation des objets (ex: images 2 D: Moments invariants) u Moments statistiques d’une images • Forme générale • Moments d’une image u I(x, y) peut être vue comme une PDF
Représentation des objets (ex: images 2 D : Moments invariants) u Moments centrés d’une image f(x, y)
Représentation des objets (ex: images 2 D: Moments invariants) u Moments d’ordre 3
Représentation des objets (ex: images 2 D : Moments invariants) u Moments invariants en rotation, translation, changement d’échelle (Moments de Hu)
Représentation des objets (ex: images 2 D : Moments invariants) u Moments d’ordre 3 (exemples de la même image)
Représentation des objets (ex: images 2 D : histogramme de couleurs) u Histogramme de couleurs (ex: RGB, 3 histogrammes)
Représentation des objets (ex: images 2 D : histogramme de couleurs) u Histogramme du nombres de points de contour selon une direction donnée.
Représentation des objets (ex: images 2 D : histogramme de couleurs) u Histogramme de l’orientation des points de contour.
Représentation des objets (ex: images 2 D : histogramme de couleurs) u Histogramme de l’orientation des points de contour.
Représentation des objets (ex: images 2 D : histogramme de gradient) u Histogramme de gradient d’un visage
- Slides: 42