Segmentation d'images couleur par un opérateur gradient vectoriel ...
Segmentation d'images couleur par un opérateur gradient vectoriel ...
Segmentation d'images couleur par un opérateur gradient vectoriel ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
GRADIENT COULEUR MULITECHELLE (GCM) POUR LA SEGMENTATION D’IMAGE.<br />
• segmentation <strong>par</strong> approche contour effectuée à l'aide du GCM des images<br />
microscopiques <strong>couleur</strong> ;<br />
• fermeture des contours <strong>par</strong> <strong>un</strong> <strong>opérateur</strong> classique de la morphologie<br />
mathématique [Anwander et al., 1998c] ;<br />
• identification de chac<strong>un</strong>e des régions en utilisant des <strong>par</strong>amètres caractéristiques de<br />
<strong>couleur</strong> et de texture. Ce point est détaille dans les références [Anwander et al., 1997]<br />
et [Anwander et al., 1998c].<br />
Cette phase de présélection ne permet pas d'effectuer <strong>un</strong>e étude quantitative sur les<br />
formes des cristaux. Dans <strong>un</strong>e deuxième phase, nous plaçons de manière automatique <strong>un</strong> contour<br />
initial dans chac<strong>un</strong>e des régions identifiées. Ces contours initiaux sont à la base d’<strong>un</strong>e méthode de<br />
segmentation <strong>par</strong> contour actif utilisant le GCM des images. L'évolution de ce contour actif<br />
conduit à l'obtention de la forme complète des cristaux.<br />
6.1.2 Com<strong>par</strong>aison des images <strong>gradient</strong> RVB et GCM<br />
Dans cette <strong>par</strong>tie, <strong>un</strong>e com<strong>par</strong>aison visuelle est effectuée entre les différentes images<br />
<strong>gradient</strong> obtenues à <strong>par</strong>tir des images microscopiques <strong>couleur</strong> de clinker. Les <strong>gradient</strong>s utilisés<br />
sont le <strong>gradient</strong> en niveau de gris [Deriche, 1990], le <strong>gradient</strong> scalaire dans l'espace RVB ( 4 ), le<br />
<strong>gradient</strong> <strong>vectoriel</strong> (GV) ( 12 ) et le GCM ( 18 ). Sur les trois premiers, auc<strong>un</strong>e différence sensible<br />
n'a été constatée dans les résultats de détection de contours. Cette observation est due à la faible<br />
saturation de l’image <strong>couleur</strong>, donc à la faible influence des <strong>couleur</strong>s. Dans la suite, seules les<br />
approches GCM et le <strong>gradient</strong> <strong>vectoriel</strong> RVB sont com<strong>par</strong>ées.<br />
Concernant les images <strong>gradient</strong> (Figure 19a et c) de l’image représentée dans la Figure<br />
16a, on remarque clairement que le contenu informationnel de l'image GCM (Figure 19c) est plus<br />
important que celui de l'image GV (Figure 19), en <strong>par</strong>ticulier dans les zones indiquées <strong>par</strong> les<br />
cercles. En effet, l'influence des composantes <strong>couleur</strong> est mise en évidence de manière à combler<br />
l'absence de contours nets dans la composante luminance.<br />
48