---
title: INFO911 (5a) Segmentation - dualité régions homogènes / contours hétérogènes
type: slide
slideOptions:
transition: slide
progress: true
slideNumber: true
---
# Segmentation d'image - dualité régions homogènes / contours hétérogènes
## (Traitement et Analyse d'Image 5a)
> [name=Jacques-Olivier Lachaud][time=Novembre 2020][color=#907bf7]
> (Les images peuvent être soumises à des droits d'auteur. Elles sont utilisées ici exclusivement dans un but pédagogique)
###### tags: `info911`
Retour à [INFO911 (Main) Traitement et analyse d'image](https://codimd.math.cnrs.fr/s/UE_B59gMy)
---
# Traitement et analyse d'image
```graphviz
digraph summary{
node [color=Red,fontname=Courier,shape=box] //All nodes will this shape and colour
edge [color=Blue] //All the lines look like this
rankdir="LR"
resolution=72
monde [label="Monde réel", shape=ellipse]
subgraph cluster_imagerie {
label="Vision par ordinateur"
acquisition [label="Acquisition", shape=box]
traitement [label="Traitement", shape=box]
segmentation [label="Segmentation"]
reconnaissance [label="Reconnaissance"]
{rank=same acquisition traitement}
{rank=same segmentation reconnaissance}
}
utilisation [label="Utilisation", shape=ellipse]
//warning [label="Don't go overboard", color=Blue, fontcolor=Red,fontsize=24,style=filled, fillcolor=green,shape=octagon]
//end [label="Draw your graph!", shape=box, style=filled, fillcolor=yellow]
monde->acquisition [label="Quantités physiques"]
acquisition->traitement [label="Image", fontcolor=red]
traitement->traitement [label="Image", fontcolor=red]
traitement->segmentation [label="Image + ...", fontcolor=blue]
segmentation->reconnaissance [label="Régions/Formes + ...", fontcolor=blue]
reconnaissance->utilisation [label="Objets identifiés"]
//start->warning
//next->end [label="Getting Better...", fontcolor=darkblue]
}
```
Acquisition: caméra, scanners, lasers, radars, ...
Traitement: restauration, rééchantillonage, filtrages, transfert de couleurs, ...
Segmentation: seuillage, régions homogènes, détection de contours, ...
Reconnaissance: mesures géométriques, descripteur de formes, indexation, ...
---
# Segmentation d'image
Processus de découper une image en des régions, zones ou objets d'"intérêt"
:::info
==Segmentation== d'une image $I$ = fonction $S : \Omega \rightarrow \mathbb{Z}$
2 pixels $p,q$ de $I$ dans la même région $\Leftrightarrow$ $S[p] = S[q]$
:::
---
# Problème de la segmentation d'image
Comment trouver une/des segmentation(s) qui ont un **sens** ?
* problèmes d'échelle: voulez-vous identifier les feuilles ou les arbres ?
* problèmes d'ambiguïté: illusions classiques du gestalt
* problèmes d'acquisition: bruits, éclairage, ombres, occlusions
* problèmes d'objectifs: focus dépend de l'application visée
:::danger
Problème mal défini, mal posé, avec beaucoup de critères subjectifs
:::
---
# Régions homogènes / contours hétérogènes
| Homogénéité des régions | Détection de contours |
| -------- | -------- |
|  | |
---
# Familles d'algorithmes
1. ==Approches régions==, muni de critères d'homogénéité intra-région, rassemblent les pixels d'une même région et leur donne le même label.
2. ==Approches contours==, muni de critères de dissemblance inter-régions, identifient les séparations entre régions, complètent les trous et remplissent les régions
3. ==Approches hybrides==, muni des 2 critères, exploitent conjointement les 2 informations en gardant la cohérence régions et contours entre régions
4. ==Approches spécifiques==, recherches des formes connues à l'avance et exploitent cette information (e.g. cercles pour biométrie de l'oeil)
5. ==Approches par apprentissage==, apprennent les résultats de segmentation sur de grandes bases d'images, et extrapolent ces résultats sur les nouvelles images
---
# Choc de cultures
| | |
| ------------------------- | ------------------------ |
| ==Traitement du signal== : capteurs, filtres, analogique/numérique | ==Mathématiques appliquées== : modèles continus d'image, approches variationnelles |
| ==Informatique== : algorithmes efficaces, graphes et structures de données, descripteurs géométriques de formes | ==Morphologie mathématique== : modèles discrets d'image, filtres morphologiques |
| ==Apprentissage automatique== : réseaux convolutionnels, reconnaissance de formes | ==Statistiques== : classification, modèles pour l'apprentissage |
| ==Domaines applicatifs== : contraintes spécifiques | ==Perception== : biologie / physiologie / cognition de la vision |