Вы находитесь на странице: 1из 67

Jean-Marc

Vezien
Vision par Machine 1
TRAITEMENT des IMAGES
et
VISION par MACHINE
MASTER PRO INFO
2009/2010
Jean-Marc Vzien
Jean-Marc.Vezien@limsi.fr
Jean-Marc
Vezien
Vision par Machine 2
Plan du cours
1. Introduction limagerie numrique
2. Amlioration dimages
3. Traitement frquentiel
4. Correction dimages
5. Perception humaine
6. Restauration dimages
7. Elments de morphologie mathmatique
Jean-Marc
Vezien
Vision par Machine 3
Bibliographie
Computer Vision
par D.H. Ballard, et C.M. Brown
1982., Prentice-Hall.
Vision
par David Marr
1982. W.H. Freeman and Company.
Machine Vision
par Ramesh Jain, Rangachar Kasturi, Brian G. Schunck
McGraw-Hill Education (ISE Editions), 1995.
Perceptual Organization and Visual Recognition
par David G. Lowe
Kluwer Academic Publishers, Boston, Mass., 1985.
Robot Vision
par Berthold K. Horn
MIT Press, 1986.
Digital Image Processing
par Rafael C. Gonzalez, Richard E. Woods.
Addison-Wesley, 1992.
Digital Image Processing : a practical introduction using Java
par Nick Efford
Addison-Wesley, 2000.
Jean-Marc
Vezien
Vision par Machine 4
I. INTRODUCTION
A
LIMAGE
NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 5
I. INTRODUCTION A
LIMAGE NUMERIQUE
Domaine omniprsent :
Grand public :
Appareil photo, tlphone
Cinma , Tlvision, Home Cinma
Images relles et de
synthse.
Informatique
Jean-Marc
Vezien
Vision par Machine 6
I. INTRODUCTION A
LIMAGE NUMERIQUE
Domaine omniprsent:
Applications industrielles (2D et 3D) :
Imagerie satellitaire
guidage
Post-traitement
(audiovisuel)
Tlsurveillance, biomtrique,
police scientifique (reconnaissance)
Radiologie
Gnomique
Contrle industriel
Robotique
(nuclaire)
Analyse du geste sportif
Jean-Marc
Vezien
Vision par Machine 7
Trois catgories de transformations:
Le traitement des images:
image image
(image processing).
Lanalyse dimages:
image mesures
(image analysis)
Lanalyse smantique:
image description de haut niveau
(image understanding).
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 8
Cours:
Concepts fondamentaux du
traitement dimages.
Images 2D (gnralisation possible)
Image = fonction I(x,y)
I = amplitude = intensit (ou vecteur)
position (x,y) dans le plan cartsien.
Ex:
une photographie arienne
un profil d'lvation d'un terrain
une carte topographique
= trois images diffrentes d'un mme objet
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 9
Image digitale I[m,n] =
Description dans un espace
discret de R
2
dune image
continue I(x,y)
Amplitudes =
rels (voire complexes) ou
Entiers = quantification des
valeurs sur un ensemble
discret (ex: 24 bits)
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 10

Valeur :
I(x,y,z,,t)
lignes
colonnes

Frquemment on aura M=N=2
K
N lignes et M colonnes
L=2
B
, B = nombre de bits
B=1 : image binaire
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 11

Types dopration:
Complexit de calcul croissante
Traitement local: notion de voisinage,
gnralement rectangulaire
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 12
Proprits \ Standard NTSC PAL SECAM
images / seconde 29.97 25 25
ms / image 33.37 40.0 40.0
lignes / image 525 625 625
(horiz./vert.) =
aspect ratio
4:3 4:3 4:3
entrelacement 2:1 2:1 2:1
s / ligne 63.56 64.00 64.00
Paramtres vido:
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 13
Paramtres vido numriques:
Formats 16:9 plus adapts la tlvision.
Toujours 50/60Hz
HD ready: 1280 x 720 (mais pourra afficher
le Full HD)
720i: entrelac, 2:1
720p : pas dentrelacement
FULL HD : 1920 x 1080
1080p: pas dentrelacement, 1:1
1080i: entrelace, 2:1
(Rappel: SD = 720 x 576 en 2:1)
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 14
I. INTRODUCTION A
LIMAGE NUMERIQUE
SD
HDReady
Full HD
Bande passante: BW = [(TP x Vt) /2] x 3 (MHz)
TP = total pixels (horizontal x vertical)
Vt = Rafraichissement image (Hz)
SD (entrelac) : 19 MHz
HDReady (720p): 83 MHz
Full HD (1080p) :186 MHz
http://www.hdtvexpert.com
Multibust
(ref)
720p
observ
Jean-Marc
Vezien
Vision par Machine 15
Objet
Systme de prise
de vues
Numrisation :
chantillonnage
et quantification
Sources
d'clairement
Energie
rayonnante
Image
analogique
Image
numrique
Formation des images:
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 16

p(x0,y0,z0)
o
f(x,y)
d
z
x
point focal
plan focal
Formation des images:
projection perspective
) , ( ) , (
0
0
0
0
d z
y
d
d z
x
d f y x f

=
d = distance focale
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 17
Imperfections des sytmes:
Largeur de trou: dfocalisation
Diffraction: perte de nettet
Epaisseur de plaque: vignettage
Astigmatisme (irisations)
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 18
Paramtres des capteurs:
Linarit:
Sensibilit
absolue : nombre minimum de
photolectrons dtectables
relative : nombre minimum de
photolectrons ncessaire pour
passer dun niveau de gris au
suivant
offset a gain c + =

gain
S
1
=
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 19
Bruits:
Le bruit photonique
T = temps dobservation
= densit de photons par unit de temps.
Le bruit thermique = un courant en
labsence de lumire = courant
dobscurit.
Pour rduire ce bruit, on peut refroidir
le capteur.
dB T RSB ) ( log 10
10
photo =
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 20
Bruits:
Le bruit de lecture
dpend de la frquence de lecture
sur le CCD. Pour des signaux
faibles et des frquences de lecture
importantes.
Le bruit damplification
bruit gaussien gnr par les
diffrents tages damplification.
presque ngligeable dsormais.
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 21
Le bruit de quantification :
gnr lors de la numrisation du
signal en 2
B
niveaux discrets.
Pour B=8 bits, on obtient 59 dB,
cest dire une valeur trs
importante.
dB B RSB
quant
11 6 + =
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 22
Dans la pratique, cest le bruit
photonique qui produit le RSB
le plus faible, et est donc
prpondrant.
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 23
Vignettage: perte de
luminosit non homogne
(optique)
ij ij
j i a j i c | o + = ) , ( ) , (
Coefficients o et | estims par
calibration (voir chapitre
correction dimage)
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 24
Forme du pixel:
Zone non
sensible
Zone sensible
Parfois X0/Y0 1 (pixel non carr)
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 25
La forme du pixel peut conduire des
altrations lors de la capture:
Estimation laide de mires gomtriques
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 26
Facteur de remplissage:
% 100 =
o o
a a
Y X
Y X
Fr
Important = on collecte + de lumire
RSB meilleur mais phnomne de bavure
compromis
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 27
Sensibilit spectrale:
CCD sensible aux IR (filtre).
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 28
Temps dintgration: parfois aussi
bref que 500 ns. PAL = 40 ms.
Dbit de Lecture:
|
|
.
|

\
|

|
|
.
|

\
|

|
.
|

\
|
=
ligne
pixels
image
lignes
sec
images
D
Format lignes / sec pixels / ligne
Dbit
(Mhz.)
NTSC 525 x 30 (4/3) x 525 ~11.0
PAL /
SECAM
625 x 25 (4/3) x 625 ~13.0
Full HD: x 10 !! Dbit important =
bruit de lecture non ngligeable, voire
prpondrant.
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 29
I. INTRODUCTION A
LIMAGE NUMERIQUE
Exemple: portable (2006)
Tlphone quip dun capteur
CCD ou CMOS
Compression JPEG pour envoi
immdiat
Haute rsolution:
3.2 Mpixels (1536 x 2048)
Taille compresse: 300 Ko.
NOKIA N93 (2006)
Jean-Marc
Vezien
Vision par Machine 30
I. INTRODUCTION A
LIMAGE NUMERIQUE
Exemple: portable (2007)
5 mgapixels = 2 592 x 1 944
Zoom numrique jusqu'
10x Focale: 2.8-5,6/34 mm,
ce qui correspond la
focale de 35 mm d'un 24 x
36
vitesse dobturation
1/1000s
Taille dune image 500
Ko.
squences vido MPEG-4
de rsolution VGA (jusqu'
30 images/sec), 1minute
max
NOKIA N95 (2007)
(poids :120g, 8 Go de mmoire,
cran 240 x 320 pixels )
Jean-Marc
Vezien
Vision par Machine 31
I. INTRODUCTION A
LIMAGE NUMERIQUE
Exemple: portable (2008)
5 mgapixels = 2 592 x 1 944 (il
existe des modles 8MP)
Zoom numrique jusqu'
20x Focale: 2.8 / 5.2 34mm
Capteur plus petit que N95
vitesse dobturation ?
Taille dune image 500
Ko.
squences vido MPEG-4
de rsolution VGA (jusqu'
30 images/sec), 1minute
max, avec flash.
NOKIA N96 (2008)
(poids :125g, 24 Go de mmoire,
cran 240 x 320 pixels )
Jean-Marc
Vezien
Vision par Machine 32
I. INTRODUCTION A
LIMAGE NUMERIQUE
Les limites de la convergence numrique
Prix (600 pour le N96)
Bande passante thorique (norme
UMTS 3G): 384 Kbps . Pratique: 64
128 kbps en mission et 128 384
kbps en rception
mettre une image, si 128 kbps ->
16ko/s -> 500/16 s = 30s !
Flash xenon: plus puissant, mais
encore gourmand.
HSDPA (3G+): 3,6 Mbps
(normalement). Bientt le double en
HSUPA.
Vido VGA partir de 100 ko/s donc
vidophone possible !
Jean-Marc
Vezien
Vision par Machine 33
ECHANTILLONNAGE SPATIAL
image continue image discrte,
Rciproque: reconstruction spatiale
IMAGE CONTINUE
fc(x,y) continue
x,y continus
IMAGE DISCRETE
fd(xi,yi) continue
xi,yi entiers
Reconstruction
spatiale
Echantillonnage
e spatial
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 34








a
b
c d
e f

I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 35
I. INTRODUCTION A
LIMAGE NUMERIQUE
d
0
(x)
=
si x= 0,
=
0 sinon.
et d
0
(x)dx

+
}
=
1
Rappel sur la distribution de Dirac:

d(0) =1
d(n) = 0 pour n = 0
et d(n) =1
n

Peigne de Dirac:

S(x , y) = d(x + i A
j

x , y + j Ay )
S(x,y)
x
A
x
A
y
y
v et
x
u avec
v j v u i u d v u S
i j
A
= A
A
= A
A + A + =

t t 2 2
) , ( ) , (
Jean-Marc
Vezien
Vision par Machine 36
fd(x,y) = fc(x,y) S(x,y)
Transforme de Fourier:
Fd(u,v) = Fc(u,v) * S(u,v)
produit classique produit de convolution.
I. INTRODUCTION A
LIMAGE NUMERIQUE
Jean-Marc
Vezien
Vision par Machine 37
Problme du repliement:
Si on dfinit la frquence de coupure par
I. INTRODUCTION A
LIMAGE NUMERIQUE

Fc(u,v) = 0 si u > u
max
et v > v
max

2 2
max max
v
v et
u
u
A
s
A
s
Autrement dit:
y
v et
x
u
A
s
A
s
t t
max max
Jean-Marc
Vezien
Vision par Machine 38
Estimation de la frquence de coupure:
Soit l la demi-priode de transition maximale.
I. INTRODUCTION A
LIMAGE NUMERIQUE
c
c
T
f
t 2
= l
f
x
c
= s A
t

l= T
c
/2
Priode de la
demi-sinusode
x l : les spectres scartent, pas de recouvrement
x > l : recouvrement de spectre, information perdue
Jean-Marc
Vezien
Vision par Machine 39
I. INTRODUCTION A
LIMAGE NUMERIQUE
RECONSTRUCTION SPATIALE
Image discrte image continue
Filtrer la partie fondamentale du spectre.
Passe-bas idal:

H(u, v) = 1 si u s
t
Ax
et si v s
t
Ay

= 0 sinon

u
v
1
0
Jean-Marc
Vezien
Vision par Machine 40
Opration de reconstruction:
I. INTRODUCTION A
LIMAGE NUMERIQUE

F(u,v) = F
d
(u,v).H(u, v)
) , ( ) , ( ) , ( y x h y x f y x f
d
- =
| | ) ( sinc ) ( sinc ) , ( ) , (
1
y
y
x
x
v u H F y x h
A A
= =

t t
sinc(x)=sin(x) / x
Jean-Marc
Vezien
Vision par Machine 41
I. INTRODUCTION A
LIMAGE NUMERIQUE

fd(x)
x
Fonction image
discrte

h(x)
x
Fonction d'interpolation idale
(sinc(x))
|
0

fd(x) * h(x)
x
Fonction image
reconstruite
Jean-Marc
Vezien
Vision par Machine 42
Problme: sinc a un support infini.
Interpolation avec des fonctions plus simples:
Ordre 0:
I. INTRODUCTION A
LIMAGE NUMERIQUE
h0(x)
x
1
2
x A

2
x A

H0(u)
u
Perte de rsolution
Repliement en
frquence
-2t/Ax
2t/Ax
x

Jean-Marc
Vezien
Vision par Machine 43
Parasites: moir, hautes frquences
I. INTRODUCTION A
LIMAGE NUMERIQUE


Hautes
frquences mal
reprsentes
Basses
frquences mal
reprsentes
Jean-Marc
Vezien
Vision par Machine 44
Ordre 1:
I. INTRODUCTION A
LIMAGE NUMERIQUE

h1(x) = h0(x) - h0(x)
x
1
Ax / 2 - Ax / 2

H1(u) = H0(u) . H0(u)
u
Perte de rsolution
Repliement en
frquence
x A

2

x A
2

x

Jean-Marc
Vezien
Vision par Machine 45
Interpolation bidimensionnelle:
I. INTRODUCTION A
LIMAGE NUMERIQUE
a b
c d
A
B
C
D
x
y

A

B

C

D

x

y

x0

y0

U

V

(x0,y0)

fc(x0,y0)

Interpolation bilinaire:
Jean-Marc
Vezien
Vision par Machine 46
Filtrage bilinaire:
I. INTRODUCTION A
LIMAGE NUMERIQUE













a
b
c d
e f
Jean-Marc
Vezien
Vision par Machine 47

( =
3o
x
8
, Ax =Ay)

( =
4o
x
8
, Ax =Ay)

( =
5o
x
8
, Ax =Ay)
FONCTION % derreur de
rsolution
% derreur de
repliement
Sinc (idal) 0 0
Carr (ordre 0) 26.9 15.7
Triangle (ordre 1) 44.0 3.7
gaussienne 38.6 10.3
54.6 2.0
66.7 0.3
I. INTRODUCTION A
LIMAGE NUMERIQUE
Reconstruction: rcapitulatif
Jean-Marc
Vezien
Vision par Machine 48
I. INTRODUCTION A
LIMAGE NUMERIQUE
QUANTIFICATION
valeur continue fc(xi,yi) discrte fd(xi,yi)
d0 d1 d2 d3 d4
Entre
continue
Fc(xi,yi)
Quantification
Fd(xi,yi)
4 niveaux
r0
r1
r2
r3
00
01
10
11
Codes
di = niveaux de dcision
ri = niveaux de reconstruction spatiale
Jean-Marc
Vezien
Vision par Machine 49
I. INTRODUCTION A
LIMAGE NUMERIQUE




a
b
c d
e f

g
Jean-Marc
Vezien
Vision par Machine 50
I. INTRODUCTION A
LIMAGE NUMERIQUE
Quantification optimale:
Erreur de discrtisation:

=
+
=
1
0
2 2
1
) ( ) (
M
i
d
d
i
i
i
df f P R f e
P(f) = probabilit quun pixel ait une intensit f.




(

i

)

d

i
=
(

R

i
+
R

i
+
1
) / 2

(

ii

)

R

i
=
f



P

(

f

)

df

d
i
d
i +
1
}
P

(

f

)

df

d
i
d
i +
1
}






=
c
c
=
c
c
0
0
2
2
i R
e
i d
e

R
i
et d
i
sont lis !
Jean-Marc
Vezien
Vision par Machine 51
I. INTRODUCTION A
LIMAGE NUMERIQUE
Quantification de Max: M grand

f
P(f)
Surfaces gales
d0 d1 d2 d3 d4 d5 d6 d7
Solution obtenue de manire rcursive.
Jean-Marc
Vezien
Vision par Machine 52
I. INTRODUCTION A
LIMAGE NUMERIQUE
Quantification par transformation:
f
Transformation T
Transformation inverse T
-1
T(f)
T = galisation
dhistogramme
^
f
) (
^
f T
Quantification linaire
Image de dpart
T doit tre inversible et produire un
histogramme plat pour appliquer Max
Jean-Marc
Vezien
Vision par Machine 53
I. INTRODUCTION A
LIMAGE NUMERIQUE
T existe = galisation dhistogramme
Application de T
-1:

1
1
0
i
j
T(i)
T
-1
(j)
On applique T aussi bien aux niveaux de
dcision que de reconstruction.
Jean-Marc
Vezien
Vision par Machine 54
I. INTRODUCTION A
LIMAGE NUMERIQUE
Courbes diso-satisfaction





On demande des observateurs de ranger les
images par ordre de satisfaction croissante.
On produit des images avec des chantillonnages
de N pixels, o N varie.
Niveaux de quantification M variables eux aussi.
Jean-Marc
Vezien
Vision par Machine 55
I. INTRODUCTION A
LIMAGE NUMERIQUE
Iso-satisfaction:

64 32
128 256
4
5
6
M ( niveau de quantification)
Satisfaction
croissante
Face
Foule
N
Moins de bits ncessaires pour coder
une image de type foule (texture).
Jean-Marc
Vezien
Vision par Machine 56
I. INTRODUCTION A
LIMAGE NUMERIQUE
Suppression des bits non-significatifs:
On dcompose limage suivant les bits de
poids dcroissant et on observe les bits non
significatifs (analyse statistique).
Exemple: 5 bits / 8 = conomie de 37.5%
de stockage.
Jean-Marc
Vezien
Vision par Machine 57
I. INTRODUCTION A
LIMAGE NUMERIQUE
a
b
c d
e f
g h
Jean-Marc
Vezien
Vision par Machine 58
I. INTRODUCTION A
LIMAGE NUMERIQUE
CAS PARTICULIER: BINARISATION
F(i,j) G(i,j)
n niveaux de gris 2 niveaux
Plusieurs techniques possibles:
seuillage fixe
seuillage alatoire
seuillage ordonn
seuillage par diffusion derreur
Particulirement utile pour la
reproduction des couleurs sur un support
de qualit limite: imprimante, affiche
Jean-Marc
Vezien
Vision par Machine 59
I. INTRODUCTION A
LIMAGE NUMERIQUE
SEUILLAGE FIXE:
Si F(i,j) < M alors G(i,j) = 0
Si F(i,j) > M alors G(i,j) = 1
Avantage: ultra-rapide
Inconvnient: flexibilit rduite,
M choisi sur toute limage
Jean-Marc
Vezien
Vision par Machine 60
I. INTRODUCTION A
LIMAGE NUMERIQUE
SEUILLAGE ALEATOIRE:
But: temprer les effets violents du
seuillage simple en laissant aux pixels
sombres une chance dapparatre
dans le rsultat.
Implmentation:
choix dune loi de probabilit
Tirage de la loi sur chaque pixel =
image alatoire
Comparaison pixel pixel
Ex: Loi gaussienne autour du seuil moyen
(127 pour une image 8 bits)
On peut rgler le seuil avec limage
(histogramme)
Jean-Marc
Vezien
Vision par Machine 61
I. INTRODUCTION A
LIMAGE NUMERIQUE
Seuillage alatoire par gaussienne (127,4)
Jean-Marc
Vezien
Vision par Machine 62
I. INTRODUCTION A
LIMAGE NUMERIQUE
SEUILLAGE ORDONNE ou DITHERING
Technique visant reprsenter des niveaux de gris
en distribuant des intensits binaires sur un
voisinage.
Ex: Ordered Clustered Dot dithering
On dfinit dans un voisinage N x N une matrice,
qui se rpte sur toute limage.
Jean-Marc
Vezien
Vision par Machine 63
I. INTRODUCTION A
LIMAGE NUMERIQUE
SEUILLAGE ORDONNE ou DITHERING
Dans cette matrice, on dfinit en chaque point
une valeur de seuillage.
En seuillant chaque pixel de limage originale
suivant les valeurs de la matrice, on rduit le
nombre de niveau de gris apparent NxN.
Jean-Marc
Vezien
Vision par Machine 64
I. INTRODUCTION A
LIMAGE NUMERIQUE
SEUILLAGE PAR DIFFUSION DERREUR:
Diffusion derreur: on seuille un pixel, on
regarde lerreur, que lon distribue sur les
pixels adjacents:
Floyd-Steinberg:
... et on itre.
X
7/16
3/16 5/16 1/16
Jean-Marc
Vezien
Vision par Machine 65
I. INTRODUCTION A
LIMAGE NUMERIQUE
SEUILLAGE PAR DIFFUSION DERREUR:
Algorithme lent,
mais suprieur en
qualit
Dautres filtres disponibles
Extension en couleur
possible.
for (x=0;x<width;x++) {
for (y=0;y<height;y++) {
test = (I(x,y) < seuil ? 0 :1);
e=I(x,y) - 255*test;
I(x,y) = (test > 0 ? 255 : 0);
I(x,y+1) += *e;
I(x+1,y-1) += *e;
I(x+1,y) += *e;
I(x+1,y+1) += *e;
}
}
Jean-Marc
Vezien
Vision par Machine 66
I. INTRODUCTION A
LIMAGE NUMERIQUE
Quantification des couleurs:
Dfinir dans l'espace RVB, des
domaines de dcision Di (volumes) et
des niveaux de reconstruction Ri
(vecteurs couleur) approximant
toutes les couleurs tombant dans le
domaine des dcisions Di.
Ri = le centre d'inertie du domaine Di
Probabilit d'avoir la couleur (RVB) du
domaine = densit de probabilit de Di.
Problme complexe solutions sous-optimales
Jean-Marc
Vezien
Vision par Machine 67
I. INTRODUCTION A
LIMAGE NUMERIQUE
- Solution sous-optimale par composantes:
R
V
B
ri
Volume de dcision
- Algorithme des nues dynamiques:
Processus itratif de gnration de M classes
Critre: chaque pixel vote pour la classe dont
le centre de gravit est le plus proche

Оценить