introduction à la vision artificielle -...
TRANSCRIPT
![Page 1: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/1.jpg)
1
Introduction à la vision artificielle
Traitement des images
Patrick Hébert
Génie électrique et génie informatique
Université Laval
*collaboration Éric Samson
(Revisité par A. Bendada en 2013 et D. Laurendeau en 2016
![Page 2: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/2.jpg)
2
Introduction à la vision artificielle
Traitement des images
Mise en contexte dans le cadre du cours de
Design III
![Page 3: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/3.jpg)
Qu'est-ce que la caméra embarquée
permet au robot de faire ?
•Reconnaître les objets sur la table.
(îles, trésors, station de recharge etc.)
• Raffiner l’estimation de la position des
objets sur la table pour la préhension et le
dépôt.
Mise en contexte…
Qu'est-ce que la caméra externe permet
de faire ?
• Estimer la position et l’orientation du robot
sur la table et planifier la trajectoire
•Estimer la position (et l’orientation) des
objets sur le terrain (îles, trésors, station de
recharge, etc.)
![Page 4: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/4.jpg)
4
Mise en contexte
Ces deux étapes s'inscrivent dans le cycle global
"perception/action" du processus de vision
1. Perception initiale de l'environnement
Formation des images/acquisition
2. Traitement des images et reconnaissance
Repérer les objets de l'aire de travail dans l'image
3. Analyse des données
Calculer la position des objets et du robot
4. Planification et prise de décision
Déterminer la prochaine commande à transmettre au robot
5. Exécution
Transmission de la commande au robot
![Page 5: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/5.jpg)
5
Introduction à la vision artificielle
Traitement des images
Plan de la formation en vision artificielle
![Page 6: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/6.jpg)
6
Plan de la présentation
• Modèle de caméra
• Espaces des couleurs
• Traitement des images : Introduction
• Filtrage
• Segmentation
Extraction de régions
Extraction de contours
Détection de coins
• Conclusion
![Page 7: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/7.jpg)
7
Modèle de caméra
![Page 8: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/8.jpg)
8
Formation d’image:
sténopé (pinhole) et
projection de perspective
À 1 référentiel
À 2 référentiels
![Page 9: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/9.jpg)
9
Modèle complet
avec tous les
référentiels
![Page 10: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/10.jpg)
10
Espaces des couleurs
![Page 11: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/11.jpg)
1111
Espaces des couleurs…
• En général, on représente la couleur à l'aide de 3 valeurs Espace en
3 dimensions
• L'espace le plus connu est RGB (Red, Green, Blue)
– Lié au système visuel humain
• L'œil perçoit la couleur à l'aide de trois
types de capteurs (cônes) sensibles à trois
plages de longueurs d'onde.
Absorption de la lumière par les
cônes de l’œil humain*tirée de Gonzales & Woods
![Page 12: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/12.jpg)
12
Principe de la caméra couleur…
![Page 13: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/13.jpg)
13
Principe de la caméra couleur…
![Page 14: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/14.jpg)
14
Principe de la caméra couleur…
![Page 15: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/15.jpg)
15
Image numérique couleur
Sortie d’une caméra couleur
Matrice 3D
Mosaïque à filtres de Bayer
![Page 16: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/16.jpg)
16
• L'espace RGB (suite)
– Largement utilisé en informatique (moniteurs)
Génération de couleurs
Espaces des couleurs…
Cube de couleurs RGB Cube RGB 24-bits
– Teintes de gris R=G=B
le long de la diagonale
![Page 17: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/17.jpg)
17
Problème:
L’espace RGB n’est pas intuitif pour l’utilisateur (e.g.
Photoshop)
Exemple: On veut baisser la saturation du disque orange de 50%
Ces valeurs semblent
aléatoires
Espaces des couleurs…
![Page 18: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/18.jpg)
18
• HSV Hue (H), Saturation (S), Value (V)
– Séparation de la teinte, de la saturation et de l'intensité
• Plus intuitif pour identifier et spécifier les couleurs
• Traitement des ombrages plus facile lors de la segmentation
Ombrage même teinte mais intensité différente.
– V (intensité): une hauteur entre 0 (noir) et 1 (blanc)
– La teinte est contenue dans H (Hue) : un angle (0
360°)
– S (Saturation = pureté): un rayon entre 0 et 1:
• S = 0 niveau de gris
• S = 1 couleur pure
Espace HSV
Espaces des couleurs…
![Page 19: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/19.jpg)
19
• HSV
- Le modèle HSV est particulièrement utilisé dans les applications graphiques.
- La teinte est sélectionnée sur la région circulaire; la saturation et l’intensité sont
sélectionnées a posteriori sur un triangle.
Exemple: On veut baisser la saturation
du disque orange de 50%
Espaces des couleurs…
Roue de couleurs HSV
![Page 20: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/20.jpg)
20
• Passage RGB HSV : Formules
Référence sur les conversions: http://en.wikipedia.org/wiki/HSL_and_HSV
mMC
)B,G,Rmin(m
)B,G,Rmax(M
oo
360,0Hwith,'Hx60H
BVif,4C
GR
GVif,2C
RB
RVif,6modC
BG
0Cif,undefined
'H
o
MV
otherwise,
V
C
0Cif,0
S
Espaces des couleurs…
1
2
3
Pré-calculs
![Page 21: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/21.jpg)
21
Espaces des couleurs…
![Page 22: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/22.jpg)
22
Espaces des couleurs…
![Page 23: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/23.jpg)
23
Traitement des images
![Page 24: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/24.jpg)
24
Plan de la présentation
Espaces des couleurs
Traitement des images : Introduction
• Filtrage
• Segmentation
Extraction de régions
Extraction de contours
Détection de coins
• Conclusion
![Page 25: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/25.jpg)
25
Traitement des images : introduction
• Le traitement simple des images peut se faire en 2 étapes:
1. Traitement sur les pixels- Filtrage
- Regroupement en régions
- Détection de contours
- Détection de points d'intérêt (coins)
2. Interprétation
Reconnaissance basée sur les modèles
Est-ce que ce groupe de pixels "jaunes" peut correspondre à une balle sphérique ou à une cible rectangulaire?
![Page 26: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/26.jpg)
26
Traitement des images : introduction
Plusieurs facteurs influencent le traitement et l'interprétation des images
• Éclairage variable
Heure du jour, éclairage naturel ou artificiel
• Arrière-plan (circulation autour de la table!)
• Points de vue différents
Un objet peut présenter des formes très différentes selon le point de vue
- La simple projection d'un espace 3D à 2D pour un objet opaque
- La réflectance des matériaux
• Bruit du capteur
• …
![Page 27: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/27.jpg)
27
Traitement des images : introduction
Pour éviter des résultats indésirables (e.g. fausse détection,
manque), il faut que le traitement et l'interprétation soient robustes aux variations des facteurs hors de votre contrôle
•Robustesse au niveau du traitement
•Robustesse au niveau de l'interprétation
"et/ou"(ex. Seuillage adaptatif)
(ex. Confirmation de la reconnaissance en utilisant un 2e traitement
(différent)).
![Page 28: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/28.jpg)
28
Filtrage des images
![Page 29: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/29.jpg)
29
Plan de la présentation
Espaces des couleurs
Traitement des images : Introduction
Filtrage
• Segmentation
Extraction de régions
Extraction de contours
Détection de coins
• Conclusion
![Page 30: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/30.jpg)
Filtrage linéaire
• Convolution de l'image avec un masque (noyau) fixe
– La convolution est une opération linéaire:
• commutative A * E = E * A
• associative A * (B * E) = (A * B) * E
Équation de convolutionExemple de masque
(voir cvSmooth dans OpenCV)
2
1
2
1
2
1
2
1
),(),(*),(
m
mh
m
mk
f kjhiEkhAEAjiE
![Page 31: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/31.jpg)
31
Filtrage passe bas
![Page 32: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/32.jpg)
32
Filtrage linéaire
• Exemple de filtre : Le filtre de moyennage
– Chaque pixel de l'image résultat prend comme
valeur la somme des pixels voisins dans le masque.
110
100
120 95 130
90
100 110
105110
125
115
120
90 110
125120 90110
130 100 110
125 90110 100
110
90
110
90 100110
105
110
100
110
125
110
130
125
110
100 120
95 130
90
100 110 105
Résultat = 107
![Page 33: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/33.jpg)
33
Filtrage linéaire
• Filtrage linéaire : Attention aux effets de bord !
110100
120
95 130
90
100 110
105110
125
115
120
90 110
125120 90110
130 100 110
125 90110 100
110
90
110
90 100110
105
110
100
110
125
110
130
125
?
? ?
95 130
?
? 110 105
100 110
90110
125
• les ignorer image résultat plus petite
• on peut ajouter des valeurs constantes sur
les bords mais …
• on peut considérer l'image comme étant
périodique mais …
• on peut considérer le bord de l'image
comme un miroir mais …
![Page 34: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/34.jpg)
Filtrage linéaire passe bas
1. Filtre moyenne
Image
d’origine
m x m = 5 x 5 m x m = 9 x 9
m x m = 15 x 15 m x m = 35 x 35
OctogonalCarré
111
111
111
9
1
010
111
010
5
1
![Page 35: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/35.jpg)
Filtrage linéaire passe bas
2. Filtre Gaussien…
* Meilleur comportement fréquentiel.
Préserve mieux les arêtes.
2
22
222
1),(
yx
eyxA
– On choisit la taille du filtre w (en pixel)
tel que 5w
Exemple
5/3pixels3w
0277.01110.00277.0
1110.04452.01110.0
0277.01110.00277.0
A
![Page 36: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/36.jpg)
Filtrage linéaire passe bas
2. Filtre Gaussien…
Attention: Plus la gaussienne est large, plus le flou est marqué.
En général, un sigma est utilisé pour réduire le bruit.
5.0 0.1 5.1
1
Image non filtrée
![Page 37: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/37.jpg)
37
Filtrage linéaire passe bas
• Propriété du filtre gaussien Filtre séparable
1. Filtrer l'image avec le filtre gaussien 1D vertical
2. Filtrer le résultat avec le filtre gaussien 1D horizontal
1664.0
6672.0
1664.0
1664.06672.01664.0
Filtre 1D vertical :
2. Filtre Gaussien
Filtre 1D horizontal :
Exemple
5/3pixels3w
![Page 38: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/38.jpg)
38
Filtrage passe haut
![Page 39: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/39.jpg)
39
Filtrage linéaire passe haut
Principe des filtres de rehaussement d’arêtes
f(x)
![Page 40: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/40.jpg)
40
Filtre
Gradient
Filtre
Gradient
Effet du bruit sur les filtres de rehaussement d’arêtes
Filtrage linéaire passe haut
![Page 41: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/41.jpg)
41
Filtrage linéaire passe haut
1. Filtre Gradient (Masque de Prewitt)
Gradient horizontal :
101
101
101
DX Gradient vertical :
- Attention : la dérivée est sensible au bruit.
Faire un filtrage gaussien avant de l'utiliser ou bien appliquer un masque de Sobel.
- À noter : IGDIGD )()(
IG )( IGDE XX )( IGDE YY
111
000
111
DY
![Page 42: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/42.jpg)
42
Filtrage linéaire passe haut
2. Filtre Laplacien…
111
181
111
Lou
010
141
010
L
Arêtes aux passages par zéro
2
2
2
2
y
I
x
II
Plus sensible au bruit
Ne permet pas de déterminer la direction du gradient
LOG : Laplacien d’une gaussienne
![Page 43: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/43.jpg)
43
Filtrage linéaire passe haut
2. Filtre Laplacien
Utilisé aussi en
renforcement des contours
111
181
111
Image avec
contours renforcés
Image filtrée
par le laplacien
*Tirée de Gonzales & Woods
Image avec
contours renforcés
010
141
010
Image originale
![Page 44: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/44.jpg)
44
Filtrage non-linéaire
![Page 45: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/45.jpg)
45
Note sur le filtrage non-linéaire
• Le résultat n'est pas une combinaison linéaire des
pixels de l'image à traiter mais plutôt une fonction
non-linéaire telle qu'un min, un max ou la
médiane.
![Page 46: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/46.jpg)
Opérateurs morphologiques
46
Tiré de Alain Boucher - IFI
![Page 47: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/47.jpg)
Érosion
47
Fonction dans OpenCV : erode.
![Page 48: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/48.jpg)
Dilatation
48
Fonction dans OpenCV : dilate.
![Page 49: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/49.jpg)
49
Exemples : Érosion, Dilatation
![Page 50: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/50.jpg)
5050
Ouverture – Fermeture...
(Fonctions dans OpenCV : Open, Close)
![Page 51: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/51.jpg)
51
Ouverture – Fermeture
Ouverture: - Les petits détails sont supprimés.- Les objets « massifs » retrouvent leurs formes.
Fermeture: - Les petits trous ou les fentes fines sont bouchés.- Les objets « massifs » retrouvent leurs formes.
![Page 52: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/52.jpg)
Filtre médian
52
• élimine le bruit impulsionnel
• préserve mieux les discontinuités
• plus coûteux en calculs**
*tirée de Efford
64 64 64 64 64 64 255 255 255
1- trier les valeurs
2- extraire la médiane
**S. Perreault et P. Hébert, IEEE Trans. On Image Proc.,Vol. 16, No. 9, 2007 proposent une implantation en tempsconstant. (utilisée dans OpenCV)
![Page 53: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/53.jpg)
Filtre médian
53*tirée de Efford
Remarquez l'effet sur
le fond
Filtre passe bas
Filtre médian
![Page 54: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/54.jpg)
54
Segmentation
![Page 55: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/55.jpg)
55
Plan de la présentation
Traitement des images : Introduction
Espaces des couleurs
Filtrage
Segmentation
Contours
Points d'intérêt : coins
Régions
![Page 56: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/56.jpg)
56
Exploitation des contours
Retour au filtrage passe haut
Intérêt
– Moins sensibles que les régions aux variations d'éclairage
Difficultés
– Contours incomplets (par parties)
– Il faut regrouper les contours d'un même objet
![Page 57: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/57.jpg)
57
Filtre très répandu pour la segmentation des arêtes: filtre
de Canny
![Page 58: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/58.jpg)
58
Extraction de contours (Filtre de Canny)
1. Calculer les gradients horizontal et vertical (EX et EY)
EX
EY
![Page 59: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/59.jpg)
59
Extraction de contours (Canny)
EX
EY
ES
1. Calculer les gradients horizontal et vertical (EX et EY)
2. Calculer les images :22
YXs EEE
X
Y
E
EE 1tan
![Page 60: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/60.jpg)
60
Extraction de contours (Canny)
1. Calculer les gradients horizontal et vertical (EX et EY)
2. Calculer les images :22
YXs EEE
X
Y
E
EE 1tan
3. Éliminer les réponses non-maximales
Un pixel a une réponse maximale si ses deux voisins,
situés dans l'axe de sa normale, ont une réponse
inférieure.
Un pixel non max est mis à zéro
![Page 61: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/61.jpg)
Extraction de contours (Canny)
1. Calculer les gradients horizontal et vertical (EX et EY)
2. Calculer les images : 22
YXs EEE
X
Y
E
EE 1tan
3. Éliminer les réponses non-maximales
Un pixel a une réponse maximale si ses deux voisins,
situés dans l'axe de sa normale, ont une réponse
inférieure. Un pixel non-max est mis à zéro.
4. Seuillage par hystérésis (2 seuils)
1. Si réponse du pixel > Seuil 1 Contour
2. Suivre le contour tant que la réponse des pixels
rencontrés soit > Seuil 2
![Page 62: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/62.jpg)
62
Extraction de contours (Canny)
5. Sortie du détecteur de contours de Canny :
Image de contours (binaire)
A 2009 Design III / GEL-3004
(voir aussi : OpenCV : les fonctions canny et findContours)
Exemple sur l’impact du seuillage et l’effet de l’ombrage
![Page 63: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/63.jpg)
63
Segmentation : détection des coins
![Page 64: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/64.jpg)
64
Plan de la présentation
Traitement des images : Introduction
Espaces des couleurs
Filtrage linéaire
Segmentation
Contours
Points d'intérêt : coins
Régions
![Page 65: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/65.jpg)
65
Constat: les détecteurs d'arêtes se comportent moins bien près des
coins
Proposition: détecter les endroits où le gradient est fort dans plus d'une
direction
Réalisation: détecteur de Harris
Voir aussi dans Open CV la fonction : Good features to track
Détecteur de coins et points isolés
Détecteur de Harris
![Page 66: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/66.jpg)
66
Entrée: Image à traiter, une taille (2N+1 x 2N+1) de la fenêtre de traitement
(N entre 2 et 10 pixels) et un seuil t (sur l2)
Sortie: Une liste de coins
Détecteur de coins et points isolés
Procédure:
1. Calculer les images de gradients EX et EY
2. Pour tous les points de l'image
Estimer la matrice de covariance du gradient (dans une
fenêtre 2N+1 x 2N+1) et en extraire les valeurs propres (l1
et l2 avec l2 l1).
3. Si la valeur propre minimale l2 > seuil t coins potentiels
4. Trier les coins potentiels dans un ordre décroissant selon l2
5. En parcourant les coins potentiels triés, on élimine les autres
coins se trouvant dans le voisinage du coin courant
Détecteur de Harris
![Page 67: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/67.jpg)
67
Détecteur de coins et points isolés
Détecteur de Harris
Extrait de : Patrick Labatut (http://www.tsi.telecom-paristech.fr/)
Image originale Coins de l’image originale
Image bruitée Coins de l’image bruitée
![Page 68: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/68.jpg)
68
Segmentation : extraction de régions
![Page 69: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/69.jpg)
69
Plan de la présentation
Traitement des images : Introduction
Espaces des couleurs
Filtrage
Segmentation
Extraction de contours
Détection de coins
Extraction de régions
![Page 70: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/70.jpg)
70
Segmentation en régions
Découper l'image en régions de mêmes caractéristiques
Exemples de caractéristiques sur lesquelles on peut segmenter
• Couleur (caractéristique d'un pixel)
• Texture (caractéristique de voisinage)
• Mouvement inter-images (caractéristique de voisinage)
Segmentation simple (basée sur les caractéristiques des pixels) 3 étapes
1. Classifier chaque pixel
Ex. : 0 Noir
1 Blanc
2 Jaune
3 Rouge
4 Autre2. Regrouper par régions
Regrouper les pixels connexes de même classe.
3. Étiqueter les régions
![Page 71: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/71.jpg)
• Étape 1 – Classifier chaque pixel…
• Chaque pixel est caractérisé par la valeur de ses paramètres
Paramètres : H, S et V si on désire segmenter sur la couleur
• Modèle : Intervalle sur les paramètres 1 classe
Ex. : Jaune
Comment choisir les intervalles pour que les régions soient
représentatives ?
Ex. : On désire mettre en évidence des objets d'une couleur distincte
• Mesure directe (un modèle basé sur un ensemble d'images)
• Analyse d'histogramme (pour adaptation automatique d'intervalles)
Segmentation en régions
oo H 6555
![Page 72: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/72.jpg)
72
Segmentation en régions
• Analyse d'histogramme
– On tente de séparer les différents modes de l'histogramme
– Cette procédure peut être automatisée: Des commandes existent pour
calculer automatiquement le seuil (e.g. Matlab : Graythreshold)
Histogramme d'une image en niveaux de gris (Ex: canal V dans HSV)
Étape 1 – Classifier chaque pixel…
Seuil
![Page 73: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/73.jpg)
Segmentation en régions
• Analyse d'histogramme
– Seuillage adaptatif (Efficace pour ombrage ou éclairage non uniforme)
Étape 1 – Classifier chaque pixel…
*Tirée de Pratt
Dans OpenCV, voir les fonctions threshold et adaptive threshold.
Seuil
Seuil
![Page 74: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/74.jpg)
Segmentation en régions
Étape 1 – Classifier chaque pixel…
*Tirée de Gonzales and Woods
Autre option efficace pour ombrage ou éclairage non uniforme:
Fonction morphologique TOP HAT (Image d’origine – Son ouverture)
Éclairage non
uniforme
Dans OpenCV, voir la fonction tophat.
![Page 75: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/75.jpg)
75
Segmentation en régions
• Analyse d'histogramme
– On tente de séparer les différents modes de l'histogramme
– Cette procédure peut être automatisée
Histogramme des
couleurs (Canal H dans HSV)
Étape 1 – Classifier chaque pixel…
![Page 76: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/76.jpg)
76
Segmentation en régions
• Étape 2 – Regrouper par régions...
• Regrouper les pixels connexes de la même classe pour
former des régions.
![Page 77: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/77.jpg)
77
Segmentation en régions
• Étape 2 – Regrouper par régions
• Regrouper les pixels connexes de la même classe pour former
des régions.
*Tirée de Efford
Définition de la connexité (voisinage)
Connexité à 4
voisins
Connexité à 8
voisins
p et q sont connexes-4 si q est dans N4(p)
p et q sont connexes-8 si q est dans N8(p)
p p
![Page 78: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/78.jpg)
78
Segmentation en régions
• Étape 3 – Étiqueter les régions...
• On désire donner une valeur commune (étiquette) pour les pixels d'une région.
• On désire avoir une valeur différente pour chaque région.
![Page 79: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/79.jpg)
79
Segmentation en régions
• Étape 3 – Étiqueter les régions...
![Page 80: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/80.jpg)
80
Segmentation en régions
• Étape 3 – Étiqueter les régions...
![Page 81: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/81.jpg)
81
Segmentation en régions
• Étape 3 – Étiqueter les régions...
![Page 82: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/82.jpg)
82
Segmentation en régions
• Étape 3 – Étiqueter les régions
![Page 83: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/83.jpg)
83
Segmentation en régions
Exploitation du résultat de la segmentation
Pour une étiquette donnée, récolter diverses informations :
Nombre de pixels, largeur, hauteur, centre, point de contact avec le sol, etc.
Définir des critères pour éliminer les régions sans intérêt
Exemples de critères• Rapport Hauteur/Largeur
• Un cercle couvre (/4)*100% de la surface de son "bounding box"; Un
rectangle, près de 100%
• Position du centre de gravité
• etc. (Il s’agit souvent des critères empiriques, soyez inventifs !)
Par exemple : On cherche la ligne rouge. On
n'est pas intéressé par le rouge
sur le chandail en arrière-plan.
![Page 84: Introduction à la vision artificielle - wcours.gel.ulaval.cawcours.gel.ulaval.ca/.../5notes/presentiels/2016-01-28vision-1-H16.pdf · Introduction à la vision artificielle Traitement](https://reader031.vdocuments.us/reader031/viewer/2022020413/5b95795909d3f272648caafa/html5/thumbnails/84.jpg)
84
Conclusion
• Considérations calculatoires: le traitement d'images sur les
pixels est très coûteux.
• Quel est le temps raisonnable de calcul ?
• Est-il acceptable de travailler à mi-résolution ?
• Références intéressantes sur la vision:
– OpenCV : http://opencv.itseez.com
– Digital image processing (Gonzales and Woods)