Click here to load reader

Analyse d’images numériques en microscopiemembres-timc.imag.fr/.../COURS/Analyse-Image-2-2006.pdfTutoriaux TNT La Grande Motte 2006 Traitement d’images cours 1 - 4 Yves Usson

  • View
    213

  • Download
    0

Embed Size (px)

Text of Analyse d’images numériques en...

  • Tutoriaux TNT La Grande Motte 2006

    Traitement dimages cours 1 - 1 Yves Usson

    Analyse dimages numriques en microscopieYves Usson

    Reconnaissance et Microscopie Quantitative, Laboratoire TIMC UMR5525 CNRSInstitut dIngnierie et dInformation de Sant (IN3S), La Tronche

  • Tutoriaux TNT La Grande Motte 2006

    Traitement dimages cours 1 - 1 Yves Usson

    1 INTRODUCTION .......................................................................................................................... 2

    2 SEGMENTATION ......................................................................................................................... 2

    2.1 BINARISATION ................................................................................................................................. 22.1.1 APPROCHE RGIONS..................................................................................................................... 22.1.2 APPROCHE FRONTIRES............................................................................................................... 32.2 FILTRAGE DE FORMES.................................................................................................................... 32.3 ETIQUETAGE EN COMPOSANTES CONNEXES................................................................................ 5

    3 EXTRACTION DE MESURES OU PARAMTRISATION .................................................. 6

    3.1 MORPHOMTRIE............................................................................................................................. 63.2 PHOTOMTRIE ................................................................................................................................ 73.2.1 MESURE DE LINTENSIT ............................................................................................................. 73.2.2 FLUOROGRAMMES ....................................................................................................................... 8

  • Tutoriaux TNT La Grande Motte 2006

    Traitement dimages cours 1 - 2 Yves Usson

    Analyse dimages numriques en microscopie1 Introduction

    Lanalyse dimages est la squence doprations qui va permettre dextraire des mesuresquantitatives objectives dune image numrique. Pouvant tre prcde dune tape de traitement dansun but de restauration du signal, elle peut-tre dcompose en trois tapes successives : 1) lasegmentation qui va permettre de spcifier les structures dintrts de limage et de les extraire sous laforme de masques de mesure, 2) lextraction de mesures sappuyant sur les masques de segmentation,et enfin 3) lanalyse des donnes qui relve plus du domaine des statistiques que de lanalyse dimage proprement parler.

    2 SegmentationDfinition : Phase dinterprtation dune image sous forme dentits dcrites en terme de

    rgions et de contours. La segmentation porte sur llaboration de processus de dtection, suivie dunemise en correspondance. La dtection inclut lintgration dun indice visuel couramment dcrit enterme de similarit (rgion) ou de dissimilarit (frontire). La mise en correspondance concerne leregroupement des points appartenant une mme entit.

    La segmentation est de loin la phase la plus dlicate de lanalyse dimages car elle doitpermettre dinterprter la scne aussi bien (voir mieux) que le ferait un observateur. Elle conditionnela pertinence des mesures effectues. Elle vise donc dfinir les zones d'intrt dans une image. Deuxtypes d'approches sont habituellement utilises: l'approche par rgions et l'approche par frontires. Lebut de ces approches est de crer des images binaires partir d'images niveaux de gris. C'est--dire desimages dans lesquelles il n'existe que deux classes de pixels: les pixels objets qui correspondent auxzones d'intrts et les pixels fonds qui correspondent tout ce qui n'est pas zone d'intrt. Les pixelsobjets dfinissent des masques binaires qui seront mis profit pour les mesures morphologiques etphotomtriques.

    Remarque : Il nexiste pas dalgorithme universel de segmentation, chaque type dimagescorrespond une approche spcifique.

    2.1 Binarisation

    2.1.1 Approche rgions

    Dans le chapitre prcdent, nous avons vu que la distribution des niveaux de gris dans l'imageconstitue dj une information prcieuse que l'on peut mettre profit pour identifier des rgionsparticulires de l'image.

    pixels objets

    Figure 2.1 - Segmentation, approche par rgions. Seuillage de lhistogramme des niveaux de gris.

  • Tutoriaux TNT La Grande Motte 2006

    Traitement dimages cours 1 - 3 Yves Usson

    Il est donc possible d'extraire les masques binaires de rgions en appliquant un simpleseuillage des niveaux de gris. Ainsi tous les pixels dont les niveaux de gris sont compris entre deuxseuils sont considrs comme des pixels "objets" et tous les autres comme des pixels "fonds". LaFigure 2.1 illustre cette mthode. Sur l'histogramme, on dfinit une plage (ou fentre) de seuillage,avec un seuil minimum 60 et un seuil maximum 255. Le masque binaire obtenu est reprsent avecles pixels objets en noir. Comme le laissait prvoir l'allure de l'histogramme on a isol les noyauxfluorescents.

    2.1.2 Approche frontires

    Dans certains cas, il est difficile de distinguer des zones par leur valeur de niveaux de gris.Cependant il est possible d'en distinguer les frontires. La mthode de segmentation devra tirer parti decette proprit. Dans ce cas, un prtraitement de l'image au moyen d'un filtre numrique permet demettre en vidence les frontires. Diffrents filtres (Sobel, Prewitt, Laplacien) ont t dveloppspour ce type de traitement et tous se basent sur la dtection des gradients d'intensit. Ils procdent enrecherchant dans l'image les zones de plus fortes variations d'intensit.

    Figure 2.2 - Segmentation, approche par frontires. Dtection des frontires par un filtre degradient puis seuillage des niveaux de gris.

    La Figure 2.2 montre le rsultat du traitement par un filtre de Sobel. Les zones de fort gradientapparaissent en clair. Il est ensuite possible de seuiller les niveaux de gris de l'image des gradientspour obtenir un masque binaire des frontires.

    2.2 Filtrage de formes

    Les masques binaires obtenus par les mthodes de segmentation prcdemment exposes nesont pas toujours parfaits. Ils peuvent en effet comporter de nombreuses imperfections: lmentsartfactuels, trous dans les structures, contours dchiquets

    Ces masques de segmentation ne peuvent donc pas tre utiliss directement pour effectuer desmesures. Il faut les corriger afin d'liminer les lments artefactuels, boucher les trous dans lesmasques et ventuellement lisser les contours des masques. Ces diffrentes manipulations sontralises l'aide d'oprateurs morphologiques. Il existe principalement deux oprateursmorphologiques: l'rosion et la dilatation. D'autres oprateurs peuvent tre construits en combinantsles deux prcdents.

  • Tutoriaux TNT La Grande Motte 2006

    Traitement dimages cours 1 - 4 Yves Usson

    L'rosion est une opration qui va avoir tendance rduire la masse des objets. On considreque dans une image binaire tous les pixels objets ont une valeur de 1 et les pixels du fond ont unevaleur de 0. Pour chaque pixel (Fig. 2.3) considr individuellement, on regarde sa valeur et la valeurdes 4 pixels immdiatement voisins (c'est--dire ceux partageant une face avec le pixel considr).Parmi ses valeurs, on recherche la plus petite. Puis, on remplace dans l'image rsultat la valeur dupixel considr par cette valeur minimum. Pour une image binaire, le rsultat de ce traitement revient transformer en pixels du fond les pixels objets en contact direct avec des pixels du fond. Cela revient "raboter" d'une couche de pixels les masques des objets.

    Figure 2.3 - Filtrage morphologique: rosion. A gauche le masque original: les pixels blancscorrespondent au fond, les noirs lobjet. Les pixels griss sont ceux qui seront convertis en pixels dufond par lrosion. Lrosion consiste donc propager le fond au dtriment de lobjet.

    La dilatation est l'opration complmentaire de l'rosion. Dans ce cas (Fig.2.4), on recherchela valeur la grande du voisinage. Pour une image binaire, le rsultat de ce traitement revient transformer en pixels objets, les pixels du fond en contact direct avec des pixels objets. Cela revientdonc paissir d'une couche de pixels les masques des objets.

    Figure 2.4 - Filtrage morphologique: dilatation. A gauche le masque original: les pixels blancscorrespondent au fond, les noirs lobjet. Les pixels griss sont ceux qui seront convertis en pixelsobjets par la dilatation. La dilatation consiste donc propager lobjet au dtriment du fond.

    Les oprations de dilatation et d'rosion peuvent tre appliques itrativement c'est--dire defaon rptitive. Par exemple, une rosion de profondeur 3 consistera appliquer 3 rosionssuccessives l'image binaire. Ainsi, on peut faire disparatre des structures dont le rayon est infrieurou gal 3 pixels. De mme, une dilatation de profondeur 3 permettra de boucher les trous dont lerayon est infrieur ou gal 3 pixels.

  • Tutoriaux TNT La Grande Motte 2006

    Traitement dimages cours 1 - 5 Yves Usson

    Figure 2.5 - Filtrage morphologique: fermeture morphologiques. En noir: pixels objets; en blanc:pixels du fond.

    La fermeture consiste appliquer l'image binaire une dilatation d'une profondeur donnesuivie d'une rosion de profondeur identique. La dilatation va permettre de boucher les trous desmasques. Par exemple Figure 2.5, la dilatation comble tous les trous dans le masque du noyau.Cependant on constate que le noyau a maintenant une forme empte et surdimensionne. La mesurede paramtres morphologiques sur ce masque serait donc survalue. L'rosion qui suit permet decompenser cet paississement. On constate que le masque du noyau a retrouv ses dimensionsoriginales alors que son contour ap

Search related