Extraction de caractéristiques

Traitement d’images cours n°6

Extraction de caractéristiques

• Images binaires

– Codage de contours

– Détection de lignes par la Transformée de Hough

• Images NdG : caractérisation de texture

– Matrice de cooccurrences

– Local binary patterns

– Filtres de Gabor

Comment coder le contour ?

• Lien

Codage de Freeman

• A partir du codage de Freeman, on peut caractériser le contour

• Histogramme

des orientations

Transformée de Hough

• Détection de lignes dans une image, à partir d’une image binarisée

http://www.seas.upenn.edu/~bensapp/opencvdocs/ref/opencvref_cv.htm

Transformée de Hough

• Principe : pour tous les couples de points P1=(X1,Y1) et P2=(X2,Y2), on cherche la droite (a,b) qui passe par ces points :

– Y1 = aX1 + b

– Y2 = aX2+b

• On compte le nombre de couples (a,b) obtenus

• On conserve les maximaux

Transformée de Hough

Transformée de Hough

• Principe

Transformée de Hough

http://homepages.inf.ed.ac.uk/amos/hough.html

Image Espace (a,b)

Algo Transfo. De Hough

• Coordonnées cartésiennes

• Coordonnées polaires

r = x cosθ + y sinθ

Transformée de Hough

• Détection de courbe type

• Transformée de Hough généralisée

– « Matcher » un modèle dans l’image

Texture

• Lien (définition d’une texture, matrice de cooccurrence)

Texture par LBP

• Local Binary Patterns

Gray-scale and rotation invariant spatial structure of image texture

Texture par LBP

Texture par LBP

• Pour chaque pixel, on calcule son « pattern » correspondant.

• Pour la résolution P, il y a P+2 patterns possibles.

• Pour chacun des P+2 patterns, on compte le nombre de pixels ayant ce pattern (distribution).

• L’image est caractérisée par l’histogramme des patterns.

Texture

• On a vu les approches par statistiques du 1er et du 2nd ordre…

• Voyons maintenant les approches par bancs de filtres

Demonstration of a Gabor filter applied to Chinese OCR. Four orientations are shown on the right 0°, 45°, 90° and 135°. The original character picture and the superposition of all four orientations are shown on the left. [Wikipedia] Lien

Utilisation de texture

• Pour la segmentation

– Exemple avec split and merge

23

Utilisation de texture

• Pour caractériser les images dans le but de les classer

• Exemple :

Healthy cases Pathological cases

24

Système de classification

Aim: discrimination between healthy and

pathological images

Feature extraction

Classification

Decision : •Healthy Class •Pathological Class Numerical

vectors

Learning-Database

using LBP descriptors

Descripteur de texture LBP

Utilisation de texture

• Dans les systèmes de requête par le contenu (CBIR = content-based image retrieval)

Utilisation de texture

• Dans les systèmes de requête par le contenu (CBIR = content-based image retrieval)

Synthèse de texture

This is like copying, but not just repetition

Photo

Pattern Repeated

Figure from Texture Synthesis by Non-parametric Sampling, A. Efros and T.K. Leung, Proc. Int. Conf. Computer Vision, 1999 copyright 1999, IEEE

Texture : résumé

• Définition difficile

• De nombreux outils pour les caractériser :

– Stat du 1er ordre

– Matrice de cooccurrence (Haralick), LBP…

– Filtres de Gabor…

• Utilisation en segmentation, en reco de formes, en CBIR, et dans bien d’autres domaines…