Traitement des images!

Dimension: px

Commencer à balayer dès la page:

Download "Traitement des images!"

Martine Petit
il y a 8 ans
Total affichages :

1 Traitement des images! Yves USSON! Reconnaissance des Formes et Microscopie Quantitative! Lab. TIMC UMR 5525 CNRS, Grenoble! Traitement d images - définition! Séquence d opérations ayant pour but :!! - de faciliter la lisibilité des images et faciliter! leur interprétation! et :!! - de restaurer l information qui a été modifié par le système d imagerie (bruit, distorsion, flou )! Analyse d images - définition! Séquence d opérations ayant pour but :!! - d extraire les tructures significatives du contenu! de l image!! - d obtenir des mesures quantitatives!

2 Préparation, cytologique-histologique! objectif! champ microscopique! champ de capture! masques! de mesure! Capteur! Image analogique! Image numérique! Types de capteurs! Les capteurs ponctuels :! Ils permettent de mesurer l intensité de la lumière que dans un seul point à la fois.! Ils doivent être associés à un dispositif de balayage pour former l image totale du champ du microscope.! Ils sont très sensibles. L acquisition d une image entière est lente.!! ex.tube photomultiplicateur, photodiode! Les capteurs d images :! Ils permettent d obtenir directement une image de tout ou partie du champ du microscope.! Ils sont de sensibilité moyenne (à l exception des EMCCD).! L acquisition d une image entière est rapide.!! ex. tube vidéo, caméra de photodiodes, caméra C.C.D.!

3 Les détecteurs (convertisseurs)! Les détecteurs à effet photoélectrique!! tubes à vides, tubes photomultiplicateurs! Les détecteurs à semi-conducteurs!! photodiodes, photodiodes à avalanches! Les systèmes à bas niveau de lumière! Les caméras CCD refroidies! Les galettes de micro-canaux! Les amplificateurs de brillance! Capteur ponctuel!

4 Le photomultiplicateur (PM)! photocathode dynode 200V dynode 400V Anode 600 V dynode 100V dynode 300V dynode 500V Effet de cascade, multiplication des photo-électrons! La photodiode! N! P! Polarisation inverse.! Les charges s accumulent de part et d autre de la jonction. Un très faible courant circule appelé courant d obscurité! L arrivée de photons permet aux charges de traverser la jonction : le courant passe!

5 Les capteurs d image éléments photosensibles (photodiodes ou phototransistors CMOS) zones d accès aux éléments sensibles (plages aveugles) Matrice à accès direct Matrice à accès par registres à décalage

6 Agissent comme des multiplicateurs de photo-électrons! e -! e -! e-! e -! e-! e-! e-! e-! Fenêtre d entrée! +HT! photocathode! Nature de l image! Une image est la distribution spatiale d indices visuels! Ces indices visuels peuvent être de différentes sortes :!! - intensité lumineuse (nombre de photons)!! - information spectrale (nombre de photons par bande!de longueur d onde)! Cette distribution peut être 1D, 2 D, 3D, et peut également s étendre à des espaces de dimensions supérieures si l on ajoute d autres indices comme le temps par exemple (séquences temporelles, FRAP, FLIM )!

7 Nature de l image! coordonnée y! intensité! hématies! noyau! coordonnée x! coordonnée x! Qu est-ce qu une image?! Image 2D : distribution de l intensité lumineuse! I(x,y)!

8 Définitions! La segmentation d images! Phase d interprétation d une image sous forme d entités décrites en termes de régions et de contours.! La segmentation porte sur l élaboration de processus de détection, suivi d une mise en correspondance.! La détection inclut l intégration d un indice visuel couramment décrit en terme de similarité (région) ou de dissimilarité (frontière).! La mise en correspondance concerne le regroupement des points appartenant à une même entité.! Remarques! La segmentation est de loin la phase la plus délicate de l analyse d images car elle doit permettre d interpréter la scène aussi bien (voir mieux) que le ferait un observateur. Elle conditionne la pertinence des mesures effectuées.! Il n existe pas d algorithme universel de segmentation, à chaque type d images correspond une approche spécifique.! Approche par régions! Histogramme d intensité! Distribution des niveaux de gris dans une image numérique. L axe vertical correspond au nombre de pixels par classe de niveau de gris. L axe horizontal correspond aux niveaux de gris : 0 -> noir et 255 -> blanc!

9 Approche par régions! Histogramme d intensité! A! B! Segmentation par fenêtre de seuillage sur l histogramme des intensités! Approche par régions! Seuillage automatique! Objectif : trouver automatiquement et de façon reproductible les seuils optimum de segmentation.! fond! noyaux! +hématies! cytoplasme!

10 Approche par régions! Seuillage automatique! Critère de Fisher : maximiser B/W! B = variance inter-groupe = (µ A -µ) 2 +(µ B -µ) 2! W= variance intra-groupe = V A +V B! A! A! A! A! A! B! A! B! A! B! A! B! A! B! A! B! A! B! B! B! A! B! B! A! B! A! B! A! B! B! Approche par régions! Seuillage automatique! Cas d une segmentation en trois classes (moyennes mobiles)!

11 Segmentation - Approche par frontières! Image de la valeur absolue de la dérivée seconde!! Sobel / module! I (x) = abs(i(x+1)-i(x-1))/2! Approche par frontières! Mise en évidence des frontières au moyen d un filtre de gradient! Filtre de sobel! Image du module! Seuillage du module! Squelette!

12 DILATATION Filtrage morphologique! Les pixels du fond au contact de l objet deviennent des pixels objets Dilatation niveau de gris :! Propagation du maximum local! Erosion niveau de gris :! Propagation du minimum local! Filtrage de formes! Opération de fermeture! Dilatations! Erosions!

13 Etiquetage en composantes connexes! Connexité 8 voisins voisins latéraux & diagonaux 4 ensembles de composantes connexes

14 Lumière transmise - Densitométrie! Source lumineuse!!! donnée! Cuvette contenant la solution à! concentration donnée! Isol! Iref! Div! Loi de Beer & Lambert! DO = k C! DO = densité optique! C = concentration! k = constante de proportionnalité! log! Opérateurs électroniques cablés! Densité optique! log! Iref! Isol! Cuvette de référence! «!Blanc» (solvant)!

15 Image d intensité! Image des densités optiques! I! Op! Op! Op! DO! Io! Image du champ vide! Opérateur numérique logiciel:! DO = Log (Io ) - Log (I)! Présentation chapeau haut de forme!

16 Approche morphologique! Détection des granulations par chapeau haut de forme! Approche morphologique! Détection des granulations par chapeau haut de forme! et détection du noyau par seuillage des niveaux de gris! Seuillage du Chapeau hat de forme Masque du noyau Fusion des masques

17 Approche morphologique! Détection des granulations par chapeau haut de forme et détection du noyau par seuillage des niveaux de gris.! Approche morphologique! Détection des granulations par chapeau haut de forme! et détection du noyau par seuillage des niveaux de gris!

18 Approche morphologique! Algorithme de découpe de masque binaire par calcul des distances au bord! Approche morphologique! Algorithme de découpe de masque binaire! Erosion morphologique puis dilatation conditionnelle!

19 Approche morphologique! Algorithme de découpe de masque binaire! Erosion morphologique puis dilatation conditionnelle! Approche morphologique! Méthode des bassins versants : érosion conditionnelle en niveaux de gris jusqu à obtention d un squelette!

Documents pareils

Traitement bas-niveau

Traitement bas-niveau Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.