Cours de morphologie mathématique

Documents pareils
Master IMA - UMPC Paris 6 RDMM - Année Fiche de TP

Cours Fonctions de deux variables

Traitement bas-niveau

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

ProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection

Présentation du Master Ingénierie Informatique et du Master Science Informatique , Année 2 Université Paris-Est Marne-la-Vallée

Géométrie discrète Chapitre V

Fonctions de plusieurs variables

Introduction au Data-Mining

MABioVis. Bio-informatique et la

L apprentissage automatique

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Calculer avec Sage. Revision : 417 du 1 er juillet 2010

Tâche complexe produite par l académie de Clermont-Ferrand. Mai 2012 LE TIR A L ARC. (d après une idée du collège des Portes du Midi de Maurs)

BACCALAURÉAT GÉNÉRAL SESSION 2012 OBLIGATOIRE MATHÉMATIQUES. Série S. Durée de l épreuve : 4 heures Coefficient : 7 ENSEIGNEMENT OBLIGATOIRE

CARTE DE VOEUX À L ASSOCIAEDRE

R-ICP : une nouvelle approche d appariement 3D orientée régions pour la reconnaissance faciale

Résolution d équations non linéaires

Cours d Analyse 3 Fonctions de plusieurs variables

Deux disques dans un carré

Rencontre des personnes-ressources en déficience motrice et organique RÉCIT MST - RÉCIT Adaptation scolaire Pierre Couillard

Théorie et Codage de l Information (IF01) exercices Paul Honeine Université de technologie de Troyes France

Projet de Traitement du Signal Segmentation d images SAR

Licence Sciences et Technologies Examen janvier 2010

Programme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique

Accélérer l agilité de votre site de e-commerce. Cas client

Historique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications

Note de service À : De :

Rétablissement d un réseau cellulaire après un désastre

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques

LA BATTERIE DU PORTABLE

Master of Science en mathématiques

Transmission d informations sur le réseau électrique

TABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent

Maîtrise universitaire ès sciences en mathématiques

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

Utilisation du logiciel ImageJ gratuit

Extraction et reconstruction de bâtiments en 3D à partir de relevés lidar aéroportés

O, i, ) ln x. (ln x)2

Mises en relief. Information supplémentaire relative au sujet traité. Souligne un point important à ne pas négliger.

Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR

L informatique en BCPST

UE 503 L3 MIAGE. Initiation Réseau et Programmation Web La couche physique. A. Belaïd

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

Object Removal by Exemplar-Based Inpainting

FICHE UE Licence/Master Sciences, Technologies, Santé Mention Informatique

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

Sites web éducatifs et ressources en mathématiques

Synthèse «Le Plus Grand Produit»

LES OUTILS D ALIMENTATION DU REFERENTIEL DE DB-MAIN

Cours 1 : La compilation

Qu est-ce qu une probabilité?

F1C1/ Analyse. El Hadji Malick DIA

Système binaire. Algèbre booléenne

Parallélisme et Répartition

TD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER

Sujet 1 : Diagnostique du Syndrome de l apnée du sommeil par des techniques d analyse discriminante.

Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo

Figure 1 : représentation des différents écarts

Plan du cours : électricité 1

Introduction. Mathématiques Quantiques Discrètes

3 Approximation de solutions d équations

MASTER 2 IMAFA. Informatique et Mathématiques Appliquées à la Finance et à l'assurance

Objectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique

Quantification Scalaire et Prédictive

Journées Télécom-UPS «Le numérique pour tous» David A. Madore. 29 mai 2015

Introduction au Data-Mining

Probabilités. Rappel : trois exemples. Exemple 2 : On dispose d un dé truqué. On sait que : p(1) = p(2) =1/6 ; p(3) = 1/3 p(4) = p(5) =1/12

CALENDRIER DES STAGES 2014/2015

Programmation par contraintes. Laurent Beaudou

Statistique : Résumé de cours et méthodes

UNIVERSITE DES ANTILLES et DE LA GUYANE Campus de Fouillole BP Pointe-à-Pitre Cedex CONTRAT LE MASTER NOM DU DOMAINE STS

Analyse dialectométrique des parlers berbères de Kabylie

Intégrales doubles et triples - M

Représentation d un entier en base b

PROGRAMMES D INFORMATIQUE

Des réels aux flottants : préservation automatique de preuves de stabilité de Lyapunov

Conservation des documents numériques

I- Définitions des signaux.

Représentation des Nombres

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

L exclusion mutuelle distribuée

OLYMPIADES ACADÉMIQUES DE MATHÉMATIQUES

Introduction au datamining

S3CP. Socle commun de connaissances et de compétences professionnelles

Correction du baccalauréat ES/L Métropole 20 juin 2014

L utilisation d un réseau de neurones pour optimiser la gestion d un firewall

Feuille TD n 1 Exercices d algorithmique éléments de correction

PROGRAMME DETAILLE. Parcours en première année en apprentissage. Travail personnel CC + ET réseaux

Débouchés professionnels

Licence 2 Mathématiques- Semestre 3 Introduction aux mathématiques

Examen Médian - 1 heure 30

Information. BASES LITTERAIRES Etre capable de répondre à une question du type «la valeur trouvée respecte t-elle le cahier des charges?

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions de plusieurs variables

Transcription:

Cours de morphologie mathématique Master 2 IMA UPMC Antoine MANZANERA ENSTA/LEI 1 Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 1

Squelettes morphologiques Squelettes : introduction. Squelette morphologique euclidien. Squelette morphologique discret. Squelette et résidus. Squelettes connexes : Squelettes euclidiens multi-échelles (démo). Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 2

Squelettes : motivations L objectif de la squelettisation est de représenter un ensemble avec un minimum d information, sous une forme qui soit à la fois simple à extraire et commode à manipuler. Remarque : Pour les squelettes, on se limitera dans le cadre de ce cours au cas des ensembles bidimensionnels (images binaires 2D), bien que certaines notions s appliquent également aux dimensions supérieures. Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 3

Squelettes : propriétés recherchées (1) Préservation de la géométrie Le squelette doit rendre compte des propriétés géométriques de la forme : ramifications, parties allongées... Epaisseur nulle Le squelette doit être constitué de courbes sans épaisseur. Préservation de la topologie Le squelette doit conserver les relations de connexité : même nombre de composantes connexes, même nombre de trous par composante connexe. Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 4

Squelettes : propriétés recherchées (2) Invariance aux transformations affines Le squelette doit commuter avec la translation, la rotation et l homothétie Réversibilité Le squelette doit permettre de retrouver la forme originale Continuité Une petite modification de la forme originale doit induire une petite modification du squelette Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 5

Squelette morphologique Le squelette morphologique est fondée sur la notion d axe médian (Blum 67). Il utilise la notion de boule maximale : Une boule B est dite maximale dans si : B B' B' B Propriété : une boule maximale touche la frontière de en au moins deux points distincts Le squelette morphologique (euclidien) est la réunion des centres de boules (euclidiennes) maximales : S( ) 2 xr ; B( x, ) est maximaledans 0 B Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 6

Propriétés du squelette morphologique (1) De par sa définition, le squelette morphologique euclidien respecte la géométrie de la forme originale, et il est invariant par homothétie. Il possède de plus les propriétés suivantes : Il est sans épaisseur (d intérieur vide). Il est anti-extensif et idempotent : S( ) S( S( )) S( ) Si est ouvert, alors et S() ont la même topologie. Contre-exemple : S() Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 7

Propriétés du squelette morphologique (2) Réversibilité : La donnée de la transformée en distance euclidienne de sur S() permet de reconstruire exactement : Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 8

Propriétés du squelette morphologique (3) Non-continuité : Le squelette morphologique euclidien n est pas une transformation continue : Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 9

Squelette morphologique : passage au discret Dans le cas discret, les boules maximales sont les boules d une distance discrète donnée Exemples : voisinage élémentaire de l origine boule de rayon 3 voisinage élémentaire de l origine boule de rayon 3 Distance d 4 Distance d 8 PROPRIÉTÉ Un point x est centre d une boule maximale de rayon r dans si et seulement si il appartient à l érodé de par une boule de taille r, mais pas à l ouvert de cet érodé par la boule élémentaire : S ( ) r xz B(0, r ) 2 ; B( x, r) est maximaledans ( ) \ B(0,1) B(0, r ) ( ) Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 10

Squelette morphologique : passage au discret Par conséquent, le squelette morphologique est égal à l union des résidus d ouverture des érodés successifs de la forme originale : S( ) rn rn S ( ) r B( 0, r )( ) \ B(0,1) B(0, r ) ( ) Lantuéjoul 78 Formule d inversion du squelette morphologique : S ( ) rn B(0, r ) r 0 1 1 3 2 1 1 Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 11

Squelette morphologique : passage au discret La formule de Lantuéjoul fournit un moyen explicite de calculer le squelette morphologique : ( ) ( ) B3 ( ) B 1 B 2 ( ) ) B 1 ( ) ( ) B B ( 1 1 B B 1 2 B B 1 3 S0 ( ) S1 ( ) S 0( ) S0 ( ) S1 ( ) S ( ) 2 S ( ) S ( ) 0 S ( ) S ( ) 2 1 3 Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 12

Squelette morphologique : passage au discret Comme l ensemble des résidus d ouverture coïncide avec l ensemble des maxima locaux de la transformée en distance, le squelette morphologique discret est égal aux maxima locaux de la transformée en distance : S( ) x ; y, ( x, y) 1 ( y, c ) ( x, c )! Contrairement au cas continu, le squelette morphologique ne préserve pas la topologie de la forme originale : Les algorithmes de squelettisation connexe traitent donc le problème de préservation de la topologie directement dans le cadre discret. Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 13

Squelette morphologique / Erodés ultimes REMARQUE : Noter les parallèles entre le squelette morphologique et les érodés ultimes : Squelette morphologique Erodés ultimes = Maxima locaux de la transformée en distance = = Résidus d ouverture Maxima régionaux de la transformée en distance = Résidus d ouverture par reconstruction Cours de Morphologie Marhématique Antoine MANZANERA ENSTA/LEI 14

!!!! ###!! #