Cours TI - Squélettisation- Albert DIPANDA

Documents pareils
Cours Fonctions de deux variables

Axe " Génie des Procédés", centre SPIN, Ecole des Mines de Saint-Etienne ECOLE DES MINES SAINT-ETIENNE ANALYSE D IMAGE

Continuité et dérivabilité d une fonction

Chapitre 6. Fonction réelle d une variable réelle

Les algorithmes de base du graphisme

Résolution d équations non linéaires

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

Introduction a l'algorithmique des objets partages. Robert Cori. Antoine Petit. Lifac, ENS Cachan, Cachan Cedex. Resume

Programmation linéaire

La mesure de Lebesgue sur la droite réelle

Probabilités. I Petits rappels sur le vocabulaire des ensembles 2 I.1 Définitions... 2 I.2 Propriétés... 2

Chp. 4. Minimisation d une fonction d une variable

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

Image d un intervalle par une fonction continue

CARTE DE VOEUX À L ASSOCIAEDRE

Géométrie discrète Chapitre V

Limites finies en un point

Géométrie Algorithmique Plan du cours

Indépendance Probabilité conditionnelle. Chapitre 3 Événements indépendants et Probabilités conditionnelles

Correction du Baccalauréat S Amérique du Nord mai 2007

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.

Texte Agrégation limitée par diffusion interne

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Fonctions de plusieurs variables

Algorithmes de recherche

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

Mathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans

On ne peut pas entendre la forme d un tambour

Coefficients binomiaux

Pourquoi l apprentissage?

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

CH.6 Propriétés des langages non contextuels

Chapitre VI. Connexions et fonctions numériques

Travaux dirigés d introduction aux Probabilités

Commun à tous les candidats

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

Les indices à surplus constant

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2

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

Espérance conditionnelle

Complexité. Licence Informatique - Semestre 2 - Algorithmique et Programmation

3 Approximation de solutions d équations

LE MODELE CONCEPTUEL DE DONNEES

Mesure et Intégration (Notes de cours de L3)

Dérivation : cours. Dérivation dans R

I. Polynômes de Tchebychev

Développements limités. Notion de développement limité

Système binaire. Algèbre booléenne

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

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

I Stabilité, Commandabilité et Observabilité Introduction Un exemple emprunté à la robotique Le plan Problème...

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Approximations variationelles des EDP Notes du Cours de M2

Logiciel SCRATCH FICHE 02

Raisonnement par récurrence Suites numériques

Cours d Analyse 3 Fonctions de plusieurs variables

Programmation par contraintes. Laurent Beaudou

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

Moments des variables aléatoires réelles

Raisonnement probabiliste

Modèles à Événements Discrets. Réseaux de Petri Stochastiques

Définition : On obtient les nombres entiers en ajoutant ou retranchant des unités à zéro.

CAPTEURS - CHAINES DE MESURES

Programmation Objet - Cours II

Algèbre binaire et Circuits logiques ( )

Corrigé du baccalauréat S Pondichéry 12 avril 2007

Mesure d angles et trigonométrie

Comparaison de fonctions Développements limités. Chapitre 10

C f tracée ci- contre est la représentation graphique d une

Intégration et probabilités TD1 Espaces mesurés Corrigé

Introduction à la théorie des graphes. Solutions des exercices

Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies

Sommaire. 1/ Grille. 2/ Specs globales. 3/ Specs HP. 4/ Specs Questions. 5/ Specs Offre. 6/ Specs Faq. 7/ Comportements interactifs

L apprentissage automatique

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

Intégration sur des espaces produits

Algorithmique avec Algobox

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

Une réponse (très) partielle à la deuxième question : Calcul des exposants critiques en champ moyen

Intégrales doubles et triples - M

Probabilités sur un univers fini

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

Correction du baccalauréat ES/L Métropole 20 juin 2014

Fonctions Analytiques

DOCUMENT RESSOURCE SONDES PRESENTATION

ENS de Lyon TD septembre 2012 Introduction aux probabilités. A partie finie de N

Assurance perte de gain.

Procédure : Sauvegarder un Windows 7 sur un disque réseau

Nombre de marches Nombre de facons de les monter

6. Hachage. Accès aux données d'une table avec un temps constant Utilisation d'une fonction pour le calcul d'adresses

Programmes des classes préparatoires aux Grandes Ecoles

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Algorithmes d'apprentissage

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

CALCUL DES PROBABILITES

Rapport du projet CFD 2010

TP SIN Traitement d image

Equipement. électronique

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.

Transcription:

x

X E B (X) O B (X)=D B (E B (X)) 2

SQUELETTISATION Intérêts : - fournit une version simplifiée d'un objet, tout en ayant la même homotopie que l'objet initial. - permet l'isolation des composantes connexes d'un objet - gain de place mémoire 3

SQUELETTISATION Définition du squelette Soient : X un ensemble, X la frontière de X, et Sq(X) le squelette de X Sq(X) vérifie : () : x Sq(X) si et seulement si x est le centre de la boule maximale B x, centrée en x et entièrement contenue dans X. (2) Ces boules maximales B x touchent X en au moins deux points distincts y, y 2 X tels que d(x, x) = d(x, y ) = d(x, y 2 ). 4

SQUELETTISATION Exemples de squelettes de trois objets : 5

SQUELETTISATION Erosion, ouverture et squelette Théorème de C. Lantuejoul : Sq(X) = λ > 0 µ > 0 ( E λb ( X ) / O µ B ( E ( X )) où B est la boule élémentaire. définition équivalente à la définition avec les boules maximales. λb En pratique, on ne conserve que la formule simplifiée : λb B λb Sq(X) = ( E ( X ) / O ( E ( X )) λ> 0 6

Propriétés du squelette a - Conditions d'hadwiger invariance par translation vérifiée compatibilité avec les homothéties vérifiée continuité : admise mais il existe des cas pour lesquels il n'est pas continu. 7

Propriétés du squelette Sq(X) Sq(X) 2 cas où X subit une légère modification qui induit un squelette très différent attention au squelette obtenu après un seuillage Sq(X) 8

Propriétés du squelette b - propriétés algébriques la squelettisation n'est ni croissante ni décroissante : X Y Sq( X ) Sq( Y ) Sq( Y ) Sq( X ) la squelettisation est anti-extensive : Sq(X) X la squelettisation est idempotente : Sq(Sq(X)) = Sq(X) 9

Propriétés du squelette b - propriétés topologiques préservation de la connexité par Sq(X) si X ne présente pas de parties infiniment étroites (X est un ouvert topologique) aux éléments disjoints de X correspondent des squelettes disjoints. homotopie : si X est un ouvert topologique, alors N 2 (X) = N 2 (Sq(X)). 0

Propriétés du squelette X non ouvert X connexe mais pas Sq(X ) Chaque composante connexe de (Sq(X C )) C contient une seule composante connexe de X X

Fonction d'extinction associée au squelette a - définition Soit X un ensemble, Sq(X) son squelette, et X sa frontière. La fonction d'extinction P est définie pour tout point x de Sq(X) tel que : P(x) = d(x, X) idée : propagation d'un feu de manière isotrope dans une prairie Squelette 2

Fonction d'extinction associée au squelette b - propriétés de la fonction d'extinction P - elle est continue - elle est dérivable la dérivée étant associée au caractère plus ou moins anguleux de X - x, x 2, Sq(X), x x 2 on a : P(x ) - P(x 2 ) < d (x, x 2 ) Sélection des points correspondant à une valeur P 0 donnée : { x Sq(X) / P(x) > P 0 } = Sq(X) Reconstitution de X : X = D P ( x ) B { x} E P B 0 ( X ) gain de place, car il suffit de mémoriser P(x) en chaque point du squelette pour pouvoir "retrouver " X. 3

Bissectrice conditionnelle Bissectrice conditionnelle Sq C (X) = { x Sq(X) / P'(x) < c } c étant une valeur donnée notion de vitesse de propagation du feu Squelette par zone d'influence (SKIZ) Soit X un ensemble formé de sous-ensembles X i. A chaque X i, on associe une zone d'influence Y i telle que : Y i = { y / d(y, X i ) < d(y, X j ), j i } Le squelette par zone d'influence de X, SZ(X) est défini par : SZ(X) = [ i (Y i )] c SZ(X) partage l'image en autant de parties de X. On a : SZ(X) Sq(X C ) 4

Squelette par zone d'influence (SKIZ) SKIZ X SZ(X) Sq(X c ) 5

Squelettes d'images digitalisées Formule de C. Lantuejoul : (cas d'un réseau hexagonal). Sq( X ) = X = n= 0 D n= 0 nh E ( E nh nh ( X ( X ) / O ) / O avec H : hexagone de taille H H ( E ( E nh nh ( X )) ( X ))) 6

7

Transformations de voisinage 0 0 0 0 8

Transformations de voisinage Configuration de voisinage Une configuration de voisinage consiste à attribuer des «0» ou des à chaque point de l'hexagone (ou du carré). notion d élément structurant x Trame hexagonale Trame carrée hexagonal : 2 7 configurations possibles carré : 2 9 configurations possibles Famille de voisinage : regroupement de configurations : V = V, V 2,..., V n. 9

Transformations de voisinage Constitution des familles de voisinage on impose les valeurs à certaines positions de l'hexagone, les autres configurations étant obtenues en donnant la valeur 0 ou aux autres positions (points quelconques) 0 0 0 0 0 0 0 0 0 V V V 2 V 3 V 4 V = {V, V 2, V 3, V 4 }. 20

Transformations de voisinage Transformations de voisinage x V x ( X ) 0 si si Remarque : similarités avec les transformations en tout ou rien. Exemple : E H (X) = X H V x V ( X ) V x ( X ) V 2

Transformations de voisinage 0 V = {V, V 2, V 3, V 4 }. Par des rotations de kπ/3, on obtient 5 autres familles de voisinage On note θ k V = Dans l'exemple : θ 6 V = V Si θ n V = V alors : n est l'ordre de V R kπ ( V / 3 V n = V θv θ²v... θ n- V est le stabilisé de V. ) C est la plus petite famille contenant V qui reste inchangée par rotation 22

Amincissement et épaississement ) Définitions amincissement : on enlève à X les points qui correspondent à une configuration donnée : X ο V = X / (X V) épaississement : on ajoute à X les points qui correspondent à une configuration donnée : X V = X (X V) 2) Propriétés - amincissement et épaississement sont deux opérations duales : (X ο V) C = X C V C - double inclusion : X ο V X X V 23

Amincissement et épaississement 24

Homotopie et configuration de voisinage Dans le cas d'une grille hexagonale, une configuration est homotopique si en inversant le point central, on ne change pas la connexité. 0 N 2 = 0 0 Ceci est vérifié : si le nombre de connexité du contour est égal à et s'il existe au moins un "0". si on a des points quelconques dans la configuration, ils sont entre 0 et et sont au maximum 2. On obtient les configurations suivantes avec deux points quelconques: 0 0 0 0 0 0 6 familles d'éléments structurants : point central à 0 ou à. 25

Amincissement homotopique Propriété: L amincissement (resp. l épaississement) est homotopique si la configuration de voisinage utilisée est homotopique. La squelettisation est : - anti-extensive - idempotente - homotopique L amincissement est : - anti-extensive - homotopique Idée : l'amincissement jusqu'à l'idempotence squelettisation. 26

Amincissement homotopique Deux configurations sont généralement utilisées : 0 M : 0 et L : 0 Amincissement homotopique opération itérative (X ο V) n avec n nombre d'itérations. Avec la configuration L on a : X ο L = ((((((X ο θ 0 L) ο θ L) ο θ 2 L) ο θ 3 L) ο θ 4 L) ο θ 5 L) amincissement partiel L'algorithme est appliqué jusqu'à l'idempotence. Remarque : on peut changer l'ordre des θ i L dans la séquence de l'amincissement partiel le résultat sera modifié. 27

Amincissement homotopique Cas du réseau carré : en 4-connexité : 2 familles de configurations peuvent être utilisées. 0 0 0 0 et 0 (et toutes les rotations possibles) en 8-connexité : 0 0 0 0 0 et 0 28

29

30

3

Epaississement homotopique Amincissement et épaississement sont duales par rapport à la complémentation, aussi, on obtient des épaississements homotopiques avec des configurations L C, et M C. (X L C 6) n ou (X M C 6 ) n Remarque : Seule la famille M C 6 permet d'épaissir à partir d'un point. 32

33

Configurations de voisinage particulières au squelette a - points extrêmes (deux voisins) Utilisation de la configuration E : extraction des points extrêmes X E 6 = 5 i= 0 i ( Sq( X ) θ E 0 0 0 0 amincissement du squelette : Ebarbulage Y = (Sq(X) ο E 6 ) n élimine les petites branches parasites!!!!!!si n tend vers l infini le squelette peut disparaître complètement s'il n'y a pas de boucle. 34

Configurations de voisinage particulières au squelette Ebarbulage sélectif permet la reconstruction du squelette après ébarbulage Algorithme : () Y = (Sq(X) ο E 6 ) n squelette ébarbulé 5 ( Y θ E 0 i (2) Y = ) points extrêmes de Y i= (3) Y = Y (D H (Y ) Sq(X)) on recommence à (2) jusqu'à Y stable. Grille carrée Utilisation de la configuration E 4 : 0 0 0 35

36

Configurations de voisinage particulières au squelette réseau hexagonal : points multiples points triples deux configurations possibles : 0 F 6 : 0 et F' 6 : 0 Extraction des points multiples : Y = (Sq(X) F 6 ) (Sq(X) F' 6 ) 37

Configurations de voisinage particulières au squelette réseau carré : points multiples points triples ou points quadruples Configuration de voisinage pour l'extraction de points multiples (à une rotation près) 38

Enveloppe convexe a - définition L'enveloppe convexe d'un ensemble X, notée C V (X) est égale à l'intersection de tous les demi-plans de R² contenant X. Un demi-plan est caractérisé par une droite orientée selon un angle α. Cas discret : On considère que les droites passent par 2 points distincts d'un contour de l'objet. Suivant les différentes trames, on a les directions suivantes : trame carrée : α = 0 ou π/2 trame octogonale : α = 0 ou α = π/4 ou α = π/2 ou α = 3π/4 trame hexagonale : α = 0 ou α = π/3 ou α = 2π/3 39

Réseau hexagonal Enveloppe convexe L'enveloppe convexe d'un ensemble X peut être obtenue par un épaississement avec la configuration de voisinage C = 0 C V (X) = (X C 6 ) Remarque : La configuration C n'étant pas homotopique, l'enveloppe convexe ainsi obtenue ne conserve pas l'homotopie (propriété non vérifiée par l'enveloppe convexe). L'enveloppe quasi convexe obtenue avec la configuration D conserve l'homotopie. D : 0 0 40

Enveloppe convexe réseau carré Enveloppe convexe : trame carrée trame octogonale C 4 = 0 0 0 Enveloppe quasi convexe : trame carrée trame octogonale 0 0 0 0 0 0 0 0 0 0 0 4

42