Extraction de contours
Détecter un objet dans une image

La détection de contours joue un rôle très important dans le traitement d'image. Il s'agit d'un traitement riche en information et qui sert dans plusieurs cas de base pour effectuer d'autres traitements. Elle peut servir, par exemple, à supprimer le bruit sur image à détecter des formes en imagerie médicale ou encore pour la création numérique d'œuvres basées sur la capture du flux vidéo d'une caméra.

Comment peut-on repérer le contour ?

A l'œil nu il est tellement évident et instinctif pour nous de repérer le contour d'une forme sur une image que nous ne remarquons pas la propriété de ces contours et leur interprétation algorithmique et mathématique.

L'animation flash n'est pas prise en charge



Comme nous le remarquons, cette détection de contour est riche en information et affiche des contours que nous ne remarquons pas à première vue.

Les algorithmes de détection de contours utilisent l'intensité lumineuse dans leurs traitements. En effet, la variation brusque de cette intensité définit le passage d'une zone à l'autre. Cette propriété est applicable sur les niveaux de gris, elle est donc aussi bien valable sur les images en couleur que sur celle en noir et blanc.

Le contour en donc un ensemble de courbes de l'image sur lesquelles s'opère une forte variation de l'intensité lumineuse.



Définition mathématique du contour

Mathématiquement, nous pouvons définir les contours en utilisant le gradient qui représente la normale aux courbes de niveau de l'image

Le vecteur gradient est dans la direction ou l'intensité lumineuse croit le plus et plus la croissance locale est forte plus sa norme est grande.


(schéma du vecteur gradient sur une courbe)

Le contour est donc une normale au gradient pour laquelle la norme du gradient est maximale localement

Nous pouvons différencier les contours de la manière suivante :


Pourquoi parle-t-on de filtres?

Comme nous venons de voir, les contours des objets correspondent aux extréma locaux du gradient ou encore aux zéros du Laplacien de la fonction des niveaux de gris comme nous le verrons dans la partie dédiée aux filtres. La difficulté de la détection de contours provient de la présence du bruit dans les images.

Le buit peut avoir plusieurs sources :
- Le capteur
- Le bruit d'échantillonnage
- L'irrégularité de la surface des objets (le bois par exemple)

Nous avons donc besoin d'implanter des filtres afin de réduire ce bruit et d'obtenir les contours recherchés. Nous nous intéresserons principalement à des filtres dont les algorithmes sont à faible coût et qui permettent d'obtenir un résultat satisfaisant dans la majorité des cas.