RdF: segmentation par binarisation

<< Histogramme des niveaux de texture | Liste des exercices | >>

Histogramme conjoint

Pour obtenir une meilleure segmentation par binarisation, nous allons associer deux attributs à chaque pixel de l'image plutôt qu'un seul. En pratique, chaque attribut est stocké dans une image séparée. Le premier attribut est le niveau de gris du pixel, le second son niveau de texture. Par exemple, pour la deuxième image de la série, les deux attributs sont représentés par les images suivantes:

deux classes, texture numéro 1
Niveau de gris.
deux classes, texture numéro 1
Niveau de texture.


Analyser le code de la fonction rdfCalculeHistogramme2D qui permet de calculer l'histogramme conjoint des deux attributs, en vous référant à la documentation de R pour les fonctions findInterval et table.

Après calcul, le contraste de l'histogramme est diminué au moyen d'une fonction logarithme, afin que les zones de l'histogramme correspondant à des régions de faible surface apparaissent malgré tout.

Enfin, cet histogramme sera affiché sous la forme d'une image à niveau de gris, d'où la nécessité de normaliser le résultat et de retourner une structure de type Image plutôt qu'une table (dernière ligne de la fonction).

Pour les attributs de l'image présentés auparavant, l'histogramme conjoint doit avoir l'aspect suivant:

histogramme conjoint, niveau de gris et texture
Histogramme 2D.


Classification linéaire à deux dimensions

Pour chacune des 5 images présentant les quatre ronds avec différentes variantes de texture, déterminer les histogrammes conjoints avec le niveau de gris et le niveau de texture comme attributs des pixels.

Sur chacun des histogrammes 2D, déterminer approximativement la droite qui sépare au mieux les deux régions correspondant: 1) au fond de l'image; 2) aux 4 disques.

Utiliser ensuite une combinaison linéaire des deux attributs et un seuillage afin d'obtenir une image binaire. Cela correspond à utiliser un classifieur linéaire 2D sur les deux attributs de l'image (niveau de gris, niveau de texture).

Enfin, pour chaque image, calculer le pourcentage de pixels mal segmentés et conclure sur l'intérêt d'utiliser un classifieur 2D sur ce type d'images.