Extraction de contours - Les techniques de contours actifs

SOMMAIRE

I. La détection de contour

1. Première approche

2. Les « méthodes »
de détection

a. Dérivation de 1er ordre

b. Dérivation de 2nd ordre

c. Filtrage optimal

3. Exemples de masques

4. Points de contours

II. Les techniques de
contours actifs

Les « méthodes» de détection de contours

c. Filtrage optimal

Les méthodes que nous avons vu précedemment ne sont pas optimales car elles restent très sensible au bruit.
Il existe une autre méthode, plus récente qui consiste à définir des critères d'optimalité de la détection des contours. Ces filtres sont des filtres de lissage optimaux.

Le traitement consiste à 2 balayages de l'image.

Les filtres optimaux les plus connus sont ceux de Canny, Dériche, Shen-Castan et le filtre Gaussien.

Filtre de Canny

On considère que la détection a été effectuée en convoluant le signal par un filtre de réponse impulsionnel.
Les contours envisagés sont des contours de types marche et le bruit est supposé blanc (de moyenne
nulle).

Les critères d'optimalités sont :

   ›› pour la détection : le contour doit être détecté, il faut minimiser les fausses réponses,

   ›› pour la localisation : le contour doit être localisé avec précision, il s'agit de minimiser la distance entre les points détectés et le vrai contour.

   ›› la réponse unique : il s'agit de minimiser le nombre de réponse pour un seul
contour.

Filtre de Dériche

Le filtre de Deriche est un filtre de lissage qui utilise la solution exacte de l'équation de Canny.

Voici la formule du filtre :

Les autres filtres

Il existe d'autres filtres comme le filtre de Shen-Castan qui comme le filtre de Dériche est directionnel. Le filtre Gaussien est un filtre non directionnel (isotrope), il ne donne donc pas d'informations de direction et sa sensibilité accrue au bruit.