pderavi

Multiseuillage de l'image par analyse de la matrice de co-occurences selon Deravi.

Synopsis

pderavi length [-m mask] [im_in|-] [im_out|-]

Description

L'opérateur pderavi permet de multiseuiller l'image initiale im_in par classification des pixels selon l'algorithme de Deravi.

Cet algorithme est basé sur le calcul de la matrice de co-occurence Tkl non symétrique défini avec les voisins 0 et 6:

Si im_in[x, y+1] == im_in[voisin(x+1, y)] alors T[im_in(x,y)][im_in(y+1,x)[] +=1;

Pour chaque niveau de gris n de [0..N-1], on calcule la probabilité conditionnelle de transition P(n) entre deux régions séparées par le niveau de gris n par:

- P1(n) = [Somme_k(Somme_l((Tkl)*(Tkl))] / [Somme_k(Somme_l(Tkl))+ Somme_p(Somme_q(Tpq))]

avec k=[0..n], l=[n+1..N-1] et p=[0..n], q=[0..n]

- P2(n) = [Somme(Somme((Tkl)*(Tkl))] / [Somme(Somme(Tkl))+ Somme(Somme(Tpq))]

avec k=[n+1..N-1], l=[0..n] et p=[n+1..N-1], q=[n+1..N-1]

- P(n) = (P1(n) + P2(n) ) / 2;

La recherche des minima locaux de P(n) se fait sur une plage de length niveaux de gris de part et d'autre du niveau de gris n.

Remarque: Cet opérateur ne fonctionne que sur des images de Char parce qu'il faut que les transitions Tkl soient significatives (ie, nombre de (k,l) restreints). Il faut donc s'arranger pour transformer les autres types d'images en image de Uchar.

L'image de sortie im_out est contruite avec les seuils détectés, telle que:

im_out[y][x]=seuil[k] si seuil[k-1]<im_out[y][x]<=seuil[k].

Le dernier seuil est égal à la valeur maximale 255.

Paramètres

length définit la plage de recherche des minima de la fonction énergie. Il est définit en niveaux de gris. Plus la valeur est grande, moins il y a de classes en sortie.

Entrées

im_in: une image d'octets (Img2duc, Img3duc).

Sorties

im_out: une image d'octets (Img2duc, Img3duc).

Résultat

Retourne le nombre de seuil détectés.

Exemples

Segmente l'image tangram.pan et affiche le nombre de classes detectées:

   pderavi 15 tangram.pan out.pan
   pstatus

Voir aussi

Seuillage

Prototype C++

Errc PDeravi( const Img2duc &im_in, Img2duc &im_out, int length );

Référence

F. Deravi et al., "Gray level thresholding using second-order statistics", Pattern Recognition Letter, Vol. 1, No. 5-6, pp. 417-422, 1983.

Auteur: Régis Clouard