Table des Matières
Publicité
Série SCS1
Les avantages de l'analyse à Blob résident dans une vitesse élevée de traitement et dans la
possibilité de tolérer et mesurer des variations tant d'orientation que de dimension des objets cibles.
Ses limites sont principalement les difficultés à discriminer les objets de leur arrière plan, s'il y a peu
de contraste entre les deux, l'impossibilité de distinguer des objets l'un au contact de l'autre ou
superposés et dans la faible habilité de reconnaître des objets qui sont semblables.
12.6. Contour Match (Appariement de contour)
Le but de l'opération d'appariement de contour est de reconnaître des objets par la comparaison de
leur contour. L'analyse s'avère sur des images binarisées par un seuil approprié.
L'ensemble des pixels noirs définit l'image (BinaryImageSet, BIS).
Le contour est défini tel une séquence de pixels suivant une ligne fermée le long du bord de l'image
binaire. Cette séquence s'obtient en établissant certaines relations entre pixels adjacents. Le contour
n'est pas partie du BIS. L'algorithme est en mesure de détecter aussi bien les contours extérieurs (en
rouge dans la figure 32) que ceux intérieurs (en vert).
Pour effectuer la reconnaissance d'un objet, il faut saisir un échantillon et quelques informations
(position, nombre de pixels, dimensions...). Ces informations seront normalisées et introduites dans
un vecteur stocké dans une base de données. La reconnaissance d'un objet s'avère en réalisant une
comparaison entre le vecteur relatif à l'objet à l'examen et les vecteurs existants des échantillons dans
la base de données. Pour effectuer une comparaison, il faut donner une définition de distance entre
les vecteurs. Parmi les vecteurs de la base de données, est choisi celui avec la distance la plus petite
vis à vis du candidat.
Cette méthode assure une vitesse satisfaisante de traitement et peut tolérer et mesurer des variations
d'orientation de l'objet à l'examen. Elle assure également une précision supérieure face à l'analyse à
Blob, avec laquelle elle partage, toutefois, encore les difficultés à discriminer les objets de leur arrière
plan et l'impossibilité de reconnaître des objets en contact ou superposés.
12.7. Edge detection (détection de frontières)
Avec la détection des frontières on opère sur des valeurs des tons de gris à 256 niveaux et non pas
sur des images binarisées. Prenant en compte une certaine zone de l'image, elle pourra être
représentée par une matrice d'un certain nombre de lignes et colonnes, chaque élément de la matrice
contient la valeur d'intensité lumineuse de son pixel. Dans l'exemple ci-dessous il y a trois lignes et dix
colonnes.
La somme de chaque valeur de chaque colonne est :
171
AUDIN - 8, avenue de la malle - 51370 Saint Brice Courcelles - Tel : 03.26.04.20.21 - Fax : 03.26.04.28.20 - Web : http: www.audin.fr - Email : info@audin.fr
Figure 42
69
75
78
85
66
69
76
81
68
74
81
87
203
218
235
253
98
120
128
135
88
102
118
129
101
119
128
136
287
341
374
400
Manuel d'Instruction
133
135
134
136
134
135
401
406
Publicité
Table des Matières
