120
Informatique médicale, e-Santé
Ouverture et fermeture
Les autres opérateurs morphologiques peuvent être définis à l’aide de l’érosion et de la dilatation. Leurs effets dépendent de la taille et de la forme de
l’élément structurant. Parmi les plus utilisés, l’ouverture et la fermeture peuvent
servir à nettoyer les images binaires avant de les analyser(fig. 15).
L’ouverture est une érosion suivie d’une dilatation à l’aide du même élément
e
structurant. Elle préserve les objets blancs d’avant-plan qui ont la même forme
que l’élément structurant, et tend à éliminer ceux qui ont une forme différente.
À la fin de l’opération, les objets d’avant-plan gardent la même taille, mais les
contours sont plus lisses.
La fermeture est une dilatation suivie d’une érosion à l’aide du même élément
e
structurant. Elle a pour résultat de fermer les petits trous.
Fig. 15 – Image d’origine, après ouverture, après fermeture.
5.3.5 Reconnaissance des formes et classification
L’un des objectifs du traitement d’images est de séparer l’image en
composantes ou en régions qui ont du sens dans le cadre d’une analyse
particulière. On parle de segmentation de l’image. Il peut s’agir par exemple
de compter et de mesurer les cellules d’un certain type dans un prélèvement
sanguin. Il peut aussi s’agir de reconnaître une tumeur dans une image du
cerveau afin d’en mesurer précisément la position et les dimensions, ou de
délimiter la matière blanche et la matière grise du cerveau non atteintes par
la tumeur.
Avant de mesurer les caractéristiques des objets dans une image, il faut les étiqueter,
c’est-à-dire reconnaître tous les pixels qui appartiennent à un objet donné. Une
couleur particulière peut être attribuée à chaque objet étiqueté (fig. 16). On peut
alors repérer les objets et déterminer leurs propriétés dimensionnelles.
La classification consiste à répartir les objets mesurés dans une image en
classes. C’est souvent la dernière étape de l’analyse d’images. On essaie de
l’automatiser autant que possible pour aider au diagnostic médical. Elle fait
souvent appel à des techniques statistiques, aux réseaux neuronaux ou aux
algorithmes génétiques.
Informatique médicale, e-Santé
Ouverture et fermeture
Les autres opérateurs morphologiques peuvent être définis à l’aide de l’érosion et de la dilatation. Leurs effets dépendent de la taille et de la forme de
l’élément structurant. Parmi les plus utilisés, l’ouverture et la fermeture peuvent
servir à nettoyer les images binaires avant de les analyser(fig. 15).
L’ouverture est une érosion suivie d’une dilatation à l’aide du même élément
e
structurant. Elle préserve les objets blancs d’avant-plan qui ont la même forme
que l’élément structurant, et tend à éliminer ceux qui ont une forme différente.
À la fin de l’opération, les objets d’avant-plan gardent la même taille, mais les
contours sont plus lisses.
La fermeture est une dilatation suivie d’une érosion à l’aide du même élément
e
structurant. Elle a pour résultat de fermer les petits trous.
Fig. 15 – Image d’origine, après ouverture, après fermeture.
5.3.5 Reconnaissance des formes et classification
L’un des objectifs du traitement d’images est de séparer l’image en
composantes ou en régions qui ont du sens dans le cadre d’une analyse
particulière. On parle de segmentation de l’image. Il peut s’agir par exemple
de compter et de mesurer les cellules d’un certain type dans un prélèvement
sanguin. Il peut aussi s’agir de reconnaître une tumeur dans une image du
cerveau afin d’en mesurer précisément la position et les dimensions, ou de
délimiter la matière blanche et la matière grise du cerveau non atteintes par
la tumeur.
Avant de mesurer les caractéristiques des objets dans une image, il faut les étiqueter,
c’est-à-dire reconnaître tous les pixels qui appartiennent à un objet donné. Une
couleur particulière peut être attribuée à chaque objet étiqueté (fig. 16). On peut
alors repérer les objets et déterminer leurs propriétés dimensionnelles.
La classification consiste à répartir les objets mesurés dans une image en
classes. C’est souvent la dernière étape de l’analyse d’images. On essaie de
l’automatiser autant que possible pour aider au diagnostic médical. Elle fait
souvent appel à des techniques statistiques, aux réseaux neuronaux ou aux
algorithmes génétiques.