Chapitre 5
Segmentation
5.1 Introduction
La segmentation permet d’isoler certaines parties de l’image qui pr´ esentent
une forte corr´ elation avec les objets contenus dans cette image, g´ en´ eralement
dans l’optique d’un post-traitement. Les domaines d’application sont nombreux : m´ edecine, g´ eophysique, g´ eologie, etc.
Dans le domaine m´ edical, la segmentation d’images est extrˆ emement compliqu´ ee. En effet, pour chaque organe (cerveau, cœur, etc ...), l’approche
est diff´ erente : l’outil de segmentation doit donc pouvoir s’adapter `
a un organe particulier, suivant une modalit´ e d’acquisition particuli` ere (scanners,
radiographie, Imagerie par R´ esonance Magn´ etique, ...) et pour une s´ equence
de donn´ ees particuli` ere. L’objectif est la quantification de l’information, par
exemple, la volum´ etrie : volume d’une tumeur dans le cerveau, ´ etude de la
cavit´ e ventriculaire cardiaque, etc. C’est ` a ce niveau que la segmentation de
l’image est utilis´ ee. En g´ eophysique, la segmentation peut permettre d’isoler
des objets du sous-sol (failles, horizons ...) `
a partir de donn´ ees sismiques dans
le but, par exemple, de mod´ eliser ou d’exploiter un gisement.
En imagerie math´ ematique, on consid` ere principalement deux types de segmentation :
‚ la segmentation par contours qui permet de d´ elimiter les diff´ erentes
r´ egions par leurs fronti` eres. C’est essentiellement ce type de segmentation que
nous allons pr´ esenter.
‚ la segmentation par r´ egions qui permet de caract´ eriser les r´ egions
d’une image pr´ esentant une structure homog` ene et qui fait appel la plupart
du temps `
a des outils statistiques.
Ó Springer-Verlag Berlin Heidelberg 2015
M. Bergounioux, Introduction au traitement mathématique des
images - méthodes déterministes, Mathématiques et Applications 76,
DOI 10.1007/978-3-662-46539-4_5
97
Segmentation
5.1 Introduction
La segmentation permet d’isoler certaines parties de l’image qui pr´ esentent
une forte corr´ elation avec les objets contenus dans cette image, g´ en´ eralement
dans l’optique d’un post-traitement. Les domaines d’application sont nombreux : m´ edecine, g´ eophysique, g´ eologie, etc.
Dans le domaine m´ edical, la segmentation d’images est extrˆ emement compliqu´ ee. En effet, pour chaque organe (cerveau, cœur, etc ...), l’approche
est diff´ erente : l’outil de segmentation doit donc pouvoir s’adapter `
a un organe particulier, suivant une modalit´ e d’acquisition particuli` ere (scanners,
radiographie, Imagerie par R´ esonance Magn´ etique, ...) et pour une s´ equence
de donn´ ees particuli` ere. L’objectif est la quantification de l’information, par
exemple, la volum´ etrie : volume d’une tumeur dans le cerveau, ´ etude de la
cavit´ e ventriculaire cardiaque, etc. C’est ` a ce niveau que la segmentation de
l’image est utilis´ ee. En g´ eophysique, la segmentation peut permettre d’isoler
des objets du sous-sol (failles, horizons ...) `
a partir de donn´ ees sismiques dans
le but, par exemple, de mod´ eliser ou d’exploiter un gisement.
En imagerie math´ ematique, on consid` ere principalement deux types de segmentation :
‚ la segmentation par contours qui permet de d´ elimiter les diff´ erentes
r´ egions par leurs fronti` eres. C’est essentiellement ce type de segmentation que
nous allons pr´ esenter.
‚ la segmentation par r´ egions qui permet de caract´ eriser les r´ egions
d’une image pr´ esentant une structure homog` ene et qui fait appel la plupart
du temps `
a des outils statistiques.
Ó Springer-Verlag Berlin Heidelberg 2015
M. Bergounioux, Introduction au traitement mathématique des
images - méthodes déterministes, Mathématiques et Applications 76,
DOI 10.1007/978-3-662-46539-4_5
97