5.2 Segmentation par seuillage de gradients
99
Fig. 5.2 Segmentation avec un Laplacien 8, p. 55
Une autre approche consiste `
a consid´ erer les contours comme des d´ etails
de l’image et ` a les calculer via un filtre fr´ equentiel passe-haut (sous-section
3.3.2) :
Fig. 5.3 Segmentation : filtre passe-haut avec coupure ` a 20% de la taille
5.2.2 D´ etecteur de Marr-Hildrett
Sur une image liss´ ee, on peut plus facilement essayer de d´ etecter les bords
(ou contours). On peut utiliser le d´ etecteur de Marr-Hildrett [64] : on
cherche les z´ eros du Laplacien d’une image u. Si en un point x, Δu change
de signe et si ∇u est non nul, on consid` ere alors que l’image u poss` ede un
bord en x. En pratique on cherche les points o` u |Δu| ď ε 1 avec changement
de signe et |∇u| ě ε 2 o` u ε 1 et ε 2 sont des r´ eels strictement positifs (seuils).
Le choix du seuil influe bien sˆ ur sur les contours obtenus :
99
Fig. 5.2 Segmentation avec un Laplacien 8, p. 55
Une autre approche consiste `
a consid´ erer les contours comme des d´ etails
de l’image et ` a les calculer via un filtre fr´ equentiel passe-haut (sous-section
3.3.2) :
Fig. 5.3 Segmentation : filtre passe-haut avec coupure ` a 20% de la taille
5.2.2 D´ etecteur de Marr-Hildrett
Sur une image liss´ ee, on peut plus facilement essayer de d´ etecter les bords
(ou contours). On peut utiliser le d´ etecteur de Marr-Hildrett [64] : on
cherche les z´ eros du Laplacien d’une image u. Si en un point x, Δu change
de signe et si ∇u est non nul, on consid` ere alors que l’image u poss` ede un
bord en x. En pratique on cherche les points o` u |Δu| ď ε 1 avec changement
de signe et |∇u| ě ε 2 o` u ε 1 et ε 2 sont des r´ eels strictement positifs (seuils).
Le choix du seuil influe bien sˆ ur sur les contours obtenus :