126
5 Segmentation
(a) β “ 0.1
(b) β “ 10
Fig. 5.19 Sensibilit´ e ` a β avec ε “ 10 ´3 , α “ 1.
(a) ε “ 10 ´1 ,
(b) ε “ 10 ´2
Fig. 5.20 Sensibilit´ e ` a ε avec β “ 1, α “ 1.
5.5 Fermeture des contours
La plupart des algorithmes de segmentation ne fournissent malheureusement pas des contours ferm´ es. On ne peut donc pas s´ eparer clairement
diff´ erentes r´ egions de l’image. Il existe cependant des m´ ethodes permettant
de fermer les contours. Toutefois, il faut ˆ etre prudent sur leur utilisation et
s’assurer que la discontinuit´ e d’un contour provient bien d’une lacune d’une
m´ ethode de segmentation et non d’une discontinuit´ e r´ eelle. A titre d’exemple,
certaines images IRM de r´ eseaux vasculaires sont difficiles ` a segmenter et
les contours obtenus qui correspondent aux vaisseaux sanguins sont souvent
5 Segmentation
(a) β “ 0.1
(b) β “ 10
Fig. 5.19 Sensibilit´ e ` a β avec ε “ 10 ´3 , α “ 1.
(a) ε “ 10 ´1 ,
(b) ε “ 10 ´2
Fig. 5.20 Sensibilit´ e ` a ε avec β “ 1, α “ 1.
5.5 Fermeture des contours
La plupart des algorithmes de segmentation ne fournissent malheureusement pas des contours ferm´ es. On ne peut donc pas s´ eparer clairement
diff´ erentes r´ egions de l’image. Il existe cependant des m´ ethodes permettant
de fermer les contours. Toutefois, il faut ˆ etre prudent sur leur utilisation et
s’assurer que la discontinuit´ e d’un contour provient bien d’une lacune d’une
m´ ethode de segmentation et non d’une discontinuit´ e r´ eelle. A titre d’exemple,
certaines images IRM de r´ eseaux vasculaires sont difficiles ` a segmenter et
les contours obtenus qui correspondent aux vaisseaux sanguins sont souvent