5.6 Segmentation en r´ egions
131
(a) Original
(b) 2 clusters
(c) 3 clusters
(d) 4 clusters
Fig. 5.23 Segmentation par K-means
5.6.3 Croissance de r´ egions
Les m´ ethodes par croissance de r´ egions partent d’un premier ensemble
de r´ egions, qui peuvent ˆ etre calcul´ ees automatiquement (par exemple, les
minima de l’image), ou fournies par un utilisateur de mani` ere interactive.
Les r´ egions grandissent ensuite par incorporation des pixels les plus similaires
suivant un crit` ere donn´ e, tel que la diff´ erence entre le niveau de gris du pixel
consid´ er´ e et le niveau de gris moyen de la r´ egion. Cette technique consiste `
a
faire progressivement grossir les r´ egions autour de leur point de d´ epart.
L’algorithme se compose de deux ´ etapes :
1. Trouver les points de d´ epart des r´ egions : c’est la partie critique de l’algorithme. En effet, l’´ etape de croissance suivante va utiliser une mesure de
similarit´ e pour choisir les pixels `
a agglom´ erer. Si le point de d´ epart est
situ´ e dans une zone non homog` ene, la mesure de similarit´ e va produire de
fortes variations et la croissance va s’arrˆ eter tr` es tˆ ot. Par cons´ equent, il