43
1. f1=imread(‘nomdufichierdupoisson’) ;==˃chargerl’imagecouleurdansf1
sous la forme RGB
2. f1Gray = rgb2gray(f1) ;==˃conversiondel’imagecouleurf1àuneimagenoiret
blanc f1Gray
Pourpouvoirséparerlepoissondel’arrière-plan et entamer la procédure de repérage, on
estobligédeconvertirl’imageennoiretblancenpremierlieu.Eneffet,lesobjetsdansles
images noir et blanc sont caractérisées d’avoir un contraste plus fort que l’arrière-plan. Et
comme nos images ne contiennent qu’un seul objet (poisson), l’algorithme consiste alors à
utiliser cette caractéristique pour différencier le poisson. Néanmoins les images noir et blanc,
obtenues de la conversion directe des images couleurs, ne sont pas riche en contraste. Par
conséquent une amélioration de contraste est nécessaire. Cette amélioration consiste à
augmenter le taux du gris des pixels dont l’intensité est forte et l’inverse pour les pixels à
intensité faible.
3. f1GrayPlus = imadjust(f1Gray, [] , [], 2) ;‘threshodding’
A ce stade on peut facilement choisir un niveau de gris comme seuil pour différencier le
poissondel’arrière-plan .En effet tous les pixels qui ont une intensité supérieure au seuil (vers
le blanc) sont considérés comme arrière-plan. A la fin de cette étape on génère une image où
on marquel’arrière-plan par des zéros (noir) et le poisson par des uns (blanc).
Figure II-13 Différentes étapes pour le repérage du poisson dans l’image sur Matlab
C’est à partir de l’image binaire obtenue dans l’étape précédente et l’image originale du
poisson que la quantification des couleurs est effectuée. Cette quantification consiste à affecter
la couleur à l’un des ensembles prés définies à savoir rouge, jaune, vert, turquoise, bleu,
1. f1=imread(‘nomdufichierdupoisson’) ;==˃chargerl’imagecouleurdansf1
sous la forme RGB
2. f1Gray = rgb2gray(f1) ;==˃conversiondel’imagecouleurf1àuneimagenoiret
blanc f1Gray
Pourpouvoirséparerlepoissondel’arrière-plan et entamer la procédure de repérage, on
estobligédeconvertirl’imageennoiretblancenpremierlieu.Eneffet,lesobjetsdansles
images noir et blanc sont caractérisées d’avoir un contraste plus fort que l’arrière-plan. Et
comme nos images ne contiennent qu’un seul objet (poisson), l’algorithme consiste alors à
utiliser cette caractéristique pour différencier le poisson. Néanmoins les images noir et blanc,
obtenues de la conversion directe des images couleurs, ne sont pas riche en contraste. Par
conséquent une amélioration de contraste est nécessaire. Cette amélioration consiste à
augmenter le taux du gris des pixels dont l’intensité est forte et l’inverse pour les pixels à
intensité faible.
3. f1GrayPlus = imadjust(f1Gray, [] , [], 2) ;‘threshodding’
A ce stade on peut facilement choisir un niveau de gris comme seuil pour différencier le
poissondel’arrière-plan .En effet tous les pixels qui ont une intensité supérieure au seuil (vers
le blanc) sont considérés comme arrière-plan. A la fin de cette étape on génère une image où
on marquel’arrière-plan par des zéros (noir) et le poisson par des uns (blanc).
Figure II-13 Différentes étapes pour le repérage du poisson dans l’image sur Matlab
C’est à partir de l’image binaire obtenue dans l’étape précédente et l’image originale du
poisson que la quantification des couleurs est effectuée. Cette quantification consiste à affecter
la couleur à l’un des ensembles prés définies à savoir rouge, jaune, vert, turquoise, bleu,