Nous avons utilisé deux types de caméras selon les microscopes utilisés. Toutes les
ex-périences faites sur les microscopes Leica et Olympus (IX71) ont été visualisées avec une
caméra CDD Cohu 4910 puis enregistrées grâce à un magnétoscope DVCam Sony (DSR25)
permettant un positionnement de la bande vidéo à l’image près. Les films sont ensuite
nu-mérisés par l’intermédiaire d’un Mac G5 grâce au logiciel Avid Free DV sous format
quick-time (fichier portant une extension en .mov). Les expériences menées sur le microscope
Zeiss (Axiovert 200 M) ont été enregistrées par une caméra digitale ORCA tri CCD C7780
21 (Hamamatsu). Les images sont acquises via un logiciel fourni par Hamamatsu (Wasabi).
Nous obtenons alors des films contenant une séquence d’images sous format tiff à une
réso-lution de 16 bits.
Les films quicktime peuvent être transformés en une suite d’images tiff par l’intermédiaire
d’un logiciel gratuit (Bink and Smacker Rad Video Tools
1). Le gratuiciel XnView
2permet
ensuite d’appliquer des transformations identiques à plusieurs images. On peut ainsi
trans-former des images 16 bits en images 8 bits, les redimensionner, ou créer à partir de plusieurs
images tiff un seul fichier multipages contenant toutes les images.
1http ://www.radgametools.com/bnkdown.htm
Chapitre
7
Programmes de traitement d’images et de
suivi automatique d’objets en déplacement.
Programmes de traitement d’images et de suivi automatique d’objets en déplacement.
Ce chapitre est consacré à l’élaboration des programmes permettant l’analyse et le suivi
automatique d’objets soumis à un écoulement de cisaillement.
7.1 Détermination du contour d’un objet
Afin de déterminer le contour d’un objet, il est tout d’abord nécessaire de filtrer l’image
afin de faire ressortir le contour. Pour cela nous utilisons le logiciel IDL et une routine écrite
par John Crocker [Crocker and Grier, 1996] et disponible sur son site internet : le filtre
bpass
1.
7.1.1 Le filtre bpass
Le filtrebpassest un filtre passe-bande spatiale qui supprime le bruit et lisse l’image tout
en gardant les informations de l’image sur une taille caractéristique. Ce que l’on souhaite
faire ressortir doit apparaître en blanc sur l’image d’origine. La figure 7.1 illustre le
fonc-tionnement du filtre. Nous avons appliqué le filtre sur une image présentant des vésicules
observées en contraste de phase. Le filtrebpasspermet de faire ressortir le contour des
vési-cules de manière non ambiguë par l’intermédiaire du halo blanc.
F
IG. 7.1 – (a) : Images de vésicules vues en contraste de phase. (b) : Application du filtre
bpass. sur l’image (a). (c) profil d’intensité pris sur la ligne blanche en (b). Le filtre permet de
faire ressortir le contour des vésicules.
Chapitre 7
7.1.2 Programme pour déterminer le contour d’un objet
Après application du filtre bpass, nous pouvons déterminer le contour d’un objet de
forme quelconque à l’aide d’un programme développé par Pierre Bongrand (Laboratoire
Adhésion cellulaire et Inflammation, INSERM U600, CNRS UMR6212, Marseille) que
nous avons adapté à nos besoins.
Son principe est simple. En considérant que tous les pixels ayant une intensité supérieure à
un seuil de départ fixé sont des murs infranchissables et à partir d’un pixel de départ auquel
nous lui assignons une certaine orientation, nous allons trouver le pixel voisin satisfaisant
la condition de seuil, puis à partir de ce pixel, trouver le pixel suivant jusqu’à ce qu’on
re-vienne au pixel initial et avec la même orientation. Pour ce faire, nous définissons une table
d’orientation présentée sur la figure7.2. Ensuite, pour chaque orientation, nous définissons
les matrices d’orientation selon x et y pour les pixels se trouvant devant (dev) le pixel et
devant à droite (dev-drte) du pixel (figure7.2) :
dev-x= [1, 0,−1, 0] dev-y= [0, 1, 0,−1] (7.1)
dev-drte-x= [1, 1,−1,−1] dev-drte-y= [−1, 1, 1,−1] (7.2)
Le premier chiffre de chaque matrice correspond à l’orientation 0, le deuxième à
l’orienta-tion 1, le troisième à l’oriental’orienta-tion 2 et enfin, le quatrième à l’oriental’orienta-tion 3.
F
IG. 7.2 – A : définition de la table d’orientation. B : exemple du calcul de la matrice
d’orien-tation pour l’oriend’orien-tation 1. Si l’on se trouve au pixel a avec l’orientation 1, alors le pixel
devant à la droite dea est le pixeld. Le pixeld se trouve en (x+1,y+1) par rapport au pixel
a. Ainsi la matrice d’orientation dev-drte-x pour l’orientation 1 vaut 1 car on est en x+1
et celle de dev-drte-y vaut 1 car on est en y+1. De même, la matrice dev-x va valoir 0 car
le pixel devant a qui est c est à même x mais la matrice dev-y va valoir 1 car c est en y+1.
C : exemple du calcul de la matrice d’orientation pour l’orientation 0. Par un raisonnement
identique, la matrice dev-drte-x vaudra 1 car le pixel devant à droite decestbse trouvant en
x+1 et la matrice dev-drte-y vaudra -1 carb est en y-1.
Il nous faut maintenant trouver le premier point du contour à partir duquel le
pro-gramme cherchera le contour. Pour cela, nous donnons au propro-gramme la position d’un pixel
se trouvant dans le contour puis nous cherchons le premier pixel se trouvant sur la même
ligne (à y constant) satisfaisant les conditions suivantes :
Programmes de traitement d’images et de suivi automatique d’objets en déplacement.
– l’intensité du pixel voisin en i+1 est plus petite que le seuil
Le seuil est choisi de façon arbitraire par l’utilisateur sur l’image filtrée par le filtrebpasset il
correspond à la plus petite des valeurs maximum observées sur les bords de l’objet. Le pixel
i sera alors notre point de départ et nous lui affectons l’orientation 1. Ensuite, l’algorithme
présenté sur la figure7.3est effectué.
F
IG. 7.3 – Algorithme du programme permettant la détection du contour d’un objet ayant
une forme quelconque.
La figure7.4montre la détermination du contour d’une même vésicule présentant deux
formes différentes : une forme allongée due à l’application d’un taux de cisaillement et une
forme au repos. Il est ensuite assez facile d’insérer ce programme dans un autre programme
permettant de déterminer le contour et le centre de masse de l’objet pour une suite d’images.
7.2 Suivi automatique de billes d’agarose observées en
Dans le document
Dynamique de billes d'agarose et de vésicules géantes en adhésion sous un écoulement de cisaillement.
(Page 82-87)