Acquisition des images et numérisation

1http ://www.radgametools.com/bnkdown.htm

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.

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

). Le gratuiciel XnView

permet

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.

Chapitre

7

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

.

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

. 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.

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

. 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 :

– 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

. 7.3 – Algorithme du programme permettant la détection du contour d’un objet ayant

une forme quelconque.