Voi i don l'algorithme enentier (Alg.15),depuis ladéte tion des ontours jusqu'àla fermeture.
Onremarquequ'ilsuitledé oupagegénériqueprésenté au hapitre pré édent(Alg.7)et séparela déte tion des ontoursde leur fermeture.La 6.5.1présente en image etalgorithme.
Données : Image
I
de mi ros opiespé ulaire de l'endothélium ornéen.o←
ordredu ltre alternéséquentielts
←
longueur de segmentss1
←
tailled'un élément stru turant Sorties : MosaïquesegmentéeMR
begin1
f as←
Filtre AlternéSéquentiel deI
d'ordreo
; 2r←
Cal uldu résiduI− f as
; 3s←
Uniondesouvertures par dessegmentsde taillets
surr
; 4f
←
Fermeture des
par un élément stru turant de tailles1
; 5skel←
Squelettisation def
; 6dm←
Cartede distan essur lesbordures des ellules; 7M
←
Maxima lo auxdansla arte desdistan es; 8MR←
Watershed-Contraint parM
surl'inverse de la artedesdistan esdm
; 9end 10
Algorithme15: AlgorithmedeGavet andPinoli[2007℄desegmentation des ellulessurles
Se tion
6.5.
Algorithme
prop
osé
(a)Imaged'origine. (b)Filtre alterné sé-
quentield'ordre5.
( )Résidu. (d) Uniondesouver-
tures par des seg-
ments.
(e) Fermeture.
(f)Squelettisation. (g) Carte de dis-(h) Maxima lo aux(i) Watershed(j) Résultat de la
er eption visuelle h umaine, omplétion des mosaïques et appli ation à la re onstru tion d'images de l'endothélium ornéen h umain mi ros opie optique sp é ulaire 111
6.6 Con lusion
Les méthodes présentées obtiennent des résultats intéressants sur les images de mi ros opie spé-
ulaire del'endothélium ornéen. Cesrésultats seront omparésau hapitre 8.
Néanmoins, quelques points négatifs ressortent ( omme la superposition des fragments virtuels
par exemple), qui tendent à suggérer que les prin ipes de la théorie de la Gestaltdemeurent des
prin ipes théoriques : e sont des prin ipes qu'il faut essayer de retrouver dans les algorithmes,
maisils ne sont pasutilesindépendamment lesuns desautres.
La fermeture des ontours par la méthode du tensor voting est séduisante. Quelques la unes ont
été onstatées,par exemplesurlataille du hampd'extension, quifontqueseulslestrousles plus
petits seront fermés, ou sur le fait qu'il semble que la fermeture ne s'opère bien que lorsque les
fragmentssont l'un enfa ede l'autre (làoù leprin ipe de ontinuation fon tionne bien).
Lesalgorithmes baséssur deslignesdepartage deseauxdonnent visuellement desrésultatssatis-
faisants.Ce is'expliquepar l'importan edes ontours ferméspour laper eption visuelle.D'autre
part, es mêmes algorithmes utilisent pour marqueurs les entres des ellules, et e faisant, font
intervenir une notion deproximité (etde région) dansla fermeture des ellules(voir par exemple
Lohmann [1995℄ pour un algorithmeutilisant lespropriétés desskiz et des artesde distan es).
Visuellement, notre préféren ese porte sur les algorithmes utilisant un watershed. Cependant, le
faitquelessegmentationsobtenuessoientbeau ouppluspropres(les ellulessontferméesetiln'y
a plus les barbules présentes dans les autres algorithmes) peut perturber notre jugement. C'est
pourquoiles hapitres suivants vont tout d'abord présenter des méthodes pour évaluer quantita-
tivement les résultatset appliquer es outilssurles diérents algorithmesprésentés, ainsique sur
Evaluation de la segmentation : ritères de
dissimilarité
R. W. Hamming 1
It is better to solve the right problem the wrong
way than to solve the wrong problem the right
way.
SOMMAIRE
7.1 Introdu tion . . . 114 7.1.1 Mesuredelafermetured'uneformetrouée . . . 114 7.2 L'expert omme méthode de référen e. . . 114 7.2.1 Appli ationauxmosaïques . . . 116 7.3 Quelquesméthodesd'évaluationsupervisée. . . 116 7.4 Notionde distan e. . . 117 7.4.1 Distan edeHausdor . . . 117 7.4.2 Distan edeladiéren esymétrique . . . 118 7.5 Toléran esdans les distan es . . . 119 7.5.1 Extensiondeladistan edeHausdor . . . 119 7.5.2 Critèrededissimilarité. . . 120 7.6 Distan es, mesuresetvisionhumaine . . . 122 7.7 Critèrede dissimilaritéadaptatif . . . 124 7.8 Con lusion . . . 125
Ce hapitre présente les outils utiles pour valider les résultats de segmentations. Partant de dis-
tan es,nousverronsnalementqu'ilfautsupprimer ertainespropriétéspourresterena ordave
laper eptionvisuelle etdénir ainsides ritères dedissimilarités. Ilsseront appliqués au hapitre
suivant pour omparerles diérentes méthodesdesegmentations et de fermeturesproposées.
1
Inventeur d'un ode de orre tion d'erreur utilisant la distan e de Hamming appelée parfois distan e de la
Ce hapitre présente des ritères dedissimilaritépermettant d'évaluer quantitativement laqualité
dessegmentations.Cesoutilssontbaséssurlesprin ipesdelaper eptionetpermettentd'introduire
les sériesde testsee tués au hapitre 8.
7.1 Introdu tion
En traitement d'image, la segmentation est une pro édure qui permet de dégager les éléments
intéressantsde l'image (expliquée mathématiquement auparagraphe 7.3). Ainsi,la réationde la
mosaïque ornéenne estune segmentation de l'image.
Evaluerquantitativement lerésultatd'unesegmentationn'estpasuneaairesimple.Silasegmen-
tation sedénit parun partitionnement del'image en zonesd'intérêts, il onvient don dedénir
l'intérêt del'analyseur,quipeutêtreindépendant del'image.Parexemple,lorsquel'ophtalmolo-
gisteobserve lefond de l'÷il(Fig.7.1.1),il regardeles vaisseaux d'unepart, maisilregarde aussi
lenerfoptique(papille).Unalgorithmequivasegmenterlesartèreset lesveinesdonneraunesorte
d'arbores en e, tandisque lapapillesera représentée approximativement par un er le.
Pourévaluerlasegmentation,il fautsavoir e quiest her hé etlefournird'unemanièreou d'une
autre à laméthode d'évaluation. Si elle- i est programmée pour obtenir seule ette information
( as d'une évaluation non supervisée), le ritère de omparaison est biaisé puisque l'évaluation
peut êtreadaptée à laméthode utiliséepour obtenir lasegmentation. Pour évaluer une méthode,
il estdon préférabled'utiliser une référen eindépendante de elle- i.
7.1.1 Mesure de la fermeture d'une forme trouée
Pourterminerl'introdu tion, eparagrapheprésenteunemesureadaptéeàl'évaluationdesformes
fragmentées.
La mesure de la fermeture proposée dans Elderand Zu ker [1994℄ est une omparaison d'un sti-
mulus(parexempleunemosaïque
M
) ontenantdestrousave unstimulusd'origine(lamosaïque nontrouéeV
).Cela permet dedéterminer lesgi
(lalongueur dutroui
)etl
(lalongueur totalede l'ar omme déni dansl'arti le,ou delamosaïque dansnotre as).C= 1 −1
l
v
u
u
t
n
X
1
gi2
Cette mesure ne peut pas être utilisée pour omparer deux mosaïques entre elles (même par
une méthode supervisée), ar pour pouvoir déterminer