1.2 Le Traitement d’Images Temps R´eel
1.2.2 Classification du Traitement d’images
LeTI, utilis´e dans le domaine de la vision par ordinateur, constitue une
ac-tivit´e majeure dans la recherche depuis de nombreuses ann´ees
4. Les domaines
d’application de cet axe sont multiples et vari´es : inspection de d´efauts dans
les usines, aide `a la conduite, manipulation dans des lieux `a risques, etc.
Les trois exemples d´ecrits pr´ec´edemment, sans ˆetre exhaustifs, montrent
la vari´et´e des structures algorithmiques intervenant dans le domaine du TI.
Celles-ci sont caract´eris´ees par une h´et´erog´en´eit´e :
➀ des structures de donn´ees trait´ees (allant des matrices
bi-dimensionnelles de type image aux graphes d’attributs),
➁ des algorithmes mis en œuvre (allant d’un simple enchaˆınement
s´equentiel de fonctions jusqu’`a une ordonnancement dynamique de
tˆaches).
Concernant la nature des op´erateurs mis en jeu, diverses classifications
ont vu le jour. Traditionnellement, on d´ecompose le TI en trois classes
d’abstraction nomm´ees respectivement bas, moyen et haut niveau[WA91].
4
1.2.2.1 Le bas niveau
Les traitements bas niveau concernent essentiellement l’ensemble des
op´erations de pr´e-traitement et transformation dont la caract´eristique
premi`ere est de conserver la topologie bi-dimensionnelle de l’image
(trans-formation image → image). Une mˆeme s´equence d’instructions est
ap-pliqu´ee `a chaque point de l’image dans le but de faire ressortir certaines
caract´eristiques. Comme exemple, nous pouvons citer les op´erateurs de
cal-cul de gradient qui quantifient les variations de niveaux de gris entre pixels
voisins.
A l’int´erieur des traitements bas niveau, il est possible d’effectuer
´egalement une classification en sept cat´egories[Jon93] :
➟ Op´erations ponctuelles : le pixel r´esultat issu de la transformation
d´epend uniquement de la connaissance du pixel source dans l’image de
d´epart (Exemple : op´erateurs de seuillage).
➟ Op´erations sur voisinage local : les valeurs des pixels de l’image de
destination sont fonction `a la fois des pixels de mˆemes coordonn´ees
dans l’image source et ´egalement d’un voisinage local situ´e autour de
ce pixel (Exemple : convolution).
➟ Op´erations avec r´ef´erences non locales : ce type d’op´erateurs se
diff´erencie du pr´ec´edent dans le fait o`u le voisinage n’est plus local
mais peut ˆetre situ´e n’importe o`u dans l’image source (Exemple :
esti-mation de mouvement, calcul de flot optique).
➟ Op´erations r´ecursives sur voisinage : le r´esultat s’exprime `a partir du
pixel de mˆemes coordonn´ees, d’un voisinage de pixels dans l’image
source ainsi que d’un voisinage dans l’image r´esultat (Exemple :
im-plantation r´ecursive de filtres `a r´eponse impulsionnelle infinie).
➟ Op´erations globales : la valeur d’un pixel r´esultat est fonction de
l’ensemble des pixels de l’image source (Exemple : FFT).
➟ Op´erations g´eom´etriques : les pixels r´esultats sont fonction `a la fois
du pixel similaire dans l’image source, d’un voisinage local autour de
celui-ci et d’une transformation de position.
➟ Op´erations statistiques : le scalaire ou le vecteur de param`etres r´esultat
est fonction de l’ensemble des pixels de l’image source (Exemple :
his-togramme des niveaux de gris).
1.2.2.2 Le moyen niveau
Lestraitements moyen niveauont pour but l’extraction de l’information
utile dans les images trait´ees par les processus bas niveau. Ils constituent une
´etape interm´ediaire entre le bas et le haut niveau, manipulant conjointement
des repr´esentations bi-dimensionnelles ou symboliques.
Ils ont essentiellement pour objectif de diminuer le volume des donn´ees
(seule l’information utile est conserv´ee). Les algorithmes mis en jeu sont plus
complexes que ceux utilis´es lors des ´etapes de bas niveau. On peut les classer
en trois cat´egories distinctes[Leg95] :
➟ Op´erations image→liste : ces op´erations extraient l’information utile
dans les images trait´ees par le bas niveau. Ces traitements permettent
de lier les pixels ayant une caract´eristique commune. Les pixels ne sont
plus vus comme position dans l’image mais comme point caract´eristique
(Exemple : chaˆınage de points contour).
➟ Op´erations liste → liste : ces traitements permettent de cr´eer des
en-tit´es pour lesquelles la repr´esentation de l’information est beaucoup
plus dense (Exemple : approximation polygonale d’une chaˆıne de points
connexes).
➟ Op´erations liste→graphe : dans cette phase sont recherch´es les indices
visuels li´es par des caract´eristiques g´eom´etriques (sym´etrie, colin´earit´e,
orthogonalit´e, etc.), relationnelles (`a droite de, `a gauche de, etc.) `a
partir des donn´ees de type chaˆınes, segments, courbes, etc.
1.2.2.3 Le haut niveau
Lestraitements haut niveauexploitent les primitives issues des processus
de moyen niveau. Ils ont pour but l’interpr´etation de l’image ou la
recon-naissance des formes. Leur s´emantique est beaucoup moins bien d´efinie que
celle des algorithmes de bas et moyen niveau. Ils sont le plus souvent bas´es
sur la mise en correspondance des primitives avec un mod`ele extrait d’une
base de donn´ees. Ces op´erations font souvent appel `a des techniques issues
de l’Intelligence Artificielle.
L’ensemble des caract´eristiques des TI bas, moyen et haut niveau est
r´esum´e dans le tableau 1.1.
Bas niveau Moyen niveau Haut niveau
Structure des
donn´ees
matrice image liste de points,
graphe de
rela-tions
liste, graphe
Traitements locaux non locaux
op´erations simples
et r´ep´etitives
op´erations
r´ecur-sives et it´eratives
algorithmes de
reconnaissance
de formes
Nombre
d’op´erations
constant variable variable
Table 1.1: Caract´eristiques des op´erateurs de TI
1.2.3 Contraintes relatives aux syst`emes temps r´eel
Dans le document
Prototypage rapide d'applications parallèles de vision artificielle par squelettes fonctionnels
(Page 39-42)