Le format d’encodage de la cam´era est de 10 bits. Chaque image brute est donc encod´ee sur 210 niveaux de gris `a la sortie de la cam´era. L’un des rares formats d’image capable de g´erer
plus de 28 niveaux de gris (en l’occurence 216pour stocker une dynamique de 210) est le format
PNG qui correspond `a une compression sans perte. Cependant, la cr´eation de fichier PNG sur le disque s’effectuaient en un temps plus long que la dur´ee entre deux images acquises. Il a donc ´et´e d´ecid´e de stocker dans un seul et mˆeme gros fichier toutes les images brutes faisant 16 bits en sortie de cam´era et de reconstituer les 1600 images au format PNG a posteriori `a l’aide d’un plugin sous ImageJ une fois l’exp´erience finie.
Cette derni`ere op´eration n´ecessitant un certain temps (3 `a 4 secondes par photo) et de la ressource de calcul, elle est effectu´ee la nuit apr`es avoir enregistr´e plusieurs s´eries d’exp´eriences dans la journ´ee. Les photos des exp´eriences ne sont exploitables qu’au lendemain de leurs acquisitions.
3.2.1
Positions et suivi des grains
Les photos des exp´eriences nous donnent acc`es aux positions des grains au cours de l’´evolution de l’intrus dans le milieu granulaire. Grˆace au logiciel de reconnaissance d’image Matrox Inspector, nous ´etablissons la position et l’esp`ece (gros ou petit) de chaque grain pr´esent
dans le champ de vision de la cam´era.
Nous avons cr´ee pour chaque esp`ece de grains un masque, mod`ele qui sert de r´ef´erence au logiciel d’analyse d’image pour localiser les grains pr´esents sur les photos des exp´eriences. Le logiciel translate le masque sur toutes les photos d’une exp´erience et par corr´elation sur les niveaux de gris localise les grains avec une pr´ecision de 5.10−2 pixel. Matrox Inspector nous
fournit la position et l’esp`ece des grains pr´esents `a l’image. Le logiciel ne peut suivre les grains entre les diff´erentes photos et donc ´etablir leurs trajectoires autour de l’intrus. Nous r´ecup´erons pour chaque photo un fichier par esp`ece, contenant les coordonn´ees des grains pr´esents, ainsi que le taux de concordance avec le masque utilis´e au-dessus d’un seuil d´efini pr´ealablement. Les coordonn´ees des gros et petits grains d´etect´es comme tels sont donc s´epar´ees.
Apr`es avoir d´etermin´e sur chacune des photos la position des grains ainsi que leurs esp`eces, il faut pouvoir les identifier pour suivre leurs d´eplacements et ´etablir leurs trajectoires. Un programme ´ecrit par nos soins nous y donne acc`es. Une premi`ere partie du programme consiste `a ´eliminer les erreurs et les doublons, en particulier les petits grains qui ont pu ˆetre d´etect´es `a la fois comme petit et gros grains. Nous nous basons sur les valeurs des seuils de concordance aux masques et sur la priorit´e donn´ee `a la d´etection des gros grains. L’algorithme permettant l’´etablissement des trajectoires peut ˆetre r´esum´e ainsi : les tableaux des coordonn´ees des grains de chaque esp`ece de 2 photos cons´ecutives au temps 𝑡 et 𝑡 − 1 sont ouverts. Dans le cas o`u la photo au temps 𝑡 − 1 est la premi`ere photo, nous attribuons `a tous les grains de chaque esp`ece pr´esents dans le champ de vision de la cam´era au temps 𝑡 − 1 un num´ero diff´erent. Ce num´ero correspond au nom du grain. Tant que ce dernier restera dans le champ de vision de la cam´era il gardera ce num´ero. La position finale au temps 𝑡 est s´electionn´ee sur 2 crit`eres : celle qui implique le plus petit d´eplacement entre les 2 prises de vues ainsi qu’un d´eplacement dans le sens de l’´ecoulement. Le grain `a l’instant 𝑡 respectant ces deux crit`eres est nomm´e `a son tour et porte le mˆeme nom qu’`a l’instant 𝑡 − 1. Les fichiers correspondant `a l’instant 𝑡 − 1 sont referm´es, ceux correspondant `a l’instant 𝑡 + 1 sont ouverts. Nous recommen¸cons alors la mˆeme op´eration entre les instants 𝑡 et 𝑡 + 1.
De proche en proche, tous les grains du champ de vision sont nomm´es. Une fois nomm´es, les grains sont identifiables et de photo en photo leurs trajectoires sont d´etermin´ees. Nous pouvons ainsi avoir acc`es au champ instantan´e de d´eplacements des grains dans le champ de vision de la cam´era entre deux images cons´ecutives (figure 3.4).
3.2.2
Champs de d´eplacements moyens des grains
Les trajectoires de chaque grain au cours d’une exp´erience nous donnent acc`es au champ de d´eplacements instantan´es du milieu granulaire autour de l’intrus. Nous avons donc acc`es aux d´eplacements de l’ensemble des grains `a chaque instant. Cela nous permet la mise en relation des fluctuations de force et de d´eplacements au cours de l’avanc´ee de l’intrus. Mais ces trajectoires nous permettent aussi d’avoir acc`es aux champs moyens de d´eplacements des grains autour de notre intrus. Une moyenne temporelle du champ instantan´e sur diff´erentes exp´eriences est
Figure 3.4 – Champ de d´eplacements instantan´e d´eduit de l’analyse de 2 images cons´ecutives dans le r´ef´erentiel du plateau.
effectu´ee. Pour ce faire, connaissant la position du centre de l’intrus, nous maillons le champ de vision de la cam´era autour de ce dernier en cellules carr´ees de 1, 2𝐷𝑔 de cˆot´e, o`u 𝐷𝑔 est
le diam`etre d’un gros grain. Nous effectuons une moyenne temporelle de l’´ecoulement dans chacune de ces mailles tout au long de la progression de l’intrus au sein du milieu granulaire dans le r´ef´erentiel du plateau. Puis nous moyennons encore une fois ce champ de d´eplacements sur les cinq exp´eriences correspondant aux mˆemes jeux de param`etres 𝜙, 𝐷/𝑊 , 𝐷, et 𝑣 et au mˆeme sens de translation de l’intrus au sein du milieu granulaire et en aval de ce dernier. L’int´erˆet de notre m´ethode est que nous avons acc`es `a la trajectoire de chaque grain, `a la diff´erence de Chehata et al [15] qui utilise une technique de PIV classique.