Segmentation d'image
Un article de Wikipédia, l'encyclopédie libre.
Vous avez de 
- Pour les articles homonymes, voir Segmentation.
La segmentation d'image est une opération de traitement d'images qui a pour but de rassembler des pixels entre eux suivant des critères pré-définis. Chaque groupe de pixels forme alors une région, on obtient un pavage de l'image par des régions. Il peut s'agir par exemple de séparer les objets du fond. Si le nombre de classes est égal à deux, elle est appelée aussi binarisation. Si l'homme sait naturellement séparer des objets dans une image c'est grace à des des connaissances de haut niveau sur l'image (compréhension des objets et de la scène). Mettre au point des algorithmes de segmentations haut niveau (chaque région est un objet sémantique) est encore, en 2006, un des thèmes de recherche les plus courants en traitement d'images.
La segmentation est une étape prémordiale en traitement d'image. à ce jour, il existe de nombreuses méthodes de segmentation, que l'on peut regrouper en quatre principales classes d'algorithmes:
- Segmentation basée sur les régions (en anglais : region-based segmentation). On y trouve par exemple : la croissance de région (en anglais : region-growing), décomposition/fusion (en anglais : split and merge)
- Segmentation basée sur les contours (en anglais : edge-based segmentation):
- Segmentation basée sur une approche globale de l'image (par exemple : seuillage, en anglais : thresholding, histogramme, approches basées sur le nuage couleur...)
- Segmentation basée sur la coopération entre les trois premières segmentations
[modifier] Segmentation par approche « région »
L'objectif de cette technique est d'assigner un numéro (aussi appelé label ou étiquette) à chaque région; chacun de ces identifiants est associé à une couleur ou à un niveau de gris, ce qui permet de construire une carte des régions représentant visuellement le découpage en régions de l'image. Un objet peut ensuite être défini comme un ensemble de régions.
On trouve aussi les algorithmes de type décomposition/fusion (ou split and merge en anglais). Les caractéristiques propres de chaque région étant connues et mesurées (surface, intensité lumineuse, colorimétrie, texture, etc.), on recherche des couples de régions candidates à une fusion et on les note en fonction de l'impact que cette fusion aurait sur l'apparence générale de l'image. On fusionne alors les couples de régions les mieux notés, et on réitère jusqu'à ce que les caractéristiques de l'image remplissent une condition prédéfinie : nombre de régions, luminosité, contraste ou texture générale donnée, ou alors jusqu'à ce que les meilleures notes attribuées aux couples de régions n'atteignent plus un certain seuil (dans ce dernier cas, on parle d'un algorithme avec minimisation de fonctionnelle).
[modifier] Segmentation par approche « frontière »
Cette approche cherche à exploiter le fait qu'il existe une transition détectable entre deux régions connexes. On fait intervenir pour cela des modèles déformables à l'aide de courbes paramétriques (courbe de Bézier, spline...) ou de polygones (par exemple algorithme à bulle).
Pour initier le processus, on recherche des points remarquables de l'image, tels que des points à l'intersection de trois segments au moins. De tels points sont appelés des graines (seeds en anglais).
L'intérêt principal des méthodes de segmentation selon l'approche frontières est de minimiser le nombre d'opérations nécessaires en cas d'itération du processus sur des séries d'images peu différentes les unes des autres (cas des images vidéo notamment). En effet, une fois que les contours des régions ont été trouvés dans la première image, l'application du modèle déformable à l'image suivante est plus efficace que de tout recalculer, si la différence entre les images est peu importante.
[modifier] Segmentation basée sur une approche globale de l'image (classification)
On part ici d'un rapport qu'entretient chaque pixel individuellement avec des informations calculées sur toute l'image, comme par exemple la moyenne des niveaux de gris de l'ensemble des pixels, ou la médiane, permettant de segmenter l'image en 2 régions comportant le même nombre de pixels. Ces informations permettent de construire des classes de pixels, les pixels appartenant à une même classe et étant connexes formant des régions.
