Discussion :

[pseudocode]

Filtre de Canny (detection de contour) pour Image J

Code java :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
import ij.IJ;
import ij.ImagePlus;
import ij.gui.GenericDialog;
import ij.plugin.filter.PlugInFilter;
import ij.process.ByteProcessor;
import ij.process.ImageProcessor;
 
import java.util.ArrayList;
import java.util.List;
 
/**
 * Canny Filter (edge detector)
 * 
 * @author Xavier Philippeau
 *
 */
public class Canny_ implements PlugInFilter {
 
	private int[][] gaussianKernel = null;
	private int gaussianKernelFactor = 0;
 
	private int lowThreshold=0;
	private int highThreshold=0;
 
	// About...
	private void showAbout() {
		IJ.showMessage("Canny...","Canny Filter by Pseudocode");
	}
 
	public int setup(String arg, ImagePlus imp) {
 
		// about...
		if (arg.equals("about")) {
			showAbout(); 
			return DONE;
		}
 
		// else...
		if (imp==null) return DONE;
 
		// Configuration dialog.
		GenericDialog gd = new GenericDialog("Parameters");
		gd.addNumericField("Gaussian kernel size",7,0);
		gd.addNumericField("Gaussian sigma2",3.0,1);
		gd.addNumericField("Hysteresis low value",30,0);
		gd.addNumericField("Hysteresis high value",100,0);
 
		int gaussianwindow = 0;
		double gaussiansigma2 = 0;
		int lowvalue = 0;
		int highvalue = 0;
 
		while(true) {
			gd.showDialog();
			if ( gd.wasCanceled() )	return DONE;
 
			gaussianwindow = (int) gd.getNextNumber();
			gaussiansigma2 = (double) gd.getNextNumber();
			lowvalue       = (int) gd.getNextNumber();
			highvalue      = (int) gd.getNextNumber();
 
			if (gaussianwindow<=0) continue;
			if (gaussiansigma2<=0) continue;
			if (lowvalue<=0) continue;
			if (highvalue<lowvalue) continue;
			break;
		}
		gd.dispose();
 
		initGaussianKernel(gaussianwindow,gaussiansigma2);
		this.lowThreshold=lowvalue;
		this.highThreshold=highvalue;
 
		return PlugInFilter.DOES_8G;
	}
 
	public void run(ImageProcessor ip) {
 
		// ImageProcessor -> ByteProcessor conversion
		ByteProcessor bp = new ByteProcessor(ip.getWidth(),ip.getHeight());
		for (int y = 0; y < ip.getHeight(); y++) {
			for (int x = 0; x < ip.getWidth(); x++) {
				bp.set(x,y,ip.getPixel(x,y));
			}
		}
 
		// canny filter
		ByteProcessor newbp = filter( bp, this.lowThreshold, this.highThreshold );
 
		// ByteProcessor -> ImageProcessor conversion
		ImageProcessor out = new ByteProcessor(ip.getWidth(),ip.getHeight());
		for (int y = 0; y < ip.getHeight(); y++) {
			for (int x = 0; x < ip.getWidth(); x++) {
				out.set(x,y,newbp.get(x,y));
			}
		}
		ImagePlus newImg = new ImagePlus("Canny Filter Result", out);
		newImg.show();
 
	}
 
	// ---------------------------------------------------------------------------------
 
 
	/**
         * Compute the gaussian kernel G(x,y) = Exp[ - (x^2+y^2)/(2*sigma^2) ]
         * 
         * @param window size of the kernel
         * @param sigma std-dev of the gaussian
         */
	private void initGaussianKernel(int window, double sigma2) {
		int aperture = window/2;
		this.gaussianKernel = new int[2*aperture+1][2*aperture+1];
 
		// factor to have only integers in the kernel 
		int intFactor = 1000;
 
		this.gaussianKernelFactor = 0;
		for(int dy=-aperture;dy<=aperture;dy++) {
			for(int dx=-aperture;dx<=aperture;dx++) {
				double e = Math.exp( - (dx*dx+dy*dy) / (2*sigma2) );
				int k = (int) Math.rint(intFactor * e); 
				this.gaussianKernel[dx+aperture][dy+aperture]=k;
				this.gaussianKernelFactor += k;
			}
		}
	}
 
	/**
         * Histogram stretching
         * 
         * @param c Image map
         */
	public static void histogramStretch(ByteProcessor bp) {
		int width = bp.getWidth();
		int height = bp.getHeight();
 
		// search min/max value in the image 
		int min=255,max=0;
		for (int y=0; y<height; y++) {
			for (int x=0; x<width; x++) {
				int v =  bp.get(x, y);
				if (v<min) min=v;
				if (v>max) max=v;
			}
		}
 
		// compute translation table
		int color[] = new int[256];
		for(int i=0;i<256;i++) {
			double t = (double)(i-min)/(double)(max-min);
			if (t<0) t=0;
			if (t>1) t=1;
			int v = (int)(255*t);
			color[i] = v;
		}
 
		// replace value in the image
		for (int y=0; y<height; y++) {
			for (int x=0; x<width; x++) {
				int v =  bp.get(x, y);
				bp.set(x, y, color[v]);
			}
		}
	}
 
	/**
         * Perform convolution (Image x Kernel) at a single point
         * 
         * @param c Image map
         * @param x x coord of the computation
         * @param y y coord of the computation
         * @param kernel the kernel matrix
         * @param factor the kernel factor
         * @return convolution result
         */
	private int convolve(ByteProcessor bp, int x, int y, int[][] kernel, int factor) {
		int width = bp.getWidth();
		int height = bp.getHeight();
 
		// assume a square kernel
		int aperture = kernel[0].length/2;  
 
		int v = 0;
		for(int dy=-aperture;dy<=aperture;dy++) {
			for(int dx=-aperture;dx<=aperture;dx++) {
				int xk = x + dx;
				int yk = y + dy;
				if (xk<0) xk=0;
				if (xk>=width) xk=width-1;
				if (yk<0) yk=0;
				if (yk>=height) yk=height-1;
				int vk = bp.getPixel(xk,yk);
				v += kernel[aperture+dy][aperture+dx] * vk;
			}
		}
		v/=factor;
 
		return v;
	}
 
 
	/**
         * Compute the local gradient
         * 
         * @param c Image map
         * @param x x coord of the computation (int)
         * @param y y coord of the computation (int)
         * @return norme and direction (-pi...pi) of the gradient
         */
	private double[] gradient(ByteProcessor bp, int x, int y) {
		int width = bp.getWidth();
		int height = bp.getHeight();
 
		int px = x - 1;  // previous x
		int nx = x + 1;  // next x
		int py = y - 1;  // previous y
		int ny = y + 1;  // next y
 
		// limit to image dimension
		if (px < 0)	px = 0;
		if (nx >= width) nx = width - 1;
		if (py < 0)	py = 0;
		if (ny >= height) ny = height - 1;
 
		// Intesity of the 8 neighbors
		int Ipp = bp.getPixel(px,py);
		int Icp = bp.getPixel( x,py);
		int Inp = bp.getPixel(nx,py);
		int Ipc = bp.getPixel(px, y);
		int Inc = bp.getPixel(nx, y);
		int Ipn = bp.getPixel(px,ny);
		int Icn = bp.getPixel( x,ny);
		int Inn = bp.getPixel(nx,ny);
 
		// Local gradient
		double r2 = 2*Math.sqrt(2);
		double gradx = (Inc-Ipc)/2.0 + (Inn-Ipp)/r2 + (Inp-Ipn)/r2; // horizontal + 2 diagonals
		double grady = (Icn-Icp)/2.0 + (Inn-Ipp)/r2 + (Ipn-Inp)/r2; // vertical + 2 diagonals
 
		// compute polar coordinates
		double norme = Math.sqrt(gradx*gradx+grady*grady);
		double angle = Math.atan2(grady, gradx);
 
		// multiply norme by 8/3, to have the same values as Sobel Kernel 3x3
		return new double[] { norme*8.0/3.0, angle };
	}
 
 
	/**
         * Compute the local gradient (subpixel with bilinear interpolation)
         * 
         * @param c Image map
         * @param x x coord of the computation (double)
         * @param y y coord of the computation (double)
         * @return norme and direction (-pi...pi) of the gradient
         */
	 private double[] gradientInterpolated(ByteProcessor bp, double x, double y) {
 
		 double wx = x - (int)x;
		 double wy = y - (int)y;
 
		 double[] Gpp = gradient(bp,(int)x,(int)y);
		 double[] Gnp = gradient(bp,(int)x+1,(int)y);
		 double[] Gpn = gradient(bp,(int)x,(int)y+1);
		 double[] Gnn = gradient(bp,(int)x+1,(int)y+1);
 
		 double norme = (1-wx)*(1-wy)*Gpp[0] + wx*(1-wy)*Gnp[0] + (1-wx)*wy*Gpn[0] + wx*wy*Gnn[0];
		 double angle = (1-wx)*(1-wy)*Gpp[1] + wx*(1-wy)*Gnp[1] + (1-wx)*wy*Gpn[1] + wx*wy*Gnn[1];
 
		 return new double[] { norme, angle };
	 }
 
 
	/**
         * compute if a position is a local maxima
         * 
         * @param c Image map
         * @param x x coord of the computation
         * @param y y coord of the computation
         * @return true if position is a local maxima
         */
	private boolean isLocalMaxima(ByteProcessor bp, int x, int y) {
 
		// gradient at current position
		double[] grad = gradient(bp,x,y);
 
		// gradient direction
		double gx = Math.cos(grad[1]);
		double gy = Math.sin(grad[1]);
 
		// gradient value at next position in the gradient direction
		double nx = x + gx;
		double ny = y + gy;
		double[] gradn = gradientInterpolated(bp,nx,ny);
 
		// gradient value at previous position in the gradient direction
		double px = x - gx;
		double py = y - gy;
		double[] gradp = gradientInterpolated(bp,px,py);
 
		// is the current gradient value a local maxima ?
 
		// synthetic image
		if (grad[0]==gradn[0] && grad[0]!=gradp[0]) return (x>nx || y>ny);
		if (grad[0]!=gradn[0] && grad[0]==gradp[0]) return (x>px || y>py);
 
		// real world image
		double EPSILON=1E-7;
		if ((grad[0]-gradn[0])<EPSILON) return false;
		if ((grad[0]-gradp[0])<EPSILON) return false;
 
		return true;
	}
 
	/**
         * Perfom Canny filtering
         * 
         * @param c Image map
         * @param lowThreshold low value of the hysteresis
         * @param highThreshold high value of the hysteresis
         * @return filtered image map
         */
	public ByteProcessor filter(ByteProcessor c, int lowThreshold, int highThreshold) {
		int width = c.getWidth();
		int height = c.getHeight();
 
		// Gaussian filter
		ByteProcessor bpg = new ByteProcessor(width,height);
		for (int y=0; y<height; y++) {
			for (int x=0; x<width; x++) {
				int v = convolve(c,x,y,this.gaussianKernel,this.gaussianKernelFactor);
				bpg.set(x,y,v);
			}
		}
 
		// histogram stretching (compensate the loss of energy caused by gaussian filtering)
		histogramStretch(bpg);
 
		ByteProcessor out = new ByteProcessor(width,height);
		List<int[]> highpixels = new ArrayList<int[]>();
 
		// gradient thresholding
		for (int y=0; y<height; y++) {
			for (int x=0; x<width; x++) {
 
				// gradient intesity
				double g = gradient(bpg,x,y)[0];
 
				// low-threshold -> not an edge
				if (g<lowThreshold) continue;
 
				// not a local maxima -> not an edge
				if (!isLocalMaxima(bpg,x,y)) continue;
 
				// high-threshold -> is an edge
				if (g>highThreshold) {
					out.set(x,y,255);
					highpixels.add(new int[]{x,y});
					continue;
				}
 
				// between thresholds -> "unknown state" (depends on neighbors)
				out.set(x,y,128);
			}
		}
 
		// edge continuation
		int[] dx8 = new int[] {-1, 0, 1, 1, 1, 0,-1,-1};
		int[] dy8 = new int[] {-1,-1,-1, 0, 1, 1, 1, 0};
		List<int[]> newhighpixels = new ArrayList<int[]>();
 
		while(!highpixels.isEmpty()) {
			newhighpixels.clear();
			for(int[] pixel : highpixels) {
				int x=pixel[0], y=pixel[1];
 
				// move low-state pixel in the 3x3 neighborhood to high-state
				for(int k=0;k<8;k++) {
					int xk=x+dx8[k], yk=y+dy8[k];
					if (xk<0 || xk>=width) continue;
					if (yk<0 || yk>=height) continue;
					if (out.get(xk, yk)==128) {
						out.set(xk, yk, 255);
						newhighpixels.add(new int[]{xk, yk});
					}
				}
			}
 
			// swap highpixels lists
			List<int[]> swap = highpixels; highpixels = newhighpixels; newhighpixels = swap;
		}
 
		// remove remaining low-state pixels
		for (int y=0; y<height; y++)
			for (int x=0; x<width; x++)
				if (out.get(x, y)!=255) out.set(x,y,0);
 
		return out;
	}
}

Edit: J'ai reposté la version complete du filtre, avec utilsation du gradient vectoriel, interpolation bi-lineaire et extension d'histogramme... Necessite de compiler avec un compilateur java 5 (ou +) => ne pas utiliser l'option "compil & run" de ImageJ

PRomu@ld : sources

[fumidu]

Merci pour tout ce boulot !
Je m'en suis inspiré, car j'étais justement entrain d'implémenter cette méthode (faut croire que c'est à la mode Canny en ce moment. En tous cas, le hasard fait bien les choses ! ).
Je dis ptet une connerie, mais une ligne me semble bizarre :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
// gradient direction
double gx = Math.cos(grad[1]);
double gy = -Math.sin(grad[1]);

perso, j'utilise ceci et ça marche beaucoup mieux :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
// gradient direction
double gx = Math.cos(grad[1]);
double gy = Math.sin(grad[1]);

C'est ptet juste parce que le reste de mon code n'est pas pareil, mais j'avoue que ce " - " me semble bizarre...

Mais dans tous les cas, merci pour cette formidable contribution !

Fumidu

[millie]

Je l'ai porté pour ma biblio, mais je trouve le code des fois un peu pas super. Pis pas vraiment sécurisé :p
Enfin, merci quand même pour ça

Tu peux me donner un exemple d'appel qui marche (genre tu as mis quoi pour l'exemple dans seuilHaut, seuilBas et le sigma (et le rayon))

[pseudocode]

C'est ptet juste parce que le reste de mon code n'est pas pareil, mais j'avoue que ce " - " me semble bizarre...

AAAAAAAAARRRRRRRRRRRRRRRGGGGGGGGGG !!!!!

Je viens de me rendre compte que j'ai inversé les kernels de Sobel X et Y !

D'un autre coté, comme j'ai inversé aussi la convolution, ca ne se voit pas.

J'ai tout remis d'aplomb et j'en ai profité pour changer les signes du kernel de Sobel Y, afin de ne plus avoir le signe - devant le sinus.

Mais dans tous les cas, merci pour cette formidable contribution !

lol. N'exagerons pas quand meme, ca reste du filtrage de base.

[pseudocode]

Je l'ai porté pour ma biblio, mais je trouve le code des fois un peu pas super. Pis pas vraiment sécurisé :p
Enfin, merci quand même pour ça

Bah j'hesite a ecrire du code Java optimisé, car on risque de ne plus comprendre l'algo. (en particulier la continuation des contours: le ArrayList c'est pas optimisé, mais c'est plus clair)

Le but c'est quand meme de comprendre l'algo et pas de repomper le code

Tu peux me donner un exemple d'appel qui marche (genre tu as mis quoi pour l'exemple dans seuilHaut, seuilBas et le sigma (et le rayon))

Pour le kernel gaussien, generalement je met WindowSize=5 et sigma=1.4

Pour les seuils, comme je n'ai pas normalisé le gradient, on va avoir des valeurs entre 0 et 4*255.

Pour ma copine Lena Soderberg, j'ai testé avec Low=30 et High=100:

[millie]

Youpi, ça marche.

J'ai perdu 1 heure car un fichier n'avait pas été recompilé

Bon, maintenant, on va chercher à comprendre l'algo

[gup]

merci pour ce code

[millie]

J'ai une question, entre l'unoise inpaint et là, j'ai remarqué que les calculs du gradient se fait de deux manières :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
void InpaintOperator::gradient(const Image& c, int x, int y, int canal, float * norme, float * angle)
{
    int width = c.getWidth();
    int height = c.getHeight();
 
    const float cst1 = (0.25f*(2-sqrt(2.0f)));
    const float cst2 = (0.5f*(sqrt(2.0f)-1.0f));
 
    int px = x-1;
    int nx = x+1;
    int py = y-1;
    int ny = y+1;
    if (px<0)
        px=0;
    if (nx>=width)
        nx=width-1;
    if (py<0)
        py=0;
    if (ny>=height)
        ny=height-1;
 
    float Ipp=c.getPixel(px,py, canal);
    float Ipc=c.getPixel(px,y, canal) ;
    float Ipn=c.getPixel(px,ny, canal);
    float Icp=c.getPixel(x,py, canal);
    float Icn=c.getPixel(x,ny, canal);
    float Inp=c.getPixel(nx,py, canal);
    float Inc=c.getPixel(nx,y, canal) ;
    float Inn=c.getPixel(nx,ny, canal);
 
    float IppInn = cst1*(Inn-Ipp);
    float IpnInp = cst1*(Ipn-Inp);
    float gradx = (IppInn-IpnInp-cst2*Ipc+cst2*Inc);
    float grady = (IppInn+IpnInp-cst2*Icp+cst2*Icn);
 
    *norme = sqrt( gradx*gradx + grady*grady );
 
    *angle = 0.0f;
    if (*norme>0.01f)
    {
        *angle = acos(gradx/ *norme);
        if (grady>0.01f)
            *angle = 2.0f*M_PI - *angle;
    }
 
    *norme/=255.0f;
 
}

Ou :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
static void computeGradient(Image & c, int x, int y, int canal, float & norme, float & angle)
{
  static const KernelSobelHorizontal sobelY;
  static const KernelSobelVertical sobelX;
  float gx = convolvePosition(c, x, y, canal, sobelX);
  float gy = convolvePosition(c, x, y, canal, sobelY);
 
  norme = sqrt(gx*gx+gy*gy);
  angle = 0.0f;
  if (norme>0.00f)
  {
    angle = acos(gx/ norme);
    if (gy>0.00f)
      angle = 2.0f*M_PI - angle;
  }
}

Pourquoi cette différence ?

EDIT ; Ah, en fait, ça provient de l'algorithmique de Canny : http://fr.wikipedia.org/wiki/Canny

[pseudocode]

J'ai une question, entre l'unoise inpaint et là, j'ai remarqué que les calculs du gradient se fait de deux manières :

Pourquoi cette différence ?

EDIT ; Ah, en fait, ça provient de l'algorithmique de Canny : http://fr.wikipedia.org/wiki/Canny

En fait, ces 2 ecritures sont equivalentes. La 1ere est une approche plus "geometrique" (calcul de pente) et la 2nde une approche plus matricielle (transformations). La 1ere est plus précise, et peut etre affinée/simplifiée/généralisée suivant les besoins.

Calcul de la formule geometrique pour l'axe X:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
Voisinage du pixel I
 
-------------
|Ipp|   |Inp|
|   |   |   |
-------------
|Ipc| I |Inc|
|   |   |   |
-------------
|Ipn|   |Inn|
|   |   |   |
-------------

La notation signifie: Ipp = I[previous][previous], Icp = I[current][previous], Ipn = I[previous][next], ... = intensité du pixel en (x,y)

Pour calculer le gradient sur X, on va calculer la pente sur X du plan centré en I et qui s'appuie sur les pixels voisins.

Si on regarde en coupe, en considerant que l'intensité du pixel représente une altitude, on a :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
intensité
^
|
|          Inc
|           X
|  Ipc      |
|   X       |
|   |       |
|   |       |
+---|---|---|----> x du pixel
   x-1  x  x+1

Si on considere seulement les 2 pixels Inc et Ipc, la pente sur X vaut donc: Inc-Ipc / 2

On peut maintenant affiner en ajoutant les pixels Ipp et Inn, ... Pour cela, il suffit de tourner notre plan de coupe pour qu'il contienent les point Ipp, I et Inn.

Dans ce nouveau plan, la pente sur X est Inn-Ipp / 2*Racine(2) .
Idem sur le plan Ipn,I,Inp

La formule du gradient sur X est donc

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
 
        Inc-Ipc     Inn-Ipp       Inp-Ipn
Gradx = ------- + ----------- + -----------
           2      2*Racine(2)   2*Racine(2)

Note: Les coefficients dans le code de la fonction "inpaint/unnoise" sont pré-normalisés en divisant cette formule par 2+2*racine(2).

Donc, on peut remplacer le calcul du gradient par Sobel par celui la (*)

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
private double[] gradient(Channel c, int x, int y) {
	int width = c.getWidth();
	int height = c.getHeight();
 
	int px = x - 1;  // previous x
	int nx = x + 1;  // next x
	int py = y - 1;  // previous y
	int ny = y + 1;  // next y
 
	// limit to image dimension
	if (px < 0)	px = 0;
	if (nx >= width) nx = width - 1;
	if (py < 0)	py = 0;
	if (ny >= height) ny = height - 1;
 
	// Intensity of the 8 neighbors
	int Ipp = c.getValue(px,py);
	int Icp = c.getValue( x,py);
	int Inp = c.getValue(nx,py);
	int Ipc = c.getValue(px, y);
	int Inc = c.getValue(nx, y);
	int Ipn = c.getValue(px,ny);
	int Icn = c.getValue( x,ny);
	int Inn = c.getValue(nx,ny);
 
	// Local gradient
	double r2 = 2*Math.sqrt(2);
	double gradx = (Inc-Ipc)/2.0 + (Inn-Ipp)/r2 + (Inp-Ipn)/r2; // horizontal + 2 diagonals
	double grady = (Icn-Icp)/2.0 + (Inn-Ipp)/r2 + (Ipn-Inp)/r2; // vertical + 2 diagonals
 
	// compute polar coordinates
	double norme = Math.sqrt(gradx*gradx+grady*grady);
	double angle = Math.atan2(grady, gradx);
 
	// multiply norme by 8/3, to have the same value as Sobel Kernel 3x3
	return new double[] { 8*norme/3, angle };  
}

(*) ca permettra aux pompeurs de code d'avoir des versions differentes et d'eviter le 0/20 pour "copie sauvage"

[Flo.]

Bonjour,

D'abord, je suis content qu'une telle rubrique existe ... de même qu'un forum spécifique au traitement d'image.

Le résultat a l'air correct. Par contre, je me permets de signaler qu'il y a quelques erreurs, il me semble (je ne suis pas un expert ).

Dans l'approche donnée par Canny de la détection des contours, je crois me rappeler qu'une des 3 contraintes de la problématique est liée à l'unicité de la réponse. C'est à dire qu'un contour est détecté une seule fois ... Si on ajoute à cela, les 2 autres contraintes "bonne localisation" et "bonne détection", je crois que le résultat n'est pas satisfaisant.

Sur l'image résultat, on peut effectivement trouver des amas de pixels qui ne devraient pas exister. Je les ai entourés en rouge.



Bon après ça peut venir de mauvais réglages ou autres ... à voir.

J'ai pas pris le temps de lire correctement le code ... mais souvent ce genre de résultats vient de l'absence d'interpolation quant à la détection des maximas.

Si ça peut aider ...

J'ai vu également qu'il y avait un lissage gaussien (j'en suis pas sur)... attention car la limite entre un lissage et un flou est floue (pas fait exprés !!!) : un lissage est un flou. Et un flou n'est pas recommandé pour une extraction de contours.

N'hésitez pas à me dire si je me vourvoie totalement .

Encore bravo et merci pour le code.

Flo.

[pseudocode]

Le résultat a l'air correct. Par contre, je me permets de signaler qu'il y a quelques erreurs, il me semble (je ne suis pas un expert ).

Il y a largement plus que "quelques" erreurs...

Le filtre donné ici est vraiment hyper basique. La detection est basée sur la norme d'un gradient approximatif ( ) et la detection sur l'intensité des 2 pixels voisins (re ). Les résultats sont donc plutot moyen.

Je n'ai pas ecrit ce bout de code pour fournir un filtre de contour hautement efficace (ca se saurait). Il y a plein de logiciel/code qui existent et qui font cela tres bien. L'idée est plus d'avoir une base pour assimiler le principe, comprendre les limitations et si necessaire ameliorer le fonctionnement.

Si cela vous tente, vous pouvez poster vos améliorations.... par exemple un meilleur gradient (surface 3D, sub pixel), une meilleur detection (minmod, hessiane, ...). La plupart de ces techniques sont expliquées ici ou ailleurs.

J'ai pas pris le temps de lire correctement le code ... mais souvent ce genre de résultats vient de l'absence d'interpolation quant à la détection des maximas.

Oui, c'est exact. Voici une amélioration possible:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
 
private double gradientNormeInterpolated(Channel c, double x, double y) {
	double wx = x - (int)x;
	double wy = y - (int)y;
 
	double Gpp = gradient(c,(int)x,(int)y)[0];
	double Gnp = gradient(c,(int)x+1,(int)y)[0];
	double Gpn = gradient(c,(int)x,(int)y+1)[0];
	double Gnn = gradient(c,(int)x+1,(int)y+1)[0];
 
	double g = (1-wx)*(1-wy)*Gpp + wx*(1-wy)*Gnp + (1-wx)*wy*Gpn + wx*wy*Gnn;
	return g;
}
 
private boolean isLocalMaxima(ByteProcessor c, int x, int y) {
(...)
	// gradient value at next position in the gradient direction
	double nx = x + gx * scale;
	double ny = y + gy * scale;
	double gradn = gradientNormeInterpolated(c,nx,ny);
 
	// gradient value at previous position in the gradient direction
	double px = x - gx * scale;
	double py = y - gy * scale;
	double gradp = gradientNormeInterpolated(c,px,py);
 
	// is the current gradient value a local maxima ?
	if (grad[0]>gradn && grad[0]>gradp) return true;
(...)
}

J'ai vu également qu'il y avait un lissage gaussien (j'en suis pas sur)... attention car la limite entre un lissage et un flou est floue (pas fait exprés !!!) : un lissage est un flou. Et un flou n'est pas recommandé pour une extraction de contours.

Non ! Au contraire, abusez du flou. Le lissage permet d'attenuer les "faux positifs" (les fausses detections de contours dues au bruit). Pour autant, les vrais contours seront toujours présents car le lissage ne fait pas disparaitre les maxima. Ils sont juste "moins haut". ll faudra donc baisser le seuil de detection.

[Flo.]

Non ! Au contraire, abusez du flou. Le lissage permet d'attenuer les "faux positifs" (les fausses detections de contours dues au bruit). Pour autant, les vrais contours seront toujours présents car le lissage ne fait pas disparaitre les maxima. Ils sont juste "moins haut". ll faudra donc baisser le seuil de detection.

Je ne suis pas tout à fait d'accord. Dans ce cas, pourquoi pas un filtre médian plutôt. Le flou va diminuer le gradient et risque "d'étaler" le contour. J'ai bien vu sur le site de Wikipedia qu'ils préconisaient (le ou les auteurs de l'article) un lissage. Mais je ne considère pas que le lissage doive faire partie intégrale de l'algo d'un extracteur de contours.

Libre aux gens d'utiliser ou pas un lissage. Qui plus est, libre aux gens d'utiliser un autre opérateur de lissage que celui que tu proposes.

Quant à abuser du flou ... dire qu'il y en a qui se prennent la tête pour faire des photos nettes . Autant les prendre floues dès le début.

Enfin bref, ton résultat ton semble plus correct ...

Bravo encore ... Bien des gens seront contents d'avoir ce type d'algo à disposition.

Flo.

[pseudocode]

Mais je ne considère pas que le lissage doive faire partie intégrale de l'algo d'un extracteur de contours

Dans le "cas general" d'un extracteur de contours : non.

Dans le cas de canny qui utilise "gradient" et "maxima locaux du gradient": oui

Le calcul du gradient est extremement sensible au bruit. Et meme avec une photo tres propre, les images réelles on beaucoup de bruit. Ce n'est pas le cas avec les images de syntheses (c'est a ca qu'on les reconnait).

Quant à abuser du flou ... dire qu'il y en a qui se prennent la tête pour faire des photos nettes . Autant les prendre floues dès le début.

lol. T'as deja vu mes photos, on dirait

Non, sans rire, le lissage gaussien ne supprime pas (trop) les informations de contours. C'est vrai qu'il supprime (plus) les informations de contraste, ce qui visuellement nous donne l'impression que l'image est deteriorée. Mais les maximas et minimas sont toujours la, et a la meme place.

Enfin bref, ton résultat semble plus correct ...

Plus on affine les calculs, plus ca devient beau. Le mieux c'est de passer en sub-pixel et de calculer le passage par zero du laplacien (dans le sens du gradient). Mais ca sort du cadre de ce post

[millie]

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
	double px = x - gx * scale;
	double py = y - gy * scale;
	double gradp = gradientNormeInterpolated(c,px,py);

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
private double gradientNormeInterpolated(Channel c, double x, double y) {
	double wx = x - (int)x;
	double wy = y - (int)y;
 
	double Gpp = gradient(c,(int)x,(int)y)[0];

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
private double[] gradient(Channel c, int x, int y) {
...
 
	int Icp = c.getValue( x,py);

Il y a un risque non négligeable que x soit hors borne dans cette suite d'appel. J'ai eu en fait le problème, et j'ai dû vérifier la valeur de x et de y au moment de l'appel : double Gpp = gradient(c,(int)x,(int)y)[0];. Je suis étonné que ça ait marché chez toi sans lancé d'exception. ?

[pseudocode]

Je suis étonné que ça ait marché chez toi sans lancé d'exception. ?

Ca marche parceque le code de Channel.getValue(x,y) me protege des depassements:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
 
public int getValue(int x,int y) {
	if (x<0) return x=0;
	if (x>=this.width) return x=this.width-1;
	if (y<0) return y=0;
	if (y>=this.height) return y=this.height-1;
	return this.values[x][y];
}

On va pas se compliquer la vie, quand meme.

[ToTo13]

Bonjour,

je viens de faire un "Compile and Run" de cette classe par ImageJ et j'ai l'erreur suivante :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
 
Note: sun.tools.javac.Main has been deprecated.
/Applications/ImageJ/plugins/Filters/Canny_.java:350: '(' expected.
		List<int[]> pixels = new ArrayList<int[]>();
		                                  ^
1 error, 1 warning

[millie]

N'as tu pas une vieille version du JDK ? Le tiens peut il utiliser les generics ?

[ToTo13]

Non, j'ai une mise à jour automatique

[pseudocode]

Non, j'ai une mise à jour automatique

Le plugin "compile and run" d'ImageJ ne sait pas compiler les sources en version 5 ou 6. Il faut compiler le filtre a la main.

1. creer/copier le fichier "Canny_.java" dans ImageJ/plugins/Filters
2. Dans un shell, se déplacer dans le repertoire racine d'ImageJ et lancer la commande:

Code shell :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
javac  -classpath  ij.jar  plugins/Filters/Canny_.java

3. Executer ImageJ. Le filtre doit etre dispo dans le menu Plugins->Filters