Discussion :

[alimo]

Bonjour à tous,

Tout à fait novice avec le logiciel ImageJ (voir même avec l'analyse d'images), on m'a confié la mission d'analyser des carottes d'argile dans le but de décrire le gisement, avec ce logiciel.

Je bute sur pas mal de soucis, mais il y en a un parmi les autres qui me donne beaucoup de fil à retordre :
La première analyse que je veux faire est d'ordre colorimétrique : je voudrais pouvoir extraire d'une sélection la (ou les!) couleurs dominantes, non pas en niveaux de gris mais en RGB par triplet (c'est à dire pas en regardant indépendamment l'histogramme des trois canaux).
Je vous joint une image une image pour vous situer : ici mon oeil voit deux couleurs distinctes le bleu (en pointant cela me donne 188,230,252 en gros) et le taupe (autour des 205,210,239). Comment les faire reconnaître par le logiciel et stocker les données ? (l'idéal serait même d'obtenir dans un second temps des % : X% de l'image est bleue, Y% est taupe).
Si jamais vous voyez un autre logiciel capable d'efectuer ces mesures (avec ou sans référenciel associé d'ailleurs) je suis aussi prenneuse.

Merci d'avance pour votre aide !

[Kangourou]

salut,

ImageJ propose plusieurs plugins pour faire de la segmentation en se basant sur les couleurs. L'idée est tout de même d'avoir des classes de couleurs reproductibles d'une image à l'autre, et si possible avec des conditions d'acquisition similaires.

Parmi les pistes :

• Color Threshold, de Gabriel Landini qui permet de seuiller les composantes mais en changeant d'espace couleur (Lab, HSV...)
• Trainable Weka Segmentation : l'idée est d'initialiser des régions correspondant à chaque couleur, et par apprentissage on classifie chaque pixel de l'image
• Color Segmengtation : un plugin un peu similaire, peut-être plus simple et plus direct, développé à l'EPFL.

A+

[alimo]

Merci pour votre réponse Kangourou,

Qu'entendez-vous par classe de couleur reproductible?
Pour ce qui en est des conditions d'acquisition similaires, je dirais qu'elles le sont en théorie (mode de prise de vue reproduiti le plus fidèlement possible à chaque prise), mais dans la pratique il y a des ombres et distorsions. Mais passons, un problème à la fois.

Pour le seuillage des composants je vois comment procéder pour isoler manuellement mon bleu par exemple, du coup mesurer l'aire par rapport à ma zone cibler et obtenir mon pourcentage fonctionne (merci pour cela). Mais là encore comment obtenir ma couleur moyenne en RGB et non en niveau de gris?

Sinon je vais de ce pas jeter un oeil àTrainable Weka Segmentation.

[ToTo13]

Est ce que l'on pourrait avoir une image réelle pour se faire une idée, on ne voit rien sur la miniature.

L'idée serait peut être justement de faire du clustering, mais pour un résultat convenable, il faudrait cliquer un point par couleur qui t'intéresse.

[alimo]

Cette image vous convient-elle mieux?

Je viens de regarder ce qu'est le clustering, comment le mettre en place ici?

[ToTo13]

yes, c'est beaucoup mieux :-)

Je commencerai donc par délimiter la carotte. Je ferai bien une transformée de Hough pour trouver le haut ou le bas. Sinon un filtre de Gabor pourrait aussi convenir.

Ensuite, je confirme qu'un clic/trait par zone suivi d'un clustering pourrait donner de bon résultats.

[alimo]

Merci encore pour ces réponses, je comprend un mot sur deux mais ça va je le vis (presque) bien

Du coup j'ai testé différents plugins proposés par Kangourou :
- Color threshold : ça y est j'ai enfin compris le principe de fonctionnement (en fait c'est l'équivalent de l'outil baguette magique dans les logiciels type paint ou photoshop non?). Du coup merci pour ça, j'arrive à isoler mes différentes phases (si tant est que dans la préparation des échantillons et les prises de vue on ait réussi à supprimer reliefs et ombres, mais c'est un autre problème).
- Color segmentation : génial ! Je peux définir les argiles en présence, avoir une valeur RVB et même une aire globale, gros pas en avant. Par contre je dois mal le régler : si je lui définis 3 valeurs (par exemple bleu, blanc, vert), lors de la restitution de l'image je me retrouve avec du bleu, blanc, vert, vert clair et bleu clair, alors que je voudrais n'avoir au final que mon bleu, blanc vert de départ. Des idées encore?

ToTo13 je ne comprends pas le principe de Hough et de trouver le haut et le bas. Si ma photo est horizontale c'est un "hasard", je sais où se trouve la côté en surface et le côté en profondeur. Désolée je ne dois pas avoir bien suivi le raisonnement ...



Sinon j'ai réfléchi de mon côté et en m'inspirant de l'analyse de gels le résultat idéal pour moi ressemblerait à ça (cf pièce jointe 1). Il faut imaginer le rectangle avec les trois couleurs comme étant ma carotte.

Dans ma tête le processus ressemble à :
- Color segmentation pour identifier les phases en présence (ici 3) et simplifier l'image de ses impuretés
- Color threshold avec les valeurs trouvées précedemment pour créer un calque par couleur.
- Passage des calques en binaire et montage des 3 calques côte à côte.
- Identification de chaque calque comme une ligne de gel, mesure.
Cela me donne l'occurence de chaque couleur en fonction de sa position en X (en Y ça ne m'intéresse pas).

Ma question : Y a-t-il moyen de récupérer les courbes obtenues pour les exporter sous excel et là effectuer le traitement qui me dira :sur les 10 premiers centimètres 100%rouge, sur les 20 cm suivants rouge et bleu sont mixés etc etc ?

Pour illustrer mon explication voilà le résultat obtenu jusqu'à présent : j'ai bien l'identification de la couleur en RGB, sa répartition dans l'espace, ne manque plus que la quantification.

Des avis?
En tout cas merci pour ce qui a déjà été proposé, j'ai quand même bien avancé grâce à ça


EDIT : J'ai trouvé comment récupérer mes courbes, non pas en utilisant l'analyse de gels, mais avec le plot profile, et là les résultats sont disponibles sous excel.
Une dernière aide pour affiner la color segmentation?
Et après je pourrai vous laisser tranquilles

[Kangourou]

salut,

je ne comprends pas très bien ton problème pour l'utilisation du plugin "color Segmentation". Les étapes sont de sélectionner quelques marqueurs pour chaque classe, puis de lancer le plugin qui crée une image résultat en couleur. Normalement, tu as autant de couleurs différentes dans l'image résultat que le nombre de classes que tu as initialisées. Ca n'est pas le cas ?

a+

[alimo]

Voilà, tu as compris mon problème Kangourou.
Quand je paramètre 4 classes, je me retrouve avec une image à disons 6 couleurs à l'arrivée.
Moi pas comprendre non plus ...

Est-ce que cela peut venir du nombre de points que j'utilise pour le paramétrage?

[ToTo13]

Ta carotte est posée dans une sorte de gouttière, de telle sorte qu'elle n'occupe pas toute l'image.
Si tu ne veux pas avoir des soucis de quantification, il te faut au préalable délimiter ta carotte de manière à n'analyser qu'elle.

Pour le clustering, regarde donc dans Google, il y a tout un tas d'explications très bien faites, notamment autour de la méthode la plus connue : les k-means.

D'ailleurs maintenant que j'y pense, cela vaudrait peut être le coup de ne pas travailler en RGB, mais dans un autre espace de couleur.
Tu peux déjà faire quelques tests avec ImageJ dans le plugin de Segmentation (ctrl + shift + t).

[alimo]

Effectivement la carotte est posée dans une gouttière, mais oui automatiquement je regarde pour n'analyser que la partie saine de la carotte. Donc mon histoire de couleur ne vient pas de là.
Encore mieux, lors d'un dernier essai j'ai sélectionné 4 couleurs, j'ai eu 4 couleurs à l'arrivée MAIS pas les mêmes que celles choisies précédemment (j'avais sélectionné un bleu notamment, j'ai eu un rose pâle à l'arrivée en gros). Des suggestions?

Pour les autres espaces de couleur je ne comprends pas l'intérêt je pense, qu'est-ce que cela apporte? On ne perd pas d'information?

[Kangourou]

Salut,

lors d'un dernier essai j'ai sélectionné 4 couleurs, j'ai eu 4 couleurs à l'arrivée MAIS pas les mêmes que celles choisies précédemment (j'avais sélectionné un bleu notamment, j'ai eu un rose pâle à l'arrivée en gros). Des suggestions?

Le plugin fonctionne en plusieurs temps : d'abord il calcule les classes (les coordonnées des centroïdes) à partir des points d'apprentissage, puis il identifie la classe qui correspond à chaque pixel, enfin il crée une image couleur pour représenter le résultat. Apparemment la couleur choisie pour chaque classe est la moyenne des pixels qui composent cette classe. Donc si la classificiation contient des pixels bleus ainsi que d'autres, la couleur finale peut être différente de ce qui est attendu. à vérifier en regardant les pixels qui composent la région ?

Pour les autres espaces de couleur je ne comprends pas l'intérêt je pense, qu'est-ce que cela apporte? On ne perd pas d'information?

Les espaces de couleurs permettent de représenter l'information différemment. La différence réside dans la manière de calculer la distance entre deux couleurs. Tu n'auras donc pas les mêmes résultats en fonction de l'espace choisi. Cela dit ça ne devrait pas varier tant que ca non plus...

ToTo13 : en fait les plugins cité utilisent les k-means en interne ! Pour certains on peut aussi choisir d'autres méthodes.

A+

[ToTo13]

Pour les autres espaces de couleur je ne comprends pas l'intérêt je pense, qu'est-ce que cela apporte? On ne perd pas d'information?

Le RGB nous semble logique à utiliser, mais c'est certainement l'espace de couleur qui fournit les plus mauvais résultats (la plupart du temps).