Recherche d'une zone uniforme dans une image

**mm2405** · 11/04/2007, 17h46

Bonjour tout le monde.

Je cherche à détecter une zone uniforme dans une image qui n'en a pas vraiment.

Je m'explique.
J'ai une dérive d'éclairage sur mon image et j'aurais besoin de détecter une colonne uniforme dans mon image pour calculer ma derive d'éclairage puis la corriger.
Le problème, c'est que, tant que je n'ai pas corrigé ma dérive, il n'y a pas de vrai uniformité. Je vois bien en regardant mon image qu'il y a des zones uniformes mais avec des luminances différentes du à la derive d'éclairage.
Quelqu'un aurait il une idée pour détecter ma colonne la plus plus uniforme de l'image????
J'ai essayé avec la teinte mais je trouve des zones uniformes la ou il n'y en a pas car la teinte reste sensiblement la meme pour passer du bleu au blanc par exemple.
J'espère que j'ai été claire dans mon explication.....

**souviron34** · 11/04/2007, 18h06

si tu sais que ton effet est en colonne :

tu explores l'image colone par colonne

tu calcules la moyenne et la variance par colonne

la colonne qui a la plus petite variance est la plus uniforme....

**mm2405** · 12/04/2007, 08h13

Bonjour,

C'est comme ca que j'ai essayé de faire mais ca ne fonctionne pas bien car si toutes mes valeurs sont proches de la moyenne et qu'une est trop éloignée, ma variance reste faible et la valeur éloignée fausse tout.
Je vais essayer de rajouter un traitement pour ne pas prendre en compte les valeurs éloignées mais ca me rajoute du temps de traitement.
C'est pour ca que je me demandais si il n'existait pas une autre méthode.

**ronan99999** · 12/04/2007, 12h38

Je suis tombé la dessus.

ftp://ftp.irisa.fr/techreports/theses/2002/pinel.pdf

Je pense que tu peux au moins t'en servir pour la manipulation d'espace de couleur.

**ToTo13** · 12/04/2007, 14h46

Bonjour,

je pense que la solution tourne également autour de la variance.

Sinon tu peux t'inspirer des travaux d'Arnaud Letrotter (laboratoire LSIS) qui segment en plage de couleur dominante.

**souviron34** · 12/04/2007, 15h03

Envoyé par mm2405

Bonjour,

C'est comme ca que j'ai essayé de faire mais ca ne fonctionne pas bien car si toutes mes valeurs sont proches de la moyenne et qu'une est trop éloignée, ma variance reste faible et la valeur éloignée fausse tout.
Je vais essayer de rajouter un traitement pour ne pas prendre en compte les valeurs éloignées mais ca me rajoute du temps de traitement.
C'est pour ca que je me demandais si il n'existait pas une autre méthode.

Ben par rapport à l'algo donné il y a 2 passes de plus à faire par colonne :

une fois calculée la variance originale :

une passe pour recalculer la moyenne en évitant tout les points s'écartant de >= 2 sigma.
puis une nouvelle passe pour recalculer la nouvelle variance..

Cela fait effectivement 4 passages par colonne.

Mais si on en sait pas plus sur le problème physique et/ou l'effet réel que tu veux éliminer, on peut guère en dire plus..

**ol9245** · 16/04/2007, 03h59

Bjr, si tu sais que tes données sont en colonne, alors tu peux extraire ta colonne et modéliser ta dérive. En Matlab, c'est une ligne de code (la division à gauche). Dans d'autres langages, c'est plus lourd (moindres carrés, LU décomposition etc.).

L'avantage est que tu as tout en même temps : la colonne (la suite successive de n colonnes?) des moindes résidus te permet de localiser ton résultat, et les coefficients du modèle te donnent ta dérive pour corriger ton image.

OL

**ol9245** · 16/04/2007, 04h34

reBjr,

par rapport à mon post pécédent, si en extrayant la dérive (ordre 2 doit suffire) tu as encore des confusions avec le reste de ton image, alors tu peux étudier la structure de tes résidus. Si ton modèle est bon, tes résidus doivent être +/- normaux. Un test quick n dirty de normalité est le rapport A/B ou A = écart type des quartiles 2 et 3 (la moitié de l'échantillon centré sur la médiane) et B = l'écart type des quartiles 1 et 4 (le reste de l'échantillon).

Plus A/B est élevé, plus tu te rapproches d'un modèle normal.
En théorie pour une loi normale, ce rapport est envirion 1/3.

algo proposé :
pour chaque colonne (ou groupe de colonnes contigues)
déterminer B = f(x) avec B brillance observée, x = position
modéliser B = a*x^2+b*x+c + epsilon
calculer V = variance de epsilon
trier epsilon
séparer en deux sous-ensembles de même taille :
M = la moitié médiane et E = les eux quarts extrêmes
calculer K = var(M)/var(E)
les bonnes colonnes sont celles qui ont V "petit" et K "grand"

NB. Tu peux poster ton image pour qu'on se fasse une idée de ton problème.

OL

**mm2405** · 17/04/2007, 08h13

Bonjour,
Mon problème n'est pas de corriger ma dérive. Je calcule la regression lineaire d'ordre 6 correspondant à mon image car un ordre inferieur ne donne pas des resultats tres convaincant. Le probleme, c'est qu'il me faut des données d'entrées pour faire mon calcul et je dois donc trouver une zone uniforme pour faire mes mesures pour ensuite faire mon calcul.
C'est cette zone uniforme que j'ai du mal à trouver.

Pour l'instant, je cherche la colonne ayant la variance la plus faible et en eliminant les colonnes ayant des valeurs trop eloignées de la moyenne. Ca marche pas trop mal mais c'est loin d etre parfait et c'est surtout assez lourd en temps de traitement pour trouver ma zone uniforme.
Si une methode me permettait d etre au moins autant fiable en allant plus vite en temps de calcul, ca m'interesserait beaucoup.....

**mm2405** · 17/04/2007, 08h15

Oups, j'ai du effacé la derniere ligne de mon post precedent. Je la rajoute :
Je vais essayé ta méthode mais j'ai peur que ce ne soit encore plus long. Par contre, c'est surement plus fiable. Merci.

**ol9245** · 17/04/2007, 13h43

autre idée qui doit aller beaucoup beaucoup plus vite.
Tu FFT ton image par colonnes.
Tu extrait le spectre de fréquences
les colonnes homogènes doivent êtres très très différentes ds dolonnes de l'image en particulier :
* toutes les amplitudes doivent être très basses, sauf éventuellement dans ls fréquences élevées (bruit) et basses (dérive de ton gris)
* tu ne dois rien avoir aux fréquences moyennes disons de 10 pixels à la moitié de ton image

alors que là ou tu as des motifs, les fréquences moyennes doivent avoir du monde.

donc l'algo serait F:

1/ FT de l'image le long des colonnes (pense à centrer ton image sur une fenêtre puissance de 2 et à remplir les zones inocupées de noir (0)
2/ calcul des puissances
3/ virer les fréquences hautes et basses
4/ les colonnes dans lesquelles il y a le moins de puissance totale sont celles que tu cherche.

J'essayer un patron de code au vol en matlab.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
 
% mettre l'image au centre d'une matrice de 2^^n lignes
F = fft(image) ; % If X is a matrix, fft returns the Fourier transform of each column of the matrix.
powr = 2 * F .* conj(F) ./ sample_length ./ sample_length ;
powr = 2 * powr(1:sample_length/2+1,:) ; % keep half plus one
a = round(size(pow,1)/4) ; % 1/4 de la taille des lignes
powertot = sum(powr(a:3*a,:)) ;
[unused idx] = sort(powertot) ;
% les premier éléments de idx doivent probablement être les colonnes que tu cherche. Sinon, utiliser le fait que les colonnes que t cherche sont groupées pour rendre la détection plus robuste.

OL

**ol9245** · 18/04/2007, 06h03

dernière idée en date :
tu recherche les contours de ton image et tu prend les colonnes qui ont le moins de contour. En Matlab il faut 3 lignes :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
 
[C, t] = edge(M, 'Sobel') ; % recherche les contours. récupère le seuil choisi
sC = sum(edge(M, 'Sobel', t/2)) ;% deuxieme passe avec un seuil plus bas 
[unused, idx] = sort (sC) ; % trie. Les colonnes les plus homogènes en tete.
disp(idx(1:10)) ; % c'est les bonnes colonnes que j'ai trouvé, là, en 3 lignes de matlab ?

Variante : au lieu de discriminer sur le nombe total de contour, tu peux discriminer sur la plus longue zone sans contour.

Si t'as pas Matlab, au lieu de travailler sur la variance, travaille sur le carré de de la différence première. les zones avec contours vont avoir des fortes différences premières qui vont bien se discriminer quand tu les passera au carré.

OL

**ToTo13** · 25/04/2007, 13h20

Bonjour,

on vient de me parler de la méthode utilisant les tenseurs et de zones de cohérences pour détecters des zones caractéristiques.

Pour cela :
- tu calcules le gradient de ton image.
- pour chaque pixel, tu calcule le tenseur à partir du gradient, ce qui te donne une carte de cohérence.
- Si ton pixel a une cohérence plus forte que que la moyenne ds cohérence d'un zone dans laquelle ils se trouve, alors il est caractéristiques. Pour être exact, on prend : Si coherence(x,y) > Moyenne(Zone entourant (x,y)) + 3* EcartType(Zone entourant (x,y)) alors (x,y) caractéristique.

**pseudocode** · 25/04/2007, 22h06

Envoyé par mm2405

J'ai une dérive d'éclairage sur mon image et j'aurais besoin de détecter une colonne uniforme dans mon image pour calculer ma derive d'éclairage puis la corriger.
Le problème, c'est que, tant que je n'ai pas corrigé ma dérive, il n'y a pas de vrai uniformité.

rechercher des zones avec un Gradient ~ constant (Laplacien nul) ?