Segmentation couleur d'images fixes


Descriptif

Ces techniques de segmentation ont été élaborées dans le but de résoudre des applications multimédia, toujours dans le contexte plus large d'indexation mais cette fois-ci d'images fixes, et dans le cadre de divers contrats en partenariat avec :

Centre de Morphologie Mathématique (Ecole des Mines de Paris).
KODAK.
CCETT (France Télécom).

Back to top

Introduction

Cette segmentation présente une caractéristique particulière : on cherche uniquement à extraire les grandes zones homogènes en couleur et texture, les détails plus fins n'étant dans un premier temps pas nécessaires à une première indexation.

Outre cette particularité, notre technique de segmentation offre deux nouveautés :

la transformation HSV améliorée,
la succession inhabituelle des différents prétraitements.
La segmentation proposée, et tout particulièrement l'étape de transformation HSV, trouve ses applications dans l'indexation d'images, mais aussi bien sur dans la classification d'objets, la reconnaissance d'individus, etc.
Back to top

Transformation HSV améliorée

Back to top

Le but de cette transformation, développée spécialement pour la segmentation, est de trouver une classification des pixels d'une image, permettant de séparer les pixels ayant une couleur significative, des pixels dont la couleur n'est pas évidente, et proche d'un niveau de gris. Une fois une telle classification déterminée, un réhaussement des couleurs d'une part et des niveaux de gris d'autre part est possible.

L'espace des couleurs choisi est l'espace HSV et c'est dans cet espace que la distinction entre couleur et niveau de gris est effectuée : physiquement on découpe l'espace en deux domaines.
Actuellement la limite entre les deux classes de pixels est déterminée de façon automatique, mais la figure 1 donne en illustration plusieurs classifications en fonction d'une valeur de seuil choisie manuellement.
Le choix automatique du seuil effectué par la transformation HSV correspond à la deuxième image de la deuxième ligne (Fig.1).

Fig. Espace HSV Fig. Découpage de l'espace HSV en deux domaines.
Back to top of HSV transform



Fig.1 Exemples de transformations HSV pour des seuils de plus en plus grands. L'image originale est en haut à droite.
Back to top of HSV transform


Par son action de rehaussement de la différence entre les pixels ayant une couleur et ceux ayant plutot un niveau de gris, cette transformation constitue un prétraitement intéressant pour de multiples applications. Nous illustrons ses capacités dans un exemple de détection de personnes (Fig.2). Dans cet exemple, la transformation HSV est simplement suivie d'un seuillage sur les valeurs de teintes dans l'image.

Fig.2 Application à la détection de visages. On a successivement l'image originale, puis la transformation HSV
avec classification automatique des pixels, puis le résultat du seuillage sur les teintes.
Back to top of HSV tranform

Back to top

Grandes étapes de la segmentation couleur

Back to top

Plus que dans chaque étape prise individuellement, l'originalité de la segmentation repose dans leur succession:

Image originale
Transformation HSV améliorée
Réduction des couleurs
Filtre médian vectoriel
Gradient couleur
Processus hiérarchique de ligne de partage des eaux


Nous ne reviendrons pas sur la transformation HSV. L'étape suivante de réduction des couleurs a été choisie de façon à véritablement réduire la somme d'information de façon drastique, puisqu'on ne conserve que 16 couleurs au final. Malgré la perte d'information, particulièrement dans tous les petits détails, ceci n'affecte pas les grandes zones de l'image que nous cherchons à extraire.


Fig.3 Réduction à 16 couleurs de l'image de gauche. Le résultat est présenté à droite.

Afin d'éviter l'apparition de couleurs parasites, dues à un filtrage séparé sur chacune des composantes couleurs, un filtre médian vectoriel est ensuite utilisé. Le gradient couleur sélectionné est, quant à lui, un mélange des deux gradients calculés dans les espaces Lab et HSV. Enfin, on applique l'algorithme classique de segmentation hiérarchique par ligne de partage des eaux. Après une ou deux étapes de segmentation le résultat est conforme au but désiré : seules les grandes régions homogènes ont été conservées.
Fig.4 Filtrage médian vectoriel. Fig.5 Gradient couleur
(mélange de gradient Lab et de gradient HSV).
Retour aux Etapes de la Segmentation



Fig.6 Etapes de segmentation hiérarchique. On présente successivement l'image originale, la ligne de partage des eaux initiale,
et les deux premières étapes de la segmentation hiérarchique.

Back to top

Toutes les images originales de cette page sont issues de journaux télévisés FR3 et par conséquent tombent sous leur copyright. Toutes les autres images ou photographies sont la propriété du CMM. Ces documents sont protégés par la législation sur les droits d'auteur et toute copie ou usage non autorisé sont strictement interdits.
Dernière mise à jour : 29 - 09 - 98
demarty@cmm.ensmp.fr