10.1.1 Définition

Définition 79   En général, on considère que l'objectif de la segmentation revient à construire une série de régions R₁,..., R_n telles

$$\mathcal {E} \bigcup_{{i=1}}^{{n}} \forall \neq \cap_{{i}}^{} \emptyset$$ (10.1)

Définition 80   Formellement, la segmentation s'apparente à un opérateur $\phi$ agissant sur l'image I et fournissant, par exemple, une image binaire $\phi$(I) qui différencie les points des contours des objets.

Comme alternative, on pourrait fort bien considérer que la segmentation a pour objectif de définir une série de régions d'intérêt. C'est par ailleurs la manière usuelle de l'aborder dans le secteur du traitement d'images industriel.

La tâche n'est généralement pas simple et le lecteur attentif remarquera que les procédés de segmentation sont fort nombreux. D'une manière générale, l'utilisateur se voit contraint de construire un procédé de segmentation le plus adapté au problème qu'il traite. Il faut qu'il garde à l'esprit qu'une même image peut subir plusieurs segmentations toutes aussi valables les unes que les autres; c'est l'application en ligne de mire qui permet de déterminer si le résultat de la segmentation est adéquat ou non.

La segmentation, comme la plupart des techniques de traitement d'images, peut être abordée sous l'angle local ou global. Le premier considère que la segmentation ne requiert pas la connaissance du contenu global de l'image mais seulement le voisinage direct de chaque pixel. À l'inverse, dans une approche globale, c'est la totalité du contenu de l'image qui constitue l'unique guide. Ainsi, lorsqu'on désire segmenter un nombre précis d'objets (typiquement une centaine) s'agit-il d'un procédé global. La différence essentielle entre l'approche locale ou globale tient du fait que le moindre changement dans la valeur d'un pixel peut, respectivement, se limiter à des perturbations au voisinage local de la valeur affectée ou modifier la totalité du résultat de la segmentation.