|
La détection de traits caractéristiques, comme une transition ou une orientation, est un domaine important du traitement d'image industriel. Quant à la détection de contours, elle est utilisée à différentes occasions, par exemple lors de la segmentation d'une image.
Par intuition, un contour est une transition marquée entre deux régions de luminosité distincte. En d'autres termes, un contour est une transition localisée dans le plan spatial et de contenu spectral à hautes fréquences mais également à large bande. Et c'est là tout l'origine du problème de la détection de contours car le bruit qui se superpose à l'image est bien souvent de contenu spectral similaire.
Plus fondamentale est la question de la définition d'un contour. Il se peut en effet fort bien qu'une image contienne des contours que l'oeil ne perçoit pas. Cet effet est illustré à la figure 6.1 où l'on a considéré comme contour toute transition locale de luminance.
Dans le cas de l'extraction de traits caractéristiques, c'est toute la configuration locale du contour qui importe (orientation, amplitude de la transition, signe de la dérivée, etc). La détection de contours se ramène assez souvent à ne considérer que l'amplitude de la dérivée. Remarquons aussi que la détection des contours peut fournir des contours non fermés.
Enfin, le positionnement d'un point de contour peut poser problème, notamment dans le cas d'une transition entre 2 zones plates (cf. figure 6.2): le point est-il situé à droite, à gauche ou milieu, étant entendu que cette dernière solution ne permet pas une représentation simple du résultat?
