traitement d'images par modèles discrets sur ... - Olivier Lezoray
traitement d'images par modèles discrets sur ... - Olivier Lezoray
traitement d'images par modèles discrets sur ... - Olivier Lezoray
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
12<br />
Chapitre 2 - Traitement d’images <strong>par</strong> <strong>modèles</strong><br />
<strong>discrets</strong> <strong>sur</strong> graphes<br />
vectorielle considérée, c’est à dire sans connaissances a priori), préservant les vecteurs, et sans<br />
priorité entre les composantes. Nos contributions respectent toutes ces propriétés. Pour conclure,<br />
nous pouvons dire que tous les ordres usuels de la littérature ont des désavantages et il serait intéressant,<br />
à <strong>par</strong>tir de ces observations, de définir un nouvel ordre vectoriel qui soit suffisamment<br />
général pour permettre d’effectuer un filtrage morphologique ou médian et ceci <strong>sur</strong> des données<br />
vectorielles de dimensions quelconques.<br />
2.2.3 Chemin Hamiltonien dans un graphe<br />
2.2.3.1 Motivations<br />
Comme nous l’avons mentionné précédemment il y a une équivalence<br />
(ordre total <strong>sur</strong> R p )⇔(bijection h : R p → R)<br />
On peut également relier la notion d’ordre vectoriel à la notion de courbe de remplissage de<br />
l’espace. Une telle courbe est une courbe qui <strong>par</strong>court un espace multidimensionnel en passant,<br />
de point en point, et de manière unique, <strong>par</strong> tous les points de cet espace. Cette courbe remplit<br />
donc l’espace. Nous ne considérons que ces courbes dans le cas discret car nous opérons <strong>sur</strong> des<br />
images représentées <strong>par</strong> une grille discrète. Nous pouvons alors établir la double équivalence<br />
suivante :<br />
(ordre total <strong>sur</strong> R p )⇔(bijection h : R p → R)⇔(courbe de remplissage de l’espace R p )<br />
La figure 2.4 présente une courbe de remplissage de l’espace (de type PEANO) d’un domaine<br />
discret qui est une image 2D. Sur cette figure sont également superposées quelques valeurs de<br />
h(x).<br />
A <strong>par</strong>tir du moment où l’espace multidimensionnel est discret, nous pouvons le représenter<br />
<strong>par</strong> un graphe connexe. Ainsi, nous pouvons établir la triple équivalence suivante :<br />
(ordre total <strong>sur</strong> R p )⇔(bijection h : R p → R)⇔(courbe de remplissage de l’espace R p )⇔<br />
(chemin Hamiltonien <strong>sur</strong> R p )<br />
Les définitions habituelles des courbes de remplissage de l’espace dans R p pour le filtrage<br />
d’images [STRING99, REGAZZ97] utilisent des courbes (<strong>par</strong> exemple une courbe de Peano)<br />
qui sont indépendantes de l’organisation spatiale et elles ne respectent donc pas la topologie.<br />
En effet, trouver une courbe de remplissage de l’espace qui respecte la topologie revient à<br />
construire un chemin Hamiltonien. Trouver un chemin Hamiltonien est un problème trop difficile<br />
(NP-complet) pour être directement résolu <strong>sur</strong> R p : pour un graphe de n noeuds, il y a<br />
(n − 1)! chemins Hamiltoniens possibles. La recherche d’un chemin Hamiltonien a déjà été utilisé<br />
dans le cadre des algorithmes de réorganisation de palettes couleur (provenant <strong>par</strong> exemple<br />
d’images compressées) [PINHO04, BATTIA04]. Nous avons choisi de prendre ce point de vue<br />
pour chercher à ordonner des données vectorielles à savoir construire une courbe de remplissage<br />
de l’espace à travers la définition d’un chemin Hamiltonien. Ce chemin sera défini de manière<br />
dynamique, mais plutôt que de chercher à définir ce chemin directement <strong>sur</strong> l’espace R p , nous<br />
proposons de le faire <strong>sur</strong> une fenêtre d’analyse F .