Chapitre II : Codeurs vidéo orienté objet et algorithmes de segmentationle représentant le plus fin d’une image, l’élément indivisible de toute image digitale(définition A.35 page 181). Il est caractérisé par un scalaire dans le cas d’imagesluminances ou monochromes, un vecteur à trois composantes dans le cas d’imagescouleurs, ou plus si l’on intègre des informations de mouvement, de transparence. . .f : (x, y) → Y n = 2, m = 1 image statique luminancef : (x, y, z) → Y n = 3, m = 1 image statique 3D luminancef : (x, y, t) → Y n = 3, m = 1 séquence d’images animées luminancef : (x, y) → (R,G,B) n = 2, m = 3 image statique couleurf : (x, y, z) → (R,G,B) n = 3, m = 3 image statique 3D couleurf : (x, y, t) → (R,G,B) n = 3, m = 3 séquence d’images animées couleurf : (x, y) → (V x , V y ) n = 2, m = 2 champ dense de vecteurs de mouvementf : (x, y, t) → (V x , V y ) n = 3, m = 2 séquence de champ densef : (x, y, z, t) → (R,G,B) n = 4, m = 3 image 4Df : (x, y, z, t) → (α, β, . . . ) n = 4, m = ? monde réelTab. II.1 – Différents types d’images multivaluées.La généralisation des différentes types d’images (table II.1) est appelée imagemultivaluée [Gu95], une application d’un espace de départ de dimension n sur unespace d’arrivée de dimension m 1.Généralement, les supports des coordonnées des pixels x et y, de la luminance Yet des couleurs rouge R, vert G, bleu B, sont inclus dans N. Les autres variables(t, V x , α. . .) sont à support dans R.Les images luminance. Chaque pixel d’une image luminance (parfois appeléeimage en niveaux de gris) fait correspondre l’intensité lumineuse de chaque pointde l’image. L’information au niveau pixel est représentée par un scalaire.Les images en couleurs. Les standards de vidéo numérique représentent, généralement,les images couleur par l’espace RGB (Red, Green, Blue) ou YUV (luminance,chrominance rouge, chrominance bleue). L’utilisation de l’espace RGB ou YUV estdirectement liée au système d’acquisition des cameras numériques, et la restitutiondes images par les écrans de télévision couleur (RGB uniquement dans ce cas). L’espaceYUV, obtenu par transformations linéaires de l’espace RGB, représente l’imagepar sa luminance Y (image en niveaux de gris) et ses composantes chromatiquesU et V.Ce dernier espace exploite les propriétés de notre système visuel. En effet, noussommes plus sensibles aux variations de luminance qu’aux variations de teinte 1 .C’est pourquoi, afin de réduire le volume d’informations, il est d’usage de souséchantillonner les composantes U et V. Cette réduction d’information dégrade peu laperception des images naturelles.1 Une description du système visuel humain et les représentations normalisées des images couleurspeuvent être consultées dans [All99].8
II.1.2Connexité et interaction spatialeLa matière première : l’image – II.1Afin d’extraire un niveau de représentation de l’image plus élevé, l’informationportée par le pixel seul n’est pas suffisante. La définition des interactions spatialesentre plusieurs pixels permet d’introduire la notion de voisinage.En règle générale, la connexité fait appel à des notions d’existance dechemins dans un ensemble, alors que l’interactivité ou connectivité correspondplutôt à une idée d’influence ou de communication entre deux éléments d’unensemble.Afin d’exprimer plus formellement ces notions, la structure de l’image estreprésentée par un graphe régulier orienté ou grille G = (V, A) où V correspondaux nœuds du graphe (les pixels) et A les arcs joignant les nœuds deux à deux. Lescoordonnées de chaque pixel déterminent les points de la grille V ⊂ N × N, tandisque les interactions spatiales sont définies par l’ensemble des arêtes A ⊂ V × V .Dans l’ensemble de ce manuscrit, les coordonnées des pixels sont exprimées dansN × N par (x, y) où l’origine (0, 0) est le pixel en haut à gauche, x est le numéro decolonne, et y est le numéro de ligne.Comme nous le verrons au cours du chapitre III, le sens des interactions estfondamental, c’est pourquoi le voisinage d’un pixel est défini suivant un conceptorienté. Le voisinage d’un pixel u dans la grille G est l’ensemble des pixels qui luisont directement connectés :∀u et v ∈ V, v est voisin de u ⇔ (u, v) ∈ A (II.1)où la paire ordonnée (u, v) est l’arc qui relie le pixel u à v. Le voisinage de u,noté N (u), est défini par :N (u) = {v ∈ V | (v, u) ∈ A}(II.2)(a) 4-connexité (b) 6-connexité (c) 8-connexitéFig. II.1 – Mailles d’une image numérique les plus fréquemment rencontrées(en noir le pixel u et en blanc, ses voisins v).Soit n le nombre de voisins d’un pixel, une image est dite associée à une grillen-connexe, ou simplement n-connexe, si pour tout pixel u, la forme géométrique duvoisinage N (u), i.e. la maille de la grille, est invariante par translation (l’image estsupposée de taille infinie). Par exemple, l’image est dite 4,6 ou 8-connexe si, pourtout pixel u, N (u) contient les 4,6 ou 8 voisins les plus proches 1 (figure II.1).1 Suivant une métrique Euclidienne par exemple.9
- Page 1: INSTITUT NATIONAL POLYTECHNIQUE DE
- Page 5 and 6: Table des matièresRemerciementsiii
- Page 7 and 8: TABLE DES MATIÈRESIV.1.3.5 Conclus
- Page 9 and 10: TABLE DES MATIÈRESB Morphologie Ma
- Page 11: Table des figuresII.1 Mailles d’u
- Page 14 and 15: TABLE DES FIGURESxiv
- Page 16 and 17: LISTE DES TABLEAUXxvi
- Page 18 and 19: TABLE DES DÉFINITIONSA.13 Union, i
- Page 20 and 21: TABLE DES DÉFINITIONSxx
- Page 22 and 23: LISTE DES ALGORITHMESxxii
- Page 24 and 25: Chapitre I : IntroductionSystem for
- Page 26 and 27: Chapitre I : Introductionet la supp
- Page 28 and 29: Chapitre I : Introductionle traitem
- Page 32 and 33: Chapitre II : Codeurs vidéo orient
- Page 34 and 35: Chapitre II : Codeurs vidéo orient
- Page 36 and 37: Chapitre II : Codeurs vidéo orient
- Page 38 and 39: Chapitre II : Codeurs vidéo orient
- Page 40 and 41: Chapitre II : Codeurs vidéo orient
- Page 42 and 43: Chapitre II : Codeurs vidéo orient
- Page 44 and 45: Chapitre II : Codeurs vidéo orient
- Page 46 and 47: Chapitre II : Codeurs vidéo orient
- Page 48 and 49: Chapitre II : Codeurs vidéo orient
- Page 50 and 51: Chapitre II : Codeurs vidéo orient
- Page 52 and 53: Chapitre II : Codeurs vidéo orient
- Page 54 and 55: Chapitre III : Algorithme de Hill-C
- Page 56 and 57: Chapitre III : Algorithme de Hill-C
- Page 58 and 59: Chapitre III : Algorithme de Hill-C
- Page 60 and 61: Chapitre III : Algorithme de Hill-C
- Page 62 and 63: Chapitre III : Algorithme de Hill-C
- Page 64 and 65: Chapitre III : Algorithme de Hill-C
- Page 66 and 67: Chapitre III : Algorithme de Hill-C
- Page 68 and 69: Chapitre III : Algorithme de Hill-C
- Page 70 and 71: Chapitre III : Algorithme de Hill-C
- Page 72 and 73: Chapitre III : Algorithme de Hill-C
- Page 74 and 75: Chapitre III : Algorithme de Hill-C
- Page 76 and 77: Chapitre III : Algorithme de Hill-C
- Page 78 and 79: Chapitre III : Algorithme de Hill-C
- Page 80 and 81:
Chapitre III : Algorithme de Hill-C
- Page 82 and 83:
Chapitre III : Algorithme de Hill-C
- Page 84 and 85:
Chapitre III : Algorithme de Hill-C
- Page 86 and 87:
Chapitre III : Algorithme de Hill-C
- Page 88 and 89:
Chapitre III : Algorithme de Hill-C
- Page 90 and 91:
Chapitre III : Algorithme de Hill-C
- Page 92 and 93:
Chapitre IV : Modélisation pour la
- Page 94 and 95:
Chapitre IV : Modélisation pour la
- Page 96 and 97:
Chapitre IV : Modélisation pour la
- Page 98 and 99:
Chapitre IV : Modélisation pour la
- Page 100 and 101:
Chapitre IV : Modélisation pour la
- Page 102 and 103:
Chapitre IV : Modélisation pour la
- Page 104 and 105:
Chapitre IV : Modélisation pour la
- Page 106 and 107:
Chapitre IV : Modélisation pour la
- Page 108 and 109:
Chapitre IV : Modélisation pour la
- Page 110 and 111:
Chapitre IV : Modélisation pour la
- Page 112 and 113:
Chapitre IV : Modélisation pour la
- Page 114 and 115:
Chapitre IV : Modélisation pour la
- Page 116 and 117:
Chapitre IV : Modélisation pour la
- Page 118 and 119:
Chapitre IV : Modélisation pour la
- Page 120 and 121:
Chapitre IV : Modélisation pour la
- Page 122 and 123:
Chapitre IV : Modélisation pour la
- Page 124 and 125:
Chapitre IV : Modélisation pour la
- Page 126 and 127:
Chapitre IV : Modélisation pour la
- Page 128 and 129:
Chapitre IV : Modélisation pour la
- Page 130 and 131:
Chapitre IV : Modélisation pour la
- Page 132 and 133:
Chapitre IV : Modélisation pour la
- Page 134 and 135:
Chapitre IV : Modélisation pour la
- Page 136 and 137:
Chapitre IV : Modélisation pour la
- Page 138 and 139:
Chapitre IV : Modélisation pour la
- Page 140 and 141:
Chapitre IV : Modélisation pour la
- Page 142 and 143:
Chapitre IV : Modélisation pour la
- Page 144 and 145:
Chapitre IV : Modélisation pour la
- Page 146 and 147:
Chapitre IV : Modélisation pour la
- Page 148 and 149:
Chapitre IV : Modélisation pour la
- Page 150 and 151:
Chapitre IV : Modélisation pour la
- Page 152 and 153:
Chapitre IV : Modélisation pour la
- Page 154 and 155:
Chapitre IV : Modélisation pour la
- Page 156 and 157:
Chapitre IV : Modélisation pour la
- Page 158 and 159:
Chapitre IV : Modélisation pour la
- Page 160 and 161:
Chapitre IV : Modélisation pour la
- Page 162 and 163:
Chapitre IV : Modélisation pour la
- Page 165 and 166:
Chapitre VModélisation pour la con
- Page 167 and 168:
Étude du pixel synchrone - V.2L’
- Page 169 and 170:
Étude du pixel synchrone - V.2des
- Page 171 and 172:
Étude du pixel synchrone - V.20153
- Page 173 and 174:
Environnement de conception pour ci
- Page 175 and 176:
Environnement de conception pour ci
- Page 177 and 178:
Étude du pixel asynchrone - V.4GL_
- Page 179 and 180:
Étude du pixel asynchrone - V.4cor
- Page 181 and 182:
Étude du pixel asynchrone - V.4EGN
- Page 183 and 184:
Étude du pixel asynchrone - V.4ABc
- Page 185 and 186:
Conclusion - V.5ColActifPixActifAct
- Page 187:
Conclusion - V.5Quant à la vitesse
- Page 190 and 191:
Chapitre VI : Conclusion et perspec
- Page 192 and 193:
Chapitre VI : Conclusion et perspec
- Page 194 and 195:
Annexe VI : Conclusion et perspecti
- Page 197:
Avant-proposCette partie du manuscr
- Page 200 and 201:
Annexe A : Les graphesDéfinition A
- Page 202 and 203:
Annexe A : Les graphesFig. A.2 - Ex
- Page 204 and 205:
Annexe A : Les graphesDéfinition A
- Page 206 and 207:
Annexe B : Morphologie Mathématiqu
- Page 208 and 209:
Annexe B : Morphologie Mathématiqu
- Page 210 and 211:
Annexe B : Morphologie Mathématiqu
- Page 212 and 213:
Annexe B : Morphologie Mathématiqu
- Page 214 and 215:
Annexe B : Morphologie Mathématiqu
- Page 216 and 217:
Annexe B : Morphologie Mathématiqu
- Page 218 and 219:
Annexe B : Morphologie Mathématiqu
- Page 221 and 222:
Annexe CProgrammes CHPCette annexe
- Page 223 and 224:
Le cœur - C.316: ]17: @#c_CpixReqE
- Page 225 and 226:
Le cœur - C.335: ]36: @#c_CTopo =
- Page 227 and 228:
C.3.3Activité du cœurLe cœur - C
- Page 229:
L’activité - C.410: v_OrAct := v
- Page 232 and 233:
BIBLIOGRAPHIE[BLDS01][BM98][BM00][B
- Page 234 and 235:
BIBLIOGRAPHIE[Fas01] Fassino (Jean-
- Page 236 and 237:
BIBLIOGRAPHIE[LD91][LD99]Lu (Cheng-
- Page 238 and 239:
BIBLIOGRAPHIE[ND97]Nowick (Steve) e
- Page 240 and 241:
BIBLIOGRAPHIE[SK02][SM99][SP01][SS0
- Page 242 and 243:
BIBLIOGRAPHIE220
- Page 245 and 246:
IndexIndexSymboles! . . . . . . . .
- Page 247 and 248:
Indexparallèle . . . . . . . . . 3
- Page 249 and 250:
IndexSKIZ . . . 33, 61, 102, 196som
- Page 251 and 252:
Liste des symbolesSigles et abbrév
- Page 253 and 254:
Liste des symbolesSISD Single Instr
- Page 255 and 256:
Liste des symbolesG ∗ Sous-graphe
- Page 259:
RésuméCette thèse fait partie d