Algorithmes de la morphologie mathématique pour - Pastel - HAL

Jaromír BRAMBOR5.3. ALGORITHMES GÉODÉSIQUES POUR LES GPP/GPPMMles blocs unaLoad. Notons que pour ce cas particulier où nous connaissons a priori la définition exacte del’élément structurant, nous n’utilisons pas la lecture non alignée pour l’extraction des vecteurs paquetéscentraux mais nous l’utilisons uniquement pour l’extraction des voisins de ces derniers. Ces voisins sontdénotés dans l’image par les index A et B.D’autres schémas de travail avec les superpixels SIMD peuvent être dérivés, notamment ceux pourle travail avec le 4 pixels voisins sur la grille carrée, cf. sa version scalaire sur la fig. 5.10, page 111, etpour le travail avec 6 voisins sur la grille hexagonale, cf. sa version scalaire sur la fig. 5.11, page 112.Algorithme 5.8 : ngbAlgoGenSPSIMD, skeleton algorithmique généralisé de travail sur le voisinagepour les superpixels1 ngbAlgoGenSPSIMD :: [StreamizeSP(PVecI α)] → [ExtrNgbSP(PVec I α)]2 → [NgbOpSP (PVec I α)] → [ZipSP(PVec I α)]3 → Ar ( I , I ) (PVec I α) → Ar ( I , I ) (PVec I α)4 ngbAlgoGenSPSIMD = ngbAlgoGenSPLa formalisation de l’approche des superpixels SIMD travaillant avec les types des vecteurs paquetéssuit la même logique que celle employée pour les algorithmes élémentaires. Nous reprenons le skeletonalgorithmique ngbAlgoGenSP (défini par l’algortihme 5.4) et nous spécialisons sa forme générique pourle type polymorphe de vecteurs paquetés PVec I α en tant que fonction ngbAlgoGenSPSIMD, définiepar l’algorithme 5.8.5.3 Algorithmes géodésiques pour les GPP/GPPMM5.3.1 Idée de baseLe traitement géodésique constitue un type de traitement de base de la morphologie mathématique.On désigne une opération comme opération morphologique géodésique si le traitement est effectué d’unemanière itérative, si nous pouvons y percevoir une propagation des valeurs et si cette propagation estrestreinte lors d’enchaînement des itérations par une fonction, exprimée le plus souvent en tant qu’imagedu masque. Citons comme exemple Ser00 la définition de la dilatation δ géodésique de taille unité (donnépar l’élément structurant B) de la fonction g restreinte par la fonction f :δ f (g) = inf(g + B, f) (5.1)nous travaillons à l’échelle des fonctions, c’est-à-dire à l’échelle des images entières. Si on suivait cesdéfinitions, la restriction, représentée dans notre exemple par la fonction inf, devrait opérer sur les images.Pour les raisons de performance, il est préférable d’imposer la restriction sur la propagation déjàdans le kernel du calcul de l’opération sur le voisinage qui travail à l’échelle des éléments de l’array.Ainsi, nous pouvons construire un kernel d’une fonction morphologique géodésique à condition quenous puissions introduire la valeur restrictive (valeur du masque correspondant au pixel traité) commeun paramètre supplémentaire dans la fonction définissant le kernel.Nous allons nous appuyer sur les kernels géodésiques des opérations sur le voisinage. Nous avonsprésenté la forme formelle pour ces kernels dans la section 4.6.6, page 94. Elle sera représentée dansnos algorithmes par les fonctions du type NgbGOp. De plus, nous devons également gérer dans cesalgorithmes l’extraction de la valeur du masque. Pour cette extraction, nous allons nous appuyer sur lamême fonction du parcours des stream que celle utilisée pour l’image même. Mais il nous faut spécifierune fonction d’échantillonnage des éléments d’un array à partir d’un index qui est du type SampFnc etqui sera utilisée pour obtenir la valeur concrète du masque pour un index concret.Remarquons que pour extraire correctement les éléments qui se correpondent dans l’image et dansle masque, les dimensions de ces deux arrays doivent être obligatoirement les mêmes. L’algorithme 5.9115