Algorithmes de la morphologie mathématique pour - Pastel - HAL

More documents

Recommendations

Info

Algorithmes de la morphologie mathématique pour les architectures orientées fluxJaromír BRAMBOR(a) sur les lignes avec index 2i(b) sur les lignes avec index 2i + 1FIG. 4.11 : Voisinage définit sur une grille hexagonale avec 6-connexité (décalée par lignes) et sa transpositionà une grille carré avec 6-connexité (décalée par lignes)C’est pourquoi nous définissons les grilles carrées avec 6-connexité qui font une correspondanceentre le stockage de données dans une grille carrée (dans un array) mais dont le l’ensemble des voisinsde chaque point désigne les points de la grille hexagonale correspondante. La figure 4.11 nous montrecette mis en correspondance entre la grille carrée et la grille hexagonale et le voisinage non symétriquequi est défini différemment sur les lignes paires et impaires. La figure 4.12 démontre le même principepour le travail avec les grilles décalées par colonnes.4.6.3 Éléments structurantsLes éléments structurants sont définis comme un sous-ensemble d’un espace vectoriel, pas nécessairementcelui définissant la grille. Donc, un élément structurant est défini par un ensemble des vecteursde déplacements qui, utilisés pour les opérations de Minkowski, sont employés à déplacer l’ensemble(image) pour y ensuite appliquer une opération ensembliste, cf. fig. 4.13(a) qui présente l’addition deMinkowski.Les opérations morphologiques de base, la dilatation et l’érosion, sont définies 1 par les opérations deMinkowski, mais en utilisant un élément structurant transposé. La différence entre les deux opérations estpercevable après avoir comparé la fig. 4.13(b) (pour la dilatation et l’élément structurant transposé) avecla fig. 4.13(a) (pour l’addition de Minkowski et l’élément structurant dans sa version non-transposée).Notons que si nous utilisons les approches qui ne travaillent pas à l’échelle des images mais travaillentà l’échelle des pixels à l’aide des kernels et en utilisant l’extraction des éléments à partir desvecteurs de déplacements, nous ne pouvons pas, pour le calcul des opérations morphologiques de base,utiliser directement les vecteurs définis par l’élément structurant transposé. En effet, lors des extractionsdes voisins pour le calcul de la dilatation par un kernel à l’échelle des pixels, nous utilisons les vecteursde déplacement qui ne correspondent pas à ceux qui ont été donnés pour la dilatation mais à leurversion transposée. Ainsi, nous avons recours à double transposition (une pour la dilatation, une pourl’extraction à l’échelle d’un kernel). C’est-à-dire, les vecteurs de déplacement que nous utilisons lors del’extraction des voisins sont ceux définis par l’élément structurant non-transposé. La fig. 4.13(c) illustrece raisonnement.1Plus de détail sur les définitions de la dilatation et de l’érosion par les opérations de Minkowski, cf. page 43 du livre Ser89de Serra86
Jaromír BRAMBOR4.6. PRIMITIVES DE LA MORPHOLOGIQUE MATHÉMATIQUE(a) sur les les colonnes avec index 2i(b) sur les colonnes avec index 2i + 1FIG. 4.12 : Voisinage défini sur une grille hexagonale avec 6-connexité (décalée par colonnes), deuxième typeet sa transposition à une grille carré avec 6-connexité (décalée par colonnes)Image d’entréeImage de sortieÉlémentstructurant(a) Élément structurant et l’addition de MinkowskiÉlémentstructurantImage d’entréeImage de sortieÉlémentstructuranttransposé(b) Élément structurant transposé et la dilatationImage d’entréeImage de sortieListedes vecteursde déplacementExtraction des élémentspour le calcul par un kernel(c) Liste des vecteurs de déplacement pour l’extractions deséléments lors du travail avec les kernelsFIG. 4.13 : L’utilisation des éléments structurants dans les opérations morphologiques et les listes des vecteursde déplacement lors du travail avec les kernels87
Page 2 and 3:
Marques commerciales déposées et/
Page 4 and 5:
Cette page est blanche par intentio
Page 7 and 8:
ALGORITHMES DE LA MORPHOLOGIE MATH
Page 9 and 10:
ALGORITHMS OF MATHEMATICAL MORPHOLO
Page 11:
Table des matièresGuide de thèse
Page 14 and 15:
Algorithmes de la morphologie math
Page 16 and 17:
Page 20 and 21:
Page 22 and 23:
Page 24 and 25:
Page 26 and 27:
Page 28 and 29:
Page 30 and 31:
Cette page est blanche par intentio
Page 32 and 33:
Page 34 and 35:
Page 36: Algorithmes de la morphologie math
Page 39 and 40: Jaromír BRAMBOR3.2. FACTEURS INFLU
Page 41 and 42: Jaromír BRAMBOR3.2. FACTEURS INFLU
Page 43 and 44: Jaromír BRAMBOR3.3. CONSOMMATION D
Page 45 and 46: Jaromír BRAMBOR3.4. MODÈLE STREAM
Page 59 and 60: CHAPITRE 4Formalisme fonctionnelado
Page 61 and 62: Jaromír BRAMBOR4.2. HASKELL ET LES
Page 63 and 64: Jaromír BRAMBOR4.3. PRIMITIVES DE
Page 67 and 68: Jaromír BRAMBOR4.4. PRIMITIVES DU
Page 77 and 78: Jaromír BRAMBOR4.5. MODÈLE FORMEL
Page 85: Jaromír BRAMBOR4.6. PRIMITIVES DE
Page 97 and 98: Partie IIAlgorithmeset les skeleton
Page 99 and 100: CHAPITRE 5Algorithmes de voisinagen
Page 101 and 102: Jaromír BRAMBOR5.1. ALGORITHMES É
Page 115 and 116: Jaromír BRAMBOR5.3. ALGORITHMES G
Page 117 and 118: Jaromír BRAMBOR5.3. ALGORITHMES G
Page 119 and 120: Jaromír BRAMBOR5.4. ALGORITHMES PO
Page 121 and 122: Jaromír BRAMBOR5.4. ALGORITHMES PO
Page 123 and 124: Jaromír BRAMBOR5.5. RÉSULTATS EXP
Page 125 and 126: Jaromír BRAMBOR5.6. RÉCAPITULATIO
Page 127 and 128: CHAPITRE 6Permutation SIMD des arra
Page 129 and 130: Jaromír BRAMBOR6.2. APPROCHE MACRO
Page 131 and 132: Jaromír BRAMBOR6.2. APPROCHE MACRO
Page 133 and 134: Jaromír BRAMBOR6.3. ALGORITHMES RA
Page 135 and 136: Jaromír BRAMBOR6.3. ALGORITHMES RA
Page 137 and 138:
Jaromír BRAMBOR6.3. ALGORITHMES RA
Page 139 and 140:
Jaromír BRAMBOR6.3. ALGORITHMES RA
Page 141 and 142:
Jaromír BRAMBOR6.4. NOTES SUR L’
Page 143 and 144:
Page 145 and 146:
Jaromír BRAMBOR6.5. RÉCAPITULATIO
Page 147 and 148:
CHAPITRE 7Algorithmes de voisinaged
Page 149 and 150:
Jaromír BRAMBOR7.1. PARTICULARITÉ
Page 151 and 152:
Jaromír BRAMBOR7.3. SKELETON ALGOR
Page 153 and 154:
Page 155 and 156:
Page 157 and 158:
Page 159 and 160:
Page 161 and 162:
Page 163 and 164:
Page 165 and 166:
CHAPITRE 8Algorithmes de la dilatat
Page 167 and 168:
Jaromír BRAMBOR8.2. APPROCHE EMPLO
Page 169 and 170:
Page 171 and 172:
Page 173 and 174:
Jaromír BRAMBOR8.3. RÉSULTATS EXP
Page 175 and 176:
Jaromír BRAMBOR8.3. RÉSULTATS EXP
Page 177 and 178:
CHAPITRE 9Algorithmes et complexit
Page 179 and 180:
Jaromír BRAMBOR9.4. ESTIMATION DE
Page 181 and 182:
Jaromír BRAMBOR9.5. EXEMPLE D’ES
Page 183 and 184:
Page 185 and 186:
Page 187 and 188:
Page 189 and 190:
Conclusion et perspectives
Page 191 and 192:
Conclusion et perspectivesConclusio
Page 193 and 194:
Jaromír BRAMBORtations sur les GPU
Page 195 and 196:
Jaromír BRAMBORsemble inadapté, d
Page 197 and 198:
Annexe
Page 199 and 200:
Annexe AFonctions pour assurer l’
Page 201 and 202:
Annexe BDéfinitions des fonctions
Page 203 and 204:
Jaromír BRAMBORtestSIMD :: PVec I
Page 205 and 206:
Liste des termes et des abréviatio
Page 207 and 208:
Liste des figures1.1 Évolution du
Page 209 and 210:
Jaromír BRAMBORListe des figures7.
Page 211 and 212:
Liste des tableaux1.1 Évolution de
Page 213 and 214:
Bibliographie[AD03] Marco ALDINUCCI
Page 215 and 216:
Jaromír BRAMBORBibliographie[Cou02
Page 217 and 218:
Jaromír BRAMBORBibliographie[Gha99
Page 219 and 220:
Jaromír BRAMBORBibliographie[Lem96
Page 221 and 222:
Jaromír BRAMBORBibliographie[RS01]
Page 223 and 224:
Jaromír BRAMBORBibliographie[Wik06
Page 225 and 226:
IndexSymbols+, fonction . . . 62, 7
Page 227 and 228:
Jaromír BRAMBORINDEXICL . . . . .
Page 229:
Jaromír BRAMBORINDEXspecNgbSQR, fo
show all

Algorithmes de la morphologie mathématique pour - Pastel - HAL

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?