Qu’est-ce que la segmentation par contours ?
La segmentation par contours divise une image en régions en détectant et en reliant les pixels de contour issus de fortes variations locales d’intensité ou de couleur. Les contours fermés ou connexes servent ensuite à séparer les régions candidates.
Fonctionnement de la segmentation par contours
Cette stratégie de segmentation part d’une image représentant la force des contours et la convertit en contours connexes pouvant délimiter des régions. Le seuillage, l’amincissement, la liaison et la réparation des interruptions déterminent si ces contours forment une topologie exploitable. Elle diffère des méthodes de croissance de régions, qui partent de la similarité à l’intérieur d’une zone plutôt que des indices présents à sa limite. Cette technique s’insère entre le filtrage de bas niveau et les tâches ultérieures qui attribuent des étiquettes, des mesures ou une signification sémantique aux régions obtenues.
Points clés
- Une carte de contours ne définit pas intrinsèquement un intérieur et un extérieur. Le code de segmentation doit fermer les contours et résoudre les intersections avant de pouvoir construire des masques de régions sans ambiguïté.
- Une seule portion de contour manquante peut fusionner des objets voisins, tandis que les contours internes générés par la texture peuvent diviser un objet en de nombreuses régions. Les erreurs de connexité ont donc une incidence importante sur la structure.
- La détection de contours multiéchelle peut conserver les contours principaux tout en supprimant les textures fines, mais l’échelle choisie détermine aussi si les petits objets pertinents restent disponibles pour la segmentation.
Quand la segmentation par contours est utile
Choisissez cette approche lorsque les contours sont plus distinctifs que les textures à l’intérieur de chaque objet. Des contours peu marqués, bruités ou interrompus peuvent produire des régions fusionnées ou fragmentées ; un lissage et une réparation des contours peuvent donc être nécessaires.