Qu’est-ce que la segmentation par régions ?
La segmentation par régions partitionne une image en zones spatialement connexes dont les pixels partagent certaines caractéristiques. Contrairement aux méthodes centrées uniquement sur les contours, elle vise à produire des régions cohérentes aux propriétés internes similaires.
Fonctionnement de la segmentation par régions
La segmentation par régions intègre la cohérence spatiale à l’objectif de partitionnement, au lieu d’en faire une simple étape de nettoyage après la classification des pixels. Les algorithmes peuvent faire croître des zones à partir de germes, diviser les zones non uniformes, fusionner les zones adjacentes similaires ou combiner ces opérations. Une partition valide attribue les pixels à des régions sans chevauchement dont l’union couvre le domaine analysé. Les étiquettes ou les masques obtenus alimentent la mesure d’objets, l’amélioration sélective, la reconnaissance et d’autres étapes de vision en aval.
Points clés
- Une méthode de division et fusion peut diviser récursivement une image en blocs, puis réunir les blocs adjacents qui satisfont un prédicat d’homogénéité, évitant ainsi le placement manuel de germes.
- Par rapport au seul suivi des contours, les méthodes par régions peuvent fermer des zones malgré des portions de limites peu marquées, mais elles peuvent franchir une limite réelle lorsque les intérieurs voisins se ressemblent.
- Les seuils définis dans un espace colorimétrique perceptuel peuvent se comporter différemment des seuils RGB appliqués canal par canal, en particulier lorsque l’éclairage varie sur un objet supposé uniforme.
Quand la segmentation par régions est utile
Utilisez cette approche lorsque les mesures ou les retouches doivent s’appliquer à des zones d’image complètes et connexes. Les résultats dépendent des critères de région : des seuils permissifs peuvent fusionner des objets séparés, tandis que des seuils stricts peuvent fragmenter un seul objet.