TP sur Matlab pour faire la Discrimination de Texture

1. TravailpratiqueN°1
Discriminationdetexture
Réalisépar:
AhmedELATARI
MohammedJIDAL
ZakariaFetouhi
Encadrépar:
Pr.M.AitLakbir
TP-Discriminationdetexture

2. 1
Table de matières
Table de matières ..............................................................................................................................1
Table de Figures .................................................................................................................................2
Introduction ........................................................................................................................................3
Contexte du Travail............................................................................................................................4
I. Objectifs attendus..................................................................................................................4
II. Analyse de texture .................................................................................................................4
III. Classification de la texture ...............................................................................................5
Conception..........................................................................................................................................6
Réalisation du travail.........................................................................................................................7
I. Etapes Suivies..........................................................................................................................7
II. Présentation de l’interface ...................................................................................................8
1. Le Choix d’image.............................................................................................................8
2. Les Informations d’image..............................................................................................9
3. Choix d’exercices ......................................................................................................... 10
Simulation et Résultat.................................................................................................................... 11
Conclusion........................................................................................................................................ 12
Webographie ................................................................................................................................... 13
Annexe............................................................................................................................................... 14

3. 2
Table de Figures
FIGURE 1 : INTERFACE GENERALE .................................................................................................8
FIGURE 2: CHOIX D'IMAGE...............................................................................................................8
FIGURE 3: IMAGE INFOS...................................................................................................................9
FIGURE 4 : AFFICHAGE DU RESULTAT...........................................................................................9
FIGURE 5 : LE CHOIX D'EXERCICE................................................................................................ 10
FIGURE 6 : SIMULATION D'EXERCICE 1...................................................................................... 11

4. 3
Introduction
a texture est une caractéristique propre de l’objet , elle nous permet de le
décrire Partiellement. Bien sûr, la forme et la couleur sont deux autres
caractéristiques très Importantes.
Pour faire la distinction entre une orange et une cerise, les informations Forme et
couleur sont certainement plus significatives que l’information texture. Mais
L’information texture devient primordiale lorsqu’on veut faire la distinction entre deux
Zones d’une image de même couleur (ou bien de même niveau de gris). C’est dans ce
cadre que nous étions demandés de réaliser un travail qui a pour objectif principal la
discrimination et la différentiation entre 3 régions texturées dans une image en se
basant sur certains attributs.
Après avoir vu durant les séances du module de traitement d’images les notions de base
sur les images numériques, ses types, ses formats, les différents filtres qu’on peut utiliser
et les traitements ponctuels qu’on peut effectuer sur ces images. Ce premier TP
présente une opportunité pour nous afin de mieux approfondir nos connaissances
dans le traitement d’images et se familiariser avec l’environnement de développement
MATLAB qu’on va l’exploiter pour réaliser notre travail qui consiste en parallèle de créer
une application qui permettra au utilisateur de choisir l’image qui va subir le traitement
et d’afficher le résultat par la suite.
Le but de ce document est de présenter et expliquer l’ensemble des étapes qu’on a suivi
afin de répondre aux besoins exprimés dans l’énoncé sans oublier les difficultés
rencontrées pour aboutir au résultat souhaité.
L

5. 4
Contexte du Travail
I. Objectifs attendus
Le travail consiste en premier lieu à permettre à l’utilisateur d’ :
 Consulter une application (interface graphique) qui lui facilite la gestion de son
espace de travail.
 Afficher une image qui est constituée de trois régions texturée.
 Sélectionner une zone de l’image avec une texture homogène
 Binariser l’image afin que la zone sélectionnée apparait en blanc et le deux autres
textures en noir.
Et en deuxième partie de sélectionner des zones avec une texture homogène et
d’afficher en suite une image où chaque zone est représentée avec une nuance de gris
différente.
II. Analyse de texture
Le but de l’analyse de texture et d’extraire dans une image, une fenêtre, une région ou
Dans le voisinage d’un pixel des descripteurs pertinent au regard d’une application afin
de caractériser ou de discriminer les textures qui y sont contenu , ces descripteurs
engendrent des attributs de texture couleur qui sont exploitées notamment dans
la

6. 5
Problématique de segmentation et de classification d’image texturé couleur. Selon
Mihran Tuceryan , il existe quatre familles principales de technique D’analyse de
texture qui permettent de construire ces attributs :
 Les méthodes géométriques
 Les méthodes basées sur la modélisation spatiale des textures
 Les méthodes spatio-fréquentielle
 Les méthodes statistiques
III.Classification de la texture
La texture et classé selon deux grandes familles qui sont les suivantes:
(i) Les Macrotextures : présentent un aspect régulier, sous formes de motifs
répétitifs spatialement placés selon une règle précise suivant une approche
structurelle Déterministe.
(ii) Les Microtextures : présentant des primitives "microscopiques" distribuées
de manière aléatoire suivant une approche probabiliste cherchant à
caractériser l'aspect anarchique et homogène.

7. 6
Conception
Dans La plupart des projets et avant d’entamer la partie de la réalisation, Il est
très important d’étudier et de savoir à priori sur quoi on va se baser afin de répondre
aux besoins demandés. En ce qui concerne ce travail nous possédons certains attributs
statistiques permettant de constituer un vecteur qui a pour vocation la caractérisation
des régions texturés dans une image.
Les attributs statistiques du premier ordre se déduisent de la probabilité p(n) du
niveau de gris n ou de l’histogramme h(n) ≈ N.P(n) avec N le nombre de pixels de l’image.
Pour le développement d’une interface graphique Sous l’environnement Matlab,
Nous choisirons l’outil GUIDE qui est depuis son introduction à beaucoup faciliter cette
tâche.

8. 7
Réalisation du travail
I. Etapes Suivies
1) Le choix de la partie à sélectionner, le voisinage el et le calcul des vecteurs
d’attributs estimés pour chaque pixel de cette zone.
2) calcul des distances entre les vecteurs d’attributs
3) Normalisation de l'image distance c'est-à-dire ajuster l'échelle de ses niveaux de
gris de façon qu'elle occupe tout l'intervalle disponible sur l’image.
4) Seuillage avec la méthode d’Ostsu qui est utilisée pour effectuer
un seuillage automatique à partir de la forme de l'histogramme de l'image ou la
réduction d'une image à niveaux de gris en une image binaire. L'algorithme
suppose alors que l'image à binariser ne contient que deux classes de pixels,
c'est-à-dire le premier plan et l'arrière-plan) puis calcule le seuil optimal qui
sépare ces deux classes afin que leur variance intra-classe soit minimale.
5) Binarisation de l’image en produisant deux classes de pixels, en général, ils sont
représentés par des pixels noirs et des pixels blancs.

9. 8
II. Présentation de l’interface
L’application est composée d’une seule interface générale (voir Figure 1) qui contient 3
parties :
1. Le Choix d’image
Cette partie de l’application nous permet de choisir une image pour effectuer la
discrimination de texture (voir Figure 2).
Figure 1 : Interface Générale
Figure 2: Choix d'image

10. 9
2. Les Informations d’image
Cette partie nous permet d’avoir une idée sur l’image sur laquelle on souhaite faire le
traitement (voir Figure 3).Ainsi, elle nous affiche l’image de base et l’image résultante
avec ces histogrammes.
Figure 3: Image Infos
Figure 4 : Affichage du résultat

11. 10
3. Choix d’exercices
Cette partie nous donne la possibilité de choisir l’exercice 1 ou 2. En Outre, elle nous
visualise la zone sélectionnée (voir Figure 5).
Note : Il faut choisir l’exercice avant de charger l’image pour assurer le bon
fonctionnement de l’application.
Figure 5 : Le Choix d'exercice

12. 11
Simulation et Résultat
Dans le but de vous découvrir en proche notre application. On a fait une petite vidéo
qui explique la manière d’exploiter l’interface et l’application en générale.
Ou copie le lien suivant : https://www.youtube.com/watch?v=8c2SSxsJW1o
Figure 6 : Simulation D'exercice 1
Cliquer Voir La Vidéo

13. 12
Conclusion
Ce travail a été pour nous une meilleure occasion pour découvrir et simuler les
différentes techniques afin d’arriver à discriminer entre les textures constituants la
même image. Nous avons joué sur plusieurs attributs qui nous ont permis de séparer
les pixels de l'image et de caractériser les régions texturées. Cet objectif n'a pu être
atteint qu'avec le passage par certaines méthodes à savoir le choix de voisinage, la
normalisation et le calcul des distances entre les attributs pour évaluer la similarité entre
les textures.
Afin de faciliter la tâche pour les utilisateurs de nos programmes, nous avons opté
pour une solution qui porte sur le développement d’une interface graphique sous
Matlab qui donne la main aux utilisateurs pour choisir l’image qui va subir le traitement
et de découvrir les régions texturées en sélectionnant la zone à détecter.
Durant l’élaboration de ce travail nous avons rencontré certaines difficultés qui
se sont manifesté dans le traitement des points qui se situe aux bords de l’image et
l’exploitation des critères donnés afin de différencier entre les différentes régions
texturée.

14. 13
Webographie
 Matlab Documentation
http://www.mathworks.com/help
 Cours sur l’Analyse de textures en traitement
D’images.
http://ultra.sdk.free.fr/docs/Image-
Processing/Courses/TRAITEMENT%20NUMERIQUE%20D%27IMAGES%20MEDIC
ALES/polyTexture.pdf
 Analyse de textures - Michèle Gouiffés-
http://m.i.c.h.e.l.e.free.fr/CoursTexture.pdf

15. 14
Annexe
Le Calcul des paramètres statistiques :
function [ u,nu2,nu3,nu4,w,e,c] = parametre( zon )
%calcul de moments d'order 1, moment centré d'order 2, moment
%centré d'order 3, moment centré d'order 4, energie,
%entropie, contraste d'après une zone donnée
%diminuer les nuances de gris sur lesquelles on travaille
zon=floor(zon/4+1);
%Initialisation de l'histogramme
h=zeros(1,64,'uint8');
%Initialisation de la table de probabilité
p=zeros(size(h),'double');
%Calcul de l'histogramme
for i=1:size(zon,1)
for j=1:size(zon,2)
ind=zon(i,j);
if(ind==65)
ind=ind-1;
end
h(ind)=h(ind)+1;
end
end
% h=imhist(zon,64);
%remplissage de la table de probabilité
for i=1:64
p(i)=double(h(i))/(size(zon,1)*size(zon,2));
end;
%Calcul de moment d'order 1
id=find(p~=0);
m=id .* p(id);
u=sum(m);
%Calcul de moment centré d'order 2
m=((id-u).^2) .* p(id);
nu2=sum(m);
%Calcul de moment centré d'order 3
m=((id-u).^3) .* p(id);
nu3=sum(m);
%Calcul de moment centré d'order 4
m=((id-u).^4) .* p(id);
nu4=sum(m);

16. 15
%Calcul d'energie
w=sum(power(p,2));
%Calcul d'entropie
id=find(p~=0);
e=- sum(p(id) .* (log2(p(id))));
%Calcul de contraste
c=double(max(max(zon))-min(min(zon)))/double(max(max(zon))+min(min(zon)));
end

17. Copyright©2015