.. _l-k-algo-gest: ===================== Détection de segments ===================== .. contents:: :local: L'idée ====== Une image aléatoire ressemble à la mire en un temps où la télévision ne rediffusait pas les programmes diurne la nuit. .. image:: bruit.png Dans ce brouillard aléatoire, la probabilité d'avoir des points alignés est très faible, si faible que le simple fait d'en voir est un événement extraordinaire. Trois points alignés ne sont pas rares, quatre un peu plus, cinq encore plus. A partir d'un certain seuil, on peut considérer que trop de points alignés forme une droite et un événement trop rare pour être ignoré. On cherche à détecter les arêtes dans une image comme la suivante. .. image:: gradient--1.png On calcule le gradient d'une image en noir et blanc. .. image:: gradient-0.png Puis on extrait les segments en les considérant comme des anomalies par rapport à un champ de pixels aléatoire. .. image:: seg.png Illustration ============ .. toctree:: :maxdepth: 1 ../notebooks/segment_detection La fonction :func:`detect_segments ` lance la détection des segments. Explications ============ La présentation `Détection des images dans les images digitales `_ détaille le principe de l'algorithme. L'idée de l'algorithme est assez proche de la `transformée de Hough `_. Celle-ci est implémentée dans le module `scikit-image `_ ou `opencv `_. Bibliographie +++++++++++++ * `From Gestalt Theory to Image Analysis `_, Agnès Desolneux, Lionel Moisan, Jean-Michel Morel * `Learning Equivariant Functions with Matrix Valued Kernels `_ * `The Hough Transform Estimator `_ * `An Extension to Hough Transform Based on Gradient Orientation `_