Sommaire Introduction Principe de la méthode Algorithme Programme
Résultats
Images à histogramme multimodal
L'histogramme
est dit multimodal s'il contient plusieurs modes.
![]() |
![]() |
![]() |
|
|
|
|
![]() |
![]() |
![]() |
|
|
|
|
|
|
|
|
|
(seuil t = 135) |
(seuil t = 120) |
(seuil t = 131) |
|
|
|
|
Images à histogramme Bimodal
L'histogramme
est bimodal lorsqu'il contient deux modes distincts. Dans ce cas le seuil
à choisir se trouve dans le valet.
![]() |
![]() |
|
|
|
![]() |
![]() |
|
|
|
|
|
|
|
(seuil t = 180) |
(seuil t = 209) |
|
|
|
Images à histogramme unimodal
L'histogramme
est unimodal si on distingue un seul mode.
![]() |
![]() |
![]() |
|
|
|
|
![]() |
![]() |
![]() |
|
|
|
|
|
|
|
|
|
(seuil t = 63) |
|
(seuil t = 153) |
|
|
|
|
Commentaire
Pour toutes les images, le meilleur résultat obtenu est lorsqu'on
utilise un modèle à histogramme pondéré avec
une fonction distance euclidienne et la norme L infinie.
Pour les images à histogramme multimodal, la méthode
proposée donne des résultats satisfaisants: On arrive à
bien distinguer les objets du fond de l'image (Figure 1, 2 et 3).
Les images à histogramme bimodal sont les plus faciles à
seuiller. Généralement, le meilleur seuil est choisi entre
les deux modes.Pour les images testées, on vérifie que
le seuil obtenu par cette méthode est situé entre les
deux pics de l'histogramme (Figure 4 et 5).
Enfin, les calculs sur les images à histogramme uni-modal donnent
des images binaires raisonnables (Figure 6, 7 et 8).
I I
" .... No problems, the results look good.
I did not make out which weighting you used and which metric.
All such results must be reported together with the metric
(say L2 or Linfty), the weighting used (histogram or
uniform) and the choice of the distance function (euclidean,
square,signed, etc.) ...
Kind regards
Ilya "
![]()
Sommaire
Mars 2000