Séance de cours

Détection de bord: bases et techniques

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

CS-442: Computer vision

Computer Vision aims at modeling the world from digital images acquired using video or infrared cameras, and other imaging sensors. We will focus on images acquired using digital cameras. We will introduce basic processing techniques and discuss their fie ...

Description

Cette séance de cours couvre les principes fondamentaux de la détection de bord, y compris la mesure du contraste, l'orientation de bord, les images de gradient, les différences finies 1D et 2D, les techniques de codage, la réduction du bruit, l'interprétation de Fourier, la transformée de Fourier, les fonctions gaussiennes, la transformée de Fourier discrète, les dérivés gaussiens, le détecteur de bord Canny, la suppression non-maxima, le seuillage hystérésis et les applications industrielles de détection de bord dans la navigation et l'estimation.

Enseignant·e

Pascal Fua

Pascal Fua received an engineering degree from Ecole Polytechnique, Paris, in 1984 and the Ph.D. degree in Computer Science from the University of Orsay in 1989. He then worked at SRI International and INRIA Sophia-Antipolis as a Computer Scientist. He joined EPFL in 1996 where he is now a Professor in the School of Computer and Communication Science and heads the Computer Vision Laboratory. His research interests include shape modeling and motion recovery from images, analysis of microscopy images, and Augmented Reality. His research interests include shape modeling and motion recovery from images, analysis of microscopy images, and machine learning. He has (co)authored over 300 publications in refereed journals and conferences. He is an IEEE Fellow and has been an Associate Editor of IEEE journal Transactions for Pattern Analysis and Machine Intelligence. He often serves as program committee member, area chair, and program chair of major vision conferences and has cofounded three spinoff companies (Pix4D, PlayfulVision, and NeuralConcept).

Source officielle

Proximité ontologique

Information engineering

Intelligence artificielle: Vision par ordinateur

Concepts associés (32)

Détection de contours

En et en vision par ordinateur, on appelle détection de contours les procédés permettant de repérer les points d'une qui correspondent à un changement brutal de l'intensité lumineuse. Ces changements de propriétés de l' indiquent en général des éléments importants de structure dans l'objet représenté. Ces éléments incluent des discontinuités dans la profondeur, dans l'orientation d'une surface, dans les propriétés d'un matériau et dans l'éclairage d'une scène.

Filtre de Canny

Le filtre de Canny (ou détecteur de Canny) est utilisé en pour la détection des contours. L'algorithme a été conçu par John Canny en 1986 pour être optimal suivant trois critères clairement explicités : bonne détection : faible taux d'erreur dans la signalisation des contours, bonne localisation : minimisation des distances entre les contours détectés et les contours réels, clarté de la réponse : une seule réponse par contour et pas de faux positifs vignette|Image obtenue après application d'un flou gaussien 5x5.

Fonction gaussienne

vignette|Fonction gaussienne pour μ = 0, σ = 1 ; courbe centrée en zéro. Une fonction gaussienne est une fonction en exponentielle de l'opposé du carré de l'abscisse (une fonction en exp(-x)). Elle a une forme caractéristique de courbe en cloche. L'exemple le plus connu est la densité de probabilité de la loi normale où μ est l'espérance mathématique et σ est l'écart type. Les fonctions gaussiennes sont analytiques, de limite nulle en l'infini. La largeur à mi-hauteur H vaut la demi-largeur à mi-hauteur vaut donc environ 1,177·σ.

Corner detection

Corner detection is an approach used within computer vision systems to extract certain kinds of features and infer the contents of an image. Corner detection is frequently used in motion detection, , video tracking, image mosaicing, panorama stitching, 3D reconstruction and object recognition. Corner detection overlaps with the topic of interest point detection. A corner can be defined as the intersection of two edges. A corner can also be defined as a point for which there are two dominant and different edge directions in a local neighbourhood of the point.

Image gradient

An image gradient is a directional change in the intensity or color in an image. The gradient of the image is one of the fundamental building blocks in . For example, the Canny edge detector uses image gradient for edge detection. In graphics software for , the term gradient or color gradient is also used for a gradual blend of color which can be considered as an even gradation from low to high values, as used from white to black in the images to the right. Another name for this is color progression.

Afficher plus

Séances de cours associées (64)

Traitement d'image: Lissage et filtrage

Couvre les techniques de lissage d'image, de réduction du bruit et de segmentation à l'aide de filtres et de transformations.

Traitement d'image I : Dirac Impulse et la transformée de Fourier

Couvre la définition abstraite de l'impulsion de Dirac et ses propriétés dans le traitement de l'image.

Computer Vision Basics: Traitement de l'image et détection des caractéristiques

Couvre les bases de la vision par ordinateur, en se concentrant sur les techniques de traitement d'image et la détection de caractéristiques.

Fourier Transform: Compression et analyse

Couvre la transformation de Fourier, les techniques de compression et l'analyse spectrale des signaux périodiques.

Traitement d'image I: opérateurs linéaires et transformée de Fourier

Présente les opérateurs linéaires, la transformée de Fourier, et leurs applications dans le traitement d'image.

Afficher plus

Concepts associés (32)

Détection de contours