EP3314573A1 - Procédé de segmentation d'image - Google Patents

Procédé de segmentation d'image

Info

Publication number
EP3314573A1
EP3314573A1 EP16742345.8A EP16742345A EP3314573A1 EP 3314573 A1 EP3314573 A1 EP 3314573A1 EP 16742345 A EP16742345 A EP 16742345A EP 3314573 A1 EP3314573 A1 EP 3314573A1
Authority
EP
European Patent Office
Prior art keywords
image
patterns
pixels
line
lines
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP16742345.8A
Other languages
German (de)
English (en)
Inventor
Vincent ARVIS
Michael CHAUSSARD
Michel Bilodeau
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Compagnie Generale des Etablissements Michelin SCA
Original Assignee
Compagnie Generale des Etablissements Michelin SCA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Compagnie Generale des Etablissements Michelin SCA filed Critical Compagnie Generale des Etablissements Michelin SCA
Publication of EP3314573A1 publication Critical patent/EP3314573A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior

Definitions

  • the invention relates to the field of visual control of manufactured products whose outer surface has elements in relief.
  • This invention can be applied in particular, but not exclusively to products having periodic patterns, for example tires.
  • different means of illumination and digital imaging are used to acquire images, for subsequent digital processing to detect imperfections previously detected visually by operators.
  • These imaging means make it possible to take different images, whether in two dimensions or in three dimensions, of the inner and / or outer surface of the tire to be inspected.
  • the present invention is therefore to provide a segmentation solution to overcome the aforementioned drawbacks.
  • the present invention is therefore to provide a method for segmenting an image of the outer surface of a manufactured product so as to distinguish the areas of the image having patterns in relief, other areas.
  • the present invention relates to a method of segmenting an image, representative of a manufactured product whose outer surface has patterns in relief, in a first zone having patterns and a second zone not comprising the method comprising the following steps:
  • the method comprises an initial step in which it performs a flattening of the image.
  • this step of flattening the image comprises a step of detecting a carrier signal on which the patterns are based. To do this, we realize a simple moving average along the lines: at each pixel of the cleaned image we calculates the average of the neighboring pixels (located within a certain distance) and located on the same line; we then subtract this value from the pixel.
  • the operation consists in calculating, in a horizontal window of size 2r +1 centered on the pixel (x; y), (considering the specificity of recollement of the right and left edges, expressed by the minimum), the average pixels, and to subtract the latter from the value of the pixel (and this repeated for all the pixels of the image).
  • the segmentation method of the present invention could also be used on images representing all types of objects, and not necessarily tires.
  • the flattening step would not necessarily prove useful, since it is made necessary in the case of a tire due to the rounded shape of the object.
  • the next step of the method consists in performing a thresholding operation, in order to transform the flat image, which is in gray levels, into a binary threshold image. This makes it possible to create an output mask comprising a first set of pixels containing the patterns, and a second set of pixels comprising the other elements.
  • the first two consist in calculating on the one hand the average of the gray levels of all the pixels of the row (respectively of the column) on which is a pixel, on the other hand the standard deviation, and of add up these two values.
  • the third criterion consists in verifying that the pixel belongs to a valid line, that is to say a line that is not too close to the top or the bottom of the image; or a line which does not contain too many outliers, or a line that is not too close to a line containing a large number of outliers.
  • This detection step is performed as follows:
  • the variance of the gray levels of the pixels not belonging to the binary threshold image is calculated, which amounts to excluding the possible patterns
  • the calculation is carried out a second time by horizontally expanding the threshold image, which amounts to excluding more pixels from the calculation.
  • the ratio between the two variance values calculated in this way is then carried out. If this ratio becomes greater than a predetermined threshold, it will be considered that the line has a streak.
  • this pattern detection step is only useful for certain types of manufactured objects. Indeed, in the case where the patterns are present only on a portion of the product, it is necessary to detect, on an image representing the product, the lines that actually contain patterns.
  • the next step in a method according to the invention is to evaluate the number of patterns on each line.
  • the input image will be chosen as the flat image or the thresholded image.
  • a maximum of the decomposed image does not correspond to a desired period of the patterns, but to a harmonic, that is to say a value due to a group of patterns. which is repeated regularly in the image. Therefore it is useful in a particular embodiment to look at the fractions of the determined maximum to detect possible candidates for the pattern period.
  • the best components that can be patterns are detected in the thresholded image and they are retained in a result set. To do this, we go through the related components of the thresholded image by decreasing size, and we retain them if two conditions are met:
  • the related component if it was added to the result set, must not result in a row of the thresholded image having a number of elements in the result set. greater than the number of patterns detected in the previous step, and
  • a method according to the invention also comprises the following steps:
  • a step of reassessing the number of patterns in the image and a step of filtering the determined set of pixels, as a function of the number of reevaluated patterns, to obtain a second set of pixels of the image.
  • a method according to the invention further comprises a step during which one completes empty spaces of the image to obtain a third set of pixels of the image.
  • a method according to the invention comprises a step in which is eliminated, the third set of pixels, supernumerary components to obtain a fourth set of pixels of the image representing patterns.
  • the objective of this step is to remove these peaks value.
  • a morphological opening is used, which consists of removing all the narrow mountains, whatever their altitude, followed by a morphological closure which consists of removing all the narrow canyons, whatever their depth.
  • the opening operation consists firstly in replacing the value of each pixel of the image by the minimum value of the pixels located in a certain neighborhood, then in starting the operation again, this time taking the value Max.
  • the closing operation consists in performing the same two operations, but in the opposite direction (first the maximum value, then the minimum value).
  • the chosen neighborhood consists of the set of pixels located on the same line, that the pixel studied (it is called opening and closing by a linear structuring element) and at a distance less than a certain threshold.
  • a threshold value is chosen to eliminate, on each line, mountains and canyons of small size.
  • this choice of radius must represent a compromise between a value too low that would not allow a proper cleaning, and too high a value that could lead to the removal of some elements of interest reasons.
  • the cleaned image will be:
  • the flattening step is performed using an AvgSub operation.
  • the calculation of the thresholded image is performed as follows:
  • a function is built that allows to assign a label to each line y of the input image. If we consider an input mask PNM, representing the outliers of the input image (the outlier pixels are at A, and the others are at 0, and we proceed in two steps: first, defining a first temporary unidimensional image, of the same size as the height of the input images, and such that:
  • the first condition makes it possible to mark as invalid the first ten and the last lines of the image
  • the second condition makes it possible to mark as invalid all the lines having more than 5% of pixels marked as aberrant in the PNM image.
  • This formula outputs a mask of size equal to the size of the input images, and where a pixel will be present if it is on a valid line (first condition), if its value is greater than the average plus the standard deviation pixels in the same line as him
  • the step of detecting lines with streaks is performed as follows:
  • the variance ratio threshold which acts as a limit is 1.5: if the min value Ratio is greater than this threshold, then we consider that the streaks are present on all the lines of the image, if the max ratio is less than this ratio, so the image has no streaks.
  • the final Line2 image which assigns the final label of each line of the input image, is a mix between Line and a cleaned version of Ligne2_tmp.
  • the Line2 image that assigns a label to each line of the input image is composed by mixing the line and
  • Ligne2_tmp If all lines have a satisfactory variance ratio (greater than 1.5), then the streaks are present over the entire height of the image and Line2 will be a copy of Line. Otherwise, if only certain lines have a satisfactory variance ratio, then Line2 is equal to a cleaned version of Ligne2_tmp except for lines with too many outliers, where the NOTOK PNM Line label is copied (this operation is carried out thanks to the use of the minimum);
  • Ligne2_tmp to widen the labels of the strapless lines and to include, as a precaution, these "fuzzy" areas as strapless lines.
  • the step of evaluating the number of streaks on each line is preferably carried out as follows:
  • the variance of each of the columns of an input input image which is, according to the embodiment, the flat flat image or the threshold threshold image, is calculated. This calculation is performed excluding, thanks to Ligne2, the elements located on lines of no streaks. In addition, erosion of the Line2 elements is carried out in advance to remove valid line tags from these areas:
  • the image Var_col thus obtained is a one-dimensional image of the same size as the width of the input images. We see that this image has a repeating pattern as many times as there are streaks in the image. We will then perform a Fourier analysis of this image Var_col to find the number of striations present on each line of the image. This calculation is as follows:
  • the size of the image F is equal to the largest power of two strictly less than L (Input) plus 1. Thus, for images 40,000 pixels wide, F is 32769 pixels.
  • the image F is such that a peak on F (1000) means that there is, in the image, a pattern locating every 1000 pixels. Therefore, it is useful to look for the peaks of F.
  • a geodesic reconstruction of an image D in F3 is then carried out in order to recover the carrier signal which can then be suppressed.
  • the image D is an image of the same size as the image F3, having the value in all points except the abscissa 0 where it is F3 (0).
  • the step of detecting the best candidates of the binary image is performed as follows:
  • the candidate set is then constructed by adding the elements of S if they do not conflict with the elements already added in Candidate. For this, we build a sequence of sets R: Finally, the present invention provides a method implementing a number of original features compared to known solutions of the state of the art.
  • the means for detecting the lines of the image where patterns are present are different from the known solutions, since the principle of taking a mask of candidate pixels to belong to patterns, and to observe how the variance (calculated excluding the elements of this mask) evolves according to the expansion of this mask, is original. Indeed, in the present invention, looking for relief elements that cause a shadow projected on the image, and detecting the lines of the image having patterns by trying to detect the lines having a drop shadow.
  • the present invention aims to propose a method for dividing the lines of the image into two categories: those where patterns are present, and those that do not. It has been found that the known solutions, namely the conventional approach of minimizing intra class variance or maximizing inter-class variance, do not work (especially since classes can have strong variances). In the present invention, means are used to equalize the class variances using a linear time algorithm, which overcomes the disadvantage of known solutions.
  • the first lies in the fact of making a Fourier transform not on each line of the image, as presented in the known solutions, but on a signal in one dimension, representative of the lines of the image.
  • This signal is obtained by calculating the variance of each column of the image: thanks to the relief of the patterns and their drop shadow, we obtain a signal with the same period as the patterns of the image. This solution makes it possible to reduce the calculation times implemented.
  • the second element comes from the fact of carrying out morphological operations on the results of the Fourier transform in order to clean it of parasitic elements which could distort the result obtained.
  • a method according to the invention implements, for the selection of the best candidate components that may belong to a streak, a series of placement operations then removal of the candidates by decreasing as and when constraints on their position. This pattern of decreasing constraints as it goes is the opposite of all the solutions of the state of the art which generally consist in increasing the constraints over time.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

L'invention concerne un procédé de segmentation d'une image, représentative d'un objet dont la surface externe présente des motifs en relief, en une première zone comportant des motifs et une seconde zone n'en comportant pas, le procédé comportant les étapes suivantes: Une étape de seuillage au cours de laquelle on transforme l'image en niveau de gris en une image binaire, Une étape d'évaluation du nombre de motifs sur chaque ligne de l'image, et Une étape au cours de laquelle, en fonction des résultats des étapes précédentes qui permettent d'obtenir un nombre de motifs dans l'image, on détermine un premier ensemble de pixels de l'image représentant des motifs.

Description

Procédé de segmentation d'image
DOMAINE DE L'INVENTION
[0001] L'invention concerne le domaine du contrôle visuel de produits manufacturés dont la surface externe présente des éléments en relief. Cette invention peut s'appliquer notamment, mais non exclusivement aux produits présentant des motifs périodiques, par exemple des pneumatiques.
[0002] Ce contrôle visuel permet, par exemple, de détecter d'éventuels défauts de surface résultant de la fabrication. A l'heure actuelle, l'inspection visuelle et fait encore le plus souvent appel à la dextérité des opérateurs chargés de détecter ces éventuelles imperfections visibles à la surface des objets. Or, avec l'avancée de la puissance de traitement des moyens informatiques, les manufacturiers entrevoient dès à présent la possibilité de rendre ces taches de contrôle automatique
[0003] A cet effet, différents moyens d'éclairage et d'imagerie numérique sont donc utilisés pour acquérir des images, en vue d'un traitement numérique ultérieur permettant des détecter les imperfections auparavant détectées visuellement par les opérateurs. Ces moyens d'imagerie permettent d'effectuer différentes prises d'images, que ce soit en deux dimensions ou en trois dimensions, de la surface intérieure et/ou extérieure du pneumatique à inspecter.
[0004] Dans le cas d'objets présentant certaines zones sur lesquelles des motifs en relief sont présents, il est utile de pouvoir appliquer des traitements différents aux zones à motifs, et aux zones sans motifs. A cet effet, il est utile de pouvoir différencier, sur une image d'un pneumatique, les différentes zones en présence.
[0005] On connaît différentes techniques qui visent à effectuer une telle différenciation, mais aucun ne présente une robustesse suffisante pour pouvoir être appliquée à une large gamme de produits manufacturés. En outre, les solutions connues présentent des temps de traitement trop longs pour être acceptables en environnement industriel.
[0006] La présente invention vise donc à proposer une solution de segmentation permettant de remédier aux inconvénients susmentionnés. DESCRIPTION GENERALE DE L'INVENTION
[0007] La présente invention vise donc à proposer un procédé permettant de segmenter une image de la surface externe d'un produit manufacturé de manière à distinguer les zones de l'image présentant des motifs en relief, des autres zones.
[0008] Ainsi, la présente invention concerne un procédé de segmentation d'une image, représentative d'un produit manufacturé dont la surface externe présente des motifs en relief, en une première zone comportant des motifs et une seconde zone n'en comportant pas, le procédé comportant les étapes suivantes :
· Une étape de seuillage au cours de laquelle on transforme l'image en niveau de gris en une image binaire,
• Une étape d'évaluation du nombre de motifs sur chaque ligne de l'image, et
• Une étape au cours de laquelle, en fonction des résultats des étapes précédentes qui permettent d'obtenir un nombre de motifs dans l'image, on détermine un premier ensemble de pixels de l'image représentant des motifs.
[0009] Dans la suite de la demande, on désignera parfois une image sur laquelle on applique un procédé conforme à l'invention par l'expression « image d'entrée ».
[0010] Par convention, dans l'ensemble de la demande, on utilisera les notations montrées en figure 1. Ainsi, on utilisera les notations L et H respectivement pour la largeur et la hauteur d'une image d'entrée, et le point I(x,y) sera repéré dans le repère (x,y) montré sur cette figure.
[0011] On a constaté que certaines images d'entrée possédaient une courbure le long des lignes et des colonnes. Cette courbure apparaît en mesurant la moyenne des lignes et des colonnes de l'image : chaque ligne, et chaque colonne de l'image, possède une moyenne différente, corrélée avec sa position dans l'image. Cet effet, dû à la courbure naturelle du pneu, (qui diffère selon le type des pneus) ainsi qu'aux contraintes mécaniques subies par le pneu lors de son acquisition, doit être corrigé avant tout autre traitement, afin que tous les éléments du pneu aient une hauteur comparable quelle que soit leur position dans le pneu.
[0012] A cet effet, dans un mode de réalisation particulier, le procédé comprend une étape initiale au cours de laquelle on effectue une mise à plat de l'image.
[0013] Dans un exemple de réalisation, cette étape de mise à plat de l'image comprend une étape de détection d'un signal porteur sur lequel reposent les motifs. Pour ce faire, on réalise une simple moyenne mobile le long des lignes : à chaque pixel de l'image nettoyée on calcule la moyenne des pixels voisins (situés à moins d'une certaine distance) et situés sur la même ligne ; on retranche ensuite cette valeur au pixel.
[0014] Ces opérations peuvent être définies de la manière suivante : Soit une image I bidimensionnelle, et un entier positif r, on définit l'opération AvgSub comme une fonction prenant en entrée une image bidimensionnelle I et produisant en sortie une image de même taille
[0015] L'opération consiste à calculer, dans une fenêtre horizontale de taille 2r +1 centrée sur le pixel (x; y), (en considérant la spécificité de recollement des bords droit et gauche, exprimée par le minimum), la moyenne des pixels, et de retrancher cette dernière a la valeur du pixel (et ceci répété pour tous les pixels de l'image).
[0016] Le procédé de segmentation de la présente invention pourrait également être utilisé sur des images représentant tous types d'objet, et pas nécessairement des pneumatiques. Dans ce cas, l'étape de mise à plat ne s'avérerait pas forcément utile, puisqu'elle est rendue nécessaire dans le cas d'un pneumatique du fait de la forme arrondie de l'objet.
[0017] De manière préférentielle, on obtient l'image mise à plat, que nous appellerons désormais « image plate », en soustrayant le minimum de l'image à cette valeur moyenne afin d'obtenir uniquement des valeurs positives. Pour cette dernière opération, on choisit avantageusement un rayon permettant de conserver les motifs tout en supprimant la porteuse. En outre, il s'avère que, bien que réalisée uniquement sur les lignes de l'image, cette opération permet aussi de s'affranchir de la courbure le long des colonnes de l'image.
[0018] Une fois l'image d'entrée mis à plat, l'étape suivante du procédé consiste à effectuer une opération de seuillage, afin de transformer l'image plate, qui est en niveaux de gris, en une image seuillée binaire. Ceci permet de créer un masque de sortie comprenant en un premier ensemble de pixels contenant les motifs, et un second ensemble de pixels comprenant les autres éléments.
[0019] Pour décider si un pixel appartient au masque de sortie, on vérifie trois critères :
Les deux premiers consistent à calculer d'une part la moyenne des niveaux de gris de l'ensemble des pixels de la ligne (respectivement de la colonne) sur laquelle est située un pixel, d'autre part l'écart-type, et d'additionner ces deux valeurs.
- Le troisième critère consiste à vérifier que le pixel appartient à une ligne valide, c'est-à- dire une ligne qui n'est pas trop proche ni du haut, ni du bas de l'image ; ou une ligne qui ne contient pas un trop grand nombre de valeurs aberrantes, ou bien encore une ligne qui n'est pas trop proche d'une ligne contenant un grand nombre de valeurs aberrantes.
[0020] En fonction du masque de sortie ainsi défini, il est alors possible de détecter, dans l'image mise à plat, les lignes dans lesquelles des motifs sont présents. A l'issue de cette détection, on obtient une image unidimensionnelle, de même taille que la hauteur de l'image plate.
[0021] Cette étape de détection est effectuée de la façon suivante :
- on calcule, pour chaque ligne de l'image mise à plat, la variance des niveaux de gris des pixels n'appartenant pas à l'image seuillée binaire, ce qui revient à exclure les motifs éventuelle,
- on effectue une seconde fois le calcul en dilatant horizontalement l'image seuillée ce qui revient à exclure plus de pixels du calcul.
[0022] Les lignes sur lesquelles des motifs sont présents dans l'image plate vont présenter un résultat fortement différent des autres lignes. En effet, le calcul de variance effectué exclu le phénomène d'ombre portée provoqué par les motifs, ce qui conduit à des valeurs basses par rapport à la moyenne. Ainsi, les lignes comportant des motifs présenteront une grande différence entre les deux valeurs de variance, alors que ce n'est pas le cas des lignes sans strie.
[0023] On effectue alors, pour chaque ligne, le rapport entre les deux valeurs variance ainsi calculées. Si ce rapport devient supérieur à un seuil prédéterminé, on considérera que la ligne comporte une strie.
[0024] On remarque ici que l'on utilise une spécificité des motifs en relief, à savoir le phénomène d'ombre portée, pour les détecter. D'autres méthodes pourraient être envisagées pour réaliser cette étape de détection, toutefois on a constaté que la méthode ici décrite fournissait les meilleurs résultats.
[0025] Il est à noter une fois de plus que cette étape de détection des motifs n'est utile que pour certains types d'objets manufacturés. En effet, dans le cas où les motifs ne sont présents que sur une partie du produit, il est nécessaire de détecter, sur une image représentant le produit, les lignes qui contiennent effectivement des motifs.
[0026] L'étape suivante, dans un procédé conforme à l'invention, consiste à évaluer le nombre de motifs sur chaque ligne. Pour ce faire, on met en œuvre les étapes suivantes : tout d'abord, on calcule la variance le long de chacune des colonnes d'une image d'entrée, pour constituer une image unidimensionnelle possédant une régularité similaire aux motifs. Selon les exemples, on choisira comme image d'entrée l'image plate ou l'image seuillée.
- on applique deux transformées de Fourier successives sur cette image unidimensionnelle pour obtenir une décomposition de l'image dans l'espace des fréquences,
on cherche alors un ou plusieurs maximums de l'image décomposée. En effet, si une valeur d'abscisse x est élevée, cela signifie qu'il y a dans l'image un motif qui se répète tous les x pixels. Par conséquent un maximum de l'image peut correspondre à une période de motifs.
[0027] Toutefois, on a constaté que dans certains cas, un maximum de l'image décomposée de correspond pas à une période des motifs recherchée, mais à une harmonique, c'est-à-dire une valeur due à une groupe de motifs qui se répète régulièrement dans l'image. Par conséquent il est utile, dans une réalisation particulière, de regarder les fractions du maximum déterminé pour détecter d'éventuels candidats à la période des motifs.
[0028] Dans une dernière étape d'un procédé selon l'invention, on détecte, dans l'image seuillée, les meilleures composantes pouvant être des motifs, et on les retient dans un ensemble Résultat. Pour ce faire, on parcourt les composantes connexes de l'image seuillée par taille décroissante, et on les retient si deux conditions sont respectées :
Tout d'abord, il ne faut pas que la composante connexe, si elle était ajoutée à l'ensemble Résultat, conduise à ce qu'il y ait sur une ligne de l'image seuillée un nombre d'éléments de l'ensemble Résultat supérieur au nombre de motifs détecté à l'étape précédente, et
- Il faut en outre que la composante connexe appartienne à une ligne valide telle que définie au paragraphe [0019]
[0029] A l'issue de cette dernière étape, on obtient alors un premier ensemble de pixel, correspondant à l'ensemble Résultat, comportant l'ensemble des motifs de l'image.
[0030] Toutefois, on a constaté que l'ensemble Résultat pouvait, dans certains cas, comprendre des éléments surnuméraires, qu'il serait utile de supprimer. A cet effet, dans un mode de réalisation, un procédé selon l'invention comporte en outre les étapes suivantes :
- une étape de réévaluation du nombre de motifs dans l'image, et - une étape de filtrage de l'ensemble de pixels déterminé, en fonction du nombre de motifs réévalué, pour obtenir un deuxième ensemble de pixels de l'image.
[0031] Dans un autre mode de réalisation, un procédé selon l'invention comporte en outre une étape au cours de laquelle on complète des espaces vides de l'image pour obtenir un troisième ensemble de pixels de l'image.
[0032] Dans un mode de réalisation, un procédé selon l'invention comporte une étape au cours laquelle on élimine, du troisième ensemble de pixels, des composantes surnuméraires, pour obtenir un quatrième ensemble de pixels de l'image représentant des motifs.
[0033] On a constaté qu'un léger bruit présent dans l'image sur laquelle est appliqué le procédé pouvait perturber la détection des motifs, et ainsi conduire à une mauvaise segmentation. Pour remédier à cela, dans un mode de réalisation, il est utile de prévoir une étape préalable de nettoyage de l'image avec des filtres morphologiques. Considérons, dans un exemple particulier, une image où est représentée la topographie d'un pneumatique, c'est-à-dire que la valeur de chaque pixel de l'image représente la hauteur du voisinage du point correspondant dans le pneumatique. Sur une telle image, les valeurs de niveau de gris élevées indiquent des pixels d'altitude élevée, tandis que les valeurs de niveau de gris basses indiquent des pixels de faible altitude. Ainsi, les motifs présents sur un pneumatique ressemblent, sur une image topographique, à des chaînes de montagne étendues, sans nécessairement être très hautes, tandis que le bruit présent dans l'image apparaît sous la forme de pic de très (montagnes) ou très basse (canyons) altitude mais de petite taille.
[0034] L'objectif de la présente étape est donc de supprimer ces pics de valeur. A cet effet, on utilise une ouverture morphologique, qui consiste à supprimer toutes les montagnes étroites, quelle que soit leur altitude, suivie d'une fermeture morphologique qui consiste à supprimer tous les canyons étroits, quelle que soit leur profondeur.
[0035] L'opération d'ouverture consiste d'abord à remplacer la valeur de chaque pixel de l'image par la valeur minimale des pixels situés dans un certain voisinage, puis à recommencer l'opération en prenant cette fois-ci la valeur maximale. L'opération de fermeture consiste à réaliser les mêmes deux opérations, mais dans le sens inverse (d'abord la valeur maximale, puis la valeur minimale). Le voisinage choisi consiste en l'ensemble des pixels situés sur la même ligne, que le pixel étudié (on parle alors d'ouverture et de fermeture par un élément structurant linéaire) et à une distance inférieure à un certain seuil. [0036] On choisit préférentiellement une valeur de seuil permettant d'éliminer, sur chaque ligne, des montagnes et des canyons de petite taille. Toutefois, ce choix de rayon doit représenter un compromis entre une valeur trop faible qui ne permettrait pas un nettoyage correct, et une valeur trop élevée qui pourrait conduire à la suppression de certains éléments d'intérêt des motifs.
DESCRIPTION DU MEILLEUR MODE DE RÉALISATION
[0037] On va décrire ci-après le détail de chacune des étapes de la méthode dans le cas d'un produit spécifique, à savoir un pneumatique. Dans la description de ce mode de réalisation, les motifs en relief seront appelés des stries. Dans cet exemple, l'étape nettoyage est effectuée au préalable. Ainsi, si on nomme CEA l'image de départ, l'image nettoyée sera :
[0038] Ainsi que décrit précédemment dans ce texte, l'étape de mise à plat est effectuée en utilisant une opération AvgSub
[0039] On effectue alors le calcul suivant : dans une fenêtre horizontale de taille 2r +1 centrée sur le pixel (x; y), on calcule la moyenne des pixels, et de retrancher cette dernière a la valeur du pixel (et ceci répété pour tous les pixels de l'image). De manière préférentielle, on obtient l'image mise à plat, que nous appellerons désormais « image plate », en soustrayant le minimum de l'image à cette valeur moyenne afin d'obtenir uniquement des valeurs positives :
[0040] Le calcul de l'image seuillée est effectué de la manière suivante :
On construit une fonction qui permet d'attribuer une étiquette à chaque ligne y de l'image d'entrée. Si on considère un masque PNM d'entrée, représentant les valeurs aberrantes de l'image d'entrée (les pixels de valeur aberrante sont à A, et les autres sont à 0, et on procède en deux temps : tout d'abord, on définit une première image unidimensionnelle temporaire, de même taille que la hauteur des images d'entrée, et telle que :
La première condition permet de marquer comme invalide les dix premières et les dis dernières lignes de l'image, et la seconde condition permet de marquer comme invalide toutes les lignes possédant plus de 5% de pixels marqués comme aberrants dans l'image PNM.
On pose Ligne_NOTOK_PNM=0 et Ligne_OK=2. L'image Ligne, qui nous donnera l'étiquette de chaque ligne, est obtenue en propageant les étiquettes de lignes invalides, grâce à une érosion, comme suit :
- On peut alors définit le masque de sortie en réalisant un seuil basé sur nos critères précédemment définis et sur l'étiquetage des lignes, à partir de l'image précédemment mise à plat (voir équation 2)
Cette formule produit en sortie un masque de taille égale à la taille des images en entrée, et où un pixel sera présent s'il est sur une ligne valide (première condition), si sa valeur est supérieur à la moyenne plus l'écart type des pixels de la même ligne que lui
(seconde condition), et si sa valeur est supérieure à la moyenne plus l'écart type des pixels de la même colonne que lui (troisième condition).
[0041] L'étape de détection des lignes comportant des stries est effectuée de la façon suivante :
- On commence par calculer, pour chaque ligne y de l'image mise à plat (voir équation
2), la variance des pixels n'appartenant pas à l'image seuillée, et la variance des pixels n'appartenant pas à l'image seuillée dilatée de 60 pixels :
Comme expliqué précédemment, on calcule, dans une nouvelle image unidimensionnelle Score, de taille égale à la hauteur des images d'entrée, le rapport entre ces deux valeurs. On calcule aussi, dans l'image unidimensionnelle Rapport, le rapport entre les deux valeurs mais en procédant à un nettoyage à l'aide d'ouvertures et de fermetures, de la façon suivantes :
L'image Rapport nous servira dans la suite de cette section, tandis que l'image Score nous servira dans les sections suivantes. On cherche, pour chaque ligne valide de l'image (en se servant de l'image Ligne définie à l'équation 3), quels sont les deux extrema de valeurs de Rapport.
Après plusieurs expérimentations, nous avons établi que le seuil de rapport de variance qui agit comme limite est 1.5 : si la valeur min Rapport est supérieure à ce seuil, alors on considère que les stries sont présentes sur toutes les lignes de l'image, si la valeur max Rapport est inférieur à ce rapport, alors l'image ne possède pas de stries.
Ce qui est plus compliqué à déterminer se passe quand ces deux extrema se situent de part et d'autre du seuil. Dans ce cas, la valeur de 1 ,5 ne joue plus le rôle de seuil satisfaisant, et il faut trouver un autre seuil différent selon les images. Notre technique consiste à choisir une valeur de seuil s de façon à diviser les lignes de l'image en deux classes (avec strie, on suppose, et sans strie, on suppose) de façon à ce que les variances des deux classes soient très proches (cette procédure est discutée dans la suite) :
Si plusieurs seuils sont candidats pour être le minimum, on prendra le seuil le plus bas. On peut construire l'image Ligne2_tmp qui attribue une étiquette à chacune des lignes de l'image d'entrée en attribuant, pour tout
On pose Ligne_NOTOK_NOTSTRIE=l .
L'image Ligne2 finale, qui attribue l'étiquette définitive de chacune des lignes de l'image d'entrée, est un mélange entre Ligne et une version nettoyée de Ligne2_tmp.
Pour tout on pose
Comme expliqué précédemment, l'image Ligne2 qui attribue une étiquette à chaque ligne de l'image d'entrée est composée en mélangeant les informations de Ligne et de
Ligne2_tmp. Si toutes les lignes ont un rapport de variance satisfaisant (supérieur à 1.5), alors les stries sont présentes sur toute la hauteur de l'image et Ligne2 sera une copie de Ligne. Sinon, si seules certaines lignes ont un rapport de variance satisfaisant, alors Ligne2 est égale à une version nettoyée de Ligne2_tmp sauf pour les lignes comportant trop de valeurs aberrantes, où on recopie l'étiquette Ligne NOTOK PNM (cette opération est réalisée grâce à l'utilisation du minimum) ;
Le nettoyage de Ligne2_tmp s'effectue grâce à une ouverture, suivie d'une fermeture. Cependant, on s'aperçoit dans les images comportant partiellement des stries que ces dernières ne s'interrompent pas toutes sur la même ligne : elles s'effacent peu à peu, et ne disparaissent pas aux mêmes lignes. Pour cette raison, on effectue une érosion de
Ligne2_tmp afin d'élargir les étiquettes des lignes sans strie et inclure, par précautions, ces zones « floues » comme lignes sans strie.
[0042] L'étape d'évaluation du nombre de stries sur chaque ligne est préférentiellement effectuée de la façon suivante :
- On calcule la variance de chacune des colonnes d'une image d'entrée Input qui est, selon le mode de réalisation, l'image mis à plat Plat ou l'image seuillée Seuil. Ce calcul est effectué en excluant, grâce à Ligne2, les éléments situés sur des lignes de possédant pas de stries. En outre, on effectue au préalable une érosion des éléments de Ligne2 pour éloigner les étiquettes de ligne valides de ces zones :
L'image Var_col ainsi obtenue est une image unidimensionnelle de même taille que la largeur des images en entrée. On constate que cette image possède un motif se répétant autant de fois qu'il y a de stries dans l'image. On va alors effectuer une analyse par Fourier de cette image Var_col pour trouver le nombre de stries présentes sur chaque ligne de l'image. Ce calcul est le suivant :
La taille de l'image F est égale à la plus grande puissance de deux strictement inférieure à L(Input) plus 1. Ainsi, pour des images de 40 000 pixels de large, F fait 32769 pixels. L'image F est telle qu'un pic sur F (1000) signifie qu'il y a, dans l'image, un motif se repérant tous les 1000 pixels. Par conséquent, il est utile de rechercher les pics de F. Toutefois, au préalable, on nettoie l'image avec une ouverture et une fermeture comme suit :
On constate que la structure de F2 est souvent la même quelle que soit l'image d'entrée : dans un premier tiers de l'image, on observe des oscillations intéressantes placées sur un signal porteur, puis, le signal reste plat, s'effondre vers la moitié de l'image, et remonte un peu pour rester plat dans la dernière moitié. On va donc chercher le minimum de l'image après le premier tiers, et placer des 0 après ce minimum, pour obtenir une image F3 comme suit :
On effectue ensuite une reconstruction géodésique d'une image D dans F3 afin de récupérer le signal porteur que l'on pourra alors supprimer. L'image D est une image de même taille que l'image F3, ayant pour valeur en tous les points sauf à l'abscisse 0 où elle vaut F3(0). On cherche alors la position du maximum de F 4 : " $■
On a constaté que ce maximum ne représentait pas toujours la période spatiale des stries dans l'image En effet, il faut tenir compte du phénomène d'harmoniques dans l'image. A cet effet, on va tester des fractions du maximum précédemment déterminé, et on recherche un maximum pn de F4 dans un certain voisinage Rn comme suit :
On construit alors l'ensemble Nb_strie qui contient tous les candidats au nombre de stries dans l'image :
[0043] L'étape de détection des meilleurs candidats de l'image binaire est effectuée comme suit :
Soit C l'ensemble des composantes connexes de Seuil ; C l'ensemble des éléments de C qui apparaissent sur au moins 20 lignes étiquetées comme valides, et soit S la séquence des éléments de C triés par taille décroissante. On a alors :
I !½«· kj i :' : ,i:€ { $, i < * ;ί¾ > ≠ ¾
On construit alors l'ensemble Candidat en ajoutant les éléments de S s'ils ne sont pas en conflit avec les éléments déjà ajoutés dans Candidat. Pour cela, on construit une suite d'ensemble R : Finalement, la présente invention propose un procédé mettant en œuvre un certain nombre de caractéristiques originales par rapport aux solutions connus de l'état de la technique.
Ainsi, les moyens permettant d'effectuer une détection des lignes de l'image où des motifs sont présents sont différents des solutions connues, puisque le principe consistant à prendre un masque de pixels candidats à appartenir à des motifs, et à observer comment la variance (calculée en excluant les éléments de ce masque) évolue en fonction de la dilatation de ce masque, est original. En effet, dans la présente invention, on cherche des éléments de relief qui provoquent une ombre projetée sur l'image, et on détecte les lignes de l'image possédant des motifs en tentant de détecter les lignes possédant une ombre portée.
Par ailleurs, la présente invention vise à proposer un procédé permettant de diviser les lignes de l'image en deux catégories : celles où des motifs sont présents, et celles n'en possédant pas. On a constaté que les solutions connues, à savoir l'approche classique consistant à minimiser la variance intra classe ou à maximiser la variance inter classes ne fonctionnaient pas (notamment car les classes peuvent avoir des variances fortes). Dans la présente invention, on utilise des moyens consistant à égaliser les variances des classes à l'aide d'un algorithme en temps linéaire, ce qui permet de remédier à l'inconvénient des solutions connues.
En outre, la méthode de comptage des motifs, permettant de savoir combien de motifs sont normalement présents sur l'image en l'absence de défaut comporte deux éléments inventifs :
Le premier réside dans le fait de réaliser une transformée de Fourier non pas sur chaque ligne de l'image, comme présenté dans les solutions connues, mais sur un signal en une dimension, représentatif des lignes de l'image. Ce signal est obtenu en calculant la variance de chaque colonne de l'image : grâce au relief des motifs et à leur ombre portée, on obtient un signal avec la même période que les motifs de l'image. Cette solution permet de diminuer les temps de calcul mis en œuvre.
Le second élément provient du fait de réaliser des opérations morphologiques sur les résultats de la transformée de Fourrier afin de la nettoyer d'éléments parasites qui pourraient fausser le résultat obtenu.
- Enfin, un procédé selon l'invention met en œuvre, pour la sélection des meilleurs composantes candidates pouvant appartenir à une strie, une série d'opérations de placement puis suppression des candidats en diminuant au fur et à mesure les contraintes sur leur position. Ce schéma de diminution des contraintes au fur et à mesure va à l'inverse de toutes les solutions de l'état de la technique qui consistent généralement à augmenter les contraintes avec le temps.

Claims

REVENDICATIONS
Procédé de segmentation d'une image, représentative d'un produit manufacturé dont la surface externe présente des motifs en relief, en une première zone comportant des motifs et une seconde zone n'en comportant pas, le procédé comportant les étapes suivantes :
• Une étape de seuillage au cours de laquelle on transforme l'image en niveau de gris en une image binaire,
• Une étape d'évaluation du nombre de motifs sur chaque ligne de l'image, et
• Une étape au cours de laquelle, en fonction des résultats des étapes précédentes qui permettent d'obtenir un nombre de motifs dans l'image, on détermine un premier ensemble de pixels de l'image représentant des motifs.
Procédé selon la revendication 1, comportant une étape initiale au cours de laquelle on effectue une mise à plat de l'image.
.Procédé selon la revendication 1 dans lequel l'étape de mise à plat de l'image comprend une étape de détection d'un signal porteur sur lequel reposent les motifs.
Procédé selon l'une des revendications précédentes, comprenant une étape, avant l'étape d'évaluation du nombre de motifs, de détection des lignes de l'image comportant des motifs.
Procédé selon la revendication 1 ou 2, comportant en outre les étapes suivantes :
une étape de réévaluation du nombre de motifs dans l'image, et
une étape de filtrage de l'ensemble de pixels déterminé, en fonction du nombre de motifs réévalué, pour obtenir un deuxième ensemble de pixels de l'image.
Procédé la revendication 3, comprenant en outre une étape au cours de laquelle on complète des espaces vides de l'image pour obtenir un troisième ensemble de pixels de l'image.
Procédé selon la revendication 4, comprenant une étape au cours laquelle on élimine, du troisième ensemble de pixels, des composantes surnuméraires, pour obtenir un quatrième ensemble de pixels de l'image représentant des motifs. Procédé selon l'une des revendications précédentes comprenant l'étape préalable de nettoyer l'image avec des filtres morphologiques.
EP16742345.8A 2015-06-29 2016-06-28 Procédé de segmentation d'image Withdrawn EP3314573A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1556080A FR3038110B1 (fr) 2015-06-29 2015-06-29 Procede de segmentation d'image
PCT/FR2016/051599 WO2017001765A1 (fr) 2015-06-29 2016-06-28 Procédé de segmentation d'image

Publications (1)

Publication Number Publication Date
EP3314573A1 true EP3314573A1 (fr) 2018-05-02

Family

ID=54329697

Family Applications (1)

Application Number Title Priority Date Filing Date
EP16742345.8A Withdrawn EP3314573A1 (fr) 2015-06-29 2016-06-28 Procédé de segmentation d'image

Country Status (5)

Country Link
US (1) US20180197293A1 (fr)
EP (1) EP3314573A1 (fr)
CN (1) CN107851317A (fr)
FR (1) FR3038110B1 (fr)
WO (1) WO2017001765A1 (fr)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110148149B (zh) * 2019-05-20 2024-01-30 哈尔滨工业大学（威海） 基于局部对比度累积的水中航行器热尾迹分割方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7369956B2 (en) * 2005-10-25 2008-05-06 Commercial Time Sharing, Inc. System for testing tire sidewall irregularities and related methods
FR2959046B1 (fr) * 2010-04-19 2012-06-15 Michelin Soc Tech Methode de controle de l'aspect de la surface d'un pneumatique
FR2974219A1 (fr) * 2011-04-18 2012-10-19 Michelin Soc Tech Analyse de l'image numerique de la surface externe d'un pneumatique - traitement des points de fausse mesure
FR2975523B1 (fr) * 2011-05-19 2015-09-25 Michelin Soc Tech Methode de determination des elements en relief presents sur la surface d'un pneumatique
FR2975524B1 (fr) * 2011-05-19 2013-05-17 Michelin Soc Tech Methode de determination des marquages en relief presents sur la surface exterieure du flanc d'un pneumatique
JP5956782B2 (ja) * 2011-05-26 2016-07-27 キヤノン株式会社 撮像素子及び撮像装置

Also Published As

Publication number Publication date
WO2017001765A1 (fr) 2017-01-05
FR3038110A1 (fr) 2016-12-30
FR3038110B1 (fr) 2017-08-11
CN107851317A (zh) 2018-03-27
US20180197293A1 (en) 2018-07-12

Similar Documents

Publication Publication Date Title
EP2710555B1 (fr) Méthode de détermination des éléments en relief présents sur la surface d&#39;un pneumatique
BE1017547A6 (fr) Compression d&#39;images numeriques de documents scannes.
EP0054596B1 (fr) Procédé d&#39;inspection et de tri automatique d&#39;objets présentant des configurations avec des tolérances dimensionnelles et des critères de rejet variables selon l&#39;emplacement, équipement et circuits de mise en oeuvre
EP1523731B1 (fr) Procede de traitement d&#39;une image acquise au moyen d&#39;un guide compose d&#39;une pluralite de fibres optiques
EP2710552B1 (fr) Methode de determination des marquages en relief presents sur la surface exterieure du flanc d&#39;un pneumatique
Ružić et al. Virtual restoration of the Ghent Altarpiece using crack detection and inpainting
EP2145293A2 (fr) Dispositif de comptage de cartes
FR2827060A1 (fr) Procede d&#39;identification du ciel dans une image et image obtenue grace a ce procede
EP3314574A1 (fr) Procédé de segmentation d&#39;image
EP3555602B1 (fr) Procede de caracterisation par microscopie electronique a balayage cdsem
CN114240793B (zh) 基于多区间子直方图均衡化的水下图像增强方法
WO2017001765A1 (fr) Procédé de segmentation d&#39;image
FR2870969A1 (fr) Dispositif, procede et programme d&#39;elimination de pores
EP3175428A1 (fr) Procédé d&#39;extraction de motifs non périodiques masques par des motifs périodiques, et dispositif mettant en oeuvre le procédé
EP1129432B1 (fr) Procede de comparaison d&#39;images enregistrees formees de pixels representant des equipotentielles d&#39;au moins une puce de circuit integre
WO2015091518A1 (fr) Procédé, dispositif et système de traitement de correction d&#39;images
Barbu Novel variational technique for mixed Poisson-Gaussian noise filtering
EP3400576B1 (fr) Procédé de traitement graphique d&#39;images
Rajal An approach for image enhancement using fuzzy inference system for noisy image
EP0597762A1 (fr) Procédé de réalisation d&#39;une image de référence synthétisée pour l&#39;inspection d&#39;objets
FR3059128A1 (fr) Procede de caracterisation de l&#39;anisotropie de la texture d&#39;une image numerique
Kupidura et al. The morphological filtering of the remote sensing images for the noise reduction comparing to traditional filters
Luongo et al. Investigating Machine Learning for Monte-Carlo noise removal in rendered images
WO2020025625A1 (fr) Analyse d&#39;au moins un type de defauts parmi une pluralite de types de defauts entre au moins deux echantillons
FR2705005A1 (fr) Dispositif de segmentation d&#39;images composées de textures à partir de signaux numériques représentatifs desdites images.

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

17P Request for examination filed

Effective date: 20180129

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

RIN1 Information on inventor provided before grant (corrected)

Inventor name: BILODEAU, MICHEL

Inventor name: CHAUSSARD, JOHN

Inventor name: ARVIS, VINCENT

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: COMPAGNIE GENERALE DES ETABLISSEMENTS MICHELIN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20200103