FR3030845A1

FR3030845A1 - PROCESS FOR CONFORMING TIRE CONFORMITY

Info

Publication number: FR3030845A1
Application number: FR1462901A
Authority: FR
Inventors: Alexandre Joly; Regis Vinciguerra; Alexandre Chariot
Original assignee: Michelin Recherche et Technique SA Switzerland; Compagnie Generale des Etablissements Michelin SCA; Michelin Recherche et Technique SA France
Current assignee: Michelin Recherche et Technique SA Switzerland; Compagnie Generale des Etablissements Michelin SCA; Michelin Recherche et Technique SA France
Priority date: 2014-12-19
Filing date: 2014-12-19
Publication date: 2016-06-24
Anticipated expiration: 2034-12-19
Also published as: FR3030845B1

Abstract

Dans ce procédé de contrôle de conformité de pneumatiques, des moyens automatisés exécutent les étapes suivantes : - déterminer au moins une dilatation d'une représentation de base (74) comprenant au moins une zone de stries d'un pneumatique de façon à obtenir une représentation dilatée; - déterminer au moins une érosion de la représentation de base (74) de façon à obtenir une représentation érodée; et - déterminer une différence entre la représentation dilatée et la représentation érodée de façon à obtenir une représentation de différence.In this method of checking tire conformity, automated means perform the following steps: - determining at least one expansion of a basic representation (74) comprising at least one striation zone of a tire so as to obtain a representation dilated; - determining at least one erosion of the basic representation (74) so as to obtain an eroded representation; and - determining a difference between the dilated representation and the eroded representation so as to obtain a difference representation.

Description

- 1 - L'invention concerne l'analyse de la conformité des stries des pneumatiques. Les flancs des pneumatiques présentent habituellement à leur surface des gravures ou des éléments en reliefs dont du texte, des logos, des cadres et autres formes ou dessins divers. Certaines de ces gravures ont la particularité d'être striées, c'est-à-dire qu'elles présentent un motif, par exemple une forme, une ligne ou une courbe, régulièrement répété dans une direction donnée. On est donc amené à vérifier si ces stries sont bien régulières, c'est-à-dire si elles présentent des défauts ou non. Ce type d'analyse se fait par vision sur des images des pneumatiques et comprend généralement une première étape consistant à détecter les zones de stries sur l'image, puis une deuxième étape consistant à vérifier la conformité de ces stries. La première étape est en général réalisée avec une méthode de filtrage spectral permettant d'identifier des fréquences correspondant à des stries dans l'image. Elle peut également être réalisée par le calcul de taux de corrélation entre l'image étudiée et des images de références présentant des stries. Cependant, ces deux méthodes ont pour inconvénient d'être coûteuses en temps de calcul. La deuxième étape est généralement réalisée grâce à des techniques de filtrage permettant de supprimer les stries de l'image puis de rechercher les éventuels défauts sur les parties restantes de l'image. On compare souvent ces dernières à des images de référence. Là encore, le filtrage peut être long. Une autre technique consiste à recaler une image de référence de la zone striée, par exemple une image issue d'un modèle « CAO », puis de comparer la zone à cette référence, cette comparaison pouvant s'effectuer sur l'ensemble de la zone striée ou par blocs. On peut également utiliser des algorithmes de détection de contours dans l'image pour identifier des défauts dans les zones de stries.The invention relates to the analysis of the conformity of the striations of tires. The flanks of the tires usually have on their surface engravings or relief elements including text, logos, frames and other shapes or designs. Some of these engravings have the particularity to be striated, that is to say that they have a pattern, for example a shape, a line or a curve, regularly repeated in a given direction. It is therefore necessary to check if these streaks are regular, that is to say if they have defects or not. This type of analysis is by vision on images of the tires and generally comprises a first step of detecting the streaks areas on the image, then a second step of checking the compliance of these streaks. The first step is generally performed with a spectral filtering method for identifying frequencies corresponding to streaks in the image. It can also be performed by calculating the correlation rate between the studied image and reference images having streaks. However, these two methods have the disadvantage of being expensive in computing time. The second step is usually performed using filtering techniques to remove the streaks of the image and then look for any defects on the remaining parts of the image. These are often compared to reference images. Again, the filtering can be long. Another technique is to readjust a reference image of the striated zone, for example an image resulting from a "CAD" model, then to compare the zone with this reference, this comparison being able to be carried out on the whole zone streaked or in blocks. Contour detection algorithms can also be used in the image to identify defects in the streak areas.

Un but de l'invention est de fournir un procédé d'analyse de la conformité des stries de pneumatiques moins coûteux en temps de calcul, et plus rapide à mettre en oeuvre. On prévoit à cet effet un procédé de contrôle de conformité de pneumatiques, dans lequel des moyens automatisés exécutent les étapes suivantes : - déterminer au moins une dilatation d'une représentation de base comprenant au moins une zone de stries d'un pneumatique de façon à obtenir une représentation dilatée ; - déterminer au moins une érosion de la représentation de base de façon à obtenir une représentation érodée ; et - déterminer une différence entre la représentation dilatée et la représentation érodée de façon à obtenir une représentation de différence. Un tel procédé ne nécessite pas l'utilisation d'une référence, et en cela il présente - 2 - l'avantage d'être plus simple à mettre en oeuvre que les procédés connus. La dilatation permet d'obtenir dans l'image dilatée, à la place de la zone de stries de l'image de base, une zone de stries lisse, les intervalles entre les stries ayant été effacés par la dilatation. L'érosion permet elle d'obtenir dans l'image érodée, à la place de la zone de stries de l'image de base, une zone d'intervalles de stries lisse, les stries ayant été effacées par l'érosion. Ainsi, dans un cas où les stries de la représentation de base sont parfaites, la représentation de différence doit comprendre une zone parfaitement homogène au même endroit que la position de la zone de stries dans la représentation de base. Dans la pratique, si la zone de stries ne comprend pas de défaut, la représentation de différence comprend une zone correspondant à la zone de stries, dont les niveaux de gris ou de couleurs sont sensiblement constants, dans un intervalle de tolérance du bruit. Dans le cas contraire, la représentation de différence comprend une ou des zones dont les niveaux de gris ou de couleurs sont très différents de ceux des pixels environnant. Les mêmes observations valent en considérant des voxels plutôt que des pixels. Il en va de même dans toute la suite, chaque fois que l'on considèrera des pixels. Les représentations numériques sur lesquelles sont mis en oeuvre un procédé selon l'invention peuvent être de trois types : - Des représentations dites « 2D », qui correspondent à des images en deux 20 dimensions dans laquelle chaque pixel porte une information de luminance) - Des représentations dites « 2.5D », qui correspondent à des images en deux dimensions dans laquelle chaque pixel porte une information de profondeur, - Des représentations dites « 3D », qui correspondent à des volumes en trois dimensions dans lequel chaque voxel porte une information de luminance. 25 Dans le cas où les acquisitions utilisées présentent une information de type « relief », chaque pixel de l'image porte une information topographique de profondeur des stries. Le niveau de gris ou de couleur correspond à cette profondeur des stries. Dans le cas où les acquisitions portent une information de luminance, le niveau correspond, par exemple, au contraste entre le fond et le haut des stries. 30 Avantageusement, on obtient la représentation de base en visualisant au moins une zone de flanc d'un pneumatique. De préférence, les moyens automatisés déterminent un ou plusieurs éléments structurants de la dilatation et de l'érosion en fonction d'une dimension des stries, d'un intervalle entre les stries et/ou d'une orientation des stries. 35 Ainsi, les éléments structurants sont adaptés à chaque type de stries détectées en amont. Cela permet d'effectuer des opérations de dilatations et d'érosion les plus pertinentes possibles, en effaçant de la manière la plus correcte possible - 3 - respectivement les stries et les intervalles entre les stries, tout en conservant les autres éléments. Avantageusement, les moyens automatisés déterminent au moins deux dilatations de la représentation de base avec des éléments structurants respectifs 5 différents, pour obtenir la représentation dilatée. De préférence, les moyens automatisés déterminent au moins deux érosions de la représentation de base avec des éléments structurants respectifs différents, pour obtenir la représentation érodée. Ainsi, pour des formes complexes telles que des stries comprenant plusieurs 10 orientations ou des épaisseurs différentes au sein d'une même zone de stries, on sépare les stries en différents types de stries, et on répète les opérations de dilatation et/ou d'érosion pour chaque type de strie, avec des éléments structurants adaptés aux différents types de stries de la zone. Avantageusement, on compare des valeurs numériques de pixels ou de voxels de 15 la représentation de différence à au moins un seuil prédéterminé. Ainsi, si certaines des valeurs des pixels ou voxels sont éloignés du seuil, on considère que les stries de la représentation de base comprennent un défaut. En revanche, si toutes les valeurs sont comprises dans un intervalle prédéterminé relatif au seuil prédéterminé, on considère que la zone de stries de la représentation de base ne 20 comprend pas de défaut, et que le pneumatique est donc conforme. De préférence, le seuil ou l'un au moins des seuils est une médiane de valeurs des pixels ou de voxels de la représentation de différence. Avantageusement, la représentation de base ne comprend pas de couleur autre que du noir, du blanc et des niveaux de gris. 25 Mais la représentation de base peut aussi comprendre du noir, du blanc et du gris. De préférence, au préalable, pour localiser une zone de stries dans une représentation numérique d'un pneumatique, des moyens automatisés effectuent les étapes suivantes : 30 - considérer au moins un pixel ou voxel d'une zone de la représentation et, pour le ou chaque pixel ou voxel considéré : - identifier un segment de pixels ou de voxels centré sur le pixel ou le voxel considéré, - déterminer au moins une valeur relative à des différences entre des niveaux de gris 35 ou de couleurs de pixels ou de voxels du segment, et - comparer la ou les valeurs à un ou des seuils prédéterminés. Ainsi, l'approche segmentaire permet de déterminer des valeurs qui ont trait à - 4 - une suite de pixels successifs, au lieu d'étudier l'image pixel par pixel. Cette approche est donc particulièrement bien adaptée lorsque le segment à étudier est perpendiculaire à des stries, les valeurs relatives à des différences entre les niveaux de gris ou de couleurs mettant alors en évidence la variation de niveaux des pixels. Il n'est pas non plus nécessaire de chercher à détecter des pics de fréquences dans une image transformée via des calculs complexes, par exemple par une analyse de Fourier, puisqu'on s'intéresse directement à l'image à étudier afin de détecter les stries. De plus, en passant d'un pixel considéré à un pixel considéré adjacent, le segment centré sur ce pixel comprend des valeurs relatives à des différences de niveaux de pixels ou de voxels déjà calculées précédemment. On peut ainsi calculer des valeurs relatives à des différences au sein de plusieurs segments qui se chevauchent rapidement en factorisant les calculs. On prévoit également un procédé de référencement des stries présentes dans des représentations numériques de pneumatiques, dans lequel des moyens 15 automatisés effectuent les étapes suivantes afin de référencer des types de stries: - déterminer au moins une représentation comportant un type de stries à référencer, - identifier au moins un segment de pixels ou de voxels de la représentation, et - enregistrer au moins une valeur relative à des différences entre des niveaux de gris ou de couleurs de pixels ou de voxels du segment. 20 Ainsi, la ou chaque valeur enregistrée sert ensuite de témoin auquel une ou des valeurs mesurées sur une image étudiée sont comparées, afin de déterminer si l'image étudiée comporte des stries ou non. L'approche segmentaire permet de référencer des valeurs qui ont trait à une suite de pixels successifs, au lieu d'étudier l'image pixel par pixel par exemple. Cette approche est donc particulièrement bien adaptée lorsque le 25 segment est perpendiculaire à des stries, les valeurs relatives à des différences entre les niveaux de gris ou de couleurs mettant alors en évidence la variation de niveaux des pixels. Ce procédé est indépendant du type de procédé de détection de stries utilisé par la suite. On prévoit également un programme d'ordinateur comprenant des instructions de 30 code apte à commander la mise en oeuvre des étapes du procédé de l'invention lorsqu'il est exécuté sur un ordinateur. On prévoit également un dispositif de contrôle de conformité de pneumatiques, apte à mettre en oeuvre un des procédés précédemment décrits On prévoit enfin un support de stockage lisible par ordinateur et comprenant un 35 programme selon l'invention sous forme enregistrée. Nous allons maintenant décrire un mode de réalisation de l'invention à titre d'exemple non limitatif et à l'appui des dessins annexés sur lesquels : - 5 - - les figures 1 et 2 illustrent des images numériques contenant des zones de stries ; - les figures 3 à 5 illustrent de façon schématique respectivement une image numérique, un segment de cette image, et le segment sous forme binarisée; - la figure 6 illustre un procédé selon un mode de réalisation de l'invention ; - les figures 7 à 11 illustrent de façon schématique respectivement une image, un segment de l'image, le segment sous forme binarisée, un autre segment de l'image et ce segment sous forme binarisée ; - la figure 12 illustre un procédé selon un autre mode de réalisation l'invention ; - les figures 13 à 16 illustrent de façon schématique une image numérique, l'image 10 sous forme érodée, l'image sous forme dilatée, et une image de différence entre les images dilatée et érodée ; - les figures 17 et 18 illustrent respectivement une image numérique comprenant une zone de stries présentant un défaut et l'image de différence résultant de cette image selon un mode de réalisation de l'invention, et 15 - la figure 19 illustre un dispositif apte à mettre en oeuvre un procédé selon l'invention. Le procédé de contrôle de pneumatiques vise à créer une base d'images de pneumatiques afin de référencer des types de stries puis de détecter des stries similaires aux types de stries référencés dans des images de test. Le procédé de 20 contrôle de conformité de stries vise à vérifier si des zones de stries de pneumatiques présentent des défauts. I Procédé de référencement 25 Le procédé consiste d'abord référencer des types de stries, puis à détecter des stries dans des images grâce aux stries référencées. Les figures 1 et 2 illustrent différents types de stries dans des images 10 et 20 en deux dimensions. Ces types de stries diffèrent entre eux par l'épaisseur des stries, leur orientation, leur rectitude, l'intervalle entre les stries, ainsi que les niveaux de gris des 30 stries et des intervalles de stries de chaque type. La figure 1 propose d'ailleurs deux zones 1 et 2 de types de stries différents. Ce sont tous ces types de stries que l'on souhaite à la fois référencer dans un premier temps, et détecter dans un deuxième temps lorsqu'on retrouve ces stries dans une image. Les étapes des différents modes de réalisations qui vont être présentés sont 35 exécutées par des moyens automatisés 91 appartenant à un dispositif 90, lequel comprend notamment un processeur 94, une mémoire 95 et est connecté à une base de donnée 92. Ces éléments sont illustrés à la figure 19. Afin d'exécuter le procédé, le - 6 - dispositif applique un programme informatique. Ce programme peut demander en entrée une image ou une série d'image comprenant des zones de stries à référencer, ainsi qu'une image ou des images à étudier. En sortie, il fournit à l'utilisateur les données sur chaque type de stries de référence, ainsi que les types de stries déterminés et leur localisation dans les images à étudier. En outre, le même programme ou un programme distinct permet d'appliquer un procédé de contrôle de conformité décrit plus loin. Il demande alors en entrée une image comprenant une zone de stries et fournit en sortie une image dite « image de différence », ainsi que des données concernant des pixels représentants des éventuels défauts. L'image d'entrée peut être fournie automatiquement par le procédé lui-même lorsqu'il a détecté des stries dans une image. Ainsi, le même programme permet de déterminer des stries dans une image d'un pneumatique, et en même temps de déterminer si ces stries présentent ou non des défauts. En outre, ce programme peut être mis à disposition sur un réseau de 15 télécommunications, tel que le web, ou un réseau interne, de façon à permettre son téléchargement par un utilisateur. De même, le programme ou des instructions équivalentes peuvent être enregistrées sur un support de stockage 93 lisible par un ordinateur, comme un disque dur, une clé USB, un CD, ou tout autre support équivalent, qui peuvent comprendre la 20 base de données. Afin d'effectuer le référencement de types de stries, on sélectionne des images dites « de référence » comprenant des zones de stries telles que les images 10 et 20 des figures 1 et 2, pour construire une base de référence. Plus on a d'images de référence dans la base, plus des types de stries différents seront référencés, et donc 25 plus on pourra détecter de types de stries différents dans des images d'étude ou de test de pneumatique. Cette base de référence pourra comprendre toute image comprenant une zone striée, même non explicitement décrite dans la présente demande. En l'espèce, on considère l'image schématique 30 de la figure 3 comprenant des stries verticales 3. Dans la zone de stries, on sélectionne un segment 4 de pixels. On 30 l'appelle « segment de référence ». Chaque pixel de l'image 30, et a fortiori du segment de référence 4, comprend une valeur de niveau de gris. Concrètement, on sélectionne un segment 4 de référence de 21 pixels. On aurait pu sélectionner un segment de référence comprenant un autre nombre de pixels. Ce nombre correspond à un segment de référence suffisamment grand pour intercepter plusieurs stries et suffisamment petit 35 pour que les calculs décrits ci-après ne soient pas trop chronophages. Une fois le segment de référence 4 sélectionné, on effectue les étapes suivantes : 1) on calcule les différences de niveaux de gris, en valeur absolue, entre chaque - 7 - paire de pixels adjacents du segment de référence 4. Ainsi, sur le segment 4 de la figure 4, qui représente à grande échelle et de façon schématique le segment de référence 4 de la figure 3, on détermine la différence en valeur absolue entre le niveau de gris du pixel 6 et le niveau de gris du pixel 7, puis la différence entre le pixel 7 et le pixel 8, et ainsi de suite. 2) On somme ces différences, qu'on divise par le nombre de pixels du segment de référence, moins une unité, c'est-à-dire en l'espèce en divisant par 20, de façon à obtenir la moyenne des différences de niveaux de gris entre chaque paire de pixels adjacents du segment. On enregistre cette moyenne, dite « moyenne de référence », dans une base de données. 3) On calcule une moyenne des niveaux de gris des pixels du segment de référence. 4) Au sein du segment de référence, on binarise les valeurs de pixels en fonction de la moyenne des niveaux de gris précédemment calculée. Ainsi, si une valeur de gris d'un pixel égale ou dépasse la moyenne des niveaux de gris du segment de référence, on attribue au pixel correspondant la valeur « 0 ». Si une valeur de gris est inférieure à la moyenne, on attribue au pixel correspondant la valeur « 1 ». On obtient ainsi un segment 50 illustré à la figure 5. C'est à partir de ce segment 50 que l'on effectue les calculs décrits ci-après : 5) On détermine des distances, appelées périodes principales, du segment 50 de pixels binarisé. Une période principale correspond à la distance la plus courte, en nombre de pixels, entre deux changements entre des valeurs au sein de paires de pixels adjacents lorsque l'on parcoure le segment de gauche à droite, ces changements étant identiques et le premier pixel de chaque paire comprenant une valeur identique à celle du premier pixel du segment situé à l'extrémité gauche.. Ainsi, sur la figure 5, le premier pixel 14 situé à l'extrémité gauche a la valeur binaire « 1 ». On recherche donc le premier changement entre un pixel de valeur binaire « 1 » et un pixel de valeur binaire « 0 ». Ce changement a lieu entre les pixels 15 et 16. On recherche ensuite le deuxième changement identique, c'est-à-dire entre un pixel de valeur binaire « 1 » et un pixel de valeur binaire « 0 », en parcourant le segment de gauche à droite. Ce changement a lieu entre les pixels 17 et 18. On obtient ainsi la période principale 11, formée de onze pixels. De la même manière, on obtient la une ou plusieurs périodes principales suivantes 12 dans le segment. On pourrait effectuer un calcul du même type en parcourant le segment de droite à gauche. Le premier pixel du segment dont on observerait la valeur binaire serait alors le premier pixel situé à l'extrémité droite su segment. 6) On calcule alors la période moyenne des périodes principales du segment, et on - 8 - l'enregistre dans la base de données. On l'appellera par la suite la « période moyenne de référence ». 7) On fixe la « longueur de référence » d'un segment. On la fixe en l'espèce à 3.5 fois la période moyenne de référence. On aurait pu choisir un nombre autre que 3.5, 5 sachant que ce nombre doit rester strictement supérieur à 1. Grace aux étapes précitées, on a entré le type de stries de la figure 3 en tant que référence dans la base données. Les trois données entrées pour ce type de stries, à savoir la moyenne de référence, la période moyenne de référence, et la longueur de référence, doivent permettre de détecter ce type de stries dans une image quelconque 10 à étudier, si ces stries sont présentes. Il Le procédé de détection de stries On étudie maintenant la détection de stries dans une image, c'est-à-dire le 15 procédé qui permet de détecter et localiser des stries dans une image donnée, en les comparant aux stries référencées par les trois données enregistrées pour chaque type de strie, comme expliqué précédemment. Si on a référencé un grand nombre de types de stries, chaque type de stries référencé peut être comparé aux valeurs que l'on va déterminer lors de la détection. A cet effet et en référence à la figure 6 qui illustre un 20 procédé selon un mode préféré de l'invention, on effectue, pour un type de stries donné, les étapes suivantes : A) Dans une image à étudier, en l'espèce l'image 60 de la figure 7, on sélectionne un pixel 61. On détermine un segment d'étude 62 de 21 pixels centré sur le pixel 61. Ce segment est illustré en détail à la figure 8. De la même manière qu'aux étapes 1) et 2) 25 du procédé de référencement, on détermine la moyenne des valeurs absolues des différences de niveaux au sein de chaque paire de pixels du segment d'étude 62. On compare alors le résultat à une « moyenne de référence » d'un type de stries enregistrée grâce au procédé de référencement, type de stries auquel on souhaite comparer l'image à étudier. A cet effet, on compare la moyenne calculée sur le segment 30 d'étude 62 de l'image 60 à un intervalle de valeurs prédéterminées centré sur la « moyenne de référence » du type de strie considéré. Si la moyenne calculée sur le segment d'étude se trouve dans l'intervalle, alors on soumet le segment à l'étape B). Si le résultat n'est pas compris dans l'intervalle, alors on sélectionne un autre type de stries référencé auquel on souhaite comparer le segment d'étude 62, et on 35 recommence à l'étape A) pour le nouveau type de stries référencé considéré. Cela revient à utiliser un seuil haut et un seuil bas de part et d'autre de la moyenne de référence et à comparer le résultat avec ces seuils. - 9 - Si le résultat n'est compris dans aucun intervalle de valeur pour tous les types de stries référencés, alors cela signifie que le pixel 61 n'appartient à aucun type de strie référencé. On stoppe tout test pour le pixel 61, et on peut recommencer le processus avec un autre pixel.An object of the invention is to provide a method for analyzing the conformity of tire grooves less expensive in terms of calculation time, and faster to implement. For this purpose, a tire conformity checking method is provided, in which automated means perform the following steps: determining at least one expansion of a basic representation comprising at least one striation zone of a tire so as to obtain a dilated representation; determining at least one erosion of the basic representation so as to obtain an eroded representation; and - determining a difference between the dilated representation and the eroded representation so as to obtain a difference representation. Such a method does not require the use of a reference, and in this it has the advantage of being simpler to implement than the known methods. The dilation allows to obtain in the dilated image, in place of the striation zone of the base image, a smooth streak zone, the intervals between the streaks having been erased by the expansion. The erosion makes it possible to obtain in the eroded image, instead of the striation zone of the base image, a zone of intervals of smooth striations, the streaks being erased by erosion. Thus, in a case where the streaks of the basic representation are perfect, the difference representation must comprise a perfectly homogeneous area at the same place as the position of the striation zone in the basic representation. In practice, if the streak area does not include a defect, the difference representation includes an area corresponding to the streak area, whose gray or color levels are substantially constant, within a noise tolerance range. In the opposite case, the difference representation comprises one or more zones whose gray or color levels are very different from those of the surrounding pixels. The same observations are worth considering voxels rather than pixels. The same goes for the rest of the time, each time we consider pixels. The digital representations on which a method according to the invention is implemented can be of three types: - representations called "2D", which correspond to two-dimensional images in which each pixel carries a luminance information) - so-called "2.5D" representations, which correspond to two-dimensional images in which each pixel carries depth information, - "3D" representations, which correspond to three-dimensional volumes in which each voxel carries a luminance information . In the case where the acquisitions used present a "relief" type of information, each pixel of the image carries topographic information of depth of the streaks. The level of gray or color corresponds to this depth of the streaks. In the case where the acquisitions carry a luminance information, the level corresponds, for example, to the contrast between the background and the top of the streaks. Advantageously, the basic representation is obtained by visualizing at least one sidewall zone of a tire. Preferably, the automated means determine one or more structuring elements of the expansion and erosion as a function of a dimension of the streaks, a gap between the striations and / or a striations orientation. Thus, the structuring elements are adapted to each type of streaks detected upstream. This makes it possible to carry out the most relevant dilation and erosion operations possible, by deleting the striations and intervals between the striations in the most correct manner, while preserving the other elements. Advantageously, the automated means determine at least two dilations of the basic representation with respective different structuring elements, to obtain the expanded representation. Preferably, the automated means determines at least two erosions of the basic representation with respective different structuring elements, to obtain the eroded representation. Thus, for complex shapes such as streaks comprising several orientations or different thicknesses within the same zone of striations, the streaks are separated into different types of streaks, and the expansion and / or erosion for each type of streak, with structuring elements adapted to the different types of streaks of the zone. Advantageously, numerical values of pixels or voxels of the difference representation are compared to at least one predetermined threshold. Thus, if some of the values of the pixels or voxels are far from the threshold, it is considered that the streaks of the basic representation comprise a defect. On the other hand, if all the values are within a predetermined interval relative to the predetermined threshold, it is considered that the striation zone of the basic representation does not include a defect, and that the tire therefore conforms. Preferably, the threshold or at least one of the thresholds is a median of values of the pixels or voxels of the difference representation. Advantageously, the basic representation does not include any color other than black, white and gray levels. But the basic representation can also include black, white and gray. Preferably, in advance, to locate a zone of grooves in a digital representation of a tire, automated means perform the following steps: - consider at least one pixel or voxel of a zone of the representation and, for the each pixel or voxel considered: - identify a segment of pixels or voxels centered on the pixel or the voxel considered, - determine at least one value relative to differences between gray levels or colors of pixels or voxels of the segment , and - comparing the value or values with one or more predetermined thresholds. Thus, the segmental approach makes it possible to determine values that relate to a series of successive pixels, instead of studying the pixel-by-pixel image. This approach is therefore particularly well suited when the segment to be studied is perpendicular to streaks, the values relating to differences between the gray or color levels then highlighting the variation of pixel levels. Nor is it necessary to seek to detect frequency peaks in an image transformed by complex calculations, for example by Fourier analysis, since one is directly interested in the image to be studied in order to detect the streaks. In addition, by passing from a pixel considered to a pixel considered adjacent, the segment centered on this pixel comprises values relating to differences in levels of pixels or voxels already calculated previously. It is thus possible to calculate values relating to differences within several rapidly overlapping segments by factoring the calculations. There is also provided a method for referencing streaks present in digital tire representations, in which automated means perform the following steps in order to reference types of streaks: determining at least one representation comprising a type of streaks to be referenced; identifying at least one pixel or voxel segment of the representation; and - recording at least one relative value of differences between gray levels or colors of pixels or voxels of the segment. Thus, the or each recorded value is then used as a control to which one or more values measured on a studied image are compared, in order to determine whether the studied image comprises streaks or not. The segmental approach makes it possible to reference values which relate to a series of successive pixels, instead of studying the image pixel by pixel for example. This approach is therefore particularly well suited when the segment is perpendicular to streaks, the values relating to differences between the gray or color levels then highlighting the variation of pixel levels. This method is independent of the type of streak detection method used later. There is also provided a computer program comprising code instructions adapted to control the implementation of the steps of the method of the invention when executed on a computer. There is also provided a tire conformity control device capable of implementing one of the previously described methods. Finally, a computer-readable storage medium comprising a program according to the invention in recorded form is provided. An embodiment of the invention will now be described by way of nonlimiting example and with reference to the accompanying drawings, in which: FIGS. 1 and 2 illustrate digital images containing streak areas; FIGS. 3 to 5 schematically illustrate respectively a digital image, a segment of this image, and the segment in binarized form; FIG. 6 illustrates a method according to one embodiment of the invention; FIGS. 7 to 11 schematically illustrate respectively an image, a segment of the image, the segment in binarized form, another segment of the image and this segment in binarized form; FIG. 12 illustrates a method according to another embodiment of the invention; Figures 13 to 16 schematically illustrate a digital image, the image in eroded form, the image in dilated form, and a difference image between the dilated and eroded images; FIGS. 17 and 18 respectively illustrate a digital image comprising a streak zone having a defect and the difference image resulting from this image according to one embodiment of the invention, and FIG. 19 illustrates a device capable of implement a method according to the invention. The tire control method aims at creating a tire image database to reference types of streaks and then to detect streaks similar to the types of streaks referenced in test images. The streak compliance checking method is aimed at checking whether tire streak areas have defects. The referencing method The method first consists in referencing types of striations and then detecting streaks in images by means of the referenced streaks. Figures 1 and 2 illustrate different types of streaks in two-dimensional images 10 and 20. These types of striations differ from each other in the thickness of the striations, their orientation, their straightness, the interval between the striations, as well as the gray levels of the streaks and the streak intervals of each type. Figure 1 also proposes two zones 1 and 2 of different types of streaks. These are all types of streaks that we want to reference at first, and detect in a second time when we find these streaks in an image. The steps of the various embodiments that will be presented are performed by automated means 91 belonging to a device 90, which notably comprises a processor 94, a memory 95 and is connected to a database 92. These elements are illustrated in FIG. In order to execute the method, the device applies a computer program. This program can request as input an image or a series of images including zones of streaks to be referenced, as well as an image or images to be studied. At the output, it provides the user with the data on each type of reference streaks, as well as the types of streaks determined and their location in the images to be studied. In addition, the same or a separate program allows for the application of a compliance check method described below. It then requests an image comprising a streak zone and outputs a so-called "difference image" image, as well as data concerning pixels representing possible defects. The input image may be provided automatically by the method itself when it has detected streaks in an image. Thus, the same program makes it possible to determine streaks in an image of a tire, and at the same time to determine whether or not these streaks have defects. In addition, this program can be made available on a telecommunications network, such as the web, or an internal network, so as to allow its download by a user. Likewise, the program or equivalent instructions may be recorded on a computer-readable storage medium such as a hard disk, a USB stick, a CD, or any other equivalent medium, which may include the database. In order to perform the referencing of streak types, "reference" images comprising streak zones such as images 10 and 20 of FIGS. 1 and 2 are selected to construct a reference base. The more reference images in the base, the more different types of streaks will be referenced, and thus more different streak types can be detected in study or tire test images. This reference base may include any image comprising a striated zone, even not explicitly described in the present application. In this case, we consider the schematic image 30 of Figure 3 comprising vertical streaks 3. In the streak area, we select a segment 4 of pixels. It is referred to as a "reference segment". Each pixel of the image 30, and a fortiori of the reference segment 4, includes a gray level value. In concrete terms, a reference segment 4 of 21 pixels is selected. One could have selected a reference segment comprising another number of pixels. This number corresponds to a reference segment large enough to intercept several streaks and sufficiently small so that the calculations described hereinafter are not too time-consuming. Once the reference segment 4 has been selected, the following steps are performed: 1) the differences in gray levels, in absolute value, are calculated between each pair of adjacent pixels of the reference segment 4. Thus, on the segment 4 of FIG. 4, which represents on a large scale and schematically the reference segment 4 of FIG. 3, the difference in absolute value between the gray level of the pixel 6 and the gray level of the pixel 7 is determined, and then the difference between pixel 7 and pixel 8, and so on. 2) We sum these differences, divided by the number of pixels of the reference segment, minus one unit, that is to say in this case by dividing by 20, so as to obtain the average of the differences of gray levels between each pair of adjacent pixels in the segment. This average is recorded as a "reference average" in a database. 3) An average of the gray levels of the pixels of the reference segment is calculated. 4) Within the reference segment, the pixel values are binarized according to the average of the previously calculated gray levels. Thus, if a gray value of one pixel equal to or exceeds the average of the gray levels of the reference segment, the corresponding pixel is assigned the value "0". If a gray value is below average, the corresponding pixel is assigned the value "1". A segment 50 illustrated in FIG. 5 is thus obtained. It is from this segment 50 that the calculations described below are carried out: 5) The distances, called principal periods, of the binarized pixel segment 50 are determined . A main period is the shortest distance, in number of pixels, between two changes between values within adjacent pairs of pixels when traversing the segment from left to right, these changes being identical and the first pixel of each pair comprising a value identical to that of the first pixel of the segment at the left end. Thus, in FIG. 5, the first pixel 14 located at the left end has the binary value "1". The first change is therefore sought between a binary value pixel "1" and a binary value pixel "0". This change takes place between the pixels 15 and 16. The second identical change is then sought, that is to say between a pixel of binary value "1" and a pixel of binary value "0", by traversing the segment of left and right. This change takes place between pixels 17 and 18. This gives the main period 11, formed of eleven pixels. In the same way, the next one or more main periods 12 in the segment are obtained. One could perform a calculation of the same type by traversing the segment from right to left. The first pixel of the segment whose binary value is observed would then be the first pixel located at the right end of the segment. 6) The average period of the main periods of the segment is then calculated and stored in the database. It will be called the "average reference period" thereafter. 7) One sets the "reference length" of a segment. It is fixed in this case at 3.5 times the average reference period. One could have chosen a number other than 3.5, 5 knowing that this number must remain strictly greater than 1. Thanks to the aforementioned steps, the type of streaks of FIG. 3 was entered as a reference in the database. The three data entered for this type of streaks, namely the reference mean, the average reference period, and the reference length, must make it possible to detect this type of streaks in any image to be studied, if these streaks are present. . The Streak Detection Method Streak detection in an image is now being studied, that is, the method of detecting and locating streaks in a given image, by comparing them to the streaks referenced by the three images. recorded data for each streak type, as previously explained. If a large number of types of striations have been referenced, each type of streak referenced can be compared to the values that will be determined during the detection. For this purpose and with reference to FIG. 6, which illustrates a method according to a preferred embodiment of the invention, the following steps are performed for a given type of streak: A) In an image to be studied, in this case In Fig. 7, a pixel 61 is selected. A 21-pixel study segment 62 centered on pixel 61 is determined. This segment is illustrated in detail in Fig. 8. In the same manner as in Figs. Steps 1) and 2) of the referencing method, the average of the absolute values of the level differences within each pair of pixels of the study segment 62 is determined. The result is then compared to a "reference average" of a type of streaks recorded thanks to the referencing method, type of streaks to which one wishes to compare the image to be studied. For this purpose, the average calculated on the study segment 62 of the image 60 is compared with a predetermined value interval centered on the "reference average" of the streak type under consideration. If the average calculated on the study segment is in the range, then the segment is subjected to step B). If the result is not within the range, then another referenced streak type is selected which is desired to compare the survey segment 62, and step A) is repeated for the new referenced streak type. considered. This amounts to using a high threshold and a low threshold on both sides of the reference average and to compare the result with these thresholds. If the result is not included in any value range for all referenced streak types, then this means that the pixel 61 does not belong to any type of referenced streak. We stop any test for the pixel 61, and we can start the process with another pixel.

Ce critère supprime une large majorité des mauvais pixels, ne laissant que les pixels sur des zones un minimum texturées, mais ne ressemblant pas forcément encore à des stries. B) On binarise le segment de la même manière qu'a l'étape 4) du procédé de référencement, et on effectue les mêmes calculs qu'aux étapes 5) et 6). Ainsi, on obtient une période moyenne des périodes principales sur le segment d'étude 62, représenté de manière schématique par le segment d'étude binarisé 63 de la figure 9. On compare alors cette période moyenne à la période de référence enregistrée pour le type de stries considéré avec succès à l'étape A). De la même façon que précédemment, on effectue cette comparaison par un intervalle de valeurs centré sur une « période moyenne de référence ». Si la période moyenne du segment 63 appartient à l'intervalle de valeurs, alors le pixel 61 et son segment d'étude binarisé 63 passent à l'étape C), sinon on sélectionne un autre type de stries et on reprend le procédé à l'étape A), pour le nouveau type de stries considéré. Ce critère supprime les zones qui ne ressemblent aucunement au type de stries 20 recherché, c'est-à-dire aux types de stries référencés. C) On compare le nombre de périodes principales du segment d'étude binarisé 63 à la « longueur de référence » enregistrée correspondante au type de stries considéré, avec un intervalle de valeurs centré sur la valeur de la longueur de référence, de la même manière qu'aux étapes précédentes. 25 Ce critère supprime principalement quelques mauvaises zones vers les bordures des textes, mais aussi les bordures latérales de zones de stries qui auraient pu être reconnues et localisées. On peut retrouver ces zones ultérieurement par des étapes de morphologie binaires telles que des dilatations ou des érosions. Si le segment d'étude passe cette étape, on passe à l'étape D). Sinon, on reprend 30 l'étape A) avec un nouveau type de stries de référence. D) On compare toutes les périodes du segment d'étude binarisé 63 à la période de référence du segment de référence, toujours pour le même type de stries qu'aux étapes précédentes. A cet effet, on prend en compte non seulement les périodes principales, mais aussi des périodes secondaires qui correspondent aux changements 35 entre des valeurs au sein de paires de pixels adjacents lorsque l'on parcourt le segment de test dans une direction, ces changements étant identiques et le premier pixel de chaque paire comprenant une valeur de préférence identique à celle d'un pixel ou d'un - 10 - voxel du segment situé à une extrémité du segment de test prédéterminée en fonction de la direction. Un exemple de période secondaire sur un segment est la période 13 du segment 50 de la figure 5. Ainsi, chacune de ces périodes est comparée à un intervalle de valeurs prédéterminées centré autour de la période moyenne de référence du type de stries considéré. Si toutes les périodes principales et secondaires sont comprises dans l'intervalle, alors le pixel 61 sur lequel le segment d'étude 62 est centré est considéré comme appartenant au type de stries pour lequel ont été effectuées les étapes A) à D). Sinon, on reprend le processus à l'étape A) avec un nouveau type de stries de 10 référence. Si tous les types de stries de références ont été comparés au segment sans que le pixel ne passe avec succès l'étape D), on considère que le pixel 61 du segment d'étude 62 n'appartient pas à des types de stries qui ont été référencées, et on arrête le processus. On peut le recommencer à l'étape A) avec un autre pixel sur lequel on va 15 centrer un autre segment d'étude. Dans le cas présent, il est fort probable que le pixel 61 du segment 62 ne passe pas l'étape B), voir soit éliminé dès l'étape A), au vu des niveaux de gris du segment d'étude, si on compare ce segment uniquement à un type de stries référencé similaire à celui de la figure 3. De plus, ce segment ne présente aucune période principale ni 20 période secondaire. En revanche, si on recommence le procédé avec le pixel 64 de la figure 7, et qu'on sélectionne le segment d'étude 65 centré autour du pixel 64, il est probable que ce dernier passe le procédé jusqu' à l'étape D) avec succès si on le compare à un type de stries référencé similaire à celui de la figure 3, au vu des niveaux de gris et des 25 valeurs binaires du segment d'étude 65 vu en détail à la figure 10 et du segment d'étude binarisé 66 de la figure 11. On détermine par ailleurs une période principale 67 et une période secondaire 68. On considère alors que ce pixel 64 fait partie d'une zone de stries similaire à une zone de stries du type de la figure 3 auquel il a été comparé. De même, dès qu'un pixel a passé avec succès l'étape D), on recommence le 30 processus avec un autre pixel, pour le même type de strie référencé. Dans un mode de réalisation, le procédé s'arrête lorsque tous les pixels de l'image ont été considérés, c'est-à-dire lorsque tous ces pixels sont passés au moins par l'étape A du procédé. Dans un autre mode de réalisation, on sélectionne seulement une certaine portion 35 de l'image, ou certains pixels de l'image, et le procédé n'est appliqué qu'a ces pixels. Par exemple, un utilisateur peut avoir localisé visuellement une zone qui pourrait contenir des stries dans une image, et décider d'appliquer le procédé uniquement sur cette zone de l'image. Dans une variante, lors de l'étape A), on enregistre certaines différences entre pixels. En effet, si l'on effectue d'abord des calculs pour un pixel donné, puis des calculs pour un pixel situé sur la même ligne de pixels de l'image, il est possible que leurs segments d'études comprennent des pixels identiques. Il est alors utile de réutiliser dans le calcul des résultats déjà calculés auparavant. Il est à noter que l'étape A) est indépendante des trois autres étapes car il n'est pas nécessaire de binariser les segments pour la réaliser. Cette étape est en fait la plus simple de toutes, c'est pour cela qu'elle est réalisée en premier.This criterion removes a large majority of bad pixels, leaving only the pixels on areas a minimum textured, but not necessarily still streaking. B) The segment is binarized in the same way as in step 4) of the referencing method, and the same calculations are performed as in steps 5) and 6). Thus, we obtain an average period of the main periods on the study segment 62, represented schematically by the binarized study segment 63 of FIG. 9. This average period is then compared with the reference period recorded for the type of streaks considered successfully in step A). In the same way as before, this comparison is carried out by a range of values centered on an "average reference period". If the average period of the segment 63 belongs to the range of values, then the pixel 61 and its binarized study segment 63 go to step C), otherwise another type of streaks is selected and the method is repeated. step A), for the new type of streaks considered. This criterion removes areas that are not at all similar to the type of streaks searched, that is, the types of streaks referenced. C) The number of main periods of the binarized study segment 63 is compared with the "reference length" recorded corresponding to the type of striation considered, with a range of values centered on the value of the reference length, in the same way than in the previous steps. 25 This criterion mainly removes some bad areas near the edges of the texts, but also the lateral borders of zones of striations that could have been recognized and localized. These areas can be found later by binary morphology steps such as dilations or erosions. If the study segment passes this step, proceed to step D). Otherwise, step A) is repeated with a new type of reference streaks. D) We compare all the periods of the binarized study segment 63 to the reference period of the reference segment, again for the same type of streaks as in the previous steps. For this purpose, not only the main periods are taken into account, but also secondary periods which correspond to the changes between values within pairs of adjacent pixels when the test segment is traversed in one direction, these changes being identical and the first pixel of each pair comprising a value preferably identical to that of a pixel or a voxel of the segment located at an end of the predetermined test segment depending on the direction. An example of a secondary period on a segment is the period 13 of the segment 50 of FIG. 5. Thus, each of these periods is compared with a predetermined range of values centered around the average reference period of the type of striations considered. If all the primary and secondary periods are within the range, then the pixel 61 on which the study segment 62 is centered is considered to belong to the type of streaks for which steps A) to D) were performed. Otherwise, the process is repeated in step A) with a new type of reference streaks. If all types of reference streaks have been compared to the segment without the pixel successfully passing step D), it is considered that the pixel 61 of the study segment 62 does not belong to streak types that have been referenced, and we stop the process. It can be repeated in step A) with another pixel on which another study segment will be centered. In the present case, it is very likely that the pixel 61 of the segment 62 does not pass the step B), see is eliminated in step A), in view of the gray levels of the study segment, if we compare this segment only to a type of streak referenced similar to that of Figure 3. In addition, this segment has no main period or 20 secondary period. On the other hand, if the process is repeated with the pixel 64 of FIG. 7, and the study segment 65 centered around the pixel 64 is selected, it is likely that the latter passes the process to step D ) successfully compared to a similar type of streaks similar to that of FIG. 3, in view of the gray levels and binary values of the study segment 65 seen in detail in FIG. 10 and the segment of FIG. binarized study 66 of FIG. 11. A principal period 67 and a secondary period 68 are also determined. It is then considered that this pixel 64 is part of a striation zone similar to a streak zone of the type of FIG. he was compared. Similarly, as soon as a pixel has successfully passed step D), the process is restarted with another pixel, for the same type of referenced streak. In one embodiment, the method stops when all the pixels of the image have been considered, that is to say when all these pixels are passed at least through step A of the method. In another embodiment, only a portion of the image, or some pixels of the image, is selected, and the method is applied only to these pixels. For example, a user may have visually located an area that might contain streaks in an image, and decide to apply the process only to that area of the image. In a variant, during step A), certain differences between pixels are recorded. Indeed, if one first performs calculations for a given pixel, then calculations for a pixel located on the same pixel line of the image, it is possible that their study segments include identical pixels. It is then useful to reuse in the calculation already calculated results. It should be noted that step A) is independent of the other three steps because there is no need to binarize the segments to achieve it. This step is actually the simplest of all, that's why it's done first.

Dans un autre mode de réalisation illustré par le schéma de la figure 12, dès qu'un pixel n'est pas admis à une étape donnée autre que l'étape A), au lieu de recommencer le processus à l'étape A) avec un autre type de stries, on effectue le test de la même étape avec un autre type de stries. De cette façon, un pixel peut passer le test de l'étape A) pour un type de stries donné, passer l'étape B) pour un autre type de stries donnée, et ainsi de suite. Dans un autre mode de réalisation, les intervalles de valeurs qui servent de comparaison sont également enregistrés dans la base de données. Ils ne sont pas nécessairement centrés sur les valeurs de références telles que la période moyenne de référence, la longueur de référence ou la moyenne de référence. Ils peuvent comprendre ces valeurs sans être centrés dessus. De cette façon, on tolère certaines variations par rapport aux valeurs de référence dans une direction mais pas dans une autre. Dans un autre mode de réalisation, on ne veut détecter qu'un type de stries ou plusieurs types de stries particuliers dans les segments d'études. Cela consiste à 25 comparer les données du segment d'étude aux données référencées concernant ces types de stries et pas aux autres types de stries référencés. III Procédé de contrôle de conformité des stries 30 Une fois que des stries ont été localisées sur une image d'un pneumatique, on étudie la conformité de ces stries. Le but est de vérifier que les zones comprenant des stries ne présentent pas de défaut qui pourraient altérer la compréhension des symboles exprimés par ces stries. On appelle cela un contrôle de conformité par vision. Il est nécessaire d'avoir d'abord localisé les stries pour deux raisons : on ne peut 35 appliquer les contrôles de conformité habituels des autres zones aux zones de stries, et les critères de mesure et de tolérance des défauts dans ces zones de stries peuvent être différents des autres zones. - 12 - Dans une zone plate, un défaut est caractérisé par une élévation supérieure ou inférieure à la moyenne de la zone. Dans une zone de stries, le principe du procédé dans le présent mode consiste à filtrer les stries de deux façons différentes de façon à obtenir deux images de zones 5 plates : une image représentant une moyenne des fonds de stries, et une image représentant une moyenne des sommets des stries. On étudie ensuite une image résultant de la différence entre les deux images précitées, et qui devrait contenir des pixels de valeur relativement constante dans la zone de stries. Les défauts sont alors visibles lorsque des portions des zones normalement constantes présentent des 10 valeurs « anormales ». En l'espèce, on cherche à savoir si les stries de l'image 70 de la figure 13 présentent des défauts. A cet effet, on effectue une érosion de l'image 70, de façon à obtenir une image érodée. L'élément structurant est choisi de sorte que les stries disparaissent dans 15 l'image érodée. Ainsi, pour choisir l'élément structurant, on prend en compte l'intervalle entre les stries, l'orientation des stries, et leur taille. L'érosion ayant lieu en niveau de gris, on peut également prendre en compte les niveaux de gris des stries et des intervalles. L'image érodée 71 de la figure 14 représente donc une moyenne des fonds des stries, en d'autres termes une moyenne des creux entre les stries. 20 On effectue également une dilatation de l'image 70. On choisit comme élément structurant de la dilatation un élément permettant de dilater les stries afin qu'elles remplissent les intervalles entre elles, sur l'image dilatée 72 de la figure 15. Les critères permettant de choisir l'élément structurant de la dilatation sont les mêmes que ceux de l'érosion. L'image dilatée 72 représente ainsi une moyenne des sommets des stries. 25 On effectue ensuite une différence entre l'image dilatée 72 et l'image érodée 71 de façon à obtenir une image de différence 73. Celle-ci présente ici un contenu homogène. Il n'y a donc pas de défaut dans la zone de stries de l'image 70. En revanche, en effectuant le même procédé avec l'image 74, présentant un léger défaut 81 où des portions de stries sont effacées, on obtient une image de 30 différence 75 qui met en évidence ce défaut, par une portion 82 dont les niveaux de gris sont anormaux par rapport à une zone relativement homogène autour dudit défaut. Le procédé selon l'invention permet de détecter automatiquement ces défauts, en comparant la valeur des niveaux de gris des pixels à la valeur médiane des pixels de l'image de différence. Ainsi, si la valeur d'un des pixels de l'image de différence est trop 35 éloignée de la valeur médiane des pixels de l'image, on considère que le pixel considéré rend visible un défaut de la zone de stries de l'image. Dans un autre mode de réalisation de l'invention, on peut effectuer plusieurs - 13 - dilatations et/ou plusieurs érosions. Par exemple, si une zone de stries comporte des stries orientées dans des directions différentes, ou comprenant des épaisseurs différentes, alors on peut identifier un type de stries, effectuer les opérations pour ce type de stries, puis appliquer de nouveau le procédé pour un autre type de stries identifié dans la zone. De cette façon, on obtient le cas échéant les défauts d'un type de stries et les défauts d'un autre type de stries, dans une zone où ces stries se cumulent. Dans un autre mode de réalisation, les images comprennent des couleurs autres que des nuances de gris. Les calculs précédents, concernant le procédé de détection de stries, et le procédé de contrôle de conformité, peuvent notamment être effectués sur chaque type de couleur indépendamment les unes des autres, de façon à détecter et/ou contrôler par exemple des stries de rouge, de vert, de bleu. Les calculs peuvent également porter sur des valeurs issues de combinaisons entre ces valeurs de couleurs.In another embodiment illustrated by the diagram of FIG. 12, as soon as a pixel is not admitted at a given step other than step A), instead of restarting the process in step A) with another type of streaks, the test of the same step is carried out with another type of streaks. In this way, a pixel can pass the test of step A) for a given type of streaks, pass step B) for another type of streaks given, and so on. In another embodiment, the ranges of values that serve as a comparison are also stored in the database. They are not necessarily centered on the reference values such as the average reference period, the reference length or the reference average. They can understand these values without being centered on them. In this way, some variations from the reference values are tolerated in one direction but not in another. In another embodiment, only one type of streaks or several types of particular streaks in the study segments are to be detected. This consists in comparing the data of the study segment with the referenced data concerning these types of striations and not with the other types of referenced streaks. III Streak Compliance Verification Method Once streaks have been located on an image of a tire, the conformity of these striations is studied. The purpose is to verify that the areas comprising streaks do not present defects that could alter the understanding of the symbols expressed by these streaks. This is called compliance control by vision. It is necessary to first locate the streaks for two reasons: the usual compliance checks of the other zones can not be applied to the streak zones, and the criteria for measurement and tolerance of the defects in these streak zones can be used. be different from other areas. In a flat area, a fault is characterized by a rise above or below the average of the area. In a streak zone, the principle of the method in the present mode is to filter the streaks in two different ways so as to obtain two images of flat areas: an image representing an average of the streaks, and an image representing an average vertices of the streaks. We then study an image resulting from the difference between the two aforementioned images, and which should contain pixels of relatively constant value in the streak zone. The defects are then visible when portions of the normally constant areas have "abnormal" values. In this case, we want to know if the streaks of the image 70 of Figure 13 have defects. For this purpose, an erosion of the image 70 is performed, so as to obtain an eroded image. The structuring element is chosen so that the streaks disappear in the eroded image. Thus, to choose the structuring element, one takes into account the interval between the striations, the orientation of the striations, and their size. Erosion takes place in gray level, one can also take into account the gray levels of the streaks and intervals. The eroded image 71 of Figure 14 thus represents an average of the bottoms of the streaks, in other words an average of the hollows between the streaks. An expansion of the image 70 is also performed. A component for dilating the striations to fill the gaps between them is selected as the structuring element of the dilation 72 in FIG. to choose the structuring element of the dilation are the same as those of erosion. The dilated image 72 thus represents an average of the vertices of the streaks. A difference is then made between the expanded image 72 and the eroded image 71 so as to obtain a difference image 73. Here, it has a homogeneous content. There is therefore no defect in the streak zone of the image 70. On the other hand, by performing the same method with the image 74, having a slight defect 81 where portions of striations are erased, we obtain a difference image 75 which highlights this defect, by a portion 82 whose gray levels are abnormal relative to a relatively homogeneous area around said defect. The method according to the invention makes it possible to automatically detect these defects, by comparing the value of the gray levels of the pixels with the median value of the pixels of the difference image. Thus, if the value of one of the pixels of the difference image is too far from the median value of the pixels of the image, the considered pixel is considered to make visible a defect in the streak zone of the image. . In another embodiment of the invention, several dilations and / or erosions can be performed. For example, if a streak area has streaks oriented in different directions, or with different thicknesses, then one type of streaks can be identified, operations performed for this type of streaks, and then applied again for another type of streaks identified in the area. In this way, defects of one type of streaks and defects of another type of streaks are obtained, where appropriate, in an area where these streaks accumulate. In another embodiment, the images include colors other than shades of gray. The above calculations, concerning the streak detection method, and the conformity control method, can in particular be carried out on each type of color independently of each other, so as to detect and / or control, for example, streaks of red, of green, of blue. The calculations can also relate to values resulting from combinations between these color values.

Dans un autre mode de réalisation, les images forment des espaces non pas en deux dimensions mais en trois dimensions comprenant des voxels. Ainsi, en plus des niveaux de gris ou de couleurs autres, chaque voxel comprend une valeur de luminance. Les calculs précédents peuvent donc, en outre, être effectués sur les niveaux de profondeur. Ainsi, même avec des couleurs identiques ou similaires, on peut référencer, déterminer, et /ou contrôler des stries qui se distinguent les unes des autres par leur relief. Le procédé de détection des zones de stries décrit à la partie II et le procédé de contrôle de conformité des stries décrits à la partie III peuvent être mis en oeuvre indépendamment l'un de l'autre. En particulier, on peut contrôler la conformité des stries selon le procédé de la partie III après avoir détecté une zones de stries autrement que selon le procédé de la partie II, et inversement. 14In another embodiment, the images form non-two-dimensional but three-dimensional spaces including voxels. Thus, in addition to grayscale or other colors, each voxel includes a luminance value. Previous calculations can therefore be further performed on the depth levels. Thus, even with identical or similar colors, it is possible to reference, determine, and / or control streaks which are distinguished from each other by their relief. The method for detecting the streak zones described in Part II and the method for checking the conformity of streaks described in Part III can be implemented independently of one another. In particular, it is possible to control the conformity of the streaks according to the method of Part III after detecting a zone of striations other than according to the method of Part II, and vice versa. 14

Claims

REVENDICATIONS1. A method of checking the conformity of tires, characterized in that automated means perform the following steps: - determining at least one expansion of a basic representation (70; 74) comprising at least one striation zone of a pneumatic tire so as to obtaining a dilated representation (72); - determining at least one erosion of the basic representation (70; 74) so as to obtain an eroded representation (71); and - determining a difference between the expanded representation (72) and the eroded representation (71) so as to obtain a difference representation (73; 75).

2. Method according to the preceding claim, wherein the automated means obtain the basic representation (70; 74) by visualizing at least one sidewall area of a tire.

3. Method according to any one of the preceding claims, wherein the automated means determine one or more structuring elements of the expansion and erosion as a function of a dimension of the streaks, an interval between the striations and / or an orientation of the striations.

A method as claimed in any one of the preceding claims, wherein the automated means determines at least two expansions of the basic representation with respective different structuring elements to obtain the expanded representation (72).

A method according to any one of the preceding claims, wherein the automated means determines at least two erosions of the basic representation (70; 74) with respective different structuring elements to obtain the eroded representation.

The method of any of the preceding claims, wherein the automated means compares digital pixel or voxel values of the difference representation (73; 75) with at least one predetermined threshold. 15 3030845

7. Method according to the preceding claim, wherein the threshold or at least one of the thresholds is a median of pixel or voxel values of the difference representation (73; 75).

A method according to any one of the preceding claims, wherein the basic representation (70; 74) does not include any color other than black, white and gray levels.

9. A method according to any one of claims 1 to 7, wherein the basic representation (70; 74) comprises at least one color other than black, white and gray.

A method according to any one of the preceding claims, wherein, prior to locating a streak area in a digital representation of a tire (10; 20; 30; 60), automated means perform the following steps : - consider at least one pixel or voxel (61, 64) of an area of the representation (10; 20; 30; 60) and, for the or each pixel or voxel (61, 64) considered: 20 - identify a segment (62, 65) of pixels or voxels centered on the pixel or voxel (61, 64) considered, - determining at least one relative value of differences between gray levels or colors of pixels or voxels of the segment (62, 65), and - comparing the value (s) with one or more predetermined thresholds. 25

11. A method of referencing grooves present in digital tire representations (10; 20), characterized in that automated means perform the following steps in order to reference streak types: 30 - determining at least one representation (30) comprising a type of streaks (3) to be referenced, - identifying at least one segment (4) of pixels or voxels (6, 7, 8, 14, 15, 16, 17, 18) of the representation, and - registering at least a value relative to differences between gray levels or pixel colors or voxels of the segment.

12. Computer program comprising code instructions capable, when executed on a computer, of controlling the implementation of the steps of the method according to any one of the preceding claims.

13. A tire conformity checking device capable of implementing a method according to at least one of claims 1 to 11.

14. A computer-readable storage medium comprising a program according to claim 12 in registered form.