Menu
Principal
Les matrices de cooccurrences contiennent les
moyennes d'espace du second ordre. Quatorze indices (définis par
Haralick) qui correspondent à des caratères descriptifs des
textures peuvent etre calculés à partir de ces matrices.
Nous ne présentons ici que six de ces indices:
-
Homogénéité: plus on
retrouve le meme couple de pixels, plus cet indice est élevé,
par exemple image uniforme, ou texture périodique dans le sens de
la translation;.
-
Contraste: plus la texture est contrastée,
plus ce terme est grand.
-
Entropie: faible si on a souvent les memes
couples de pixels. C'est un indicateur de désordre.
-
Corrélation: décrit les corrélations
entre les lignes et les colonnes de la matrice de cooccurrence.
-
Directivité: ce coefficient est d'autant
plus important que la texture possède une orientation privilégiée
dans le sens de la translation.
-
Uniformité: d'autant plus élevé
qu'un meme niveau de gris apparait dans la texture.
Ces indices, bien que corrélés, réduisent
l'information contenue dans la matrice de cooccurrence et permettent une
meilleure discrimination des textures.
Présentation du programme:
l'interface: permet de sélectionner une image,
une direction de translation, un pas (en pixels) pour les couples de sites,
et une taille de fenetre dans laquelle sera estimée la matrice de
cooccurrence. L'interface visualise, après avoir sélectionner
une région dans l'image, les résultats du calcul des indices
de texture.
l'image de la texture, en 256 niveaux de gris, sera
considérée en 16 niveaux pour le calcul de la matrice de
cooccurrence.
l'image de la matrice est une représentation
graphique de la matrice de cooccurrence. Celle-ci est définie sur
16 niveaux de gris (donc taille 16x16). Plus une zone est claire, plus
le couple de gris correpondant est présent dans la texture (noir=0
occurence). Nota: de haut en bas et de gauche à droite les sites
ont des niveaux allant du blanc vers le noir.
Quelques références:
Analyse d'images: filtrage et segmentation, J-P Cocquerez
et S. Philipp, Editions Masson, 1995
Statistical and structural approaches to textures,
R. Haralick, Proceedings IEEE, vol.67, No5, 1979.
Textural features for image classification, R. Haralick,
K. Shanmugan et I. Dinstein, IEEE Trans. on SMC, vol.3, No6, 1973
A theorical comparaison of texture algorithms, R.W.
Conners et C.A. Harlow, IEEE PAMI, vol.2, No3, 1980.
Charger les Sources
© Arnaud LINA