1. Qu'est-ce que la segmentation d'images ?
• permet d'obtenir la région d'intérêt (ROI) à partir de l'image.
• C'est le processus de séparation d'une image en différentes zones
• Les parties dans lesquelles l'image est divisée sont appelées objets
d'image.
• Cela se fait en fonction des propriétés de l'image telles que la similarité, la
discontinuité, etc.
• L'objectif de la segmentation d'image est de simplifier l'image pour une
meilleure analyse.
2. • La segmentation d'image est une étape importante du traitement d'image,
et elle apparaît partout si l'on veut analyser ce qu'il y a à l'intérieur de
l'image.
• Par exemple: si nous cherchons à savoir s'il y a une chaise ou une personne
à l'intérieur d'une image d'intérieur, nous pouvons avoir besoin d'une
segmentation d'image pour séparer les objets et analyser chaque objet
individuellement pour vérifier de quoi il s'agit
• La segmentation d'image est la classification d'une image en différents
groupes. De nombreuses recherches ont été menées dans le domaine de la
segmentation d'images à l'aide du clustering. Il existe différentes méthodes
et l'une des méthodes les plus populaires est l'algorithme de clustering K-
Means .
3. Pourquoi la segmentation d'image est-elle importante ?
• Par exemple concernent l'industrie de la santé où si nous parlons de
cancer, même à l'ère des progrès technologiques d'aujourd'hui, le cancer
peut être mortel si nous ne l'identifions pas à un stade précoce. Détecter
les cellules cancéreuses le plus rapidement possible peut potentiellement
sauver des millions de vies. La forme des cellules cancéreuses joue un rôle
essentiel dans la détermination de la gravité du cancer qui peut être
identifiée à l'aide d'algorithmes de classification d'images
• Ainsi, plusieurs algorithmes et techniques de segmentation d'images ont
été développés au fil des ans en utilisant des connaissances spécifiques au
domaine pour résoudre efficacement les problèmes de segmentation dans
ce domaine d'application spécifique qui comprend l'imagerie médicale ,
la détection d'objets , la reconnaissance de l'iris , la vidéosurveillance , la
vision artificielle et beaucoup plus….
4. les algorithmes de segmentation
• Segmentation d'image d'Otsu (segmentation basée sur un seuil)
• Algorithmes de segmentation d'image basés sur les bords
• Algorithme de segmentation d'image basé sur la région
• Algorithmes de segmentation d'images basés sur le clustering
• Réseaux de neurones pour la segmentation d'images
• Algorithme de segmentation d'image de bassin versant
5. Algorithmes de segmentation d'images basés
sur le clustering
• Il inclut des méthodes telles que les c-moyennes floues, les k-moyennes,
les k-moyennes améliorées, etc.
• nous prendrons chaque point comme un cluster séparé et fusionnerons
deux clusters avec la distance inter-cluster minimale. Répétez cette étape
jusqu'à ce que le regroupement soit satisfaisant.
# convert all pixels to the color of the centroids
segmented_image = centers[labels.flatten()]
Image original Image segmenté
7. Segmentation d’un image médicale
• Opération cruciale dans de nombreuses applications médicales
• Imagerie fonctionnelle : quantification des volumes des tissus, des
organes
• Localisation d’une pathologie
• Étude d’une structure anatomique
• Planification d’un traitement
• Chirurgie assistée par ordinateur
• Toutes les modalités de l’imagerie médicale sont concernées !