Le document traite de la segmentation d'images à l'aide de l'algorithme de la ligne de partage des eaux (lpe), qui modélise une image comme un relief en utilisant les altitudes des pixels. L'algorithme, basé sur l'immersion d'un relief dans l'eau, se concentre sur la précision des frontières et nécessite un prétraitement pour réduire le bruit et éviter la sur-segmentation. En conclusion, il souligne l'importance d'adapter le processus de segmentation aux spécificités de chaque image pour une analyse efficace.

1. Segmentation par
WATERSHED
1

2. Plan
 Introduction
 Notions théoriques
 Exemple Applicatif en 3D
 Algorithme Watershed ( LPE )
 Conclusion
2

3. IntroductionMorphologie
mathématique
 L'algorithme de la ligne de partage des eaux (LPE) est un
algorithme de segmentation d'images.
 LPE utilise la description des images en termes géographiques.
 LPE est définit comme étant une crête formant la limite entre deux
bassins versants.
 Une image est présentée comme un relief en associant un niveau
de gris de chaque pixel à une altitude
3

4. La ligne de partage des eaux ( LPE )
Pour obtenir la LPE
 Associer chaque valeur de pixel à
une altitude.
 Imaginer l’immersion d’un relief dans
l’eau.
 L’eau ne peut pénétrer dans les
vallées que par ses minimas
 LPE est représentée par les points où
deux lacs disjoints se rejoignent au
cours de l'immersion
4

5. La ligne de partage des eaux ( LPE )
LIGNEDEPARTAGEDESEAUX
5

6. EXEMPLE APPLICATIF
Unity 3D Adobe Photoshop
6

7. EXEMPLE APPLICATIF – transformation
en 3D
7

8. Algorithme Watershed ( LPE ):
Vincent et Soille
ENTÉES : Image I[N,M], Réel E pas d’altitude( tolérance )
SORTIE : Tableau d’entiers T[N,M] (avec T[x,y]= Etiquète de bassin ou Watershed )
DÉBUT
MIN,HMAX : minimum et maximum global I, F : File d’attente (FIFO)
Les pixels sont d’abord triés par ordre croissant d’altitude. (Ils sont ensuite traités par série : tous
ceux entre h et h+E sont considérés d’altitude identique)
Toute minima de l’image a un étiquète différente.
POUR h DE MIN À HMAX
On sélectionne les pixels du niveau [h,h+E].
On ajoute les pixels sélectionnées et qui touchent un bassin au file d’attente F
POUR CHAQUE pixels P DU F
On vois les 4 pixels adjacents de P et on met une étiquète dans la case qui correspond a P dans
la table T (Voisin ou Watershed).
Tous les pixels qui sont adjacents à P (+1) et sélectionnées sont ajouter a la fin F.
FIN POUR
On propage les étiquètes des bassin vers les pixels qui son étiqueté comme voisin.
FIN POUR
FIN
8

9. Algorithme Watershed ( LPE ): Exemple
9
10 50 10 10 30 50 70
50 10 30 30 10 20 60
60 0 20 50 60 70 10
70 10 50 30 30 20 50
60 20 30 40 10 20 60
20 40 0 20 50 30 50
10 50 60 70 60 50 40
10 50 10 10 30 50 70
50 10 30 30 10 20 60
60 0 20 50 60 70 10
70 10 50 30 30 20 50
60 20 30 40 10 20 60
20 40 0 20 50 30 50
10 50 60 70 60 50 40
10 50 10 10 30 50 70
50 10 30 30 10 20 60
60 0 20 50 60 70 10
70 10 50 30 30 20 50
60 20 30 40 10 20 60
20 40 0 20 50 30 50
10 50 60 70 60 50 40
10 50 10 10 30 50 70
50 10 30 30 10 20 60
60 0 20 50 60 70 10
70 10 50 30 30 20 50
60 20 30 40 10 20 60
20 40 0 20 50 30 50
10 50 60 70 60 50 40
10 50 10 10 30 50 70
50 10 30 30 10 20 60
60 0 20 50 60 70 10
70 10 50 30 30 20 50
60 20 30 40 10 20 60
20 40 0 20 50 30 50
10 50 60 70 60 50 40
10 50 10 10 30 50 70
50 10 30 30 10 20 60
60 0 20 50 60 70 10
70 10 50 30 30 20 50
60 20 30 40 10 20 60
20 40 0 20 50 30 50
10 50 60 70 60 50 40
10 50 10 10 30 50 70
50 10 30 30 10 20 60
60 0 20 50 60 70 10
70 10 50 30 30 20 50
60 20 30 40 10 20 60
20 40 0 20 50 30 50
10 50 60 70 60 50 40
10 50 10 10 30 50 70
50 10 30 30 10 20 60
60 0 20 50 60 70 10
70 10 50 30 30 20 50
60 20 30 40 10 20 60
20 40 0 20 50 30 50
10 50 60 70 60 50 40
10 50 10 10 30 50 70
50 10 30 30 10 20 60
60 0 20 50 60 70 10
70 10 50 30 30 20 50
60 20 30 40 10 20 60
20 40 0 20 50 30 50
10 50 60 70 60 50 40
10 50 10 10 30 50 70
50 10 30 30 10 20 60
60 0 20 50 60 70 10
70 10 50 30 30 20 50
60 20 30 40 10 20 60
20 40 0 20 50 30 50
10 50 60 70 60 50 40
Image original
Minima en rouge
Niveau MIN=0 Niveau 10 Niveau 20 Niveau 30
Création des lignes de partage
Niveau 40 Niveau 50 Niveau 60 Niveau HMAX=70 Segmentation
4
connexité
Watershed
Non
classifié
E=10

10. Algorithme Watershed ( LPE ): Application
10

11. Algorithme Watershed ( LPE ):
 Principe des marqueurs : ne considérer que certains minima
 Le procédé de construction : on crée une image égale à l'originale et dans les
zones d'intérêt on élimine les minima non voulues, on opère alors une LPE sur cette
image modifiée.
 Quand les minima sont remplacés par des marqueurs il est primordial de contrôler
la place de ces marqueurs.
 On peut créer des marqueurs manuellement. Mais le problème du choix
automatique de marqueurs toujours existe.
 Exemple de marqueur manuel :
11
 Marqueur manuel

12. Algorithme Watershed ( LPE ) :
Avantages et inconvénients
 Avantages :
 Grande précision sur les frontières obtenues
 Distinction parfaite de 2 régions collées
12
 Inconvénients :
 Consommation de mémoire
 Sensibilité au bruit
 Sur-segmentation
 Demande un post-traitement :
Problèmes d’utilisation dans des
systèmes temps réel.

13. Algorithme Watershed ( LPE ) :
Améliorations
 Plusieurs transformations possibles pour effectuer un prétraitement :
 Filtrage : seuil, flou, érosion...
 Pour suppression du bruit et suppression des minima à faible contraste pour
minimiser la sur-segmentation
 Transformation des données : Gradient, Inversion des niveaux, etc...
 Mise en valeur des caractéristiques de l’image
 Utilisation de Marqueurs pour choisir les zones d’intérêt
13

14. Conclusion
 La segmentation d'images par l'algorithme de ligne de partage des eaux
(Watershed en anglais) constitue un outil puissant pour analyser la
topographie d’une image. Il a plusieurs implémentations Par Immersion
« Vincent et Soille 1991 » et Par distances géodésiques « Meyer ».
 Par ce qu’il n’existe pas de méthode de segmentation universelle. On
devra adapter le processus de segmentation à chaque problématique.
 Afin de pouvoir l'exploiter correctement, on doit effectue un
prétraitement adéquat sur images à traiter pour éliminer toute information
non significative soit éliminer certains contours non pertinents par filtrage
ou améliorer sa luminosité, sa contraste ou autres.
14