Discussion :

[tomi67100]

Bonjour à tous.

Je suis actuellement en train de comparer des bibliothèques de traitement d'images dans le cadre de mon travail.

Parmi ces bibliothèques, je dois étudier opencv. Le but actuel est d'isoler une portion de l'image utile (dans mon domaine ce sont des images de grande taille (5Mpixels), représentant des circuits imprimés très petits (MEMS)) , d' extraire les caractéristiques utiles de l'objet que l'on souhaite détecter (contours fins et grossiers par exemple d'un micro-composant) et de rechercher cette portion d'image et le composant dont on a extrait les caractéristiques dans une image cible ayant subi des changements de type rotation, changement d'échelle par rapport à l'image référence.

Quelqu'un aurait il une idée de fonctions présentes dans cette bibliothèque et permettant ce type d'application? J'ai parcouru les différents tutoriels sans grand résultat. Je n'ai pas une formation de programmeur mais une formation en traitement d'images. Je sais programmer en c++ mais je pense avoir un niveau que l'on peut considérer novice.

Merci d'avance à tous pour vos réponses

[snowpy]

tu auras besoin de ROI (region of interest) rotate (pour la rotation) cvfindcontour (pour trouver les contour) pour la comparaison des images tu peux par exemple soustraire les deux images à comparer et à te baser sur l'histogramme du résultat, je regarde se soir pour le changement d'échelle j'ai plus le nom de la fonction en tête.

[tomi67100]

Merci beaucoup pour ta réponse. Je vais tester ces méthodes et je donnerais les résultats obtenus en retour et les problèmes auxquels je vais sans doute faire face. Merci encore

[snowpy]

warpPerspective pour le changement d'échelle, tu dois au préalable calculer la matrice de la transformation

[ToTo13]

ce que tu souhaites faire c'est du "image matching" et/ou CBIR (Content Based Image Retrievial).

Le plus simple pour commencer :
- est d'extraire des caractéristiques, je te conseille les méthodes statistiques de caractérisation (cooccurrence matrix, gray level run length matrix, gray level size zone matrix).
- d'utiliser un simple k-plus proches voisins pour faire le classement.

Je n'ai pas une formation de programmeur mais une formation en traitement d'images

Etonnant, les deux sont très intimement liés.
Je te conseille de te mettre très vite à la programmation, car il faut toujours modifier des passages d'un algorithme existant.