Durée: 12 mois
Rubrique: Ingénieur IA
La segmentation d'images est une étape cruciale dans divers domaines d'application comme le diagnostic médical, la vision par ordinateur, et la surveillance. Une des premières étapes pour comprendre la segmentation est de se familiariser avec les approches classiques. Ces techniques traditionnelles sont souvent des points de départ avant d'explorer des méthodes plus complexes comme celles basées sur le Deep Learning.
Le seuillage, ou thresholding en anglais, est une méthode simple et intuitive de segmentation qui consiste à convertir une image en niveaux de gris en une image binaire.
On définit un seuil (intensité de pixel) et tous les pixels ayant une intensité supérieure à ce seuil sont classés dans une catégorie (par exemple, blanc), et ceux ayant une intensité inférieure sont classés dans une autre catégorie (par exemple, noir).
La méthode de région de croissance, ou region growing, est une approche qui segmente une image en commençant par un ou plusieurs "graines" initiales et en étendant la région en incluant des pixels adjacents qui satisfont certains critères de similarité.
Les approches classiques comme le seuillage et la région de croissance restent des méthodes fondamentales dans la segmentation d'images. Bien qu'elles aient des limitations, leur simplicité les rend fréquemment utilisées dans les tâches où des méthodes plus complexes ne sont pas nécessaires.