Skip to content

Ce projet a pour but de mettre en pratique les connaissances acquises en traitement d'image.

Notifications You must be signed in to change notification settings

Pr3DaSniP/Reconnaissance-image

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

5 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Reconnaissance d'image

Language Librairies IDE

Description

Ce projet a pour but de mettre en pratique les connaissances acquises en traitement d'image.

Vous trouverez dans ce projet les fonctionnalités suivantes :

1. Codage de Freeman

Le codage de Freeman est une méthode de description de contours. Il permet de décrire un contour en utilisant une suite de nombres entiers. Chaque nombre correspond à une direction.

Codage de Freeman

demo

2. Descripteur d'image

Un constante est définie pour afficher ou non les images.
  • Local Binary Pattern (LBP)
$$LBP(x_c, y_c) = \sum_{n=0}^{7} 2^ns(i_n - i_c)$$ $$S(x) = \begin{cases} 1 & \text{si } x \leq 0 \\\ 0 & \text{sinon} \end{cases}$$
Image Histogramme
LBP LBP
  • Mean-LBP (M-LBP)
$$M-LBP(x_c, y_c) = S(f(i-1,j-1) -m)2^3 + S(f(i-1,j) -m)2^2 + S(f(i,j) -m)2^1 + S(f(i,j-1) -m)$$ $$\text{avec } m = \frac{ f(i-1,j-1)+(i-1,j)+(i,j)+(i,j-1) }{4}$$ $$\text{et } S(x) = \begin{cases} 1 & \text{si } x \leq 0 \\\ 0 & \text{sinon} \end{cases}$$
Image égalisé Histogramme Histogramme égalisé
M-LBP M-LBP M-LBP
Image spécifié Histogramme Histogramme spécifié
M-LBP M-LBP M-LBP
  • Extended Center-Symmetric Local Binary Pattern (XCS-LBP)
$$XCS-LBP(gc) =$$ $$S((g_0 - g_4) + g_c + (g_0 - g_c) * (g_4 - g_c)) * 2^0 +$$ $$S((g_1 - g_5) + g_c + (g_1 - g_c) * (g_5 - g_c)) * 2^1 +$$ $$S((g_2 - g_6) + g_c + (g_2 - g_c) * (g_6 - g_c)) * 2^2 +$$ $$S((g_3 - g_7) + g_c + (g_3 - g_c) * (g_7 - g_c)) * 2^3$$

avec

tab

Image Image égalisé Image spécifié
XCS-LBP XCS-LBP XCS-LBP
Histogramme Histogramme égalisé Histogramme spécifié
XCS-LBP XCS-LBP XCS-LBP

demo

3. Caractéristiques pseudo-haar

Les caractéristiques pseudo-haar sont des caractéristiques utilisées dans la détection de visage. Elles permettent de décrire une zone de l'image en utilisant la différence de somme des pixels dans des zones rectangulaires.

Pour calculer rapidement et efficacement ces caractéristiques, on utilise une image intégrale. Cette image permet de calculer la somme des pixels dans une zone rectangulaire en utilisant seulement 4 valeurs. Voir cette vidéo pour plus d'informations.

Haar

demo

Installation

Dans les paramètres du projet :

C/C++ > Général > Autres répertoires include : Ajouter le chemin vers le dossier include de la bibliothèque OpenCV

Éditeur de liens > Général > Répertoires de bibliothèques supplémentaires : Ajouter le chemin vers le dossier lib de la bibliothèque OpenCV

Éditeur de liens > Entrée > Dépendances supplémentaires : Ajouter les librairies suivantes :

opencv_world460d.lib opencv_world460.lib

About

Ce projet a pour but de mettre en pratique les connaissances acquises en traitement d'image.

Topics

Resources

Stars

Watchers

Forks