FR3038111A1

FR3038111A1 - Procede de segmentation d'image

Info

Publication number: FR3038111A1
Application number: FR1556081A
Authority: FR
Inventors: Vincent Arvis; Michael Chaussard; Michel Bilodeau
Original assignee: Michelin Recherche et Technique SA Switzerland; Compagnie Generale des Etablissements Michelin SCA
Current assignee: Michelin Recherche et Technique SA Switzerland; Compagnie Generale des Etablissements Michelin SCA
Priority date: 2015-06-29
Filing date: 2015-06-29
Publication date: 2016-12-30
Anticipated expiration: 2035-06-29
Also published as: CN107924566A; US20180137616A1; FR3038111B1; EP3314574A1; WO2017001766A1

Abstract

L'invention concerne un procédé de segmentation d'une image, représentative d'un pneumatique, en une première zone comportant des stries et une seconde zone n'en comportant pas, le procédé comportant les étapes suivantes : • Une étape au cours de laquelle on effectue une mise à plat de l'image, • Une étape de seuillage au cours de laquelle on transforme l'image en niveau de gris en une image binaire, • Une étape de détection des lignes de l'image comportant des stries, et • Une étape d'évaluation du nombre de stries sur chaque ligne, et • Une étape au cours de laquelle, en fonction des résultats des étapes précédentes qui permettent d'obtenir un nombre de stries dans l'image, on détermine un premier ensemble de pixels de l'image représentant des stries.

Description

- 1 - DOMAINE DE L'INVENTION [0001] L'invention concerne le domaine de la fabrication des pneumatiques, et plus particulièrement le domaine du contrôle visuel de ces derniers en cours ou en fin de processus de production. [0002] L'inspection visuelle des pneumatiques est largement développée dans l'industrie du pneumatique et fait encore le plus souvent appel à la dextérité des opérateurs chargés de détecter les éventuelles imperfections visibles à la surface du pneumatique. Or, avec l'avancée de la puissance de traitement des moyens informatiques, les manufacturiers entrevoient dès à présent la possibilité de rendre ces taches de contrôle automatique [0003] A cet effet, différents moyens d'éclairage et d'imagerie numérique sont donc utilisés pour acquérir des images des pneumatiques, en vue d'un traitement numérique ultérieur permettant des détecter les imperfections auparavant détectées visuellement par les opérateurs. [0004] Ces moyens d'imagerie permettent d'effectuer différentes prises d'images, que ce soit en deux dimensions ou en trois dimensions, de la surface intérieure et/ou extérieure du pneumatique à inspecter. [0005] Les pneumatiques comportent certaines zones sur lesquelles des stries sont présentes, et d'autres zones ne présentant pas de stries. Ces stries présentent généralement une largeur de l'ordre de quelques millimètres, et une hauteur de l'ordre du millimètre. Pour détecter certains défauts sur les pneumatiques, il est utile de pouvoir appliquer des traitements différents aux zones striées, et aux zones non striées. A cet effet, il est utile de pouvoir différencier, sur une image d'un pneumatique, les différentes zones en présence. [0006] On connaît différentes techniques qui visent à effectuer une telle différenciation, mais aucun ne présente une robustesse suffisante pour être utilisée dans un domaine tel que celui du contrôle de pneumatiques. En effet, on a par exemple constaté que les soudures présentes sur un pneumatique faussaient la segmentation effectuée par des procédés de l'état de la technique. En outre, les solutions connues présentent des temps de traitement trop longs pour être acceptables en environnement industriel. [0007] La présente invention vise donc à proposer une solution de segmentation permettant de remédier aux inconvénients susmentionnés.

2014PAT00305FR 3038111 - 2 - DESCRIPTION GENERALE DE L'INVENTION [0008] La présente invention vise donc à proposer un procédé permettant de segmenter 5 une image de pneumatique de manière à distinguer les zones présentant des stries de celles n'en présentant pas. [0009] Ainsi, la présente invention concerne un procédé de segmentation d'une image, représentative d'un pneumatique, en une première zone comportant des stries et une seconde zone n'en comportant pas, le procédé comportant les étapes suivantes : 10 - Une étape au cours de laquelle on effectue une mise à plat de l'image, - Une étape de seuillage au cours de laquelle on transforme l'image en niveau de gris en une image binaire, - Une étape de détection des lignes de l'image comportant des stries, et - Une étape d'évaluation du nombre de stries sur chaque ligne, et 15 - Une étape au cours de laquelle, en fonction des résultats des étapes précédentes qui permettent d'obtenir un nombre de stries dans l'image, on détermine un premier ensemble de pixels de l'image représentant des stries. [0010] Dans la suite de la demande, on désignera parfois une image sur laquelle on applique un procédé conforme à l'invention par l'expression « image d'entrée ». 20 [0011] Par convention, dans l'ensemble de la demande, on utilisera les notations montrées en figure 1. Ainsi, on utilisera les notations L et H respectivement pour la largeur et la hauteur d'une image d'entrée, et le point I(x,y) sera repéré dans le repère (x,y) montré sur cette figure. [0012] On a constaté que certaines images d'entrée possédaient une courbure le long des lignes et des colonnes. Cette courbure apparaît en mesurant la moyenne des lignes et des 25 colonnes de l'image : chaque ligne, et chaque colonne de l'image, possède une moyenne différente, corrélée avec sa position dans l'image. Cet effet, dû à la courbure naturelle du pneu, (qui diffère selon le type des pneus) ainsi qu'aux contraintes mécaniques subies par le pneu lors de son acquisition, doit être corrigé avant tout autre traitement, afin que tous les éléments du pneu aient une hauteur comparable quelle que soit leur position dans le pneu. 30 [0013] A cet effet, dans une réalisation particulière, l'étape de mise à plat de l'image comprend une étape de détection d'un signal porteur sur lequel reposent les stries. Pour ce faire, on réalise une simple moyenne mobile le long des lignes : à chaque pixel de l'image nettoyée on 2014PAT00305FR 3038111 - 3 - calcule la moyenne des pixels voisins (situés à moins d'une certaine distance) et situés sur la même ligne ; on retranche ensuite cette valeur au pixel. [0014] Ces opérations peuvent être définies de la manière suivante : Soit une image I bidimensionnelle, et un entier positif r, on définit l'opération AvgSub comme une fonction 5 prenant en entrée une image bidimensionnelle I et produisant en sortie une image de même taille [0015] L'opération consiste à calculer, dans une fenêtre horizontale de taille 2r +1 centrée sur le pixel (x; y), (en considérant la spécificité de recollement des bords droit et gauche, exprimée par le minimum), la moyenne des pixels, et de retrancher cette dernière a la valeur du 10 pixel (et ceci répété pour tous les pixels de l'image). [0016] Le procédé de segmentation de la présente invention pourrait également être utilisé sur des images représentant tous types d'objet, et pas nécessairement des pneumatiques. Dans ce cas, l'étape de mise à plat ne s'avérerait pas forcément utile, puisqu'elle est rendue nécessaire dans le cas d'un pneumatique du fait de la forme arrondie de l'objet. 15 [0017] De manière préférentielle, on obtient l'image mise à plat, que nous appellerons désormais « image plate », en soustrayant le minimum de l'image à cette valeur moyenne afin d'obtenir uniquement des valeurs positives. Pour cette dernière opération, on choisit avantageusement un rayon permettant de conserver les stries tout en supprimant la porteuse. En outre, il s'avère que, bien que réalisée uniquement sur les lignes de l'image, cette opération 20 permet aussi de s'affranchir de la courbure le long des colonnes de l'image. [0018] Une fois l'image d'entrée mis à plat, l'étape suivante du procédé consiste à effectuer une opération de seuillage, afin de transformer l'image plate, qui est en niveaux de gris, en une image seuillée binaire. Ceci permet de créer un masque de sortie comprenant en un premier ensemble de pixels contenant les stries, et un second ensemble de pixels comprenant les 25 autres éléments. [0019] Pour décider si un pixel appartient au masque de sortie, on vérifie trois critères : Les deux premiers consistent à calculer d'une part la moyenne des niveaux de gris de l'ensemble des pixels de la ligne (respectivement de la colonne) sur laquelle est située un pixel, d'autre part l'écart-type, et d'additionner ces deux valeurs.

2014PAT00305FR 3038111 - 4 - - Le troisième critère consiste à vérifier que le pixel appartient à une ligne valide, c'est-à- dire une ligne qui n'est pas trop proche ni du haut, ni du bas de l'image ; ou une ligne qui ne contient pas un trop grand nombre de valeurs aberrantes, ou bien encore une ligne qui n'est pas trop proche d'une ligne contenant un grand nombre de valeurs 5 aberrantes. [0020] En fonction du masque de sortie ainsi défini, il est alors possible de détecter, dans l'image mise à plat, les lignes dans lesquelles des stries sont présentes. A l'issue de cette détection, on obtient une image unidimensionnelle, de même taille que la hauteur de l'image plate. 10 [0021] Cette étape de détection est effectuée de la façon suivante : - on calcule, pour chaque ligne de l'image mise à plat, la variance des niveaux de gris des pixels n'appartenant pas à l'image seuillée binaire, ce qui revient à exclure les stries éventuelle, - on effectue une seconde fois le calcul en dilatant horizontalement l'image 15 seuillée ce qui revient à exclure plus de pixels du calcul. [0022] Les lignes sur lesquelles des stries sont présentes dans l'image plate vont présenter un résultat fortement différent des autres lignes. En effet, le calcul de variance effectué exclu le phénomène d'ombre portée provoqué par les stries, ce qui conduit à des valeurs basses par rapport à la moyenne. Ainsi, les lignes comportant des stries présenteront une grande différence 20 entre les deux valeurs de variance, alors que ce n'est pas le cas des lignes sans strie. [0023] On effectue alors, pour chaque ligne, le rapport entre les deux valeurs variance ainsi calculées. Si ce rapport devient supérieur à un seuil prédéterminé, on considérera que la ligne comporte une strie. [0024] On remarque ici que l'on utilise une spécificité des stries, à savoir le phénomène 25 d'ombre portée, pour les détecter. D'autres méthodes pourraient être envisagées pour réaliser cette étape de détection, toutefois on a constaté que la méthode ici décrite fournissait les meilleurs résultats. [0025] Il est à noter une fois de plus que cette étape de détection des stries est rendue nécessaire par le caractère spécifique de l'objet, à savoir un pneumatique. En effet, comme 30 indiqué précédemment, les stries sont dues au procédé de fabrication, et peuvent donc être interrompues et donc présentes seulement sur une partie des lignes. D'où la nécessité de détecter 2014PAT00305FR 3038111 - 5 - les lignes qui contiennent des stries. Cette étape ne serait donc pas nécessaire dans le cas d'une application sur un autre type d'objet. [0026] L'étape suivante, dans un procédé conforme à l'invention, consiste à évaluer le nombre de stries sur chaque ligne. Pour ce faire, on met en oeuvre les étapes suivantes : 5 - tout d'abord, on calcule la variance le long de chacune des colonnes d'une image d'entrée, pour constituer une image unidimensionnelle possédant une régularité similaire aux stries. Selon les exemples, on choisira comme image d'entrée l'image plate ou l'image seuillée. - on applique deux transformées de Fourier successives sur cette image 10 unidimensionnelle pour obtenir une décomposition de l'image dans l'espace des fréquences, - on cherche alors un ou plusieurs maximums de l'image décomposée. En effet, si une valeur d'abscisse x est élevée, cela signifie qu'il y a dans l'image un motif qui se répète tous les x pixels. Par conséquent un maximum de l'image peut correspondre à une 15 période de stries. [0027] Toutefois, on a constaté que dans certains cas, un maximum de l'image décomposée de correspond pas à une période des stries recherchée, mais à une harmonique, c'est-à-dire une valeur due à une groupe de stries qui se répète régulièrement dans l'image. Par conséquent il est utile, dans une réalisation particulière, de regarder les fractions du maximum déterminé pour 20 détecter d'éventuels candidats à la période des stries. [0028] Dans une dernière étape d'un procédé selon l'invention, on détecte, dans l'image seuillée, les meilleures composantes pouvant être des stries, et on les retient dans un ensemble Résultat. Pour ce faire, on parcourt les composantes connexes de l'image seuillée par taille décroissante, et on les retient si deux conditions sont respectées : 25 - Tout d'abord, il ne faut pas que la composante connexe, si elle était ajoutée à l'ensemble Résultat, conduise à ce qu'il y ait sur une ligne de l'image seuillée un nombre d'éléments de l'ensemble Résultat supérieur au nombre de stries détecté à l'étape précédente, et - Il faut en outre que la composante connexe appartienne à une ligne valide telle que 30 définie au paragraphe [0019] [0029] A l'issue de cette dernière étape, on obtient alors un premier ensemble de pixel, correspondant à l'ensemble Résultat, comportant l'ensemble des stries de l'image.

2014PAT00305FR 3038111 - 6 - [0030] Toutefois, on a constaté que l'ensemble Résultat pouvait, dans certains cas, comprendre des éléments surnuméraires, qu'il serait utile de supprimer. A cet effet, dans un mode de réalisation, un procédé selon l'invention comporte en outre les étapes suivantes : - une étape de réévaluation du nombre de stries dans l'image, et 5 - une étape de filtrage de l'ensemble de pixels déterminé, en fonction du nombre de stries réévalué, pour obtenir un deuxième ensemble de pixels de l'image. [0031] Dans un autre mode de réalisation, un procédé selon l'invention comporte en outre une étape au cours de laquelle on complète des espaces vides de l'image pour obtenir un troisième ensemble de pixels de l'image. 10 [0032] Dans un mode de réalisation, un procédé selon l'invention comporte une étape au cours laquelle on élimine, du troisième ensemble de pixels, des composantes surnuméraires, pour obtenir un quatrième ensemble de pixels de l'image représentant des stries. [0033] On a constaté qu'un léger bruit présent dans l'image sur laquelle est appliqué le procédé pouvait perturber la détection des stries, et ainsi conduire à une mauvaise segmentation.

15 Pour remédier à cela, dans un mode de réalisation, il est utile de prévoir une étape préalable de nettoyage de l'image avec des filtres morphologiques. Considérons, dans un exemple particulier, une image où est représentée la topographie d'un pneumatique, c'est-à-dire que la valeur de chaque pixel de l'image représente la hauteur du voisinage du point correspondant dans le pneumatique. Sur une telle image, les valeurs de niveau de gris élevées indiquent des 20 pixels d'altitude élevée, tandis que les valeurs de niveau de gris basses indiquent des pixels de faible altitude. Ainsi, les stries présentes sur un pneumatique ressemblent, sur une image topographique, à des chaînes de montagne étendues, sans nécessairement être très hautes, tandis que le bruit présent dans l'image apparaît sous la forme de pic de très (montagnes) ou très basse (canyons) altitude mais de petite taille. 25 [0034] L'objectif de la présente étape est donc de supprimer ces pics de valeur. A cet effet, on utilise une ouverture morphologique, qui consiste à supprimer toutes les montagnes étroites, quelle que soit leur altitude, suivie d'une fermeture morphologique qui consiste à supprimer tous les canyons étroits, quelle que soit leur profondeur. [0035] L'opération d'ouverture consiste d'abord à remplacer la valeur de chaque pixel de 30 l'image par la valeur minimale des pixels situés dans un certain voisinage, puis à recommencer l'opération en prenant cette fois-ci la valeur maximale. L'opération de fermeture consiste à réaliser les mêmes deux opérations, mais dans le sens inverse (d'abord la valeur maximale, puis 2014PAT00305FR 3038111 - 7 - la valeur minimale). Le voisinage choisi consiste en l'ensemble des pixels situés sur la même ligne. que le pixel étudié (on parle alors d'ouverture et de fermeture par un élément structurant linéaire) et à une distance inférieure à un certain seuil. [0036] On choisit préférentiellement une valeur de seuil permettant d'éliminer, sur chaque 5 ligne, des montagnes et des canyons de petite taille.. Toutefois, ce choix de rayon doit représenter un compromis entre une valeur trop faible qui ne permettrait pas un nettoyage correct, et une valeur trop élevée qui pourrait conduire à la suppression de certains éléments d'intérêt des stries.

2014PAT00305FR 3038111 - 8 - DESCRIPTION DU MEILLEUR MODE DE REALISATION [0037] On va décrire ci-après le détail de chacune des étapes de la méthode. Dans cet exemple, l'étape nettoyage est effectuée au préalable. Ainsi, si on nomme CEA l'image de départ, l'image nettoyée sera : 5 [0038] Ainsi que décrit précédemment dans ce texte, l'étape de mise à plat est effectuée en utilisant une opération AvgSub [0039] On effectue alors le calcul suivant : dans une fenêtre horizontale de taille 2r +1 10 centrée sur le pixel (x; y), on calcule la moyenne des pixels, et de retrancher cette dernière a la valeur du pixel (et ceci répété pour tous les pixels de l'image). De manière préférentielle, on obtient l'image mise à plat, que nous appellerons désormais « image plate », en soustrayant le minimum de l'image à cette valeur moyenne afin d'obtenir uniquement des valeurs positives : 15 [0040] Le calcul de l'image seuillée est effectué de la manière suivante : On construit une fonction qui permet d'attribuer une étiquette à chaque ligne y de l'image d'entrée. Si on considère un masque PNM d'entrée, représentant les valeurs aberrantes de l'image d'entrée (les pixels de valeur aberrante sont à A, et les autres sont à 0, et on procède en deux temps : tout d'abord, on définit une première image 20 unidimensionnelle temporaire, de même taille que la hauteur des images d'entrée, et telle que : La première condition permet de marquer comme invalide les dix premières et les dis dernières lignes de l'image, et la seconde condition permet de marquer comme invalide 25 toutes les lignes possédant plus de 5% de pixels marqués comme aberrants dans l'image PNM.

2014PAT00305FR 3038111 - 9 - - On pose Ligne_NOTOK_PNM=0 et Ligne_OK=2. L'image Ligne, qui nous donnera l'étiquette de chaque ligne, est obtenue en propageant les étiquettes de lignes invalides, grâce à une érosion, comme suit : 5 - On peut alors définit le masque de sortie en réalisant un seuil basé sur nos critères précédemment définis et sur l'étiquetage des lignes, à partir de l'image précédemment mise à plat (voir équation 2) - Cette formule produit en sortie un masque de taille égale à la taille des images en entrée, et où un pixel sera présent s'il est sur une ligne valide (première condition), si sa 10 valeur est supérieur à la moyenne plus l'écart type des pixels de la même ligne que lui (seconde condition), et si sa valeur est supérieure à la moyenne plus l'écart type des pixels de la même colonne que lui (troisième condition). [0041] L'étape de détection des lignes comportant des stries est effectuée de la façon suivante : 15 - On commence par calculer, pour chaque ligne y de l'image mise à plat (voir équation 2), la variance des pixels n'appartenant pas à l'image seuillée, et la variance des pixels n'appartenant pas à l'image seuillée dilatée de 60 pixels : - Comme expliqué précédemment, on calcule, dans une nouvelle image 20 unidimensionnelle Score, de taille égale à la hauteur des images d'entrée, le rapport entre ces deux valeurs. On calcule aussi, dans l'image unidimensionnelle Rapport, le rapport entre les deux valeurs mais en procédant à un nettoyage à l'aide d'ouvertures et de fermetures, de la façon suivantes : 2014PAT00305FR 3038111 - 10 - - L'image Rapport nous servira dans la suite de cette section, tandis que l'image Score nous servira dans les sections suivantes. On cherche, pour chaque ligne valide de l'image (en se servant de l'image Ligne définie à l'équation 3), quels sont les deux extrema de valeurs de Rapport. 5 - Après plusieurs expérimentations, nous avons établi que le seuil de rapport de variance qui agit comme limite est 1.5 : si la valeur min Rapport est supérieure à ce seuil, alors on considère que les stries sont présentes sur toutes les lignes de l'image, si la valeur max Rapport est inférieur à ce rapport, alors l'image ne possède pas de stries. 10 - Ce qui est plus compliqué à déterminer se passe quand ces deux extrema se situent de part et d'autre du seuil. Dans ce cas, la valeur de 1,5 ne joue plus le rôle de seuil satisfaisant, et il faut trouver un autre seuil différent selon les images. Notre technique consiste à choisir une valeur de seuil s de façon à diviser les lignes de l'image en deux classes (avec strie, on suppose, et sans strie, on suppose) de façon à ce que les variances 15 des deux classes soient très proches (cette procédure est discutée dans la suite) : Si plusieurs seuils sont candidats pour être le minimum, on prendra le seuil le plus bas. - On peut construire l'image Ligne2 tmp qui attribue une étiquette à chacune des lignes de l'image d'entrée en attribuant, pour tout 20 On pose Ligne_NOTOK_NOTSTRIE=1. - L'image Ligne2 finale, qui attribue l'étiquette définitive de chacune des lignes de l'image d'entrée, est un mélange entre Ligne et une version nettoyée de Ligne2 tmp. Pour tout on pose 2014PAT00305FR 3038111 - Comme expliqué précédemment, l'image Ligne2 qui attribue une étiquette à chaque ligne de l'image d'entrée est composée en mélangeant les informations de Ligne et de Ligne2 tmp. Si toutes les lignes ont un rapport de variance satisfaisant (supérieur à 1.5), 5 alors les stries sont présentes sur toute la hauteur de l'image et Ligne2 sera une copie de Ligne. Sinon, si seules certaines lignes ont un rapport de variance satisfaisant, alors Ligne2 est égale à une version nettoyée de Ligne2 tmp sauf pour les lignes comportant trop de valeurs aberrantes, où on recopie l'étiquette Ligne_NOTOK_PNM (cette opération est réalisée grâce à l'utilisation du minimum) ; 10 - Le nettoyage de Ligne2 tmp s'effectue grâce à une ouverture, suivie d'une fermeture. Cependant, on s'aperçoit dans les images comportant partiellement des stries que ces dernières ne s'interrompent pas toutes sur la même ligne : elles s'effacent peu à peu, et ne disparaissent pas aux mêmes lignes. Pour cette raison, on effectue une érosion de Ligne2 tmp afin d'élargir les étiquettes des lignes sans strie et inclure, par précautions, 15 ces zones « floues » comme lignes sans strie. [0042] L'étape d'évaluation du nombre de stries sur chaque ligne est préférentiellement effectuée de la façon suivante : - On calcule la variance de chacune des colonnes d'une image d'entrée Input qui est, selon le mode de réalisation, l'image mis à plat Plat ou l'image seuillée Seuil. Ce calcul 20 est effectué en excluant, grâce à Ligne2, les éléments situés sur des lignes de possédant pas de stries. En outre, on effectue au préalable une érosion des éléments de Ligne2 pour éloigner les étiquettes de ligne valides de ces zones : - L'image Var col ainsi obtenue est une image unidimensionnelle de même taille que la 25 largeur des images en entrée. On constate que cette image possède un motif se répétant autant de fois qu'il y a de stries dans l'image. On va alors effectuer une analyse par Fourier de cette image Var col pour trouver le nombre de stries présentes sur chaque ligne de l'image. Ce calcul est le suivant : 2014PAT00305FR 3038111 - 12 - - La taille de l'image F est égale à la plus grande puissance de deux strictement inférieure à L(Input) plus 1. Ainsi, pour des images de 40 000 pixels de large, F fait 32769 pixels. L'image F est telle qu'un pic sur F(1000) signifie qu'il y a, dans l'image, un motif se repérant tous les 1000 pixels. Par conséquent, il est utile de rechercher les pics de F.

5 Toutefois, au préalable, on nettoie l'image avec une ouverture et une fermeture comme suit : - On constate que la structure de F2 est souvent la même quelle que soit l'image d'entrée : dans un premier tiers de l'image, on observe des oscillations intéressantes 10 placées sur un signal porteur, puis, le signal reste plat, s'effondre vers la moitié de l'image, et remonte un peu pour rester plat dans la dernière moitié. On va donc chercher le minimum de l'image après le premier tiers, et placer des 0 après ce minimum, pour obtenir une image F3 comme suit : 15 - On effectue ensuite une reconstruction géodésique d'une image D dans F3 afin de récupérer le signal porteur que l'on pourra alors supprimer. L'image D est une image de même taille que l'image F3, ayant pour valeur en tous les points sauf à l'abscisse 0 où elle vaut F3(0). - On cherche alors la position du maximum de F4 : 20 - On a constaté que ce maximum ne représentait pas toujours la période spatiale des stries dans l'image En effet, il faut tenir compte du phénomène d'harmoniques dans l'image. A cet effet, on va tester des fractions du maximum précédemment déterminé, et on recherche un maximum pn de F4 dans un certain voisinage Rn comme suit : 25 2014PAT00305FR 3038111 - 13 - - On construit alors l'ensemble Nb strie qui contient tous les candidats au nombre de stries dans l'image : [0043] L'étape de détection des meilleurs candidats de l'image binaire est effectuée 5 comme suit : Soit C l'ensemble des composantes connexes de Seuil ; C' l'ensemble des éléments de C qui apparaissent sur au moins 20 lignes étiquetées comme valides, et soit S la séquence des éléments de C' triés par taille décroissante. On a alors : 10 On construit alors l'ensemble Candidat en ajoutant les éléments de S s'ils ne sont pas en conflit avec les éléments déjà ajoutés dans Candidat. Pour cela, on construit une suite d'ensemble R : 15 Finalement, la présente invention propose un procédé mettant en oeuvre un certain nombre de caractéristiques originales par rapport aux solutions connus de l'état de la technique. Ainsi, les moyens permettant d'effectuer une détection des lignes de l'image où des 20 stries sont présentes sont différents des solutions connues, puisque le principe consistant à prendre un masque de pixels candidats à appartenir à des stries, et à observer comment la variance (calculée en excluant les éléments de ce masque) évolue en fonction de la dilatation de ce masque, est original. En effet, dans la présente invention, on cherche des éléments de relief 2014PAT00305FR 3038111 - 14 - qui provoquent une ombre projetée sur l'image, et on détecte les lignes de l'image possédant des stries en tentant de détecter les lignes possédant une ombre portée. Par ailleurs, la présente invention vise à proposer un procédé permettant de diviser les lignes de l'image en deux catégories : celles où des stries sont présentes, et celles n'en possédant 5 pas. On a constaté que les solutions connues, à savoir l'approche classique consistant à minimiser la variance intra classe ou à maximiser la variance inter classes ne fonctionnaient pas (notamment car les classes peuvent avoir des variances fortes). Dans la présente invention, on utilise des moyens consistant à égaliser les variances des classes à l'aide d'un algorithme en temps linéaire, ce qui permet de remédier à l'inconvénient des solutions connues.

10 En outre, la méthode de comptage des stries, permettant de savoir combien de stries sont normalement présentes sur l'image en l'absence de défaut comporte deux éléments inventifs : - Le premier réside dans le fait de réaliser une transformée de Fourier non pas sur chaque ligne de l'image, comme présenté dans les solutions connues, mais sur un signal en une dimension, représentatif des lignes de l'image. Ce signal est obtenu en calculant la 15 variance de chaque colonne de l'image : grâce au relief des stries et à leur ombre portée, on obtient un signal avec la même période que les stries de l'image. Cette solution permet de diminuer les temps de calcul mis en oeuvre. - Le second élément provient du fait de réaliser des opérations morphologiques sur les résultats de la transformée de Fourrier afin de la nettoyer d'éléments parasites qui 20 pourraient fausser le résultat obtenu. - Enfin, un procédé selon l'invention met en oeuvre, pour la sélection des meilleurs composantes candidates pouvant appartenir à une strie, une série d'opérations de placement puis suppression des candidats en diminuant au fur et à mesure les contraintes sur leur position. Ce schéma de diminution des contraintes au fur et à 25 mesure va à l'inverse de toutes les solutions de l'état de la technique qui consistent généralement à augmenter les contraintes avec le temps.

2014PAT00305FR

Claims

REVENDICATIONS1. Procédé de segmentation d'une image, représentative d'un pneumatique, en une première zone comportant des stries et une seconde zone n'en comportant pas, le procédé comportant les étapes suivantes : - Une étape au cours de laquelle on effectue une mise à plat de l'image, - Une étape de seuillage au cours de laquelle on transforme l'image en niveau de gris en une image binaire, - Une étape de détection des lignes de l'image comportant des stries, et - Une étape d'évaluation du nombre de stries sur chaque ligne, et - Une étape au cours de laquelle, en fonction des résultats des étapes précédentes qui permettent d'obtenir un nombre de stries dans l'image, on détermine un premier ensemble de pixels de l'image représentant des stries.
2. .Procédé selon la revendication 1 dans lequel l'étape de mise à plat de l'image comprend une étape de détection d'un signal porteur sur lequel reposent les stries.
3. Procédé selon la revendication 1 ou 2, comportant en outre les étapes suivantes : une étape de réévaluation du nombre de stries dans l'image, et une étape de filtrage de l'ensemble de pixels déterminé, en fonction du nombre de stries réévalué, pour obtenir un deuxième ensemble de pixels de l'image.
4. Procédé la revendication 3, comprenant en outre une étape au cours de laquelle on complète des espaces vides de l'image pour obtenir un troisième ensemble de pixels de l'image.
5. Procédé selon la revendication 4, comprenant une étape au cours laquelle on élimine, du troisième ensemble de pixels, des composantes surnuméraires, pour obtenir un quatrième ensemble de pixels de l'image représentant des stries.
6. Procédé selon l'une des revendications précédentes comprenant l'étape préalable de nettoyer l'image avec des filtres morphologiques. 2014PAT00305FR