Publier

INFO-H-500 Image acquisition and processing

< Retour

25 January : Oral - 25 Jan 2021

Can be in french or english for both parts, no notes for theory but we can have our notes and lab for practical part.

Theoritical Part : all I know about histogram based segmentation. Then what is a lookup table, list the differences between Otsu and waterhsed, the different complexity and why Otsu is faster.

Practical :
Lab 1: explain what I did, the functions I used. What should I do if I don\'t have a binary image or if there is no letter. What should i do if my watermark is on edges (how to detect them, and how to change the watermark contrast). Why did I use PIL library.
Lab 3: Explain how to describe a texture, describe the sliding windows algorithm, how do we decide if we have an overlap for a pixel. difference between texture segmentation and histogram segmentation.

oral 25Janvier - 25 Jan 2021

Théorie :
tout ce que tu sais sur histogram segmentation (m\' a demandé c\'est quoi le centroid (la formule) - avantages inconvénients d otsu par rapp a watershed (moins complexe vu que basé que sur lhistogram) )

Pratique :
Expliquer projet 2 pourquoi tel ou tel filtre , difference entre autolevel et equalization , difference entre median et mean filter
question labo 1 : comment calculer l\'entropy, ca represente quoi
donner une application pratique dhistogram -> j\'ai dit pour segmenter par exemple, + qlq ss questions par rapport à ca

22/01/21 - 23 Jan 2021

Théorie:
Tout ce que tu sais sur region segmentation -> region growing, split and merge (+Cmt calculer homogénéité? à partir Cooccurence matrix ou entropie), watershed
+ avantages des histogram based segmentations? -> + rapides, et de watershed? -> très sensible aux bords mais oversampling. Comment régler oversampling? fusion des régions en prenant gradient des intensités moyennes pour nouvelles frontières, filtre pour réduire le bruit
+ Watershed dans le cas de formes rondes qui se touchent? -> distance map, on inverse pour que nos max deviennent min et on a nos markers.

Patique :
(on peut avoir ses notes askip)
Expliquer module 1 + cmt faire si je veux faire ça ou ça comme amélioration
Puis comment faire filtre passe-bas sur Fourier

Oral - 5 Jan 2021

- Question théorique :
Dire tout ce que je sais sur la Fourier Transform:
J\'ai parlé de low-pass et high-pass filter et de l\'utilisation en restauration d\'image (PSF, wiener, blind deconvolution)
Il a ensuite demandé la taille (mm qu\'image), la valeur (complexe), ce qu\'il se passe si on veut faire une convolution d\'une image avec un petit élément dans le domaine de Fourier (padding pour arriver à la taille de l\'image) et la valeur du pixel central (0,0) de la transformée (c\'est la moyenne de l\'image). Il m\'a aussi demandé une troisième utilisation (gabor filter) parce que j\'avais oublié de le dire.

- Question pratique :
Expliquer le 2e projet
Questions sur la feature extraction (dernier exo du labo 3). Parler de l\'utilisation de regionprops() pour récupérer des features intéressantes d\'objets labélisés. Ensuite il a posé une question en me demandant comment catégoriser des lettres d\'un texte qui a été segmenté -> en règle générale, utiliser des invariants d\'une part et des descripteurs qui diffèrent de lettre en lettre d\'autre part, pour réussir à grouper les objets identiques tout en séparant ceux qui sont différents.

5/11 - 5 Jan 2021

On peut faire l\'examen en anglais ou en français.
Théorie : Histogram segmentation, parler du fait que on peut déterminer nous même le threshold ou utiliser une méthode automatique, détailler l\'algorithme pour optimal threshold et otsu threshold. Pas besoin de donner les formules pour calculer centre de masse, variance tout ça mais parler la variabilité inter et intra classe et de qu\'est ce que c\'est la séparabilité. Dire quelle méthode est global et quelle méthode est local. Après il a demandé c\'était quoi l\'avantage et inconvénient qu\'on a pas rapport à region segmentation, -> région ça permet de segmenter même si on a des pixels du background qui ont la même couleur a d\'autre endroits. Ensuite il a demandé quel genre de filtra on pourrait utiliser pour isoler une texture dans des fibre musculaire -> filtre de Gabor apparement.

Pratique : détailler ce que j\'ai fait pour le labo 3, j\'ai utiliser watershed du coup il a demandé qu\'est ce qui pourrait influencer la précision -> la taille des bords sur l\'image qu\'on utilise pour faire watershed. Puis question sur le labo 2, expliquer c\'est quoi le sobel filtre et la différence avec canny, puis comment trouver le point de fuite sur l\'image avec la route -> avec Hough, du coup il a demandé d\'expliquer qu\'est ce que c\'est Hough.

Questions Examen Oral - 5 Jan 2021

Partie théorique: expliquer et tout dire sur \"histogram based segmentation\", donner les avantages inconvénients et citer les autres méthodes de segmentations. Petites questions supplémentaires: expliquer comment on calcule les centroïds (SUM i p_i / SUM p_i) et que faut-il savoir pour faire le \"percentile threshold\" (la surface de l\'objet que l\'on recherche).

Partie Pratique:
Projet 2: expliquer tout ce qu\'on a fait et il demande d\'expliquer certains principes en fonction de ce que l\'on a utilisé. Il m\'a demandé d\'expliquer la différence entre Sobel et Canny, la différence entre auto-level et equalization et quand est ce que l\'on utilise l\'un plutôt que l\'autre ( auto-level pour rendre plus \"joli\" et equalization pour chain processing).
Labo 1: expliquer le fonctionnement de \"image pyramid\", en quoi est ce une compression (ce n\'en est pas une mais pratique à faire avant un Huffman encoding), comment est l\'histogram de cette nouvelle image (de -255 à 255 avec un grand pic autour de zéro), expliquer l\'entropy et en quoi elle est utile ici, expliquer la coocurence matrix et pareil expliquer en quoi elle est utile.

4 Jan 2021 - 4 Jan 2021

Théorie:
Region growing, split and merge, watershed (inconvénients et méthodes pour les contourner).
Pratique:
Sliding window, texture segmentation

Oral - 4 Janvier 2020 - 4 Jan 2021

1. (Theorical) - Tell me what you know about Fourier tranform ? C\'est assez tricky comme parti mais même en connaissant peu il a dit c\'était ok mais il attendait de voir les autres pour donner une note. Les questions qui m\'a posé : What is the shape (same as image), what is the type of the value (complex), what is the value if we have a 4x4 image in the fourier domain (pas trop compris mais ct 1 ou 2), how we compute the convolution between two arrays of different size (increase the smallest and fill it with 0 -> zero padding), what is the value at the center (0 -> constant value in the original image), on a parlé des filtres aussi, What is the type of the filter for the fourier transform (linear g repondu au pif), what is the second type of filter that is using the fourier transform (j\'ai dit le gabor filter j\'ai pas su expliquer plus que ça et il m\'a juste demandé c\'était appliqué dans quels cas -> texture analysis)

2. (Practical) - Third project : Il demande d\'expliquer le projet et il aide si des fois on a du mal a lui expliquer, il pause des questions sur comment on a fait. Il demande comment l\'améliorer, je lui ai montré comment j\'avais essayé de l\'améliorer et il m\'a demandé si je changeais tel paramatère si ca pourrait aller mieux (ca a été mieux).

Question : comment on fait un sobel filter et c\'est quoi ? Convolution kernel with 2 kernels (horizontal and vertical), the formula for the amplitude, il m\'a demandé aussi les valeurs dans les kernel, ensuite il m\'a demandé ce que je savais sur canny edge detector-> expliquez comment on le calculait et quel est la différence avec le sobel (-> binary image for canny), il m\'a demandé comment était compute le gradient dans le canny (sobel askip) et on utilisait aussi autre chose en rapport avec le gradien dans canny (-> angle) et comment on le calculait. ensuite il m\'a demandé comment calculer le point artificel ou je sais plus quoi (le point ou toutes les lignes se rejoignent sur une image), j\'ai expliqué le hough transform et il m\'a demandé keske ca renvoyait donc y a le plan avec toutes les courbes et expliquez comment on sait quand y a une ligne et pour le point artificiel juste si bcp de lignes se croisent en ce point., il a quand meme insisté pour savoir c\'était quel genre de courbes dans la hough transform (sinusoide). Il a conclu que cette partie devrait pas poser probleme pour la note et juste j\'avais un peu plus de mal sur les questions additionelles

Anciens examens 2017 & 2015 - 4 Jan 2021

ATTENTION : ce sont des anciens examens

2015 :
Alexandra
1) Dis moi tout ce que tu sais sur les méthodes de segmentation
(percentile avec optimisation du choix du seuil, otsu, maximisation de l\'entropie, organisation hiérarchique, split and merge, watershed)
2) Parle moi des méthodes de morphomath que tu connais
(opérateurs morphologiques, ouverture et fermeture, hit or miss transform, thinning and thickenning, distance map based, extraction de bord, labelisation, exemple des ronds en cacahuete)
En gros il donne des titres de chapitre et on doit lui déballer tout ce qu\'on sait. Il donne une question, on a 20min pour la préparer au tableau, puis il vient pour qu\'on lui explique ce qu\'on a mis; puis il donne la deuxième question, et on a de nouveau 20min pour préparer.
Il est très gentil, il regarde gentiment et il explique quand il y a un truc pas clair, il faut vraiment pas avoir peur Si il voit qu\'on a compris ce qu\'on dit, il cherche pas plus loin.

Laura
Question 1 : La segmentation
Réponse : Donner toutes les méthodes donc globale (avec les histogrammes), avec les bords (décomposition hiérarchique) et par région (split et merge et watershed). Il faut tout expliquer, il m’a posé très peu de questions en plus. Pour la watershed il m’a juste demandé de parler des méthodes pour éviter la sursegmentation (passe bas ou seuillage des gradients, j’avais déjà expliqué mais il m’a posé une question pour me les faire redire)
Question 2 : Les opérateurs morphologiques
Réponse : Encore une fois il faut tout dire, commencer par erosion et dilatation puis ouverture et fermeture. Puis parler de la Hit or Miss et du squelette puis du remplissage. J’avais oublié de parler de la labelisation donc il m’a juste demandé ce qu’on faisait si on voulait détecter des éléments qui ne sont pas connectés et il faut juste dire qu’on fait de la labelisation.

Sacha
Question 1 : segmentation: expliquer les différentes méthodes, s’il voit que vous avez compris il demande rien en plus. Une des seules questions qu’il m’a posé c’est: De quel paramètre tu peux tenir compte aussi? Et il fallait juste dire de tenir compte des couleurs (HSV,...)
Question 2: Morphomaths. Juste expliquer les opérateurs morphologiques (il m’a demandé quelles étaient les propriétés de l’ouverture ? idempotente), la HoM transform, parler brièvement de la labélisation, c’est tout. Ca dure 6min par question quand il interroge et il pose quasi rien en plus.

Denis
Question 1 : segmentation
Réponse : 6 méthodes listées : gradients (bords puis remplissage par watersched), régions (split and merge), seuils sur des images en niveaux de gris, seuils sur des images vectorielles (couleurs, texture), flood fill, petite parenthèse sur la labellisation. Pour chaque méthode, j’ai dit quel était le critère d’homogénéité utilisé (couleurs/valeurs proches, variance, ou alors tout ce que l’utilisateur veut car il définit lui-même ce que sont deux pixels homogènes).
Question 2 : morphomaths
Réponse : Les morphomats s’appliquent sur des images binaires et peuvent s’étendre sur des images en niveaux de gris. J’ai donné les définitions des opérations de base (sans oublier de définir ce qu’est l’élément structurant et le fait qu’il est centré), puis les opérations de l’ouverture et de la fermeture, puis ce qu’est la hit-or-miss transform (avec son élément structurant bien à elle), avec applications aux squelettes. J’ai eu comme question « à quoi sert un squelette ? » ainsi que « tu dis que ça préserve la topologie de la forme, qu’est-ce que ça veut dire ? ».

Damien
Q1 : Segmentation
Pareil que tout le monde. Il m’a posé des questions sur l’optimum local du seuillage avec les barycentres : “oui on trouve un optimum local, mais pourquoi? Ça dépend de quoi?”. J’ai dit que la méthode convergeait vers les minimum, et comme on teste pas tous les seuils, ça reste local. Et ça dépend du seuil initial. Pour le seuillage du percentile, il m’a demandé sur quelle échelle s’appliquait le percentile (nombre de pixels). Il faut donc avoir une idée des surfaces que l’on veut seuillé.
Questions sur les critères d’homogénéité. Pour le post-traitement du watershed, il m’a demandé comment on fusionnait les bassins (moyenne des bassins = mosaïque, test d’homogénéité entre ces mosaïques après avoir appliqué un filtre passe-haut).
Q2 : Morphomathématiques
J’ai fait des dessins pour expliquer les opérations et la dualité. Il a bien aimé apparemment, vu qu’il m’a absolument pas posé de questions jusqu’à ce que je finisse tout le tableau.
J’avais oublié labelisation et il m’a juste dit un indice de ce qu’il attendait (j’ai juste dit le mot). En 1 min c\'était plié (peut-être parce que j’étais le dernier)

Iuliana
Question 1: Tout sur la segmentation
J’ai raconté tout le chapitre. J’ai aussi parlé des filtres détecteurs de bord et il m’a demandé si Sobel était linéaire, j’ai répondu qu’il se trouvait dans la partie “filtres linéaires” dans son cours. Et là il m’a demandé comment on trouve l’image finale: sqrt(Gx²+Gy²).

Question 2: Tout sur les morphomath
J’ai parlé de tout le chapitre. J’ai dit que le Split&Merge pouvait être utilisé pour la compression, et il m’a demandé quel était son défaut: on voit les carrés dans l’image.
Il m’a demandé où on plaçait les opérations morphomath dans la chaîne d’acquisition: j’ai répondu après la segmentation.


Simon:

Question 1 segmentation : j ai parlé de tt le chapitre, il m’a demandé la différence entre Otsu et la méthode avec les centre de gravité ( l’un trouve optimum globale, l autre locale. il m’a demandé pq?) Dans le Watershed il m’a demandé qu’elle critère on utilisait pour fusionner 2 mosaïque ( le gradient) . Il ma demandé pourquoi s\'embêter a faire de la segmentation par région et pas ce contenter des bords (parce que les bords ne sont pas souvent fermé).

Question 2: morphomat : j ai dis tout le chapitre il m’a demandé des applications médicales et il faut quand même être précis dans la définition d’érosion/dilatation .

Philomène
Q1: segmentation
pas de surprise, tout dire (vraiment tout, j’ai aussi parler de la transformée de Hough et de tout le chapitre sur la détection des bords)

Q2: acquisition
encore une fois parler de tout. Je suis pas forcément rentrée dans les détails pour cette question la mais ca avait l’air de lui suffir





2017 :

Etudiant 1 :
c\'est une question de restitution et 1 application sur un cas :
- Hough transform
- Repérer automatiquement des agrégations de petites cellules dans une coupe style contraste de phase (bords en évidence)
Etudiant 2 :
J\'ai eu :
- Théorie : explique une méthode de segmentation au choix, ses avantages/inconvénients et compare la avec d\'autres méthodes
- Application : Une image d\'un tableau; il faut trouver le point de fuite
Etudiant 3 :
Jai eu : Hough transform et segmenter un canal dans une coupe de plante, toutes les cellules de la plante avaient la même couleur, les canaux avaient des cellules plus agglomérées.
Etudiant 4 :
Pareil que étudiant 2
Etudiant 5 :
Pareil que étudiant 3
Etudiant 6 :
Hough et segmenter une \"griffe\" dans une culture cellulaire
Etudiant 7 :
Segmentation au choix et image comme étudiant 3

Fourrier & Tumour segmentation - 4 Jan 2021

Theory question: Tell me what you know about Fourier transforms in image processing, and when we use them. He asked what size and type of data the Fourier transform of an image is (same size, floating complex). He asked, if we want to do a convolution with a smaller structuring element (padding with 0s). He said that convolutions could be done with linear filters, so when would it be better to do them using Fourier transforms?

Practical questions:
Project: He first asked to explain the big step of the algorithm (and I think what other techniques could be used). He was going to ask something about linear filtering, but I didn’t have any. He saw I had hardcoded values, so he asked how sensible it was to those values, like what if we changed them a bit, what should we generally do to avoid having such sensible values. He asked what the main sources of imprecision were, how we could evaluate how precise it was, and how we could make it more precise.

Other labs: We want to segment an image based on colour. We therefore need to evaluate the colour difference of 2 pixels, how do we do it? So, I asked “what is meant by colour? all RGB values, or mainly the hue?” I ended up considering both. He asked, when would one implementation be better, when would the other be, what could cause a lot of noise. What could we do to mitigate that noise?

All in all, I think theory is always one very general question, practical is a couple of predefined questions about the project, and one question for labs. For every question, the professor will go and follow what you say, to try and see how well you understand everything. You probably won’t get these exact sub-questions, but you can get a general idea of how deep he can go.

Oral exam January 2021 - 4 Jan 2021

First part (the prof):
explain the region segmentation methods: how they work, their pros and cons
part 2 (the assistant): explain the third project (step by, step + improvement)
explain the Kernel convolution: means and median filter, how to find border -> sobel

Oral Janvier 2018 - 8 Jan 2018

* Durée: 1h30
* Langue: Anglais ou Français, à votre guise
* Déroulement:
* On entre par 3, chacun dans une salle avec un tableau à sa disposition.
* On reçoit une première question. 20 min +- de préparation et d’écriture au tableau suivis de 20 min +- de Q&A.
* Il nous donne une deuxième question au terme de la première. Idem que la première niveau temps.
* Question 1: Choisis une méthode de segmentation, décris là en détail et compare là aux autres méthodes vues dans le cours.
* Question 2: Voici une image dégueulasse représentant un tissue de human cells. Crée un algorithme pour pouvoir séparer/compter/analyser les cellules et les void.

image acquisition - 15 Jan 2016

Question 1: Tout expliquer sur la morphologie: opérations combinées, applications…
Question 2: On a une image en niveau de gris de fibres musculaires et on aimerait calculer l’angle que font ces fibres musculaire avec une référence.
Réponse: mise en évidence des fibres par edge detection puis Hough transform.
Autre réponse possible: Transformée de Fourier et trouver la direction correspondant à la plus hautes fréquence(puisque les fibres sont parallèles, cela génère une répétition dans l’image-> haute fréquence de Fourier.)

image acquisition - 15 Jan 2016

Déroulement de l’examen, le prof fait rentrer 2 à 3 étudiant au début, il les dispatche dans des salles différentes avec un tableau et leur pose 2 question. Pour chaque question, il laisse 20min de préparation puis viens évaluer ce que vous avez fait en vous posant des questions supplémentaires.

Voici mes 2 grosses questions :
1)Expliquez toutes les méthodes de segmentation puis détaillez une méthode que vous voulez avec ces avantages et ses inconvénients. J’ai structuré le tableau en listant toutes les méthodes par catégorie, basé sur histogramme (j’en ai listé 5 : seuil optimal, otsu, percentile, max entropie, mustispectral), basé sur la détection de bord ( principe : filtre médian,puis sobel puis seuil puis labélisation), basé sur un model (hough transform) et basé sur les région (j’en ai listé 4: region growing, organisation hiérarchique, split and merge et watershed transform). J’ai décidé d’expliquez la méthode de watershed qui se base sur les local min et renvoi comme résultat les barrages => contours fermé. J’ai listé les avantages et inconvénients et pour les inconvénients j’ai mis des solutions (avec des petits dessins illustrant chaque cas) sursegmentation on utilise un pré filtre et génere beaucoup de région, on utilise les mosaique sur lesquels on va faire un seuil sur les gradients.
Les questions en parallèle que le prof m’a posé sont:
-quelle est la différence entre les méthodes de seuil optimal (renvoi le min local car dépend de l'initialisation) et le seuil d’Otsu (renvoi le min global car utilise statistique, minimise la variance intragroupe et ne dépend pas d’une initialisation)
-Combien d’itération faut il pour avoir convergence dans la méthode de seuil optimal ( petit chiffre 4 car convergence relativement rapide)
-Que signifie l’entropie d’une image (le nombre de bits nécessaire pour coder l’image)
-quel est la dimension de la matrice des paramètre dans la transformation de Hough (juste dire que teta est compris entre -pi et pi, tho compris entre 0 et distance max de l’image) et quel est l’impact de l’augmentation de la résolution des paramètres ( on a moins de probabilité que 2 sinusoide se trouche => moins de droite detecté)
-sur quoi se base le critère d’homogénité de Split and merge ( se base sur la variance )

2) Détectez les points de fuite d’un tableau (intersection à l’infini des droites parallèle), expliquez votre démarche en vous basant sur ce que vous avez vu au cours. (Problématique pour une personne faisant un doctorat sur les tableaux de 15ème siecle)
Au départ on une image couleur (tableau), on prend l’image avec les niveaux de gris. On utilise canny edge pour detecter les bords , on utilise Hough transforme pour detecter les droites de l’image. Une fois qu’on a les droites, il y a plusieurs manières de répondre à la question, J’ai dit qu’on remettait tout les droites dans une images et qu’il fallait l’intevention de l’homme pour detecter le point de fuite, ce qui est très fatiguant si on a beaucoup de tableaux à analyser. J’ai donc dit qu’il fallait utiliser une autre méthode pour automatisé le processus. J’ai parlé de résoudre des systèmes linéaires en intégrant à chaque fois une nouvelle droite mais le prof m’a dit qu’on aurait une faible probabilité que 3 droites s’intersectent. Puis il m’a expliqué comment ils ont résolu le problème (utilisation d’une carte de densité de droite), on consière les différentes droites, puis on les retrace une par une sur une nouvelle image de compteur, quand une droite passe par un pixel on incrémente le compteur et au final le compteur le plus haut correspond au point de fuite.
Le prof est super sympa, il aide pas mal quand on est bloqué.
J’espère que cela vous sera utile, Bon courage pour les prochains :).

INFO-H-500 - 25 Jun 2008

J'ai la transformée de Hough, avec exactement (ni plus ni moins) les mêmes sous-questions que Thomas, il suffit de bien comprendre ce qu'on fait et d'arriver à lui expliquer calmement et il est content, je suis sorti avec 17.

INFO-H-500 - 14 Jun 2008

J'ai eu Stéréovision passive avec les mêmes questions que Tchoum.
Où placer les points pour la calibration?pourquoi?
Comment déterminer Pd connaissant Pg?
Avec Q'i(ui,vi) appartenant au plan image et Qi(xi,yi,zi) point matériel que représentent U-uiW=0 et U-viW=0 si xi,yi,zi constants?si ui,vi constants?
Si les deux plans images sont confondus et que P est situé sur une ligne // à la ligne de base que donne la corrélation mutuelle?(elle est plate)
Comment palier à ce problème?(3 caméras avec la 3ème au dessus des 2 autres)

INFO-H-500 - 13 Jun 2008

Je suis passée ce matin et il m'a demandé de parler de la segmentation en 2D.
J'ai donc commencé par expliquer les deux segmentations par région qu'on a vues.
Ensuite, j'ai parlé des segmentations par extraction de contours et je n'ai pu abordé que la première, à savoir la dérivation.
Là il m'a demandé :
- Pourquoi il y a des points lumineux dans l'image du gradient qui pourrait ne pas être des points constituant un bord
-> A cause de l'échantillonnage de l'image
- Quel opérateur j'utiliserais pour faire une dérivation
-> J'ai parlé de Sobel mais vous mettez ce que vous voulez
- Expliquer la lien qu'il y a avec l'intégral de convolution
-> Je conseille de faire un ptit graphe car j'ai essayé de l'expliquer sans et je me suis embrouillée. Donc vous faites un graphes avec pour abscisse alpha et ordonnée bheta, et vous expliquez comment le filtre se fait sur un point (x,y).
Voilà, j'espère que ça aidera.
Bon courage!

INFO-H-500 - 11 Jun 2008

Hellow
alors pour moi, stéréovision passive
Il a d'abord demandé le principe général et puis on est très vite passé à des considérations plus pratiques.
On a parlé de la calibration de la caméra.. donc l'histoire des 6 points. Il m'a demandé où je les placerais si l'image à prendre est le coin de la pièce.
La réponse qu'il veut, c'est 2 points par angle (sol/mur ou mur/mur)
Puis il a demandé ce que représentaient les équations U=ui.W et V=vi.W. En gros, ça représente deux plans dont l'intersection est la droite, lieu des points où peut être P si sa projection est P'.
hummm quoi d'autres...
Bah classiquement, on a parlé de la détermination de la ligne épipolaire sur l'image de droite.. de la détection de Pd (avec corrélation et tout)..
voilà...
Bon courage à tous 😉
Tchoum

INFO-H-500 - 11 Jun 2008

L'après midi, un grand classique .
Filtre linéaire ... Comme on peut lire sur les posts précédents ... il m'a demander de définir un système linéiare ?
Donner l'intégrale de convolution
Puis on a un peu parler de la webcam :
est ce un système linéaire ? (oui, c'est un gros filtre passe-bas en première approchimation)
Comment obtenir la réponse impulsionelle de la webcam ? ( on éclaire par un laser un fond noir)
Comment montrer que ce la webcam est shift invariante ? ( deux éclairage translaté de ce laser donne deux images avec deux pics translaté mais semblables (en première approximation))
Puis Fourier :
Intéret de travailler avec Fourier ?
A quoi ressemble la transformée de Fourier d'une image avec des cylindre métaliques l'un a coté de l'autre ..
Ensuite on est arriver sur Sobel ...
Qu'est ce que c'est ? Et demontrer que c'est bien une application stricte de l'intégrale de convolution .

INFO-H-500 - 10 Jun 2008

Salut,
vu qu'on a eu stéréovision et transformée de hough ce matin, ca m'étonnerait pas
qu'il y ait du filtrage linéaire dans l'air pour l'aprèm.
Le plus intéressant ce sont les questions à coté. Pour moi c'était:
- quels sont les domaines de valeur de rho et theta ?
rho entre 0 et la diagonale de l'image, bien qu'en pratique ce sera un
intervalle plus petit; theta entre 0 et pi, éventuellement entre -pi/2 et pi/2
- quelle incrémentation de theta on prend ? (on incrémente pas rho bien sur)
dépend de l'exploitation qu'on fait de la détection; si on a besoin de précision
(application métrologique), il faut un faible pas d'incrémentation, sinon
(détection grossière juste pour saisir un objet par exemple) un gros pas.
- une fois qu'on a l'image de l'espace des paramètres, quel seuil choisir ?
en pratique, on considérera qu'il faut par exemple plus de 10 points pour dire
qu'on a une droite, donc un seuil de 10 pourrait suffire, sauf cas spécifiques,
par exemple qd ya plein plein de points partout
- peut-on attribuer un indice de qualité pour le choix d'une droite?
(là il a du me guider pas mal) oui si les points formant la droite sont plus
éloignés, c'est plus précis qu'un tas ramassé de points
- quid pour la 3D et détection de plans?
j'ai retapé la formule (rho = xcos u cos v +ysin u cos v + z sin v) et expliqué
simplement que ct exactement le meme principe sauf qu'on a un espace à trois
dimensions puisque trois paramètres.
- comment on peut éviter de faire trop de calculs?
avec l'histoire du plan tangent: d'après un voisinage de points (choisis sur un
critère de distance) on calcule la normale selon les moindres carrés (pas besoin
de formules). Et donc au lieu de considérer tous les plans passant par le point
en cours, on ne prend que quelques plans voisins du plan tangent, ca limite pas
mal les calculs.
- comment peut-on faire si on a un nuage de points avec un profil écrasé (il m'a
sorti un exemple d'aile d'avion, où lorsqu'on prend un voisinage, on inclut des
points qui sont sur l'autre coté de l'aile, et donc le calcul du plan tangent
est erroné)?
là j'ai pas pu répondre, j'ai juste sorti un truc avec un voisinage de taille
variable, et statistiquement on trouve plus de fois la bonne normale etc. Mais
là il m'a dit qu'en pratique les détecteurs enregistrent les points dans un
certain ordre. Donc le haut de l'aile sera pris en une fois, et le bas de l'aile
en une seconde fois (après avoir positionné le détecteur ailleurs par exemple);
si on tient compte de ca, on choisit que les points du haut de l'aile tout
simplement...
voilà, il parle effectivement pas mal lui-même, mais ca veut pas du tout dire
qu'on s'en sort mal, c'est juste des ptits trucs qu'il raconte en plus pour
information. Si on connait bien, qu'on est un peu inventif dans le cas ou on
connait pas, je crois qu'il est content... je suis sorti avec 18 🙂
bonne merde aux autres.

INFO-H-500 - 30 May 2007

Pour ceux qui ont eu stéréovision passive, il s'agissait d'expliquer la théorie : faire le schéma général et expliquer tout ce qui s'y trouve.
Ensuite expliquer comment on s'y prend en pratique pour utiliser de la stéréovision passive sachant que l'on a droit à une phase préliminaire de calibrage avant la phase opératoire : On ne connait pas Og et Od, on cherche donc les matrices de calibrage pour en déduire le lieu géométrique de P à partir de Pg. Ensuite on trouve sa projection sur l'image d qui n'est autre que la ligne épipolaire. On utilise alors la corrélation mutuelle.

INFO-H-500 - 29 May 2007

J'ai eu filtrage linéaire.
Il fallait expliquer en général ce que c'est, pourquoi il est important de travailler sur des shift invariant (pour que la transformée de Fourier soit un produit). Ensuite il s'est concentré sur la dérivation et Sobel en particulier. Quel lien entre convolution et filtre de sobel, comment déterminer la réponse impulsionnelle d'une caméra, bref, tout se trouve dans les posts précédents.
Ceux qui sont passés avant ont eu stéréovision passive

INFO-H-500 - 29 May 2007

Pareil que Fred; il interroge aussi sur le laplacien, en gros:
- qu'est-ce que c'est? Somme des dérivées secondes
- comment ça se calcule? Ce sont des différences de différences
- ça donne quoi comme réponse? Filtre [0 1 0 ; 1 -4 1 ; 0 1 0]
- comment on peut s'en servir pour détecter les contours et quelles sont les difficultés? Il faut repérer les passages du laplacien par zero et pas simplement les valeurs nulles.
Bon courage à tous pour la suite 😉

INFO-H-500 - 27 Jan 2006

Stéreovision: Trouver l'équation de la ligne de base.
=> C'est l'intersection de deux plans épipolaires, et tout se fait en phase préparatoire (donc avec des lasers).
Il suffit donc de calibrer les deux webcams, de prendre deux points distincts dans le repère Oxyz et àpd de là tout tirer, (2 * (2droites épipolaires formant le plan épiplaire)), l'intersection de ces deux plans formant la ligne de base composée des deux points ?g et ?d
J'ai trouvé qu'il était moins généreux pour les points que pour l'examen de XML.

INFO-H-500 - 26 Jan 2006

stéréovision passive...
Cette fois, il a moins bien cote... J'ai eu 14... Il a un peu été décu parce qu'il me demandait comment trouver le point PD, sachant PG, et sachant qu'on a pas en fait les points Omegag et Omegad. A part ca, je lui ai tout bien dit, pour les eqt de calibrage et tout et tout...
Mais ce qu'il m'a dit en entrant, c'est qu'il savait qu'on se donnait les questions et que donc les cotes devaient en tenir compte...
Thomas

INFO-H-500 - 26 Jan 2006

Question : stéréovision passive
Surtout ne faites pas comme moi, n'oubliez pas de relire en profondeur le chapitre sur la calibration. C'est principalement ça qu'il demande. Je l'avais pas fait et du coup j'étais tout perdu quand il m'a demandé les equations de calibration.
Bonne chance...

INFO-H-500 - 26 Jan 2006

Hello,
J'ai eu filtrage linéaire.
Il m'a demandé en cours de route :
Comment déterminer la réponse impulsionnelle d'une caméra ?
- Prendre une photo d'un mur noir avec un rayon laser en son centre (comme ça on a comme une impultion de dirac)
Que serait cette réponse impulsionnelle ?
- Les appareils numériques sont des filtres passe bas, donc on aura un fond noir avec une cloche d'intensité lumineuse en son centre
Quelle serait la transformée de Fourier d'une prise de vue d'un ensemble de cylindre mis côte à côte vus du haut.
- On a une périodicité lumineuse (à cause du caractère périodique de la projection des normales aux cylindres sur l'axe de prise de vue), donc on a une intensité qui peut se mettre sous forme de somme de cosinusoïde (fondamental + harmoniques). Chaque cosinusoïde devient un couple d'impultions de dirac selon l'axe de l'ensemble des cylindres.
Sobel, démontrer que c'est une opération linéaire et donc qu'on peut en faire une intégrale de convolution avec le signal réglant. Quel est la réponse impulsionnelle ?
- c'est le pavé 3x3 auquel on rajoute des 0 pour obtenir un pavé de dimension voulu.
Voilà, très déstabilisant car il arrête dès qu'on lui montre que l'on connait ce dont on parle. Donc on a un peu l'impression de "galérer" (enfin, pour moi en tout cas :)), mais on ressort avec une très grosse côte 🙂

INFO-H-500 - 25 Jan 2006

youpie, le père noel est passé...
bon comme dhabs ambiance gaspart(gaspart: " chui la pour vous donner 19").
g eu stereovision passive, donc le schéma, expliquer tous les termes, et puis comment determiner le point p. et ben avec la matrice de calibrage---> comment la trouver? par 6paires de points, quel points choisir pour le calibrage?---> et ben les point qui ressortent de la scene, cad super brillant, ou un truc comme ca, il vaut mieux donc trouver des point se trouvant sur le gradient max(attention c sa question qu'il ma sorti a la fin de l'exam, donc ne montrez pas tous vos armes tout de suite).
donc g tapé aussi juste l'equation qui lie le point image avec celui de la scene et la matrice de calibrage, et il voulait pas voir plus que ca(attention on a eu une tite discusse sur les vraiables homogenes, mmmmmm, ct plutot unidirectionelle comme discusse).
corelaltion mutuelle c koi blabla,.....
et puis les questions sur la correlation mutuelle: si on elargie l'interevalle de voisinage autour de Pg, ca donne quoi sur le grapge de la correlation? et puis si on retrecie le voisinage. et bien, si on elargie, on a des resultat plus precis, mais le correlation sera plus applati et donc on verra moins bien la pique, d'un autre cote si le voisinage est plus reduit, on aura plusieurs piques et donc des similarités avce d'autres points que le point Pg, le vrai.meme si les piques seront plus ressorties. donc le truc c de trouver l'equilibre entre les 2, pas trop large ni trop etroit( dixit Milena 😉 ).
sinon il m'a cuit pendant une heure, j'en suis sorti vivant, et content(17), meme tres.(gaspart koi)
-------------------------------------------------------
J’ai eu « stéréovision passive »
Expliquez en pratique comment on fait :
2 Cameras, on choisi Pg et on cherche Pd dans l’autre. Comment ? ben avec Og et Od et Pd on trouve un plan dont l’intersection avec le plan d’image de droite est le lieu des points de Pd. Et ensuite, ben, on applique un fct de corrélation. Cad ? ben, soit celle vu au cours, soit une correspondance d’histogramme. Et on va avoir quoi ? ben un graphique avec un « pique ». Ok parfait, mais maintenant comment vous trouvez Og et Od ? ben avec la distance focale ? ben non… heu en faisant une calibration ? ben oui… comment on fait ça ? On cherche une matrice à 12 inc blablabla, il faut donc 6 points blabla. Comment vous allez choisir les points ? Ben luminosité forte ou gradient fort. Ok, donc, stéréovision active par exemple ? heu… ok. Donc, jusque là, nikel, c après que ça se corse. Il me dit, on concrètement, on fait comment ? (je m’apprête a lui parler du dessins qui donne la valeur de z en fct de xd et xg, mais il voulait pas ça du tout, parce que en pratique, Og et Od, ça existe pas)
Une fois qu’on a les matrices ? On fait quoi ? Là, c’est devenu assez unilatéral : Grâce à la matrice, on tire la droite Og – Pg… comment… et là il faut utilise les équations homogènes U = ui*W et V = vi W qui sont l’intersection de deux plans dans l’espace qui donne la droite Og – Pg (mais on ne sait toujours pas où est Og, mais c pas grave) de là, on choisi 2 points sur la droite lesquels ? Et comment ? ben on fixe une coordonnée et on chop les 2 autres. Ok et puis de là avec les la matrice de calibrage de la camera de droite, on retrouve les pts qui y correspondent sur le plan image de droite, et avec ces deux points, on trace la ligne qui donne le lieu des points de Pd (ouf…)
Il m’a dit à la fin : vous maîtrisé bien la théorie mais la mise en pratique, c’est pas trop ça… mmh 🙁
A++
PF.
--------------------------------------------------------------
Salut,
J'ai eu comme question "le filtrage linéaire".
Il demande l'intégrale de convolution, la dérivation, le filtre de
Sobel et les liens entre ces différents concepts (sans les calculs,
c'est plutot du feeling).
ensuite application à la segmentation par contour.
Problématique générale + Comment améliorer le contour (car le
filtrage passe-haut va générer du bruit -> faire par exemple une
opération d'ouverture).
Et on termine par la transformée de Hough ...
Bon Courage pour vos derniers exams, FX


Il n'y a pas de publications plus anciennes.