-\contentsline {figure}{\numberline {2.1}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par analyse simple d'histogramme. Colonne de gauche : image d'entr\IeC {\'e}e. Colonne centrale : histogramme des niveaux de gris. Colonne de droite : r\IeC {\'e}sultat de la segmentation.}}{16}{figure.2.1}
-\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {Image initiale comportant deux zones : le fond et le cochon (la cible)}}}{16}{figure.2.1}
-\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {Histogramme des niveaux de gris}}}{16}{figure.2.1}
-\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {Image binaire repr\IeC {\'e}sentant la segmentation. Seuil estim\IeC {\'e} \IeC {\`a} 101 apr\IeC {\`e}s 4 it\IeC {\'e}rations.}}}{16}{figure.2.1}
-\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {Image initiale bruit\IeC {\'e}e}}}{16}{figure.2.1}
-\contentsline {subfigure}{\numberline {(e)}{\ignorespaces {Histogramme des niveaux de gris}}}{16}{figure.2.1}
-\contentsline {subfigure}{\numberline {(f)}{\ignorespaces {Image binaire repr\IeC {\'e}sentant la segmentation. Seuil estim\IeC {\'e} \IeC {\`a} 99 apr\IeC {\`e}s 5 it\IeC {\'e}rations.}}}{16}{figure.2.1}
-\contentsline {figure}{\numberline {2.2}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par simplification de graphe de type \textit {Normalized cut} pour un nombre $s$ de segments variant de 2 \IeC {\`a} 5.}}{18}{figure.2.2}
-\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {$s = 2$}}}{18}{figure.2.2}
-\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {$s = 3$}}}{18}{figure.2.2}
-\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {$s = 4$}}}{18}{figure.2.2}
-\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {$s = 5$}}}{18}{figure.2.2}
-\contentsline {figure}{\numberline {2.3}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme \textit {k-means} pour un nombre $s$ de segments variant de 2 \IeC {\`a} 5. Chaque couleur est associ\IeC {\'e}e \IeC {\`a} un segment. Les couleurs sont choisies pour une meilleure visualisation des diff\IeC {\'e}rents segments.}}{19}{figure.2.3}
-\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {$s = 2$}}}{19}{figure.2.3}
-\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {$s = 3$}}}{19}{figure.2.3}
-\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {$s = 4$}}}{19}{figure.2.3}
-\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {$s = 5$}}}{19}{figure.2.3}
-\contentsline {figure}{\numberline {2.4}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme \textit {mean-shift} pour un rayon de voisinage $r$ de 100, 50, 35 et 25 pixels permettant d'obtenir un nombre $s$ de segments variant respectivement de 2 \IeC {\`a} 5. Le volume minimal admis pour un segment est fix\IeC {\'e} \IeC {\`a} 100 pixels. Chaque couleur est associ\IeC {\'e}e \IeC {\`a} un segment. Les couleurs sont choisies pour une meilleure visualisation des diff\IeC {\'e}rents segments.}}{20}{figure.2.4}
-\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {$r=100 \Rightarrow s = 2$}}}{20}{figure.2.4}
-\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {$r=50 \Rightarrow s = 3$}}}{20}{figure.2.4}
-\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {$r=35 \Rightarrow s = 4$}}}{20}{figure.2.4}
-\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {$r=25 \Rightarrow s = 5$}}}{20}{figure.2.4}
-\contentsline {figure}{\numberline {2.5}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme dit du \textit {snake}, dans sa version originale. Les param\IeC {\`e}tres d'\IeC {\'e}lasticti\IeC {\'e}, de viscosit\IeC {\'e}, de raideur et d'attraction ont \IeC {\'e}t\IeC {\'e} fix\IeC {\'e}s respectivement aux valeurs 5, 0, 0.1 et 5. }}{21}{figure.2.5}
-\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {Les \IeC {\'e}tats initial et apr\IeC {\`e}s chacune des trois premi\IeC {\`e}res it\IeC {\'e}rations}}}{21}{figure.2.5}
-\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {L'\IeC {\'e}tat du contour apr\IeC {\`e}s la septi\IeC {\`e}me it\IeC {\'e}ration}}}{21}{figure.2.5}
-\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {L'\IeC {\'e}tat du contour apr\IeC {\`e}s la dixi\IeC {\`e}me it\IeC {\'e}ration}}}{21}{figure.2.5}
-\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {L'\IeC {\'e}tat du contour apr\IeC {\`e}s la centi\IeC {\`e}me it\IeC {\'e}ration. C'est le contour final.}}}{21}{figure.2.5}
+\contentsline {figure}{\numberline {2.1}{\ignorespaces Images 256$\times $256 en niveau de gris 8 bits utilis\IeC {\'e}es pour l'illustration des propri\IeC {\'e}t\IeC {\'e}s des filtres. a) l'image de r\IeC {\'e}f\IeC {\'e}rence non bruit\IeC {\'e}e. b) l'image corrompue par un bruit gaussien d'\IeC {\'e}cart type $\sigma =25$. c) l'image corrompue par un bruit impulsionnel \IeC {\`a} 25\%.}}{14}{figure.2.1}
+\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {Sans bruit}}}{14}{figure.2.1}
+\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {Bruit gaussien $\sigma =25$}}}{14}{figure.2.1}
+\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {Bruit impulsionnel 25\%}}}{14}{figure.2.1}
+\contentsline {figure}{\numberline {2.2}{\ignorespaces .}}{15}{figure.2.2}
+\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {Moyenneur 3$\times $3}}}{15}{figure.2.2}
+\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {Moyenneur 5$\times $5}}}{15}{figure.2.2}
+\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {D\IeC {\'e}rivateur horizontal}}}{15}{figure.2.2}
+\contentsline {figure}{\numberline {2.3}{\ignorespaces R\IeC {\'e}duction du bruit impulsionnel par filtre m\IeC {\'e}dian.}}{15}{figure.2.3}
+\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {M\IeC {\'e}dian 3$\times $3 une passe}}}{15}{figure.2.3}
+\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {M\IeC {\'e}dian 3$\times $3 deux passes}}}{15}{figure.2.3}
+\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {M\IeC {\'e}dian 5$\times $5 une passe}}}{15}{figure.2.3}
+\contentsline {figure}{\numberline {2.4}{\ignorespaces R\IeC {\'e}duction de bruit gaussien par filtrage bilat\IeC {\'e}ral gaussien de voisinage 5$\times $5. $\sigma _S$ et $\sigma _I$ sont les \IeC {\'e}carts type des fonctions de pond\IeC {\'e}ration spatiale et d'intensit\IeC {\'e}.}}{17}{figure.2.4}
+\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {$\sigma _S=1.0$ et $\sigma _I=0.1$}}}{17}{figure.2.4}
+\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {$\sigma _S=1.0$ et $\sigma _I=0.5$}}}{17}{figure.2.4}
+\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {$\sigma _S=1.0$ et $\sigma _I=1.0$}}}{17}{figure.2.4}
+\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {$\sigma _S=2.0$ et $\sigma _I=0.1$}}}{17}{figure.2.4}
+\contentsline {subfigure}{\numberline {(e)}{\ignorespaces {$\sigma _S=2.0$ et $\sigma _I=0.5$}}}{17}{figure.2.4}
+\contentsline {subfigure}{\numberline {(f)}{\ignorespaces {$\sigma _S=2.0$ et $\sigma _I=1.0$}}}{17}{figure.2.4}
+\contentsline {subfigure}{\numberline {(g)}{\ignorespaces {$\sigma _S=5.0$ et $\sigma _I=0.1$}}}{17}{figure.2.4}
+\contentsline {subfigure}{\numberline {(h)}{\ignorespaces {$\sigma _S=5.0$ et $\sigma _I=0.5$}}}{17}{figure.2.4}
+\contentsline {subfigure}{\numberline {(i)}{\ignorespaces {$\sigma _S=5.0$ et $\sigma _I=1.0$}}}{17}{figure.2.4}
+\contentsline {figure}{\numberline {2.5}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par analyse simple d'histogramme. Colonne de gauche : image d'entr\IeC {\'e}e. Colonne centrale : histogramme des niveaux de gris. Colonne de droite : r\IeC {\'e}sultat de la segmentation.}}{21}{figure.2.5}
+\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {Image initiale comportant deux zones : le fond et le cochon (la cible)}}}{21}{figure.2.5}
+\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {Histogramme des niveaux de gris}}}{21}{figure.2.5}
+\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {Image binaire repr\IeC {\'e}sentant la segmentation. Seuil estim\IeC {\'e} \IeC {\`a} 101 apr\IeC {\`e}s 4 it\IeC {\'e}rations.}}}{21}{figure.2.5}
+\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {Image initiale bruit\IeC {\'e}e}}}{21}{figure.2.5}
+\contentsline {subfigure}{\numberline {(e)}{\ignorespaces {Histogramme des niveaux de gris}}}{21}{figure.2.5}
+\contentsline {subfigure}{\numberline {(f)}{\ignorespaces {Image binaire repr\IeC {\'e}sentant la segmentation. Seuil estim\IeC {\'e} \IeC {\`a} 99 apr\IeC {\`e}s 5 it\IeC {\'e}rations.}}}{21}{figure.2.5}
+\contentsline {figure}{\numberline {2.6}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par simplification de graphe de type \textit {Normalized cut} pour un nombre $s$ de segments variant de 2 \IeC {\`a} 5.}}{23}{figure.2.6}
+\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {$s = 2$}}}{23}{figure.2.6}
+\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {$s = 3$}}}{23}{figure.2.6}
+\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {$s = 4$}}}{23}{figure.2.6}
+\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {$s = 5$}}}{23}{figure.2.6}
+\contentsline {figure}{\numberline {2.7}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme \textit {k-means} pour un nombre $s$ de segments variant de 2 \IeC {\`a} 5. Chaque couleur est associ\IeC {\'e}e \IeC {\`a} un segment. Les couleurs sont choisies pour une meilleure visualisation des diff\IeC {\'e}rents segments.}}{24}{figure.2.7}
+\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {$s = 2$}}}{24}{figure.2.7}
+\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {$s = 3$}}}{24}{figure.2.7}
+\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {$s = 4$}}}{24}{figure.2.7}
+\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {$s = 5$}}}{24}{figure.2.7}
+\contentsline {figure}{\numberline {2.8}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme \textit {mean-shift} pour un rayon de voisinage $r$ de 100, 50, 35 et 25 pixels permettant d'obtenir un nombre $s$ de segments variant respectivement de 2 \IeC {\`a} 5. Le volume minimal admis pour un segment est fix\IeC {\'e} \IeC {\`a} 100 pixels. Chaque couleur est associ\IeC {\'e}e \IeC {\`a} un segment. Les couleurs sont choisies pour une meilleure visualisation des diff\IeC {\'e}rents segments.}}{24}{figure.2.8}
+\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {$r=100 \Rightarrow s = 2$}}}{24}{figure.2.8}
+\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {$r=50 \Rightarrow s = 3$}}}{24}{figure.2.8}
+\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {$r=35 \Rightarrow s = 4$}}}{24}{figure.2.8}
+\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {$r=25 \Rightarrow s = 5$}}}{24}{figure.2.8}
+\contentsline {figure}{\numberline {2.9}{\ignorespaces Segmentation d'une image en niveaux de gris de 128 $\times $ 128 pixels par algorithme dit du \textit {snake}, dans sa version originale. Les param\IeC {\`e}tres d'\IeC {\'e}lasticti\IeC {\'e}, de raideur et d'attraction ont \IeC {\'e}t\IeC {\'e} fix\IeC {\'e}s respectivement aux valeurs 5, 0.1 et 5. }}{26}{figure.2.9}
+\contentsline {subfigure}{\numberline {(a)}{\ignorespaces {Les \IeC {\'e}tats initial et suivant chacune des trois premi\IeC {\`e}res it\IeC {\'e}rations}}}{26}{figure.2.9}
+\contentsline {subfigure}{\numberline {(b)}{\ignorespaces {L'\IeC {\'e}tat du contour apr\IeC {\`e}s la septi\IeC {\`e}me it\IeC {\'e}ration}}}{26}{figure.2.9}
+\contentsline {subfigure}{\numberline {(c)}{\ignorespaces {L'\IeC {\'e}tat du contour apr\IeC {\`e}s la dixi\IeC {\`e}me it\IeC {\'e}ration}}}{26}{figure.2.9}
+\contentsline {subfigure}{\numberline {(d)}{\ignorespaces {L'\IeC {\'e}tat du contour apr\IeC {\`e}s la centi\IeC {\`e}me it\IeC {\'e}ration. C'est le contour final.}}}{26}{figure.2.9}
