Érosion (informatique)L'érosion est l'une des deux opérations fondamentales du traitement d'image morphologique. Soit A une image binaire, respectant les conventions usuelles suivantes : Les pixels ayant la valeur 0 sont considérés de couleur noire et représentent le fond. Les pixels ayant la valeur 1 sont considérés de couleur blanche et représentent le sujet de l'image. Soit B un élément structurant, respectant lui aussi ces conventions.
Dilation (morphology)Dilation (usually represented by ⊕) is one of the basic operations in mathematical morphology. Originally developed for , it has been expanded first to grayscale images, and then to complete lattices. The dilation operation usually uses a structuring element for probing and expanding the shapes contained in the input image. In binary morphology, dilation is a shift-invariant (translation invariant) operator, equivalent to Minkowski addition. A binary image is viewed in mathematical morphology as a subset of a Euclidean space Rd or the integer grid Zd, for some dimension d.
Polygone convexeEn géométrie, un polygone convexe est un polygone simple dont l'intérieur est un ensemble convexe. Un polygone simple qui n'est pas convexe est dit concave. Pour un polygone simple, les propriétés suivantes sont équivalentes : le polygone est convexe, les angles du polygone sont tous inférieurs à 180 degrés, tout segment joignant deux sommets du polygone est inclus dans la composante fermée bornée délimitée par le polygone. Le polygone est toujours entièrement inclus dans un demi-plan dont la frontière porte un côté quelconque du polygone.
Morphologie mathématiqueLa morphologie mathématique est une théorie et technique mathématique et informatique d'analyse de structures qui est liée avec l'algèbre, la théorie des treillis, la topologie et les probabilités. Le développement de la morphologie mathématique est inspiré des problèmes de , domaine qui constitue son principal champ d'application. Elle fournit en particulier des outils de filtrage, , quantification et modélisation d'images. Elle est également utilisable en traitement du signal, par exemple pour filtrer les variations d'une mesure (physique, biologique) au cours du temps.
Ensemble convexeUn objet géométrique est dit convexe lorsque, chaque fois qu'on y prend deux points et , le segment qui les joint y est entièrement contenu. Ainsi un cube plein, un disque ou une boule sont convexes, mais un objet creux ou bosselé ne l'est pas. On suppose travailler dans un contexte où le segment reliant deux points quelconques et a un sens (par exemple dans un espace affine sur R — en particulier dans un espace affine sur C — ou dans un ).
Enveloppe convexeL'enveloppe convexe d'un objet ou d'un regroupement d'objets géométriques est l'ensemble convexe le plus petit parmi ceux qui le contiennent. Dans un plan, l'enveloppe convexe peut être comparée à la région limitée par un élastique qui englobe tous les points qu'on relâche jusqu'à ce qu'il se contracte au maximum. L'idée serait la même dans l'espace avec un ballon qui se dégonflerait jusqu'à être en contact avec tous les points qui sont à la surface de l'enveloppe convexe.
Digital image processingDigital image processing is the use of a digital computer to process s through an algorithm. As a subcategory or field of digital signal processing, digital image processing has many advantages over . It allows a much wider range of algorithms to be applied to the input data and can avoid problems such as the build-up of noise and distortion during processing. Since images are defined over two dimensions (perhaps more) digital image processing may be modeled in the form of multidimensional systems.
