Open LucasJacquier opened 2 years ago
trouver une libraire python de traitement d'image qui fait ca sinon l'écrire nous-même (en s'inspirant de ce qui a été fait)
Références proposées par Charles : https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7713118/ Dans la section "Unsupervised models for ISIC skin lesion”, il y a une liste de plusieurs méthodes (avec implémentation) que tu peux essayer. Pas besoin de lire l’article en détail.
Fonction trouvée dans l'ancien code:
trackpy.batch et tracky.locate ( Crocker, J.C., Grier, D.G. http://dx.doi.org/10.1006/jcis.1996.0217 ) (résumer l'article et l'algo en 1/2 page) Voir comment calibrer les paramètres ( base physique si on peut, taille du spot 2 pixels de large
Lecture de l'article de Crocker : "Les caméras CCD monochromes peuvent être préférables aux modèles couleur car elles ont tendance à avoir un meilleur niveau de bruit et une plus grande subtilité aux variations de luminosité" ("they tend to have superior noise figures") -> ca veut dire quoi ? Qu'elles ont moins de bruit ? Ou qu'il est identifiable plus facilement ? Demander à Karen le type de caméra. Article de 1996, d'autres caméras sont peut-être meilleures mtn. Les images sont codées en 8 bits (0 à 255) sur des niveaux de gris, ce qui est suffisant si le signal est ajusté pour remplir la plage dynamique de la carte d'acquisition.
J'ai fait un document word sur lequel j'écris un résumé de l'article, ce sera plus pratique
résultat bizarre sur la fonction de tracking, le nombre de points augmente au fur et à mesure des images alors que ca devrait être l'inverse, probablement du bruit, ou alors la fonction tp.batch est pas efficace, je regarderais ca demain
La technique de l'article est une sélection de maximum de luminosité locale. Pour cela la méthode prise en exemple est la méthode de dilatation des gris : la valeur de chaque pixel est remplacée par la valeur maximum dans un rayon w. Un pixel qui a la même valeur dans l'image originale et l'image dilatée est candidat.
J'ai fait un résumé de l'article. Il faudrait demander à Karen la taille des particules (ou la retrouver dans la thèse). Mais je pense que la méthode employée par cette article est efficace pour notre application.
Cependant, il faudra probablement faire l'étape de denoising avant, afin de réparer ce problème de nombre de points qui augmente avec le temps au lieu de diminuer.
Je passe au décryptage de ce qui avait été écrit pour voir comment réécrire mon nouveau code.
Les paramètres de détection sont optimisés. J'ai fait une gamme des trois paramètres (diamètre, minmass et percentile, pour trouver les plus efficaces). Il y en a peut-être d'autres à régler faut que je vois ça.
Par contre, autant ils sont super efficaces sur la première image, autant la dernière semble avoir beaucoup de bruit et la détection est catastrophique. Je pense que ca peut être une bonne idée d'adopter la technique proposée par Karen, de lui faire enregistrer la position des pics sur les premières images, et par la suite, il ne pourra en détecter que s'ils sont présents sur cette liste.
fonction qui prend en argument une image (512x512) et ressort la position des pics