1.
1 Formulation de la corrélation d’images numériques dans l’image
1.1.1 Conservation du niveau de gris et formulation mathématique
La corrélation d’images numériques (CIN) repose sur l’hypothèse de conservation du niveau
de gris. Soit une image de référence I(x,y), capturée avant chargement, et une image
déformée I'(x,y), acquise après sollicitation mécanique. Si un point de coordonnées (x,y)
dans l’image initiale est déplacé d’un vecteur u = (u,v), on suppose que :
I(x,y) = I'(x+u, y+v) + η(x,y)
où η(x,y) représente un terme d’erreur dû au bruit ou aux variations d’illumination (Sutton
et al., 1983 ; Sutton et al., 2009).
Dans la pratique, la comparaison ne se fait pas pixel par pixel mais sur des zones de
corrélation (ou subsets), généralement de taille n × n pixels, centrées sur chaque point
d’intérêt. L’idée est de retrouver, dans l’image déformée, la position de la zone qui maximise
la similarité avec la zone correspondante de l’image de référence.
Cette similarité est évaluée au moyen d’une fonction de corrélation. L’une des formulations
les plus utilisées est la corrélation croisée normalisée (NCC, Normalized Cross-Correlation),
définie comme suit :
C(u,v) = [Σ (I(x+i,y+j) - Ī)(I'(x+u+i,y+v+j) - Ī')] / √[Σ (I(x+i,y+j) - Ī)^2 Σ (I'(x+u+i,y+v+j) -
Ī')^2]
où :
- I(x+i,y+j) et I'(x+u+i,y+v+j) sont les niveaux de gris dans les deux images,
- Ī et Ī' sont les niveaux de gris moyens sur le subset,
- 2m+1 correspond à la taille du subset.
Le coefficient C(u,v) varie entre -1 et 1. La valeur C(u,v) = 1 indique une correspondance
parfaite entre les deux zones.
Une autre approche consiste à utiliser le moindre carré des différences normalisées (ZNSSD,
Zero-Normalized Sum of Squared Differences), largement adoptée en mécanique
expérimentale (Pan et al., 2009) :
ZNSSD(u,v) = Σ [(I(x+i,y+j)-Ī)/σI - (I'(x+u+i,y+v+j)-Ī')/σI']^2
où σI et σI' sont les écarts-types des niveaux de gris dans les deux images. La position (u,v)
recherchée est celle qui minimise le ZNSSD.
Enfin, pour améliorer la précision (souvent au sous-pixel), des méthodes d’interpolation
bilinéaire ou bicubique sont appliquées sur les images (Huang et al., 2011).
Ainsi, la CIN combine un principe physique simple (conservation du niveau de gris) avec des
outils mathématiques robustes de corrélation et d’optimisation, ce qui en fait une technique
fiable pour l’évaluation des champs de déplacement et de déformation en mécanique des
solides.
Références
Lucas, B. D., & Kanade, T. (1981). An iterative image registration technique with an
application to stereo vision. Proceedings of the 7th International Joint Conference on
Artificial Intelligence.
Sutton, M. A., Wolters, W. J., Peters, W. H., Ranson, W. F., & McNeill, S. R. (1983).
Determination of displacements using an improved digital correlation method. Image
and Vision Computing, 1(3), 133–139.
Goodman, J. W. (2005). Introduction to Fourier Optics. Roberts & Company.
Sutton, M. A., Orteu, J. J., & Schreier, H. (2009). Image Correlation for Shape, Motion and
Deformation Measurements: Basic Concepts, Theory and Applications. Springer.
Pan, B., Qian, K., Xie, H., & Asundi, A. (2009). Two-dimensional digital image correlation
for in-plane displacement and strain measurement: a review. Measurement Science and
Technology, 20(6), 062001.
Huang, Y., Yan, H., & Pan, B. (2011). Accuracy enhancement of digital image correlation
with B-spline interpolation. Optics and Lasers in Engineering, 49(4), 472–478.