droite 
0) et 
! angle 
1 et de 
ttent la 
deux 
ire 
ée sur 
érieur 
n point 
1”) 
rgeur) 
aphl 
aisant 
hique 
image 
naires : 
; pour 
ur: Ces 
inaire 
objets 
se sur 
par la 
ur du 
n). Le 
^ kées 
ntient 
du 
laplacien . 
Les détecteurs et les masques qui peuvent étre 
utilisés sont : 
-Det Grad(masque) : détecteur du gradient. 
Masque : Prewitt, Roberts, Sobel ou Isotropique. 
- Det Lapl (masque) : détecteur du Laplacien. 
Masque : 4-Laplacien ou 8-Laplacien. 
- Det Compass (masque) : détecteur de 
Compass. Masque: Prewitt, Kirsh, 3-niveau ou 5- 
niveau. 
4.3.1. Chainage des points de contour: Les 
contours s'obtiennent en reliant les points de 
contour extraits par l'une des méthodes 
précédentes. 
Exemple 4.3.1. 
Select l.suivi contour() into 
images suiv cont 
from | in images binaire 
where I.nom = “toto” 
Cette requéte obtient les points de contour de 
l'image toto par la méthode du chainage du suivi 
de contour. Le résultat est un graphique stocké 
dans l'ensemble images suiv cont contenant 
les graphiques des images binaires traitées par 
cette méthode . On peut aussi faire appel aux 
autres méthodes : 
- Prog-Dynam() : méthode de la programmation 
dynamique 
- Trans-Hough() : méthode de la transformée 
de Hough 
- Relax() : méthode de relaxation 
4.3.2. Segmentation d'image : Ces opérations 
ont pour but de mettre en évidence des régions 
homogénes dans une image . 
Exemple 4.3.2. 
select |.Etiquett_pixel() Into images etiq 
from | in images binaire 
where l.nom « "toto" 
Cette requéte traite l'image binaire toto par la 
méthode d'étiquettage de pixel. Le résultat est 
stocké dans l'ensemble images etiq contenant 
les images binaires traitées par cette méthode. 
5. COMPARAISON ET 
CONCLUSION 
L'intégration des images dans les systémes de 
bases de données a commencé avec les 
systémes qui stockaient simplement les images 
dans des fichiers (EIDES[4] et IMDB[5]). Ces 
systèmes n’offraient pas de modèle de données, 
mais seulement un ensemble d'opérations 
(routines) pour accéder et manipuler les fichiers 
image. D'autres systémes stockaient les 
informations sur les images dans une base de 
données relationnelle et les liaient aux images 
127 
brutes stockées dans des fichiers 
(REDI/MAID[4,6] et GRAIN[7,8] ). Ils utilisaient 
des relations spéciales oü chaque tuple 
représentait une image. Les opérations 
d'affichage et d'édition peuvent étre appliqué 
aux tuples de ces relations. Tang[9] a proposé 
plus tard de représenter conceptuellement les 
images bruts dans le modèle de données sous 
forme de valeurs d'attribut. Les images restent 
stockées dans des fichiers, mais elle sont 
accessibles à travers le langage de requêtes. 
Une approche plus récente, PSQL[10], utilise le 
concept de type de données abstrait [11] pour 
représenter les images. PSQL supporte des 
domaines de description de données 
géométriques (points, segments et régions) 
définies sous forme de type données abstrait. 
Pour chaque type de données abstrait est 
définie un ensemble d'opérateurs. Cependant 
dans tous ces systèmes les descriptions de 
données et les opérateurs sont définies pour 
gérer un type d'image particulier (images 
satellite, Images géographiques, etc). 
Nous avons proposé dans ce papier une 
alternative pour résoudre ce problème en 
utilisant un modèle orienté objet et en 
développant des fonctionnalités de base qui 
peuvent étre utilisé dans n'importe quel type 
d'application image. 
REFERENCES 
Assman, K., R. Venema and K.H. Hohne, 1986. 
The ISQL Language: A software Tool for the 
developement of pictorial information system 
in medicine. S-K. Chang, T. Ichikawa and P. 
Ligomenides (Eds.), visual languages, 
Plenum Press. p. 261-284. 
Bordogna, G., I. Gagliardi, D. Merelli, P. 
Mussion, M. Padula,M. Protti, 1989. 
Iconic Queries on Pictorial data. In Proc. 
IEEE whorkshop on visual langage, Rome. p. 
38-42. 
Brolio,J., B.A Draper, J.R Beveridge and A.R. 
Hanson, 1989. 
ISR: A database for symbolic processing in 
computer vision. Computer,vol. 22, no 12. 
p. 22-32. 
Chang, S.K., J. Reuss and B.H MacCornick, 
1977. 
An Integrated Relational Database System 
for Pictures. In Proc. IEEE Workshop on 
Picture Data Description and Management 
Chicago. IEEE Computer Society, catalog 
no. 77 CH 1187-4C. p 49-60. 
Chang, N.S, and K.S. Fu, 1980. 
Query-by-Pictorial-Example. 
IEEE transaction on software enginneering, 
vol. SE 6, no 6. 
Chang, N.S and K.S. Fu,1981 
Picture Query Langages for Pictorial 
Information Systems. IEEE Computer, Vol. 
14, no 11. p 23-33.