- Visual C++數字圖像模式識別典型案例詳解
- 馮偉興 梁洪 王臣業編著
- 388字
- 2018-12-31 19:39:05
4.4.1 圖像的標識及特征提取
編程實現
[1] 在Demo1中創建類CCluster以實現模糊聚類的相應功能，在其中添加函數GetFeature()，進行有關圖像的標識和特征提取。具體實現代碼如代碼4-1所示。
代碼4-1 GetFeature()函數
void CCluster::GetFeature()
{
////////////////////以下對數據區域標號whx/////////////////////
BYTE ＊ p_temp;
int stop;
int i,j;
int counter;//記錄相互獨立的連通區域的個數
int present;//記錄當前點的值1,2,...,counter
stop=0;
counter=0;
p_temp=new BYTE[wide＊height];//開辟一個臨時內存區×××××
memset(p_temp,255,wide＊height);//置白
//從左到右、從上到下標號
const int T=5;//T為閾值，RGB值小于該閾值被認為是黑
for(i=0; i<wide; i++)//將第零行置白
＊(m_pData+(height-1)＊wide+i)=255;
for(j=0;j<height;j++)//將第零列置白
＊(m_pData+(height-j-1)＊wide)=255;
for( j=1;j<height-1;j++) // 從第一行開始搜索
{
if(stop==1)//判斷連通區是否太多
break;
for( i=1;i<wide-1;i++) // 從第一列開始搜索
{
if(counter>255)
{
AfxMessageBox("連通區數目太多，請減少樣品個數");
stop=1;
return;
}
if(＊(m_pData+(height-j-1)＊wide+i)<T)//若當前點為黑點
{
if(＊(m_pData+(height-j-1+1)＊wide+i+1)<T)//若當前點的右上點為黑點
{
＊(p_temp+(height-j-1)＊wide+i)=＊(p_temp+(height-j-1+1)
＊wide+i+1);
//當前點標號應該與右上點相同
present=＊(p_temp+(height-j-1+1)＊wide+i+1);//記錄當前點的標號
if(＊(m_pData+(height-j-1)＊wide+i-1)<T && ＊(p_temp+
(height-j-1)＊wide+i-1)!=present)//左前與右上點都為黑且標號不同
{
int temp=＊(p_temp+(height-j-1)＊wide+i-1);//記錄左前點的標號
if (present>temp)//當前點標號記錄兩者中的較小值
{
present=temp;
temp=＊(p_temp+(height-j-1+1)＊wide+i+1);
}
counter--;//合并左前和右上標號，標號總數減一
for(int m=1;m<=height-1;m++)
for(int n=1;n<=wide-1;n++)
{
if(＊(p_temp+(height-m-1)＊wide+n)==temp)
//將較大標號改成較小標號
{
＊(p_temp+(height-m-1)＊wide+n)=present;
}
else if (＊(p_temp+(height-m-1)＊wide+n)>temp)
//將較大標號以后的所有標號減一，以保持標號的連續性
{
＊(p_temp+(height-m-1)＊wide+n)-=1;
}
}
}
if( ＊(m_pData+(height-j-1+1)＊wide+i-1)<T && ＊(p_temp+
(height-j-1+1)＊wide+i-1)!=present)//左上與右上點都為黑且標號不同
{
counter--;//合并左上和右上標號，標號總數減一
int temp=＊(p_temp+(height-j-1+1)＊wide+i-1);//記錄左上點的值
if (present<temp)//當前點標號記錄兩者中的較小值
{
temp=present;
present=＊(p_temp+(height-j-1+1)＊wide+i-1);
}
for(int m=1;m<=height-1;m++)
for(int n=1;n<=wide-1;n++)
{
if(＊(p_temp+(height-m-1)＊wide+n)==present)
//將較大標號改成較小標號
{
＊(p_temp+(height-m-1)＊wide+n)=temp;
}
else if (＊(p_temp+(height-m-1)＊wide+n)>present)
//將較大標號以后的所有標號減一，以保持標號的連續性
{
＊(p_temp+(height-m-1)＊wide+n)-=1;
}
}
present=temp;
}
}
else if(＊(m_pData+(height-j-1+1)＊wide+i)<T)
//當前點黑，右上不為黑，正上為黑
{
＊(p_temp+(height-j-1)＊wide+i)=＊(p_temp+(height-j-1+1)
＊wide+i);
//當前標號=正上標號
present=＊(p_temp+(height-j-1+1)＊wide+i);
}
else if(＊(m_pData+(height-j-1+1)＊wide+i-1)<T)//左上
{
＊(p_temp+(height-j-1)＊wide+i)=＊(p_temp+(height-j-1+1)
＊wide+i-1);
present=＊(p_temp+(height-j-1+1)＊wide+i-1);}
else if(＊(m_pData+(height-j-1)＊wide+i-1)<T)//左前
{
＊(p_temp+(height-j-1)＊wide+i)=＊(p_temp+(height-j-1)
＊wide+i-1);
present=＊(p_temp+(height-j-1)＊wide+i-1);
}
else//產生新標號
{
++counter;
present=counter;
＊(p_temp+(height-j-1)＊wide+i)=present;
}
}//end if
}// 列
}//end行
// //////////////////////以上對數據區域標號//////////////////////////
//////////////////////以下獲得各個樣品所在位置及編號///////////////////
patternnum=counter;//樣品總數
if (m_pattern!=NULL)
delete []m_pattern;
m_pattern=new Pattern[patternnum];
for( i=0;i<patternnum;i++)
{
m_pattern[i].index=i+1;
m_pattern[i].category=0;
m_pattern[i].lefttop.x=wide;
m_pattern[i].lefttop.y=height;
m_pattern[i].rightbottom.x=0;
m_pattern[i].rightbottom.y=0;
}
for(int t=1;t<=patternnum;t++)//記錄每個樣品（獨立連通區域）的左上、右下點坐標
{
for(int j=1;j<height-1;j++)//搜索整幅圖像
for(int i=1;i<wide-1;i++)
{
if(＊(p_temp+(height-j-1)＊wide+i)==t)
{
if (m_pattern[t-1].lefttop.x>i)//get the lefttop point
m_pattern[t-1].lefttop.x=i;
if (m_pattern[t-1].lefttop.y>j)
m_pattern[t-1].lefttop.y=j;
if (m_pattern[t-1].rightbottom.x<i)//get the rightbottom point
m_pattern[t-1].rightbottom.x=i;
if (m_pattern[t-1].rightbottom.y<j)
m_pattern[t-1].rightbottom.y=j;
}
}
}
delete []p_temp;
//////////////////////以下獲得所有樣品特征放入m_pattern中////////////////////
for ( i=0;i<patternnum;i++)//=patternnum
{
CalFeature(&m_pattern[i]);//調用函數計算第i號模板的值
}
//////////////////////以上獲得所有樣品特征放入m_pattern中////////////////////
}
[2] 上述代碼中，CalFeature ()函數用于計算樣品的特征值，該函數的實現代碼如代碼4-2所示。
代碼4-2 CalFeature ()函數
void CCluster::CalFeature(CCluster::Pattern ＊m_pattern)
{
int w,h,count;
int i,j;
w=(int)(m_pattern->rightbottom.x-m_pattern->lefttop.x)/N;//特征值中每個特征的寬
h=(int)(m_pattern->rightbottom.y-m_pattern->lefttop.y)/N;//特征值中每個特征的高
for ( j=0;j<N;j++)
{
for ( i=0;i<N;i++)
{
count=0;//每個特征內黑點的個數
for(int m= height-m_pattern->rightbottom.y+h＊j;m<height-m_pattern->
rightbottom.y+h＊j+h;m++)
for (int n=m_pattern->lefttop.x+i＊w; n<m_pattern->lefttop.x+i＊w
+w; n++)
if (＊(m_pData+m＊wide+n)==0)
count++;
m_pattern->feature[j＊N+i]=(double)count/(double)(w＊h);
}
}
}