用VC++实现图像检索技术3
2006-08-26 22:08
302 查看
b) 基于颜色对的方法的程序实现
该方法也需要分成4×4子块,计算颜色直方图,具体计算颜色直方图的方法上面已经有过详细的解释。
该方法主要在于对颜色对表示结构的实现,颜色对是某一图片的代表特征,因此在程序中必须有定量表示,现在采取用两个子块颜色直方图的欧氏距离表示,因此计算某一子块的颜色对表就是按八方向计算其与周围的子块之间的欧氏距离,将结果存放于一个double o_dis[8]的数组中,然后将这个数组从大到小排序,排序完成后再将数组中相互之间值的差小于某一域值(取8个颜色对的平均值的2%)的颜色对祛除(按序两两比较再移动数组里的变量实现),最后将结果先填入图像的特征颜色对表(有4×8=32个变量,是一个结构数组,结构记录用户选定子块的坐标和与其相对应的被选中的颜色对值)。
最后,对4个用户选定的子块依次计算完毕,就可以调用SortColorPair()函数,对特征颜色对表做出处理(先从大到小排序,然后祛除差值小于总平均值的2%的特征颜色对)。
在比较的时候,按顺序计算出目标图像的子块颜色对表,和以上的特征颜色对表匹配,如果匹配到,则标记该颜色对(设定另一标记0数组),并且将匹配数变量加一,如果最后匹配到的数目是60%以上,就算目标图像被搜索到。
具体程序实现如下:
以上三个函数实现对某一图像内部的具体计算,而对于基于颜色对方法的外部计算如下:
通过以上的程序,我们就实现了真正的图像内容检索,简单的程序就实现了现代计算机科学在多媒体研究前沿的任务。
该方法也需要分成4×4子块,计算颜色直方图,具体计算颜色直方图的方法上面已经有过详细的解释。
该方法主要在于对颜色对表示结构的实现,颜色对是某一图片的代表特征,因此在程序中必须有定量表示,现在采取用两个子块颜色直方图的欧氏距离表示,因此计算某一子块的颜色对表就是按八方向计算其与周围的子块之间的欧氏距离,将结果存放于一个double o_dis[8]的数组中,然后将这个数组从大到小排序,排序完成后再将数组中相互之间值的差小于某一域值(取8个颜色对的平均值的2%)的颜色对祛除(按序两两比较再移动数组里的变量实现),最后将结果先填入图像的特征颜色对表(有4×8=32个变量,是一个结构数组,结构记录用户选定子块的坐标和与其相对应的被选中的颜色对值)。
最后,对4个用户选定的子块依次计算完毕,就可以调用SortColorPair()函数,对特征颜色对表做出处理(先从大到小排序,然后祛除差值小于总平均值的2%的特征颜色对)。
在比较的时候,按顺序计算出目标图像的子块颜色对表,和以上的特征颜色对表匹配,如果匹配到,则标记该颜色对(设定另一标记0数组),并且将匹配数变量加一,如果最后匹配到的数目是60%以上,就算目标图像被搜索到。
具体程序实现如下:
//计算子块(x,y)的颜色对表,采取"八方向邻接技术" int CBmpProc::CalculateColorPair(int x, int y) { file://颜色对采取欧氏距离来描述 double o_dis[8]; for(int k=0;k<8;k++){ o_dis[k]=0; } file://计算(x,y)与周围所有子块的颜色直方图的欧氏距离 file://--------------------------------------------- for(int i=0;i<256;i++){ if((x-1)>=0&&(y-1)>=0) o_dis[0]=o_dis[0]+(Color[x-1][y-1][i]-Color[x][y][i])*(Color[x-1][y-1][i]-Color[x][y][i]); else o_dis[0]=-1; if((y-1)>=0) o_dis[1]=o_dis[1]+(Color[x][y-1][i]-Color[x][y][i])*(Color[x][y-1][i]-Color[x][y][i]); else o_dis[1]=-1; if((x+1)<=3&&(y-1)>=0) o_dis[2]=o_dis[2]+(Color[x+1][y-1][i]-Color[x][y][i])*(Color[x+1][y-1][i]-Color[x][y][i]); else o_dis[2]=-1; if((x-1)>=0) o_dis[3]=o_dis[3]+(Color[x-1][y][i]-Color[x][y][i])*(Color[x-1][y][i]-Color[x][y][i]); else o_dis[3]=-1; if((x+1)<=3) o_dis[4]=o_dis[4]+(Color[x+1][y][i]-Color[x][y][i])*(Color[x+1][y][i]-Color[x][y][i]); else o_dis[4]=-1; if((x-1)>=0&&(y+1)<=3) o_dis[5]=o_dis[5]+(Color[x-1][y+1][i]-Color[x][y][i])*(Color[x-1][y+1][i]-Color[x][y][i]); else o_dis[5]=-1; if((y+1)<=3) o_dis[6]=o_dis[6]+(Color[x][y+1][i]-Color[x][y][i])*(Color[x][y+1][i]-Color[x][y][i]); else o_dis[6]=-1; if((x+1)<=3&&(y+1)<=3) o_dis[7]=o_dis[7]+(Color[x+1][y+1][i]-Color[x][y][i])*(Color[x+1][y+1][i]-Color[x][y][i]); else o_dis[7]=-1; } for(int j=0;j<8;j++){ if(o_dis[j]>=0) o_dis[j]=sqrt(o_dis[j]); } file://------------------------------------------------ file://欧氏距离计算结束 int flag=0; int num=0; for(int pairnum=0;pairnum<32;pairnum++){ if(pair[pairnum].x!=-1){ num++; } }//因为在计算子块的颜色对表的时候已经写了特征颜色对数组,因此要先统计一下特征颜色对数组里已经//有多少有数值了,以便下次的写入可以接在后面,而不至于覆盖了前面的数值 file://计算颜色对差值小于某个"域值"的这个域值 double ave=0; for(int e=0;e<8;e++){ ave+=o_dis[e]; } ave=ave/8;ave=ave*0.02; file://采取与子块周围颜色对的平均值的2%计为域值 file://对该子块的颜色对表进行从大到小的排序,采取冒泡排序 int count=8; double temp; for(i=count;i>0;i--){ for(int j=0;jif(o_dis[j]temp=o_dis[j]; o_dis[j]=o_dis[j+1]; o_dis[j+1]=temp; } } file://消除那些颜色对差值小于某个"域值"的颜色对,以消除那些没有意义的小对象 for(k=0;kif(fabs(o_dis[k]-o_dis[k+1])for(int l=k+1;lo_dis[l]=o_dis[l+1]; } count--; k--; o_dis[count]=-1; } } file://将该字块计算得到的颜色对表填入该图像的特征颜色对表 for(int scan=0;scan<8;scan++){ if(o_dis[scan]>0){ pair[num].x=x; pair[num].y=y; pair[num].o_dis=o_dis[scan]; num++; } } return 1; } //计算该图像的最终确定的特征颜色对表 BOOL CBmpProc::SortColorPair() { file://32个数据项中有count个有实际数值 for(int count=0;count<32;count++){ if(pair[count].x==-1) break; } struct color_pair temp; file://对颜色对表从大到小排列序(冒泡排序法) for(int i=count;i>0;i--){ for(int j=0;jif(pair[j].o_distemp=pair[j]; pair[j]=pair[j+1]; pair[j+1]=temp; } } file://计算域值以消除差值小于这个值的颜色对 double ave=0; for(int e=0;eave+=pair[e].o_dis; } ave=ave/count; ave=ave*0.02; file://消除差值小于域值的颜色对 for(int k=0;kif(fabs(pair[k].o_dis-pair[k+1].o_dis)for(int l=k+1;lpair[l]=pair[l+1]; } count--; k--; } } file://置特征颜色对数目变量 pair_count=count; return true; } 将计算颜色直方图的代码表达如下: file://以下函数计算颜色直方图 BOOL CBmpProc::CalculateColor(CDC &dc) { if (!IsValid()) return FALSE; ASSERT(m_pInfo); ASSERT(m_pInfo->bmiHeader.biSize == sizeof(BITMAPINFOHEADER)); // 复制源图 CDC compDC; // 创建与当前显示设备兼容的内存设备描述表 compDC.CreateCompatibleDC(&dc); compDC.SelectObject(this); COLORREF clr; file://定义一个COLORREF结构,因为提取的象素点的颜色是以RGB形式表示的 int pix_color; int red,green,blue; int x,y; for(int fd=0;fd<4;fd++) for(int sd=0;sd<4;sd++) for(int td=0;td<256;td++){ Color[fd][sd] | =0; } file://计算颜色直方图 for(int i=0;i<4;i++) for(int j=0;j<4;j++) for(int k=0;k<32;k++) for(int l=0;l<32;l++){ x=j*32+l; y=i*32+k; clr=compDC.GetPixel(x,y); red=GetRValue(clr); green=GetGValue(clr); blue=GetBValue(clr); file://因为RGB颜色共256^3种,不可能都保存到数组中,因此要先进行一定的提取工作,因为人对亮度的感 file://觉是最明显的,所以可以先将RGB颜色值转成亮度值,这个公式即转换公司,刚好亮度数值是256级的,//就可以统计颜色直方图了 pix_color=red*0.299+green*0.587+blue*0.114; Color[i][j][pix_color]++; file://对该象素点的颜色直方图数组中的相信位置加一,是直方图的物理实现 } return true; } |
//计算用户确定的4块位置与其周围位置的颜色对(颜色对现采取用相邻两块的直方图的欧氏距离表示) pBmp->CalculateColorPair(obj_set.m_x1,obj_set.m_y1); pBmp->CalculateColorPair(obj_set.m_x2,obj_set.m_y2); pBmp->CalculateColorPair(obj_set.m_x3,obj_set.m_y3); pBmp->CalculateColorPair(obj_set.m_x4,obj_set.m_y4); file://其实在以上的4部计算中,已经形成了初步的颜色对表,在此只不过是将表中的数据从大到小排列出来//并且祛除差值小于某一域值的颜色对 file://计算颜色对结束,形成颜色对表 pBmp->SortColorPair(); file://颜色对表计算出来,表中的数据既是用户输入的该图像的代表特征 pDC->TextOut(10,168,"检索结果:"); CBmpProc *pDestBmp; CString comp_pic_path; int disp=0; int space=-128; file://读取带比较的图像(在此初定15幅--现定义这15幅图像即图片数据库) for(int comp_pic=1;comp_pic<=15;comp_pic++){ comp_pic_path.Format("image%d.bmp",comp_pic); bmp.LoadFromFile(comp_pic_path); // 从库中读入位图 pDestBmp = (CBmpProc*)new(CBmpProc); // 用new分配类目标 pDestBmp->LoadFromObject(bmp, &CRect(0,0,128,128)); // 从bmp中的指定区域读入图像 file://计算当前被比较的图像的颜色直方图 pDestBmp->CalculateColor(*pDC); int match=0; file://颜色对匹配数目 double ave=0; file://确定匹配时候不能使用精确匹配,所以需要一个差值小于某一域值时的域值 for(int s=0;s pair_count;s++){ ave+=pBmp->pair[s].o_dis; } ave=ave/pBmp->pair_count; file://这个域值的基数即是用户输入的图片的颜色对表中颜色对的平均值 ave=ave*0.02; file://确定误差小于2%的颜色对均属于这个域值 int pairflag[32]; file://颜色对匹配标志数组,即某一颜色对如果在目标图像中找到,下一次就不能再匹配 for(int t=0;t<32;t++){ pairflag[t]=-1; } for(int i=0;i<4;i++){ for(int j=0;j<4;j++){ file://按顺序计算目标图像中一子块与其周围子块的颜色对,然后在用户输入的图像的颜色对表中查询计算出//来的颜色对 pDestBmp->CalculateColorPair(i,j); for(int scan=0;scan<8;scan++){ if(pDestBmp->pair[scan].x==-1) break; } for(int comp=0;compfor(int count=0;count pair_count;count++){ if((fabs(pBmp->pair[count].o_dis-pDestBmp->pair[comp].o_dis))file://差值小于某域值,则匹配到 pairflag[count]=0; file://置颜色对匹配标志位 match++; file://匹配数加一 break; } } } file://重新置目标图像的颜色对表为空,因为现在的实现方式是在计算某一子块的颜色对时已经写过了颜色对//表,为保证颜色对表的真确性,必须在查询下一子块的时候重新置颜色对表为空 for(int re=0;repDestBmp->pair[re].x=-1; } } file://如果有60%以上的特征颜色对匹配到,就说明该图像已经被检索到 if(match>=(pBmp->pair_count*0.60)){ file://以下是对检索到的图像的界面上的排版显示 disp++; space+=128; file://画图像边框 pDC->Rectangle(10+space-1,190-1,138+space+1,318+1); pDestBmp->Draw(*pDC, &CRect(10+space,190,138+space,318)); // 将pBmp中的图像绘入DC的指定区域 space+=6; } delete (CBmpProc*)pDestBmp; // 删除类目标,delete会自动调用CBmpProc类的析构函数。 } delete (CBmpProc*)pBmp; // 删除类目标,delete会自动调用类的CBmpProc析构函数。 AfxMessageBox("检索完成"); |
相关文章推荐
- 用VC++实现图像检索技术2
- 用VC++实现图像检索技术1
- 用VC++实现图像检索技术
- 碎片图像无缝拼合技术的VC++实现(转载)
- 碎片图像无缝拼合技术的VC++实现
- 碎片图像无缝拼合技术的VC++实现
- 碎片图像无缝拼合技术的VC++实现
- 碎片图像无缝拼合技术的VC++实现
- 碎片图像无缝拼合技术的VC++实现
- 碎片图像无缝拼合技术的VC++实现
- CBIR 基于内容的图像检索系统 纹理,形状,颜色和空间特征综合检索 VC++实现
- 碎片图像无缝拼合技术的VC++实现
- 碎片图像无缝拼合技术的VC++实现
- [转]图像平滑滚动效果的VC实现
- VC++大数据量绘图时无闪烁刷屏技术实现
- 基于内容的图像检索技术(5)
- 图像灰度化方法总结及其VC实现
- 图像的配准及在VC++中实现
- 在VC++中使用CxImage库读写图像实现像素操作
- VC++大数据量绘图时无闪烁刷屏技术实现