上QQ阅读APP看书，第一时间看更新
4.4.1 图像的标识及特征提取
编程实现
[1] 在Demo1中创建类CCluster以实现模糊聚类的相应功能，在其中添加函数GetFeature()，进行有关图像的标识和特征提取。具体实现代码如代码4-1所示。
代码4-1 GetFeature()函数
void CCluster::GetFeature()
{
////////////////////以下对数据区域标号whx/////////////////////
BYTE ＊ p_temp;
int stop;
int i,j;
int counter;//记录相互独立的连通区域的个数
int present;//记录当前点的值1,2,...,counter
stop=0;
counter=0;
p_temp=new BYTE[wide＊height];//开辟一个临时内存区×××××
memset(p_temp,255,wide＊height);//置白
//从左到右、从上到下标号
const int T=5;//T为阈值，RGB值小于该阈值被认为是黑
for(i=0; i<wide; i++)//将第零行置白
＊(m_pData+(height-1)＊wide+i)=255;
for(j=0;j<height;j++)//将第零列置白
＊(m_pData+(height-j-1)＊wide)=255;
for( j=1;j<height-1;j++) // 从第一行开始搜索
{
if(stop==1)//判断连通区是否太多
break;
for( i=1;i<wide-1;i++) // 从第一列开始搜索
{
if(counter>255)
{
AfxMessageBox("连通区数目太多，请减少样品个数");
stop=1;
return;
}
if(＊(m_pData+(height-j-1)＊wide+i)<T)//若当前点为黑点
{
if(＊(m_pData+(height-j-1+1)＊wide+i+1)<T)//若当前点的右上点为黑点
{
＊(p_temp+(height-j-1)＊wide+i)=＊(p_temp+(height-j-1+1)
＊wide+i+1);
//当前点标号应该与右上点相同
present=＊(p_temp+(height-j-1+1)＊wide+i+1);//记录当前点的标号
if(＊(m_pData+(height-j-1)＊wide+i-1)<T && ＊(p_temp+
(height-j-1)＊wide+i-1)!=present)//左前与右上点都为黑且标号不同
{
int temp=＊(p_temp+(height-j-1)＊wide+i-1);//记录左前点的标号
if (present>temp)//当前点标号记录两者中的较小值
{
present=temp;
temp=＊(p_temp+(height-j-1+1)＊wide+i+1);
}
counter--;//合并左前和右上标号，标号总数减一
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)
//将较大标号改成较小标号
{
＊(p_temp+(height-m-1)＊wide+n)=present;
}
else if (＊(p_temp+(height-m-1)＊wide+n)>temp)
//将较大标号以后的所有标号减一，以保持标号的连续性
{
＊(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)//左上与右上点都为黑且标号不同
{
counter--;//合并左上和右上标号，标号总数减一
int temp=＊(p_temp+(height-j-1+1)＊wide+i-1);//记录左上点的值
if (present<temp)//当前点标号记录两者中的较小值
{
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)
//将较大标号改成较小标号
{
＊(p_temp+(height-m-1)＊wide+n)=temp;
}
else if (＊(p_temp+(height-m-1)＊wide+n)>present)
//将较大标号以后的所有标号减一，以保持标号的连续性
{
＊(p_temp+(height-m-1)＊wide+n)-=1;
}
}
present=temp;
}
}
else if(＊(m_pData+(height-j-1+1)＊wide+i)<T)
//当前点黑，右上不为黑，正上为黑
{
＊(p_temp+(height-j-1)＊wide+i)=＊(p_temp+(height-j-1+1)
＊wide+i);
//当前标号=正上标号
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//产生新标号
{
++counter;
present=counter;
＊(p_temp+(height-j-1)＊wide+i)=present;
}
}//end if
}// 列
}//end行
// //////////////////////以上对数据区域标号//////////////////////////
//////////////////////以下获得各个样品所在位置及编号///////////////////
patternnum=counter;//样品总数
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++)//记录每个样品（独立连通区域）的左上、右下点坐标
{
for(int j=1;j<height-1;j++)//搜索整幅图像
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;
//////////////////////以下获得所有样品特征放入m_pattern中////////////////////
for ( i=0;i<patternnum;i++)//=patternnum
{
CalFeature(&m_pattern[i]);//调用函数计算第i号模板的值
}
//////////////////////以上获得所有样品特征放入m_pattern中////////////////////
}
[2] 上述代码中，CalFeature ()函数用于计算样品的特征值，该函数的实现代码如代码4-2所示。
代码4-2 CalFeature ()函数
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;//特征值中每个特征的宽
h=(int)(m_pattern->rightbottom.y-m_pattern->lefttop.y)/N;//特征值中每个特征的高
for ( j=0;j<N;j++)
{
for ( i=0;i<N;i++)
{
count=0;//每个特征内黑点的个数
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);
}
}
}