我想:
(1)将20x20 IplImage转换为双数组;然后,
(2)我想计算这个数组与双重类型的90x(20x20)2维数组之间的误差。
在Matlab中,很容易做到这一点:
(1)
I_thresh = I_gray<120;
% transformer matrice en vecteur
data(i*30+j,:) = (reshape(I_thresh',size(I_thresh,1)*size(I_thresh,2),1))';
(2)
function[classeEstim] = som_test(sM,testData,dim,prune)
labelsDbl = cvtCellChar2num(sM.labels);
X = zeros(size(sM.codebook,1),dim);
for i=1:size(testData,1)
for j=1:size(sM.codebook,1)
X(j,:) = abs(testData(1,1:dim) - sM.codebook(j,1:dim));
end
idx = (sum(X,2) == (min(sum(X,2))));
classeEstim = labelsDbl(idx);
end
在Matlab中很容易,但在C ++中它很糟糕......
到目前为止我的代码:
double* data;
int step;
CvSize size;
cvGetRawData(thresReduImg, (uchar**)&data, &step, &size);
step /= sizeof(data[0]);
for(int y = 0; y < size.height; y++, data += step )
for(int x = 0; x < size.width; x++ )
data[x] = (double)fabs(data[x]);
//classification
double** X = new double* [HEIGHT];
for (int i = 0; i <= HEIGHT; i++)
X[i] = new double[WIDTH];
for(int i = 0; i <= HEIGHT; i++)
for(int j = 0; j <= WIDTH; j++)
X[i][j] = fabs(data[j] - codebook[i][j]);
这不起作用,程序崩溃,我无法确定原因,但让我们猜测它是段错误...除此之外,必须有一种优雅的方式来做我想要的,类似Matlab的方式..
我甚至不知道如何确保数据数组中的数据确实存在 我想要与码本进行比较的值(自组织地图分类)......在一个完美的世界中,这些数据应该是由cvThreshold计算的二进制值。
任何帮助都将非常感谢!!!!!
谢谢!
答案 0 :(得分:2)
优雅的方式是
然后,你不会将你的图像转换为一个愚蠢且无法做任何事情的数组,而是将你的数组转换为cv :: Mat,这是强大的!
然后你会有sum,min等功能,你可以随时使用!
不要犹豫。开始编写优雅而干净的代码今天。
答案 1 :(得分:0)
答案是:
//Preprocessing here, to get a 20x20 binary image...
//transformer l'image seuillee en tableau 1D
double* score = new double[HEIGHT];
int index = 0;
//convertir contenu image seuille au format double FIRST ANSWER (1)
IplImage* dest = cvCreateImage(cvSize(20,20), 64, 1);
cvConvert(thresReduImg, dest);
double* data = (double*)dest->imageData;
//classification
double distance = 0;
//calcul des distances euclidiennes entre le vecteur d'entree
// et chacun des neurones de la carte de Kohonen. SECOND ANSWER (2)
for(int n = 0; n < HEIGHT; n++)
{
for(int w = 0; w < WIDTH; w++)
{
//les donnees sont bien binaires, mais 0 ou 255
// passer en 0 ou 1.
if(data[w] == 255)
data[w] = 1;
//calcul pour chaque poids du neurone.
distance += pow(data[w] - codebook[n][w],2);
}
//calcul distance euclidienne pour le neurone.
score[n] = sqrt(distance);
distance = 0;
}
//on cherche la distance minimale.
double value = score[0];
index = 0;
for(int i = 1; i < HEIGHT; i++)
{
if(score[i] <= value)
{
value = score[i];
index = i;
}
}
// Continue... :)