summaryrefslogtreecommitdiff
path: root/2004/i/nono/src/ovision/segmNN.cc
blob: 5667e75344c4b48effc054b8d62397031f7d8a0f (plain)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
// segmNN.cc - Classe Segmentation
// nono - Programme du robot Efrei Robotique I1-I2 2004
// Copyright (C) 2004 Olivier Gaillard

/// @file segmNN.cc Segmente l'image et cree un tableau contenant des valeurs segmentees, creation du reseau de neurones
#include "segmNN.h"
#include <iostream>
#include <stdlib.h>
#include <stdio.h>
using namespace std;


/// Constructor SegmNN

/// @param img classe img permettant d'acceder au donnees de l'image a traiter
/// @param oconfig classe oconfig permettant d'acceder aux variables de oconfiguration
SegmNN::SegmNN (Img *img) 
{
    this->img = img;
    oconfig = OConfig::GetInstance ();
    nbOutput = oconfig->nn_NbCouleurs;

    node = NULL;
    index = NULL;
    tabSegm = NULL;
}


/// Destructor SegmNN
SegmNN::~SegmNN ()
{
    delete [] node;
    delete [] index;
    delete [] tabSegm;
}


/// Affiche les poids du reseau de neurones (neural network : NN)
void 
SegmNN::ShowNodes () 
{
    // Affichage des poids du NN
    cout << "Poids:";
    for(int i=0; i<nbOutput; i++)
	printf("\t%u %u %u\n",  node[i*3], node[i*3+1], node[i*3+2]);
    cout << endl;
}


/// Renvoie la sortie ayant le plus haut niveau
/// @param x couleur � segment�e
int
SegmNN::WinnerOutput (unsigned char *x)
{
    int output[nbOutput];
    int numOutputMax = 0;
    int tmp;
    
    // Calcul des valeurs de sorties pour ce pixel
    for(int j=0; j<nbOutput; j++) 
      {
	output[j] = 0;

	for(int k=0; k<3; k++) 
	  {
	    // XXX Ne pas oublier de mettre abs si on ne calcule pas les carr�s
	    tmp = node[j*3+k]-x[k];

	    // Si on est en yuv ou hsi et que c'est la composante de luminosite on ajoute un poids sur son influence
	    if ((img->yuv && k==0) || (img->hsi && k==2))
		output[j] += (int) oconfig->nn_influ_lum * tmp * tmp;
	    // Sinon calcul normal
	    else 
		output[j] += tmp * tmp;
	  }

	// On cherche la sortie ayant le plus haut niveau
	if (output[j] < output[numOutputMax]) 
	    numOutputMax = j;
      }

    return numOutputMax;
}


/// Construit un reseau de neurones

/// @param nbOutput nombre de noeuds de la couche de sortie du NN
/// @param loadFromFile (GENERATE ou LOADFROMFILE) indique si les poids sont charges d'un fichier ou generes aleatoirement
void 
SegmNN::BuildNN (int nbOutput, int loadFromFile) 
{
    this->nbOutput = nbOutput;

    // Permet de charger les poids du NN depuis un fichier ou en les initialisant aleatoirement
    if (loadFromFile) 
      {
	// Verifie si le nombre de poids donne dans le fichier est suffisant
	if (oconfig->nbNodeMax < nbOutput) 
	  {
	    cerr << "SegmNN::BuildNN : Nombre de nodes insuffisants dans le fichier poids\n";
	  }
	else 
	  {
	    // Charge les poids du NN 
	    delete [] node;
	    node = new unsigned char[nbOutput*3];
	    for (int i = 0; i<nbOutput*3; i++)
		node[i] = oconfig->node[i];
	    
	    // Initialisation de l'index de couleur
	    delete [] index;
	    index = new int[nbOutput];
	    for (int i = 0; i<nbOutput; i++)
		index[i] = oconfig->index[i];
	  }
      }

    // Si on ne souhaite pas loader les poids a partir d'un fichier
    else
      {
	cerr << "SegmNN::BuildNN : Utilis� la classe SegmLearn pour l'apprentissage du NN\n";
      }
}


/// Renvoie le code de la couleur segmentee
/// @param *x pointeur vers un tableau contenant une valeur RGB
/// @param testOutputMax choix de l'utilisation d'un sueil maxi pour la sortie pour �viter qu'une couleur trop diff�rente soit attribuer � une autre couleur
unsigned char 
SegmNN::FindColorNN (unsigned char *x, bool testOutputMax) 
{
    int numOutputMax=0;
    int output[nbOutput];
    int tmp;

    // Calcul des valeurs de sorties du NN pour ce pixel
    for(int j=0; j<nbOutput; j++) 
      {
	output[j] = 0;

	// Parcours des 3 composantes
	for(int k=0; k<3; k++) 
	  {
	    // XXX Ne pas oublier de mettre abs si on ne calcule pas les carr�s
	    tmp = node[j*3+k]-x[k];

	    // Si on est en yuv ou hsi et que c'est la composante de luminosite, on ajoute un poids pour affecter son influence
	    if ((img->yuv && k==0) || (img->hsi && k==2))
		output[j] += (int) oconfig->nn_influ_lum * tmp * tmp;
	    // Sinon calcul normal
	    else 
		output[j] += tmp * tmp;
	  }

	// On selectionne la sortie ayant la plus grande valeur comme couleur
	if (output[numOutputMax] > output[j]) 
	    numOutputMax = j;
      }

    // Test si la valeur de sortie est assez proche d'une couleur du rezo
    if ((testOutputMax) && (output[numOutputMax] > oconfig->nn_threshold_output))
	numOutputMax = UNDEFINED;

    return numOutputMax;
}


/// Segmente l'image avec le reseau de neurones
void 
SegmNN::Segm () 
{
    unsigned char* tabData = img->tabData;

    if (tabSegm) delete [] tabSegm;
    tabSegm = new unsigned char[img->nbPixels];

    // Parcours de l'image pour la segmentation
    // On recupere l'index et non le numero de sortie du NN
    for (unsigned long i=0; i<img->nbPixels; i++) 
      {
	tabSegm[i] = index[FindColorNN (tabData+i*3)];
      }
}


/// Segmente l'image pour une seule couleur uniquement et permet donc d'isoler une couleur
/// @param numColor numero de la couleur a isoler
void 
SegmNN::Segm (int numColor) 
{
    unsigned char* tabData = img->tabData;

    if (tabSegm) delete [] tabSegm;
    tabSegm = new unsigned char[img->nbPixels];

    // Parcours de l'image pour la segmentation
    for (unsigned long i=0; i<img->nbPixels; i++) 
      {
	if (FindColorNN (tabData+i*3) == numColor) tabSegm[i] = 1;
	else tabSegm[i] = 0;
      }
}