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
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
|
package rdf.textures;
import imagetiti.Image;
import java.util.Arrays;
/**
* <p>Description : Classe qui calcule onze caracteristiques Haralick et cinq caracteristiques supplementaires.
* Grandement inspire du code recupere sur Developpez.com et produit par Xavier Philippeau.
* Toutes les formules presentees ainsi que les explications sur la taille variable de la matrice de co-occurence se trouvent dans la these de Djamel BRAHMI.
* Sinon regarder le lien : <html>http://murphylab.web.cmu.edu/publications/boland/boland_node26.html</html>.
* Les indices F1 a F11 sont des Haralick's Features, les autres sont des ajouts perso.
* - Moyenne
* - F1 - Second moment angulaire (homogeneite), egale a l'energie.
* - F2 - Contraste
* - F3 - Correlation
* - F4 - Variance
* - F5 - Moment des différences inverses OK
* - F6 - Moyenne des sommes
* - F7 - Variance des sommes
* - F8 - Entropie des sources
* - F9 - Entropie
* - F10 - Variance des differences
* - F11 - Entropie des differences
* - Dissimilarite
* - Homogeneite
* - Inertie
* </p>
* <p>Date de creation : 26 septembre 2007.</p>
* <p>Packages necessaires : imagetiti.</p>
* <p>Copyright : Copyright (c) 2007.</p>
* <p>Laboratoire : LSIS.</p>
* <p>Equipe : Image et Modele, I&M (ex LXAO).</p>
*
* @author Guillaume THIBAULT
* @version 1.0
*/
public class Haralick
{
private int MSIZE = 256 ;
private double[][] matrix = new double[MSIZE][MSIZE] ; // matrices de densité spatiale (aka GLCM)
private Image image = null ; // image source
// precalculs
private double[] px_y = new double[MSIZE] ; // Px-y(i)
private double[] pxy = new double[2*MSIZE] ; // Px+y(i)
private double[] features = new double[15] ; // valeurs specifiques de la texture
/**Constructeur, par defaut la dimension de la matrice de co-occurence est de 16.
* @param image image (vignette) de la texture a analyser.*/
public Haralick(Image image)
{
this.image = image ;
Calculer() ;
}
/**Constructeur
* @param image image (vignette) de la texture a analyser.
* @param nbNiveauxGris Nombre de niveau de gris qui va engendre la dimension de la matrice de co-occurence. Lire les proprietes dans la these cite ci-dessus.*/
public Haralick(Image image, int nbNiveauxGris)
{
if ( nbNiveauxGris < 2 || nbNiveauxGris > 256 ) throw new Error("Parametre nbNiveauxGris(2..256) incorrect : " + nbNiveauxGris) ;
this.MSIZE = nbNiveauxGris ;
this.image = image ;
Calculer() ;
}
/** Methode qui lance et gere les differentes etapes de calcul.*/
private void Calculer()
{
int i, n = 4 ;
int[] dx = new int[] {1, 1, 0,-1} ;
int[] dy = new int[] {0, 1, 1, 1} ;
for (i=0 ; i < n ; i++)
{
computeMatrix(dx[i], dy[i]) ;
precomputation() ;
this.features[0] += Moyenne() ; // F0 - Moyenne
this.features[1] += getF1() ; // F1 - Second moment angulaire (homogeneite), Egal à l'energie
this.features[2] += getF2() ; // F2 - contraste
this.features[3] += getF3() ; // F3 - correlation
this.features[4] += getF4() ; // F4 - Variance
this.features[5] += getF5() ; // F5 - Moment des différences inverses OK
this.features[6] += getF6() ; // F6 - Moyenne des sommes
this.features[7] += getF7(this.features[6]) ; // F7 - Variance des sommes
this.features[8] += getF8() ; // F8 - Entropie des sources
this.features[9] += getF9() ; // F9 - Entropie
this.features[10] += getF10() ; // F10 - variance des differences
this.features[11] += getF11() ; // F11 - Entropie des differences
this.features[12] += Dissimilarite() ;
this.features[13] += Homogeneite() ;
this.features[14] += Inertie() ;
}
for(i=1 ; i < this.features.length ; i++) this.features[i] /= n ;
}
/* ----------------------------------------- Calcules preliminaires et remplissage de la matrice ----------------------------------------- */
private void precomputation()
{
int i, j ;
Arrays.fill(px_y, 0) ; // Px-y(i)
for (j=0 ; j < MSIZE ; j++)
for(i=0 ; i < MSIZE ; i++)
px_y[Math.abs(i-j)] += matrix[i][j] ;
Arrays.fill(pxy, 0) ; // Px+y(i)
for (j=0 ; j < MSIZE ; j++)
for (i=0 ; i < MSIZE ; i++)
pxy[i+j] += matrix[i][j] ;
}
private void computeMatrix(int dx, int dy)
{
int i, j ;
for (i=0 ; i < MSIZE ; i++) Arrays.fill(matrix[i], 0) ; // raz matrice
// calcul des co-occurences
int sum = 0 ;
int height = image.getHeight() ;
int width = image.getWidth() ;
for (int y0=0 ; y0 < height ; y0++)
for (int x0=0 ; x0 < width ; x0++)
{ // pour chaque pixel
int v0 = (int)((double)MSIZE*(double)this.image.getPix(y0, x0)/256.0) ;
// on cherche le voisin
int x1 = x0 + dx ;
if ( x1<0 || x1>=width ) continue ;
int y1 = y0 + dy ;
if ( y1<0 || y1>=height ) continue ;
int v1 = (int)((double)MSIZE*(double)this.image.getPix(y1, x1)/256.0) ;
// on incremente la matrice
matrix[v0][v1]++ ;
matrix[v1][v0]++ ;
sum += 2 ;
}
// normalisation
for (j=0 ; j < MSIZE ; j++)
for (i=0 ; i < MSIZE ; i++)
matrix[i][j] /= sum ;
}
/* --------------------------------------------------------- Calcul des caracteristiques --------------------------------------------------------- */
/** Methode qui calcule la moyenne.
* @return La moyenne.*/
private double Moyenne()
{
int i, j ;
double mean = 0 ;
for (j=0 ; j < MSIZE ; j++)
for (i=0 ; i < MSIZE ; i++)
mean += matrix[i][j] ;
mean /= MSIZE*MSIZE ;
return mean ;
}
/** F1 - Methode qui calcule l'angle du moment du second ordre : ASM (homogeneite). Egal a la formule de l'energie.
* @return L'angle du moment du second ordre.*/
private double getF1()
{
double h = 0.0 ;
for (int j=0 ; j < MSIZE ; j++)
for (int i=0 ; i < MSIZE ; i++)
h += matrix[i][j]*matrix[i][j] ;
return h ;
}
/** F2 - Methode qui calcule le contrast.
* @return Le contrast.*/
private double getF2()
{
double contrast = 0.0 ;
for (int n=0 ; n < MSIZE ; n++)
for (int j=0 ; j < MSIZE ; j++)
for (int i=0 ; i < MSIZE ; i++)
if ( Math.abs(i-j) == n )
contrast += (double)n*(double)n*matrix[i][j] ;
return contrast ;
}
/** F3 - Methode qui calcule la correlation.
* @return La correlation.*/
private double getF3()
{ // optimisation car matrice symetrique ==> distribution marginale sur X = distribution marginale sur Y
//moyenne = somme { p(i,j) * i }
int i, j ;
double md_mean = 0 ;
for (i=0 ; i < MSIZE ; i++)
for(j=0 ; j < MSIZE ; j++)
md_mean += i*matrix[i][j] ;
double md_var = 0 ; // variance = somme { p(i,j) * (i-moyenne)^2 }
for (i=0 ; i < MSIZE ; i++)
for (j=0 ; j < MSIZE ; j++)
md_var += matrix[i][j]*(i-md_mean)*(i-md_mean) ;
if ( md_var <= 0 ) return 1 ;
double sum = 0 ; // correlation = somme { (i-moyenne) * (j-moyenne) * p(i,j) / variance^2 }
for(j=0 ; j < MSIZE ; j++)
for(i=0 ; i < MSIZE ; i++)
sum += matrix[i][j]*(i-md_mean)*(j-md_mean) ;
return sum/(md_var*md_var) ;
}
/** F4 - Methode qui calcule la variance.
* @return La variance.*/
private double getF4()
{
int i, j ;
double mean = 0 ;
for (j=0 ; j < MSIZE ; j++)
for (i=0 ; i < MSIZE ; i++)
mean += matrix[i][j] ;
mean /= MSIZE*MSIZE ;
double variance = 0 ;
for (j=0 ; j < MSIZE ; j++)
for (i=0 ; i < MSIZE ; i++)
variance += (i-mean)*(i-mean)*matrix[i][j] ;
return variance ;
}
/** F5 - Methode qui calcule la difference inverse.
* @return La difference inverse.*/
private double getF5()
{
double invdiff = 0 ;
for (int j=0 ; j < MSIZE ; j++)
for(int i=0 ; i < MSIZE ; i++)
{
double coef = 1.0/(1.0+(i-j)*(i-j)) ;
invdiff += coef*matrix[i][j] ;
}
return invdiff ;
}
/** F6 - Methode qui calcule la moyenne des sommes.
* @return La moyenne des sommes.*/
private double getF6()
{
double sumavg = 0 ;
for(int k=2 ; k < 2*MSIZE-1 ; k++) sumavg += k*pxy[k] ;
return sumavg ;
}
/** F7 - Methode qui calcule la variance des sommes.
* @return La variance des sommes.*/
private double getF7(double f6)
{
double sumavg = f6 ;
int sumvar = 0 ;
for (int k=2 ; k < 2*MSIZE-1 ; k++) sumvar += (k-sumavg)*(k-sumavg)*pxy[k] ;
return sumvar ;
}
/** F8 - Methode qui calcule l'entropie des sources.
* @return L'entropie des sources.*/
private double getF8()
{
double entropysrc = 0 ;
for(int k=2 ; k < 2*MSIZE-1 ; k++)
{
if ( pxy[k] == 0 ) continue ;
entropysrc += pxy[k]*Math.log(pxy[k]) ;
}
return -entropysrc ;
}
/** F9 - Methode qui calcule l'entropie.
* @return L'entropie.*/
private double getF9()
{
double entropy = 0 ;
for (int j=0 ; j < MSIZE ; j++)
for (int i=0 ; i < MSIZE ; i++)
{
if ( matrix[i][j] == 0 ) continue ;
entropy += matrix[i][j]*Math.log(matrix[i][j]) ;
}
return -entropy ;
}
/** F10 - Methode qui calcule la variance des differences.
* @return La variance des differences.*/
private double getF10()
{
int k ;
double mean = 0 ;
for (k=0 ; k < MSIZE-1 ; k++) mean += k*px_y[k] ;
double var = 0 ;
for (k=0 ; k < MSIZE-1 ; k++) var += (k-mean)*(k-mean)*px_y[k] ;
return var ;
}
/** F4 - Methode qui calcule l'entropie des differences.
* @return L'entropie des differences.*/
private double getF11()
{
double entropydiff = 0 ;
for (int k=0 ; k < MSIZE-1 ; k++)
{
if ( px_y[k]==0 ) continue;
entropydiff += px_y[k]*Math.log(px_y[k]) ;
}
return -entropydiff ;
}
/** Methode qui calcule la homogeneite.
* @return La homogeneite.*/
private double Homogeneite()
{
double homogeneity = 0.0 ;
for(int j=0 ; j < MSIZE ; j++)
for(int i=0 ; i < MSIZE ; i++)
homogeneity += matrix[i][j] / (1.0+Math.abs(i-j)) ;
return homogeneity ;
}
/** Methode qui calcule la dissimilarite.
* @return La dissimilarite.*/
private double Dissimilarite()
{
double dissimilarity = 0.0 ;
for(int j=0 ; j < MSIZE ; j++)
for(int i=0 ; i < MSIZE ; i++)
dissimilarity += matrix[i][j]*Math.abs(i-j) ;
return dissimilarity ;
}
/** Methode qui calcule l'inertie.
* @return L'.*/
private double Inertie()
{
double inertie = 0.0 ;
for(int j=0 ; j < MSIZE ; j++)
for(int i=0 ; i < MSIZE ; i++)
inertie += matrix[i][j]*Math.pow(i-j, 2.0) ;
return inertie ;
}
/* ---------------------------------------------------- Les getters ---------------------------------------------------- */
public String toString()
{
StringBuffer sb = new StringBuffer() ;
for (int j=0 ; j < MSIZE ; j++)
{
for (int i=0 ; i < MSIZE ; i++) sb.append(matrix[i][j] + " ") ;
sb.append("\n") ;
}
return sb.toString() ;
}
/** Methode qui retourne la liste des caracteristiques.
* @return Le tableau de double contenant les caracteristiques.*/
public double[] getFeatures()
{
return features ;
}
} |
[Image/Java] Haralick features deuxième version
ton poste tu dois marquer quand la bonne réponse tu as obtenu.
Répondre avec citation
Envoyé par Mr.ux
Partager