Bonjour,

voici deux classes permettant de calculer les Gray Level Run Length Matrix (GLRLM) ainsi que les indices associés.

Pour ceux qui souhaiteraient utiliser ce morceaux de code, je conseille d'effacer les lignes concernant les k-means. C'était un test (relativement concluant) permettant de réduire un peu plus astucieusement les niveaux de gris.
Mais en revanche, cela complique le code, donc à supprimer pour une ré-utilisation simple.


Code java : Sélectionner tout - Visualiser dans une fenêtre à part
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
 
package rdf.textures.glrlm;
 
import mathematics.Maths;
import morphee.Levelings.Leveling;
import processing.filters.Gaussian;
import utils.arrays.ArraysOperations;
import imageTiTi.Image;
import imageTiTi.reducer.ColorReducer;
 
/**
 * <p>Description: Cette classe calcule la "run length matrix" pour une image (vignette). Elle peut etre calculee
 *  dans plusieurs directions, mais alors une moyenne des differentes matrices est effectuee.<br>
 * <p>Package(s) required: imageTiTi, mathematics.</p>
 * <p>Copyright: Copyright (c) 2007-2010.</p>
 * <p>Laboratories/Teams: CMM (Mines-ParisTech/ENSMP), I&M (ex LXAO) LSIS.</p>
 * <p>Updates: <br>
 * 12 Avril 2010, 1.2 => Simplification par l'utilisation de l'interface ColorReducer et ajout du Leveling.<br>
 * 10 Novembre 2009, 1.1 => Gestion des tous les types de niveaux de gris, ycompris les binaires.<br>
 * 02 Mai 2008 => Ajout de la valeur interdite.<br>
 * 08 Avril 2008 => Creation.</p>
 * 
 * @author Guillaume THIBAULT
 * @version 1.2
 * <p>
 * <!-- technical-bibtex-start -->
 * BibTeX:
 * <pre>
 * @article{Galloway75,
 *              author = {M. M. Galloway},
 *              journal = {Computer Graphics Image Process},
 *              volume = {4},
 *              pages = {1971--1975},
 *              title = {Texture analysis using grey level run lengths},
 *              year = {1975}
 *              }
 * </pre>
 * <pre>
 * @article{CSG90,
 *              author = {A. Chu and C. M. Sehgal and J. F. Greenleaf},
 *              journal = {Pattern Recognition Letters},
 *              volume = {11},
 *              number = {6},
 *              pages = {415--420},
 *              title = {Use of gray value distribution of run lengths for texture analysis},
 *              year = {1990}
 *              }
 * </pre>
 * <pre>
 * @article{PeronaMalik1990,
 *              author = {K. Yogesan and T. Jørgensen and F. Albregtsen and K. J. Tveter and H. E. Danielsen},
 *              journal = {Cytometry},
 *              volume = {24},
 *              pages = {268--276},
 *              title = {Entropy based texture analysis of chromatin structure in advanced prostate cancer},
 *              year = {1996}
 *              }
 * </pre>
 * <pre>
 * @article{PeronaMalik1990,
 *              author = {Pietro Perona and Jitendra Malik},
 *              journal = {IEEE Transaction on Pattern Analysis and Machine Intelligence},
 *              volume = {12},
 *              number = {7},
 *              pages = {629-639},
 *              publisher = {Morgan Kaufmann},
 *              title = {Scale-Space and Edge Detection Using Anysotropic Diffusion},
 *              year = {1990}
 *              }
 * </pre>
 <!-- technical-bibtex-end -->
 </p>
 */
 
public class GrayLevelRunLengthMatrix
{
 
/** Nombre de niveaux de gris <=> Hauteur de la run length matrix.*/
protected int nbGrayLevel = -1 ;
/** Largeur de la matrice. Si FixedSize Alors Width=nbSizes, Sinon Width=TailleZoneMax/nbSizes+1.*/
protected int Width = -1 ;
/** Tableau representant la run length matrix (a la taille de la chaine la plus longue).*/
protected double[][] matrix = null ;
/** Tableau representant la run length matrix brute.*/
private double[][] mat = null ;
 
// Les directions de calculs.
/** La variation en X pour le calcul de la matrice.*/
protected int[] dx = new int[] {1, 1, 0,-1} ;
/** La variation en Y pour le calcul de la matrice.*/
protected int[] dy = new int[] {0, 1, 1, 1} ;
 
 
/** L'image (la vignette) sur laquelle on a calcule la matrice des longueurs de segments.*/
protected Image image = null ;
 
/** Un filtre gaussien, utile pour construire le marqueur du leveling.*/
private Gaussian gauss = new Gaussian(1, 1) ;
 
 
 
 
 
 
 
/** Un constructeur qui permet de modifier la taille de la run length matrix.
 * @param nbGrayLevel Le nombre de niveaux de gris a prendre en compte.*/
public GrayLevelRunLengthMatrix(int nbGrayLevel)
	{
	if ( nbGrayLevel < 1 )
		throw new IllegalArgumentException("Bad gray level: " + nbGrayLevel + ", wished [1..2^n < 65535]") ;
 
	this.nbGrayLevel = nbGrayLevel ;
	if ( nbGrayLevel == 1 ) return ; // Image binaire où l'on ne considère qu'une seule couleur.
	if ( !Maths.isPowerOf(nbGrayLevel, 2)  )
		throw new IllegalArgumentException("Number of gray level must be a power of 2: " + nbGrayLevel) ;
	}
 
 
/** Methode qui affecte la direction de calcul.
 * @param DX Deplacement en X.
 * @param DY Deplacement en Y.*/
public void setDirection(int DX, int DY)
	{
	int x = DX ;
	int y = DY ;
	if ( x < 0 ) x = -x ;
	if ( y < 0 ) y = -y ;
	if ( x > 1 || y > 1 ) throw new Error("Variation de direction trop importante. Attendu [-1..1].") ;
	if ( x + y == 0 ) throw new Error("Direction nulle : x = y = 0.") ;
	dx = null ;
	dy = null ;
	dx = new int[]{DX} ;
	dy = new int[]{DY} ;
	}
 
 
/** Methode qui affecte le nouveau tableau de direction. Si le tableau a une taille superieure a 1, une moyenne sera faite.
 * @param dx Nouveau tableau de variation en X.
 * @param dy Nouveau tableau de variation en Y.*/
public void setDirection(int[] dx, int[] dy)
	{
	if ( dx == null || dy == null ) throw new NullPointerException("Un des tableau est null.") ;
	if ( dx.length != dy.length )
		throw new IllegalArgumentException("Lengths of arrays different : " + dx.length + " & " + dy.length) ;
 
	this.dx = null ;
	this.dy = null ;
	this.dx = dx ;
	this.dy = dy ;
	}
 
 
 
/** Methode qui lance et gere les differentes etapes de calcul.
 * @param image L'image (la vignette) sur laquelle on doit calculer la matrice.
 * @param reducer Classe qui permet de reduire le nombre de couleurs.
 * @param leveling Methode de nivellement a utiliser avant la reduction des couleurs avec un filtre gaussien comme marqueur.
 *  Si ce parametre est null, alors rien n'est realise.
 * @param ForbidenValue Valeur interdite (du fond) =>
 *  Valeur a ne pas prendre en compte pour les calculs. Si strictement negative, on prend toutes les valeurs en consideration.
 * @param nbCPU Nombre de CPU autorises dans cette classe => Nombre de threads autorises.*/
public void FillMatrix(Image image, ColorReducer reducer, Leveling leveling, int ForbidenValue, int nbCPU)
	{
	if ( image.isColored() ) throw new IllegalArgumentException("Only gray level image supported.") ;
 
	this.image = null ;
	if ( leveling == null ) this.image = reducer.Reduce(image, nbGrayLevel, ForbidenValue) ;
	else this.image = reducer.Reduce(leveling.Filter(image, nbCPU, gauss.Filter(image, nbCPU)), nbGrayLevel, ForbidenValue) ;
	int x, y, i ;
	int max = 0 ;
 
	if ( image.getWidth() > image.getHeight() ) Width = image.getWidth() + 1 ;
	else Width = image.getHeight() + 1 ;
 
	mat = null ;
	mat = new double[nbGrayLevel][Width] ;
	ArraysOperations.SetConstant(mat, 0.0) ; // raz matrix
 
	for (i=0 ; i < dx.length ; i++) FillMatrix(dx[i], dy[i], ForbidenValue) ;
 
	// On trouve la largeur de la matrice.
	for (y=0 ; y < nbGrayLevel ; y++)
		for (x=0 ; x < Width ; x++)
			if ( mat[y][x] > 0.0 && x > max ) max = x ;
 
	// Moyenne
	for (y=0 ; y < nbGrayLevel ; y++)
		for (x=0 ; x < Width ; x++)
			mat[y][x] /= (double)dx.length ;
 
	// On trouve la largeur pour ajuster puis on moyenne
	Width = max + 1 ;
	matrix = null ;
	matrix = new double[nbGrayLevel][Width] ;
	for (y=0 ; y < nbGrayLevel ; y++)
		for (x=0 ; x < Width ; x++)
			matrix[y][x] = mat[y][x] ;
	}
 
 
 
/** Methode qui effectue le remplissage de la matrice Run Length.
 * @param dx Variation de calcul en X.
 * @param dy Variation de calcul en Y.
 * @param ForbidenValue Valeur a exclure des calculs.*/
protected void FillMatrix(int dx, int dy, int ForbidenValue)
	{
	int x, y, x1, y1, v0, nb ;
	int height = image.getHeight() ;
	int width = image.getWidth() ;
	boolean Fin ;
	int[][] tampon = new int[mat.length][mat[0].length] ;
	ArraysOperations.SetConstant(tampon, 0) ; // Initialisation
 
	for (y=0 ; y < height ; y++) // calculs des run length
		for (x=0 ; x < width ; x++)
			{ // pour chaque pixel
			if ( image.Pixel(y, x) == ForbidenValue ) continue ; // On est sur la valeur interdite, donc on sort.
			v0 = image.Pixel(y, x) ;
			nb = 1 ;
			Fin = false ;
			x1 = x ;
			y1 = y ;
			do	{
				x1 += dx ;
				if ( x1 < 0 || x1 >= width ) Fin = true ;
				y1 += dy ;
				if ( y1 < 0 || y1 >= height ) Fin = true ;
				if ( !Fin && image.Pixel(y1, x1) != ForbidenValue && image.Pixel(y1, x1) == v0 ) nb++ ;
				else Fin = true ;
				} while ( !Fin ) ;
 
			tampon[v0][nb]++ ; // on incrémente la matrice
			}
 
	for (y=0 ; y < nbGrayLevel ; y++) // On ajuste pour corriger les erreurs de comptages multiples.
		for (x=1 ; x < Width ; x++)
			tampon[y][x-1] -= tampon[y][x] ;
 
	for (y=0 ; y < nbGrayLevel ; y++) // On met le résultat dans la matrice.
		for (x=1 ; x < Width ; x++)
			mat[y][x-1] += tampon[y][x] ; // On supprime la colonne 0 qui contient que des 0 (aucune chaine de longueur 0).
 
	tampon = null ;
	}
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
/* ------------------------------------------------------ Les getters ------------------------------------------------------ */
/** Methode qui retourne la run length matrix non ajustee.
 * @return Le tableau de double[][] contenant la run length matrix.*/
public double[][] getMatrix()
	{
	return matrix ;
	}
 
/** Tableau d'int contenant les variations de directions en X.
 * @return Direction en X.*/
public int[] getDx()
	{
	return dx ;
	}
 
/** Tableau d'int contenant les variations de directions en Y.
 * @return Direction en Y.*/
public int[] getDy()
	{
	return dy ;
	}
 
public String toString(String Separator)
	{
	StringBuffer sb = new StringBuffer() ;
	for (int j=0 ; j < nbGrayLevel ; j++)
		{
		for (int i=0 ; i < Width ; i++) sb.append(matrix[j][i] + Separator) ;
		sb.append("\n") ;
		}
	return sb.toString() ;
	}
 
public void Display(String Separator)
	{
	System.out.println(toString(Separator)) ;
	}
 
 
}