码迷，mamicode.com
首页 > 编程语言 > 详细

关于统计变换（CT/MCT/RMCT）算法的学习和实现

时间：2016-01-26 18:18:18      阅读：495      评论：0      收藏：0      [点我收藏+]

标签：

原文地址http://blog.sina.com.cn/s/blog_684c8d630100turx.html

 

刚开会每周的例会，最讨厌开会了，不过为了能顺利毕业，只能忍了。闲话不多说了，下面把上周学习的一个简单的算法总结一下，以备后面写毕业论文的时候可以参考一下。
一、Census Transform(CT)算法的学习
    Census Transform 算法是Ramin Zabih 和 John Woodfill 于1994年在他们的论文《Non-parametric LocalTransforms for Computing VisualCorrespondence》中提出的，正如他们在论文中所说，这是一种非参数变换，主要用来表征图像的局部结构特征，能够比较好的检测到图像中的边缘特征和角点特征，从这篇论文的470次的引用次数来看，CT算法用处还是挺广泛的。下面简要介绍一下CT算法的基本思想：用一个3*3或者5*5的滑动窗口遍历整幅图像，对于每次遍历的位置，以3*3为例，假设某个位置如下图所示

 

123 127 129
126 128 129
127 131 130

 

然后比较此窗口中每个像素值（中心除外）与中心像素值的大小，如果比中心像素值小，则比较结果为1，否则为0。由此，得到如下结果：

1 1 0
1   0
1 0 0

然后，把此窗口结果组成一个序列：11010100，以此二进制序列表示的值来代替原图像窗口中心点的像素。如此下去，等到窗口滑动完整幅图像，我们就得到原图像做统计变换（CT）之后的图像。

注意：只能作用于灰度图像，对于彩色图像，则需要转换为灰度图之后再操作；为了简单起见，我没有考虑图像的边缘像素值。
   下面给出一种用 matlab 实现的版本：
[plain] view plain copy
 
 技术分享技术分享
  1. % *************************************************************************  
  2. % Title: Function-Census Transform of a given Image  
  3. % Author: Siddhant Ahuja  
  4. % Created: May 2008  
  5. % Copyright Siddhant Ahuja, 2008  
  6. % Inputs: Image (var: inputImage), Window size assuming square window (var:  
  7. % windowSize) of 3x3 or 5x5 only.  
  8. % Outputs: Census Tranformed Image (var: censusTransformedImage),  
  9. % Time taken (var: timeTaken)  
  10. % Example Usage of Function: [a,b]=funcCensusOneImage(‘Img.png‘, 3)  
  11. % *************************************************************************  
  12. function [censusTransformedImage, timeTaken] = funcCensusOneImage(inputImage, windowSize)  
  13. % Grab the image information (metadata) using the function imfinfo  
  14. try  
  15. imageInfo = imfinfo(inputImage);  
  16. % Since Census Transform is applied on a grayscale image, determine if the  
  17. % input image is already in grayscale or color  
  18. if(getfield(imageInfo,‘ColorType‘)==‘truecolor‘)  
  19. % Read an image using imread function, convert from RGB color space to  
  20. % grayscale using rgb2gray function and assign it to variable inputImage  
  21. inputImage=rgb2gray(imread(inputImage));  
  22. else if(getfield(imageInfo,‘ColorType‘)==‘grayscale‘)  
  23. % If the image is already in grayscale, then just read it.         
  24. inputImage=imread(inputImage);  
  25. else  
  26. error(‘The Color Type of Input Image is not acceptable. Acceptable color types are truecolor or grayscale.‘);  
  27. end  
  28. end  
  29. catch  
  30. inputImage = inputImage;  
  31. end  
  32. % Find the size (columns and rows) of the image and assign the rows to  
  33. % variable nr, and columns to variable nc  
  34. [nr,nc] = size(inputImage);  
  35. % Check the size of window to see if it is an odd number.  
  36. if (mod(windowSize,2)==0)  
  37. error(‘The window size must be an odd number.‘);  
  38. end  
  39. if (windowSize==3)  
  40. bits=uint8(0);  
  41. % Create an image of size nr and nc, fill it with zeros and assign  
  42. % it to variable censusTransformedImage of type uint8  
  43. censusTransformedImage=uint8(zeros(nr,nc));  
  44. else if (windowSize==5)  
  45. bits=uint32(0);  
  46. % Create an image of size nr and nc, fill it with zeros and assign  
  47. % it to variable censusTransformedImage of type uint32         
  48. censusTransformedImage=uint32(zeros(nr,nc));  
  49. else  
  50. error(‘The size of the window is not acceptable. Just 3x3 and 5x5 windows are acceptable.‘);  
  51. end  
  52. end  
  53. % Initialize the timer to calculate the time consumed.  
  54. tic;  
  55. % Find out how many rows and columns are to the left/right/up/down of the  
  56. % central pixel  
  57. C= (windowSize-1)/2;  
  58. for j=C+1:1:nc-C % Go through all the columns in an image (minus C at the borders)  
  59. for i=C+1:1:nr-C % Go through all the rows in an image (minus C at the borders)   
  60. census = 0; % Initialize default census to 0  
  61. for a=-C:1:C % Within the square window, go through all the rows  
  62. for b=-C:1:C % Within the square window, go through all the columns  
  63. if (~(a==0 && b==0)) % Exclude the centre pixel from the calculation,原来是(C+1)，现改为0  
  64. census=bitshift(census,1); %Shift the bits to the left  by 1  
  65. % If the intensity of the neighboring pixel is less than  
  66. % that of the central pixel, then add one to the bit  
  67. % string  
  68. if (inputImage(i+a,j+b) < inputImage(i,j))  
  69. census=census+1;  
  70. end  
  71. end  
  72. end  
  73. end  
  74. % Assign the census bit string value to the pixel in imgTemp  
  75. censusTransformedImage(i,j) = census;  
  76. end  
  77. end  
  78. % Stop the timer to calculate the time consumed.  
  79. timeTaken=toc;  
   这是我在网上找到的一个实现的版本，注释比较多，除去注释的话，真正代码没有50行，比较简单，相信大家都可以看的懂。
  之前讲了CT算法的实现，下面说一下 MCT 以及 RMCT的实现。

二、Modified Census Transform (MCT)算法
    MCT 算法是 CT 算法的一个修改版本，它是由Bernhard Froba 在做人脸检测的时候提出来的，在他2004年发表的论文《Face Detection with theModified Census Transform》中，Bernhard Froba将 CT算法中“滑动窗口中每个像素值与中心位置像素做比较”改为“滑动窗口中每个像素值与整个窗口中像素的均值做比较”，这样，原有的每个3*3的窗口可能产生256种序列（因为没有算中心像素），现在变为可能产生512种序列（其实全0和全1的序列表示的是同样的信息，可以排除一个），也就是做完MCT之后，图像的每个像素值的范围为0——511，这样就能够比较充分的利用3*3的核（至于为什么这么说，可以看看前面提到的那篇论文）。如此来计算的话，则前面例子产生的结果窗口应该为：
1 1 0
1 0 0
1 0 0
对应的二进制序列为：110100100。然后以此作为中心像素点的像素值，循环完毕之后便得到MCT之后的图像。需要注意的一点是，如果要使变换之后的图像得到显示，应该对像素值做一下归一化，使其在0——255之间。
 
三、Revised Modified Census Transform (RMCT)算法
    RMCT 算法其实又是对 MCT的又一次修改，它与 MCT的不同之处仅仅在于一个微小的△m，即：在滑动窗口像素均值上加上一个微小的变量△m=1或者2。其他都是完全一样的。
 
    下面附上这两种修改版统计变换的 C++代码，代码是我自己编的，是基于VS2008和OpenCV2.0的，仅供参考：
[cpp] view plain copy
 
 技术分享技术分享
  1. #include "stdafx.h"   
  2. #include "MCT.h"   
  3. #include "highgui.h"   
  4.    
  5. MCT::MCT()   
  6. {   
  7.     window_size = 0;   
  8. }   
  9.    
  10. MCT::~MCT()   
  11. {   
  12. }   
  13.    
  14. void MCT::ModifiedCensusTransform(IplImage *input_image, IplImage *mct_image, const int window_size, const int delta )   
  15. {   
  16.     CvSize image_size = cvGetSize(input_image);   
  17.     int image_width = image_size.width;   
  18.     int image_height = image_size.height;   
  19.    
  20.     IplImage *gray_image = cvCreateImage(cvGetSize(input_image), input_image->depth, 1);   
  21.     cvSetZero(gray_image);   
  22.    
  23.     if(input_image->nChannels != 1)   
  24.     {   
  25.         cvCvtColor(input_image, gray_image, CV_RGB2GRAY);   
  26.     }   
  27.     else   
  28.     {   
  29.         cvCopy(input_image, gray_image);   
  30.     }   
  31.    
  32.    
  33.     IplImage *modified_image = NULL;   
  34.     switch (window_size)   
  35.     {   
  36.     case 3:   
  37.         modified_image = cvCreateImage(image_size, IPL_DEPTH_16U, 1);   
  38.         cvSetZero(modified_image);   
  39.         break;   
  40.     case 5:   
  41.         modified_image = cvCreateImage(image_size, IPL_DEPTH_32S, 1);   
  42.         cvSetZero(modified_image);   
  43.         break;   
  44.     default:   
  45.         printf("window size must be 3 or 5!\n");   
  46.         exit(EXIT_FAILURE);   
  47.     }   
  48.    
  49.     CvMat window;   
  50.     for(int i = 0; i < image_height - window_size; i++)   
  51.     {   
  52.         for(int j = 0; j < image_width - window_size; j++)   
  53.         {   
  54.             unsigned long census = 0;   
  55.             CvRect roi = cvRect(j, i, window_size, window_size);   
  56.             cvGetSubRect(gray_image, &window, roi);   
  57.             CvScalar m = cvAvg(&window, NULL);   
  58.    
  59.             for(int w = 0; w < window_size; w++)   
  60.             {   
  61.                 for(int h = 0; h < window_size; h++)   
  62.                 {   
  63.                     census = census << 1; //左移1位   
  64.                     double tempvalue = cvGetReal2D(&window, w, h);   
  65.                     if(tempvalue < m.val[0] + delta)   
  66.                         census += 1;   
  67.                 }   
  68.             }   
  69.             cvSetReal2D(modified_image, i, j, census);   
  70.         }   
  71.     }   
  72.     //cvConvertScaleAbs(modified_image, mct_image, 1, 0);   
  73.     Normalize(modified_image, mct_image);   
  74.     cvReleaseImage(&gray_image);   
  75.     cvReleaseImage(&modified_image);   
  76. }   
  77.    
  78. void MCT::Normalize(IplImage *mct_image, IplImage *nor_image)   
  79. {   
  80.     double minv, maxv;   
  81.     cvMinMaxLoc(mct_image, &minv, &maxv);   
  82.     for (int i = 0; i < mct_image->height; i++)   
  83.     {   
  84.         for (int j = 0; j < mct_image->width; j++)   
  85.         {   
  86.             double tempv = cvGetReal2D(mct_image, i, j);   
  87.             tempv = (tempv - minv) / (maxv - minv) * 255;   
  88.             cvSetReal2D(nor_image, i, j, tempv);   
  89.         }   
  90.     }   
  91. }   
由于算法比较简单，所以没有写注释，应该比较容易理解。
四、CT/MCT/RMCT的应用
   目前我读到的几篇论文里面，他们主要用于人脸检测或者面部伪装检测，用于做图像的预处理，这可能是因为CT算法对光照不敏感，可以比较好的排除光照对图像的影响。这里给出用到该算法的几篇paper：
1、《Face Detection with the Modi?ed CensusTransform》（前面提到的那篇）
2、《Adaboost Based Disguised Face Discrimination on EmbeddedDevices》
3、《Disguised-Face Discriminator for Embedded Systems》
 
OVER！

 

关于统计变换（CT/MCT/RMCT）算法的学习和实现

标签：

原文地址：http://www.cnblogs.com/liuchaogege/p/5160828.html
踩
(0)
赞
(0)
   
举报
评论 一句话评论（0）
登录后才能评论！
分享档案
更多>
2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)
周排行
mamicode.com排行更多图片
更多
友情链接
兰亭集智   国之画   百度统计   站长统计   阿里云   chrome插件   新版天听网
关于我们 - 联系我们 - 留言反馈
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码！