Stu*_*PhD 4 matlab image image-processing dct image-segmentation
我必须应用于dct2我的图像的小窗口,最好使用重叠窗口.
我发现,有在Matlab两种功能,可以使这一切成为可能blockproc和im2col.我也很难理解,并希望得到一些澄清.
blockproc可以用于使用BorderSize和TrimBorder参数在滑动窗口上实现我的函数.
B = blockproc(A,[64,64],fun,'BorderSize',[5,5], 'TrimBorder', 'false');
我意识到这会创建一个块[64 + 2*5, 64 + 2*5]并@fun在每个块上应用该函数.但由于我无法@fun在调试中进入我的功能以验证正确的操作,我不能确定这是我需要的.我的上述代码是否符合我的要求？我知道我得到了一个连续的结果,B但它应该在一个重叠的滑块上.这会实现我的需求吗？
第二是im2col.im2col(A,[m n],block_type)将块分成m个n块并将它们排列成列,所以每列是一个块？如果是这样,重叠如何控制？如果每个块都是一列,我可以dct2在每列上成功应用该功能吗？因为我怀疑它会将向量作为输入吗？
一些澄清将不胜感激.
ray*_*ica 10
好的,这是一个非常复杂的问题.我会尝试将其分解为单独的部分,并将分别回答每个问题.
blockproc可以用于使用BorderSize和TrimBorder参数在滑动窗口上实现我的函数.
B = blockproc(A,[64,64],fun,'BorderSize',[5,5], 'TrimBorder', 'false');我意识到这会创建一个块
[64 + 2*5, 64 + 2*5]并@fun在每个块上应用该函数.但由于我无法@fun在调试中进入我的功能以验证正确的操作,我不能确定这是我需要的.我的上述代码是否符合我的要求？我知道我得到了一个连续的结果,B但它应该在一个重叠的滑块上.这会实现我的需求吗？
经过实验blockproc,这确实是正确的,您可以使用它来进行滑动邻域处理.但是,你需要一个额外的标志,这是PadPartialBlocks.此标志的目的是,如果要提取一个位于图像外边缘的块,并且无法生成指定大小的块,则将对此部分块进行零填充以使其符合大小相同.这是一个使用滑动窗口的小例子.假设我们有一个矩阵,以便:
>> A = reshape(1:25,5,5)
A =
1 6 11 16 21
2 7 12 17 22
3 8 13 18 23
4 9 14 19 24
5 10 15 20 25
假设我们想要获取上面矩阵中每个3 x 3重叠邻域的平均值,并将那些超出矩阵边界的元素填零.你会这样做blockproc:
B = blockproc(A, [1 1], @(x) mean(x.data(:)), 'BorderSize', [1 1], 'TrimBorder', false, 'PadPartialBlocks', true);
需要注意的重要一点是块大小,在这种情况下BorderSize为1 x 1,并且1 x 1的设置与您对3 x 3块的预期不同.为了解决这种情况的原因,我们需要进一步了解BorderSize工作原理.对于块的给定中心,BorderSize允许您捕获超出原始大小块的尺寸的值/像素.对于那些超出矩阵边界的位置,我们默认将这些位置填充为零. BorderSize允许我们2M + 2N更多地捕获像素,在哪里M以及N您想要的水平和垂直边框大小.这将允许我们捕获M原始块上方和下方的N更多像素以及原始块左侧和右侧的更多像素.
因此,对于1 in的值A,如果块大小是1 x 1,这意味着该元素仅包含1,如果我们BorderSize是1 x 1.这意味着我们的最终块将是:
0 0 0
0 1 6
0 2 7
因为我们的块大小是1,所以下一个块将以6为中心,我们将获得3 x 3像素网格,依此类推.同样重要的TrimBorder是设置为false使得我们可以保留在块扩展时最初捕获的那些像素.默认设置为true.最后,PadPartialBlocks是true确保所有块都是相同的大小.运行上面的代码时,我们得到的结果是:
B =
1.7778 4.3333 7.6667 11.0000 8.4444
3.0000 7.0000 12.0000 17.0000 13.0000
3.6667 8.0000 13.0000 18.0000 13.6667
4.3333 9.0000 14.0000 19.0000 14.3333
3.1111 6.3333 9.6667 13.0000 9.7778
您可以使用nlfilter我们可以将均值应用于3 x 3滑动邻域来验证我们得到相同的结果:
C = nlfilter(A, [3 3], @(x) mean(x(:)))
C =
1.7778 4.3333 7.6667 11.0000 8.4444
3.0000 7.0000 12.0000 17.0000 13.0000
3.6667 8.0000 13.0000 18.0000 13.6667
4.3333 9.0000 14.0000 19.0000 14.3333
3.1111 6.3333 9.6667 13.0000 9.7778
因此,如果要正确使用blockproc滑动操作,则需要分别设置块大小和边框大小.在这种情况下,一般规则是始终将块大小设置为1 x 1,并允许BorderSize指定所需的每个块的大小.具体而言,对于大小的块K x K,你会设置BorderSize为floor(K/2) x floor(K/2)分别.如果K奇怪的话,它会让事情变得简单.
例如,如果您想5 x 5在滑动窗口的基础上进行平均过滤操作,则可以设置BorderSize为[2 2]as K = 5和floor(K/2) = 2.因此,你会这样做:
B = blockproc(A, [1 1], @(x) mean(x.data(:)), 'BorderSize', [2 2], 'TrimBorder', false, 'PadPartialBlocks', true)
B =
2.5200 4.5600 7.2000 6.9600 6.1200
3.6000 6.4000 10.0000 9.6000 8.4000
4.8000 8.4000 13.0000 12.4000 10.8000
4.0800 7.0400 10.8000 10.2400 8.8800
3.2400 5.5200 8.4000 7.9200 6.8400
使用nlfilter5 x 5的大小复制它也会给出:
C = nlfilter(A, [5 5], @(x) mean(x(:)))
C =
2.5200 4.5600 7.2000 6.9600 6.1200
3.6000 6.4000 10.0000 9.6000 8.4000
4.8000 8.4000 13.0000 12.4000 10.8000
4.0800 7.0400 10.8000 10.2400 8.8800
3.2400 5.5200 8.4000 7.9200 6.8400
我正在做一些计时测试,似乎blockproc在这种情况下使用的速度比nlfilter.
第二是
im2col.im2col(A,[m n],block_type)将块分成m个n块并将它们排列成列,所以每列是一个块？如果是这样,重叠如何控制？如果每个块都是一列,我可以dct2在每列上成功应用该功能吗？因为我怀疑它会将向量作为输入吗？
你是正确的,它将im2col每个像素邻域或块转换为单个列,并且这些列的串联形成输出矩阵.您可以通过block_type参数控制块是重叠还是不同.指定distinct或sliding(默认情况下)来控制它.您还可以使用m和控制每个社区的大小n.
但是,如果您的目标是应用dct2输出im2col,那么您将无法得到您想要的.具体而言,dct2将2D数据中每个数据点的空间位置考虑在内,并用作转换的一部分.通过将每个像素邻域变换为单个列,最初存在于每个块的2D空间关系现在消失了. dct2期望2D空间数据,但您将指定1D数据.因此,im2col可能不是你想要的.如果我理解你想要什么,你会想要使用blockproc.
希望这可以帮助!