www.pudn.com > expressionsb.rar > EGraph.cpp
// EGraph.cpp: implementation of the CEGraph class.
//
//////////////////////////////////////////////////////////////////////
#include "stdafx.h"
#include "test1.h"
#include "EGraph.h"
#include
#ifdef _DEBUG
#undef THIS_FILE
static char THIS_FILE[]=__FILE__;
#define new DEBUG_NEW
#endif
//////////////////////////////////////////////////////////////////////
// Construction/Destruction
//////////////////////////////////////////////////////////////////////
CEGraph::CEGraph()
{
m_dimension=0;
m_pNext=NULL;
int i;
for(i=0;iGetDIBSize();
if((sizeDIB.cx!=90)||(sizeDIB.cy!=100))
{
MessageBox(NULL,"请先将图像归一为90×100","Information",MB_OK);
return FALSE;
}
int widthBytes=WIDTHBYTES(8*sizeDIB.cx);
LPSTR lpbi;
int i,j;
BYTE *image;
HDIB tmp_hDIB;
tmp_hDIB=pDIB->GetHDIB();
lpbi=(LPSTR)::GlobalLock((HGLOBAL)tmp_hDIB);
image=(BYTE*)pDIB->FindDIBBits(lpbi);
for(i=0;i<20;i++)//行
for(j=0;j<18;j++)//列
{//m_pvGraph的第0单元存储向量
m_pvGraph[i*18+j]=pExpStr->GetGaborVector_5(image,j*5,100-i*5-5,widthBytes);
}
m_dimension=360;
/////////////////////
::GlobalUnlock((HGLOBAL)tmp_hDIB);
////计算每个向量的模，并保存入m_module数组中
for(i=0;i<360;i++)
{
m_module[i]=CalModule(m_pvGraph[i]);
}
//////////////增加的语句：用于检测关键点，只要模板需要，而被测表情图像不需要
// DetectKeyPoints();
return TRUE;
///该函数用于创建标准模板表情图像(pDIB,大小90×100)的弹性图
///向量分布于眼角、眉毛、额角、嘴巴等共15处
/*
if(m_dimension!=0)
return FALSE;
CSize sizeDIB=pDIB->GetDIBSize();
if((sizeDIB.cx!=90)||(sizeDIB.cy!=100))
{
MessageBox(NULL,"请先将图像归一为90×100","Information",MB_OK);
return FALSE;
}
int widthBytes=WIDTHBYTES(8*sizeDIB.cx);
LPSTR lpbi;
int i;
//保存模板各个关键点的坐标,0单元不用
//注意图像返过来保存
int pos_x[16]={0,5,22,26,40,53,58,76, 22,40,53,22,40,53,17,58};
int pos_y[16]={0,23,8,25,10,25,8,23, 70,70,70,85,85,85,78,78};
for(i=1;i<16;i++)
pos_y[i]=95-pos_y[i];
// LPBITMAPINFO lpbmi;
BYTE *image;
HDIB tmp_hDIB;
tmp_hDIB=pDIB->GetHDIB();
lpbi=(LPSTR)::GlobalLock((HGLOBAL)tmp_hDIB);
image=(BYTE*)pDIB->FindDIBBits(lpbi);
for(i=1;i<=15;i++)
m_pvGraph[i]=pExpStr->GetGaborVector_5(image,pos_x[i],pos_y[i],widthBytes);
::GlobalUnlock((HGLOBAL)tmp_hDIB);
m_dimension=15;
return TRUE;
*/
}
BOOL CEGraph::init_testExpr(CDIB *pDIB, CExpStrategy *pExpStr)
{///创建归一化后的被测表情图像(pDIB,90×100)的弹性图
///分别提取眼睛(图像的上半部分,90×30)和嘴巴(下半部分,40×30)的特征向量
if(m_dimension!=0)
return FALSE;
CSize sizeDIB=pDIB->GetDIBSize();
if((sizeDIB.cx!=90)||(sizeDIB.cy!=100))
{
MessageBox(NULL,"请先将图像归一为90×100","Information",MB_OK);
return FALSE;
}
int widthBytes=WIDTHBYTES(8*sizeDIB.cx);
LPSTR lpbi;
int i,j;
BYTE *image;
HDIB tmp_hDIB;
tmp_hDIB=pDIB->GetHDIB();
lpbi=(LPSTR)::GlobalLock((HGLOBAL)tmp_hDIB);
image=(BYTE*)pDIB->FindDIBBits(lpbi);
/////////////10*10:
/* for(i=0;i<3;i++)//行
for(j=0;j<9;j++)//列
{//m_pvGraph的第0单元不存储向量
m_pvGraph[i*9+j+1]=pExpStr->GetGaborVector(image,j*10,100-i*10-10,widthBytes);
}
for(i=0;i<3;i++)
for(j=0;j<5;j++)
{
m_pvGraph[27+i*5+j+1]=pExpStr->GetGaborVector(image,20+j*10,35-i*10-10,widthBytes);
}
m_dimension=42;*/
///////////////5*5:
for(i=0;i<20;i++)//行
for(j=0;j<18;j++)//列
{//m_pvGraph的第0单元存储向量
m_pvGraph[i*18+j]=pExpStr->GetGaborVector_5(image,j*5,100-i*5-5,widthBytes);
}
m_dimension=360;
/////////////////////
::GlobalUnlock((HGLOBAL)tmp_hDIB);
/////计算每个向量的模，并保存入m_module数组中
for(i=0;i<360;i++)
{
m_module[i]=CalModule(m_pvGraph[i]);
}
/* for(i=0;i<20;i++)//行
for(j=0;j<18;j++)//列
m_module[i*18+j]=j;*/
return TRUE;
}
/**
采用弹性匹配算法计算本弹性图(待测表情)与模板弹性图的最小能量
* 该算法是整体程序的主体之一
*/
FLOAT CEGraph::CalEnergy(CEGraph *tempEG)
{
////////*********************************算法0************************
//采用欧氏距离衡量两个图间的相似性
if((tempEG==NULL)||(tempEG->m_dimension!=360))
{
MessageBox(NULL,"能量的参数必须是模板弹性图",NULL,MB_OK);
return -1.0f;
}
int i,j,m,n;
FLOAT f_result, f_tmp;
f_result=65000.0f;
//模板可以在被测图上进行微小的整体偏移，取所有偏移中最小的值为最终结果
for(i=-1;i<=1;i++)
for(j=-1;j<=1;j++)
{//******************************************
f_tmp=0.0f;//累加
///眼睛区域(14×5),权值为1.2
for(n=2;n<7;n++)
for(m=2;m<16;m++)///眼睛区域(14×5)
{
f_tmp+=1.2*sub_CalEnergy(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j]);
}
///嘴巴区域(8×6)，权值为1.5
for(n=12;n<18;n++)
for(m=5;m<13;m++)
{
f_tmp+=1.5*sub_CalEnergy(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j]);
}
///脸颊(4点)，权值为0.9
n=10; m=7;
f_tmp+=0.9*sub_CalEnergy(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j]);
n=11; m=7;
f_tmp+=0.9*sub_CalEnergy(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j]);
n=10; m=11;
f_tmp+=0.9*sub_CalEnergy(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j]);
n=11; m=11;
f_tmp+=0.9*sub_CalEnergy(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j]);
// if(f_tmp>0) f_tmp*=-1.0f;
f_tmp/=112.0f;//共112个点，故，取其均值
if(f_result>f_tmp) f_result=f_tmp;
}//*********************************************
return f_result;
////******************************************************
/***********************************************算法1*******************
//新算法：眼睛区域、嘴巴区域的严格匹配
if((tempEG==NULL)||(tempEG->m_dimension!=360))
{
MessageBox(NULL,"能量的参数必须是模板弹性图",NULL,MB_OK);
return -1.0f;
}
int i,j,m,n;
FLOAT f_result, f_tmp;
f_result=65000.0f;
//模板可以在被测图上进行微小的整体偏移，取所有偏移中最小的值为最终结果
for(i=-1;i<=1;i++)
for(j=-1;j<=1;j++)
{//******************************************
f_tmp=0.0f;//累加
///眼睛区域(14×5),权值为1.2
for(n=2;n<7;n++)
for(m=2;m<16;m++)///眼睛区域(14×5)
{
f_tmp+=1.2*Cal_neiji(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j])
/((tempEG->m_module[18*n+m])*(m_module[18*(n+i)+m+j]));
}
///嘴巴区域(8×6)，权值为1.5
for(n=12;n<18;n++)
for(m=5;m<13;m++)
{
f_tmp+=1.5*Cal_neiji(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j])
/((tempEG->m_module[18*n+m])*(m_module[18*(n+i)+m+j]));
}
///脸颊(4点)，权值为0.9
n=10; m=7;
f_tmp+=0.9*Cal_neiji(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j])
/((tempEG->m_module[18*n+m])*(m_module[18*(n+i)+m+j]));
n=11; m=7;
f_tmp+=0.9*Cal_neiji(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j])
/((tempEG->m_module[18*n+m])*(m_module[18*(n+i)+m+j]));
n=10; m=11;
f_tmp+=0.9*Cal_neiji(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j])
/((tempEG->m_module[18*n+m])*(m_module[18*(n+i)+m+j]));
n=11; m=11;
f_tmp+=0.9*Cal_neiji(tempEG->m_pvGraph[18*n+m],m_pvGraph[18*(n+i)+m+j])
/((tempEG->m_module[18*n+m])*(m_module[18*(n+i)+m+j]));
if(f_tmp>0) f_tmp*=-1.0f;
if(f_result>f_tmp) f_result=f_tmp;
}//*********************************************
return f_result;
**************************************************************/
/**************************算法2**************************************
//老算法
//假设两个弹性图都是18×20个向量，则用本部分代码代替下面注释的部分
//首先在模板的m_keyPoints[]定义的关键点处进行匹配,然后移动关键点，再进行弹性匹配
/* if((tempEG==NULL)||(tempEG->m_dimension!=360))
{
MessageBox(NULL,"能量的参数必须是模板弹性图",NULL,MB_OK);
return -1.0f;
}
int i;
FLOAT f_result, f_tmp;
f_result=0.0f;
CPoint tmpPoint;
//不同关键点的权值
FLOAT afai[13]={1.5f,1.5f,1.5f,1.5f,1.5f,1.5f,0.8f,1.2f,1.2f,1.2f,1.2f,0.9f,0.9f};
//位置变化的权值
FLOAT lamta=0.1f;
int m,n;//记录在被测表情中的搜索位置,搜索深度为3，即在7*7的空间中完全搜索
int c_x,c_y;//记录搜索的次数，分别是x和y方向
for(i=0;im_keyPoints[i].x;
tmpPoint.y=tempEG->m_keyPoints[i].y;
m=(tmpPoint.x-3<0)?0:tmpPoint.x-3;
n=(tmpPoint.y-3<0)?0:tmpPoint.y-3;
//计算该点处弹性变形时的最小能量
FLOAT f_minEng=10.0f;
//f_tmp=0;
for(c_y=0;(c_y<7)&&(n<20);c_y++,n++)
for(c_x=0;(c_x<7)&&(m<18);c_x++,m++)
{
f_tmp=Cal_neiji(m_pvGraph[18*tmpPoint.y+tmpPoint.x],tempEG->m_pvGraph[18*tmpPoint.y+tmpPoint.x])
/(m_module[18*tmpPoint.y+tmpPoint.x]*tempEG->m_module[18*tmpPoint.y+tmpPoint.x]);
if(f_tmp>0) f_tmp*=-1;
f_tmp=afai[i]*f_tmp+lamta*sqrt((3-c_x)*(3-c_x)+(3-c_y)*(3-c_y));
}
if(f_minEng>f_tmp) f_minEng=f_tmp;
f_result+=f_minEng;
}
return f_result;
***********************************************************/
}
FLOAT CEGraph::sub_CalEnergy(FLOAT testVect[], FLOAT tempVect[])
{
/*
///采用论文中提出的计算向量相似度的公式代替下面注释的部分
FLOAT result=0.0f;
FLOAT neiji=0.0f;//内积
*/
//欧氏距离
FLOAT result=0.0f;
FLOAT ftmp1;
int i;
for(i=0;i<18;i++)
{
ftmp1=testVect[i]-tempVect[i];
result+=ftmp1*ftmp1;
}
result=(FLOAT)sqrt(result);
return result;
}
FLOAT CEGraph::CalModule(FLOAT * vector)
{
////计算向量模,要求输入的向量必须是18维
FLOAT result;
result=0.0f;
int i;
for(i=0;i<18;i++)
{
result+=vector[i]*vector[i];
}
result=sqrt(result);
return result;
}
FLOAT CEGraph::Cal_neiji(FLOAT vec1[], FLOAT vec2[])
{//计算两个向量的内积,要求这两个向量必须为18维
FLOAT result=0.0f;
int i;
for(i=0;i<18;i++)
{
result+=vec1[i]*vec2[1];
}
return result;
}
void CEGraph::DetectKeyPoints()
{
if(m_dimension==0)
{
MessageBox(NULL,"请在检测关键点之前先进行Gabor变换!","INFO",MB_OK);
return;
}
/*GetKeys(CRect(2,4,9,10),0,2);
GetKeys(CRect(10,4,18,10),3,5);
GetKeys(CRect(6,2,12,6),6,6);
GetKeys(CRect(5,12,13,19),7,10);
GetKeys(CRect(6,10,9,15),11,11);
GetKeys(CRect(12,10,16,15),12,12);*/
GetKeys(CRect(2,3,8,8),0,2);
GetKeys(CRect(11,3,17,8),3,5);
GetKeys(CRect(8,1,11,4),6,6);
GetKeys(CRect(5,12,13,18),7,10);
GetKeys(CRect(6,8,9,12),11,11);
GetKeys(CRect(10,9,13,12),12,12);
}
//由DetectKeyPoints()调用，在某个子区域里获得模最大的几个点
//并将这几个点存入m_keyPoints[]数组中，从_from 到_to
void CEGraph::GetKeys(CRect _subRect, int _from, int _to)
{
int num=_to-_from+1;
if(num>4)
{
MessageBox(NULL,"在子区域中最多只能检测到4个最大模的点!","INFO",MB_OK);
return;
}
FLOAT key_val[4]={0.0f,0.0f,0.0f,0.0f};//从大到小排序,且关键点间至少要相隔两个像素的距离
CPoint key_point[4];
key_point[0].x=_subRect.left;
key_point[0].y=_subRect.top;
int curx,cury;
curx=_subRect.left-3;
cury=_subRect.top;
int i,j,m,k=0;//k表示当前已经找到的关键点数目,
for(i=_subRect.top;i<_subRect.bottom;i++)
for(j=_subRect.left;j<_subRect.right;j++)
{
if((m_module[i*18+j]>key_val[k])&&((j>curx+2)||(i>cury)))
{/////////////////////////////////////
if(k < num-1)
{
key_val[k+1]=key_val[k];
key_point[k+1]=key_point[k];
}
m=k-1;
while((m>=0)&&(m_module[i*18+j]>key_val[m]))
{
key_val[m+1]=key_val[m];
key_point[m+1]=key_point[m];
m--;
}
key_val[m+1]=m_module[i*18+j];
key_point[m+1].x=j;
key_point[m+1].y=i;
if(k < num-1)
k++;
//if(i>cury)
// curx=_subRect.left;
// else
curx=j;
// cury=i;
}///////////////////////////////////
if(i>cury) {cury=i; curx=_subRect.left-1;}
}
for(i=0;im_dimension!=360))
{
MessageBox(NULL,"未构造弹性图",NULL,MB_OK);
return -1.0f;
}
FLOAT f_result=65000.0f;
FLOAT x,y;
int i,j,m,n;
for(i=-2;i<=2;i++)
for(j=-2;j<=2;j++)
{
FLOAT f_tmp=0.0f;
for(m=0;m<20;m++)
for(n=0;n<18;n++)
{
if((m+i>=0)&&(m+i<20)&&(n+j>=0)&&(n+j<18))
{
x=m_module[(m+i)*18+(n+j)];
y=tmpEGraph->m_module[m*18+n];
f_tmp+=(x-y)*(x-y);
}
}
f_tmp=sqrt(f_tmp)/(360-2*(abs(i)*18+abs(j)*20-abs(i*j)));
if(f_result>f_tmp)
f_result=f_tmp;
}
return f_result;
}