基于内容的图像检索-聚类分析

来源：互联网发布：新手如何经营淘宝编辑：程序博客网时间：2024/04/30 13:19

//导入必要的包

import java.awt.image.BufferedImage;

import javax.imageio.ImageIO;

import java.io.*;

import java.util.Scanner;

import java.util.Arrays;

import javax.swing.*;

import java.awt.*;

/**

*基于k-means的简单图像检索

* @author xuweibin

* */

class CBIR

{

private File srcFile; //图像路径

private boolean bFile;

private File[] file; //读入图片文件

private BufferedImage[] bi;

private int imNum; //图像个数

private int width; //图像宽度

private int height; //图像高度

private int minx; //图像最小横坐标

private int miny; //图像最小纵坐标

public int[][] rgb; //图像rgb颜色值

private double[][] rate; //图像频率数组

private static final int N=65536; //图像像素个数,256*256，可以智能化

private static final int M=8; //颜色级数，可以智能化

private static final int IN=6; //图像个数，可以改变

private static boolean[] flag; //标记数组

private int It1; //初始化簇1

private int It2; //初始化簇2

private double center1[]; //簇1中心

private double center2[]; //簇2中心

private double dis1; //到簇1中心的距离

private double dis2; //到簇2中心的距离

/**

*在构造函数中初始化

* */

public CBIR()

{

srcFile=null;

bFile=false;

file=null;

imNum=0;

width=0;

height=0;

minx=0;

miny=0;

rgb=null;

rate=null;

flag=null;

It1=It2=-1;

center1=center2=null;

dis1=dis2=0;

}

/**

*读入图像文件流

* */

public void readImage()

{

srcFile=new File("image/");

bFile=srcFile.exists();

if(!bFile||!srcFile.isDirectory()||!srcFile.canRead())

{

try{

srcFile.createNewFile();

}catch(IOException e){e.printStackTrace();}

}

else

{

file=srcFile.listFiles();

imNum=file.length;

}

/**

*获得图像的rgb，并转化为亮度值

* */

public void getRGB()

{

readImage();

bi=new BufferedImage[imNum];

for(int i=0;i<imNum;i++)

{

try{

bi[i]=ImageIO.read(file[i]);

}catch(IOException e){System.out.println(e);}

}

rgb=new int[imNum][];

for(int k=0;k<imNum;k++)

{

width=bi[k].getWidth();

height=bi[k].getHeight();

minx=bi[k].getMinX();

miny=bi[k].getMinY();

rgb[k]=new int[width*height];

int count=0;

for(int i=minx;i<width;i++)

for(int j=miny;j<height;j++)

{

int pixel=bi[k].getRGB(i,j);

int r=(pixel&0xff0000)>>16;

int g=(pixel&0xff00)>>8;

int b=(pixel&0xff);

rgb[k][count++]=(int)(r*0.299+g*0.586+b*0.114); //转化为亮度值

}

// for(int i=0;i<imNum;i++)

// for(int j=0;j<N;j++)

// {

// System.out.println(rgb[i][j]);

// }

}

/**

*获得图像的频率数组

* */

public void getRATE()

{

getRGB();

rate=new double[imNum][M];

for(int j=0;j<imNum;j++)

{

int[] temp=new int[M];

for(int i=0;i<M;i++)

temp[i]=0;

int sum=0;

for(int i=0;i<N;i++)

{

if(0<=rgb[j][i]&&rgb[j][i]<32)

temp[0]++;

else if(32<=rgb[j][i]&&rgb[j][i]<64)

temp[1]++;

else if(64<=rgb[j][i]&&rgb[j][i]<96)

temp[2]++;

else if(96<=rgb[j][i]&&rgb[j][i]<128)

temp[3]++;

else if(128<=rgb[j][i]&&rgb[j][i]<160)

temp[4]++;

else if(160<=rgb[j][i]&&rgb[j][i]<192)

temp[5]++;

else if(192<=rgb[j][i]&&rgb[j][i]<234)

temp[6]++;

else

temp[7]++;

sum++;

}

for(int i=0;i<M;i++)

{

rate[j][i]=temp[i]/(sum*1.0);

}

// for(int i=0;i<imNum;i++)

// {

// for(int j=0;j<M;j++)

// System.out.println(rate[i][j]);

// System.out.println();

// }

}

/**

*获得两个频率数组的距离

* */

public double getDistance(double[] r1,double[] r2)

{

double pe=0;

for(int i=0;i<M;i++)

{

pe+=Math.abs(r1[i]-r2[i]); //使用的是曼哈顿距离，也即城市街区距离

}

return pe;

}

/**

*获得初始化的簇中心

* */

public void getIntial()

{

getRATE();

Scanner input=new Scanner(System.in);

System.out.print("请输入初始化簇1：");

It1=input.nextInt();

System.out.print("请输入初始化簇2：");

It2=input.nextInt();

}

/**

*获得更新后的簇中心

* */

public void getCenter(double rt[][],boolean fl[],boolean fg,double center[])

{

int temp=0;

double[] centerTemp=new double[M];

for(int i=0;i<M;i++)

centerTemp[i]=0;

if(fg)

{

for(int i=0;i<IN;i++)

if(fl[i])

{

temp++;

for(int j=0;j<M;j++)

centerTemp[j]+=rt[i][j];

}

else

{

for(int i=0;i<IN;i++)

if(!fl[i])

{

temp++;

for(int j=0;j<M;j++)

centerTemp[j]+=rt[i][j];

}

for(int i=0;i<M;i++)

center[i]=centerTemp[i]/temp;

}

/**

*对图像进行k-means聚类

* */

public boolean[] cluster()

{

getIntial();

flag=new boolean[IN];

for(int i=0;i<IN;i++)

{

flag[i]=false;

}

flag[It1-1]=false;

flag[It2-1]=true;

center1=new double[M];

center1=(double[])rate[It1-1];

center2=new double[M];

center2=(double[])rate[It2-1];

// for(int i=0;i<M;i++)

// System.out.println(center1[i]);

boolean[] tflag=new boolean[flag.length];

tflag=(boolean[])flag.clone();

while(true)

{

for(int i=0;i<IN;i++)

{

dis1=getDistance(center1,rate[i]);

dis2=getDistance(center2,rate[i]);

if(dis1>dis2)

tflag[i]=true;

else

tflag[i]=false;

}

if(Arrays.equals(flag,tflag))

break;

else

{

flag=(boolean[])tflag.clone();

getCenter(rate,flag,false,center1);

getCenter(rate,flag,true,center2);

}

System.out.println();

System.out.println("聚类结果簇1：");

for(int i=0;i<IN;i++)

{

if(!flag[i])

System.out.println(i+1);

}

System.out.println("聚类结果簇2：");

for(int i=0;i<IN;i++)

{

if(flag[i])

System.out.println(i+1);

}

return flag;

}

/**

*一个简单的UI，使用Gridlayout布局、jLabel容器

* */

class ImageShow

{

private Frame f;

private JLabel bt1;

private ImageIcon icon1;

public void show(boolean[] fg,boolean fa)

{

if(fa)

{

f = new Frame("簇2：");

f.setLayout (new GridLayout (5, 1));

for(int i=0;i<fg.length;i++)

if(fg[i])

{

bt1=new JLabel("",JLabel.CENTER);

bt1.setBorder(BorderFactory.createLineBorder(Color.white,3));

icon1=new ImageIcon("image/"+(i+1)+".gif");

bt1.setIcon(icon1);

f.add(bt1);

f.setLocation(1000,10);

}

else

{

f = new Frame("簇1：");

f.setLayout (new GridLayout (5, 1));

for(int i=0;i<fg.length;i++)

if(!fg[i])

{

bt1=new JLabel("",JLabel.CENTER);

bt1.setBorder(BorderFactory.createLineBorder(Color.white,3));

icon1=new ImageIcon("image/"+(i+1)+".gif");

bt1.setIcon(icon1);

f.add(bt1);

f.setLocation(10,10);

}

f.pack();

f.setSize(400,1000);

f.setVisible(true);

}

/**

*主类调用

* */

public class XunKang

{

public static void main(String args[])

{

CBIR c=new CBIR();

ImageShow is=new ImageShow();

boolean[] flag=c.cluster();

is.show(flag,false);

is.show(flag,true);

}