int fmll_som_so_kohonen(fmll_som * som, const double ** vec, const unsigned vec_num, const double beta_0, double (* next_beta)(const double),
const double gamma_mult, const double gamma_add, double (* neighbor)(const fmll_som *, const double, const double, const unsigned, const unsigned))
{
int ret = 0;
const unsigned num = som->num, dim = som->dim;
unsigned u, v, q, index_winner;
double beta_gamma, beta = beta_0, ** w = som->w;
fmll_try;
fmll_throw_if(beta_0 < 0 || beta_0 > 1);
fmll_throw_if(neighbor == & fmll_som_neighbor_radial && (gamma_mult < 0 || gamma_mult > 1));
fmll_throw_if(neighbor == & fmll_som_neighbor_radial && (gamma_add < 0));
while(beta < 1.0000001)
{
fmll_print("Self - organization: beta == %.7lf\n", beta);
for(u = 0; u < vec_num; u++)
{
index_winner = fmll_som_run(som, vec[u]);
if(neighbor == & fmll_som_neighbor_wta)
for(q = 0; q < dim; q++)
w[index_winner][q] += beta * (vec[u][q] - w[index_winner][q]);
else
for(v = 0; v < num; v++)
{
beta_gamma = beta * neighbor(som, gamma_mult, gamma_add, index_winner, v);
for(q = 0; q < dim; q++)
w[v][q] += beta_gamma * (vec[u][q] - w[v][q]);
}
}
beta = (* next_beta)(beta);
}
fmll_catch;
ret = -1;
fmll_finally;
return ret;
}
int main(const int argc, const char * argv[])
{
const unsigned base = 256 * 256 * 256;
unsigned u, v, q, cur, index_winner, N[4];
double param[2], ** vec;
IplImage * src, * dst_1, * dst_2, * dst_3, * dst_4;
CvSize size;
CvScalar pixel;
fmll_random * rnd;
fmll_som * som;
/* ############################################################################ */
if(argc != 6)
{
/* У C90 "проблемы" с максимальной длиной строки кода */
printf("\nДемонстрация самоорганизующейся карты.\n\n");
printf("Запуск программы:\n\n");
printf("ex_som IMAGE_SRC IMAGE_1 IMAGE_2 IMAGE_3 IMAGE_4\n\n");
printf("Где:\n\n");
printf("\tIMAGE_SRC - путь и имя файла с исходным изображением;\n");
printf("\tIMAGE_1 - путь и имя файла, в который будет сохранено первое результирующее изображение;\n");
printf("\tIMAGE_2 - путь и имя файла, в который будет сохранено второе результирующее изображение;\n");
printf("\tIMAGE_3 - путь и имя файла, в который будет сохранено третье результирующее изображение;\n");
printf("\tIMAGE_4 - путь и имя файла, в который будет сохранено четвертое результирующее изображение.\n\n");
return -1;
}
/* ############################################################################ */
src = cvLoadImage(argv[1], CV_LOAD_IMAGE_COLOR);
size = cvGetSize(src);
dst_1 = cvCreateImage(size, IPL_DEPTH_8U, 3);
dst_2 = cvCreateImage(size, IPL_DEPTH_8U, 3);
dst_3 = cvCreateImage(size, IPL_DEPTH_8U, 3);
dst_4 = cvCreateImage(size, IPL_DEPTH_8U, 3);
/*
N[0] = 5;
N[1] = 5;
N[2] = 5;
N[3] = 5;
*/
N[0] = 4;
N[1] = 3;
N[2] = 3;
N[3] = 3;
vec = (double **) fmll_alloc(sizeof(double), 2, size.height * size.width, 3);
for(v = 0, q = 0; v < size.height; v++)
for(u = 0; u < size.width; u++, q++)
{
pixel = cvGet2D(src, v, u);
vec[q][0] = pixel.val[0];
vec[q][1] = pixel.val[1];
vec[q][2] = pixel.val[2];
}
param[0] = 0;
param[1] = 256;
rnd = fmll_random_init(FMLL_RANDOM_ALGORITHM_LCG, FMLL_RANDOM_DISTRIBUTION_UNIFORM, param, time(NULL));
som = fmll_som_init(N, 4, 3, & fmll_distance_euclid, & fmll_distance_square_euclid);
fmll_som_weight_init_random(som, rnd);
fmll_som_so_kohonen(som, (const double **) vec, size.height * size.width, 0, & fmll_timing_next_beta_step_plus_0_1, 0.8, 0.002, & fmll_som_neighbor_wta);
for(v = 0; v < som->num; v++)
printf("%u = [%f, %f, %f]\n", v, som->w[v][0], som->w[v][1], som->w[v][2]);
for(v = 0, q = 0; v < size.height; v++)
for(u = 0; u < size.width; u++, q++)
{
index_winner = fmll_som_run(som, vec[q]);
pixel.val[0] = som->w[index_winner][0];
pixel.val[1] = som->w[index_winner][1];
pixel.val[2] = som->w[index_winner][2];
cvSet2D(dst_1, v, u, pixel);
cur = (base / ((double) som->num + 7)) * index_winner;
pixel.val[0] = (cur & 0xFF0000) >> 16;
pixel.val[1] = (cur & 0xFF00) >> 8;
pixel.val[2] = cur & 0xFF;
cvSet2D(dst_2, v, u, pixel);
}
fmll_som_save(som, "som");
fmll_som_destroy(som);
som = NULL;
if(
(som = fmll_som_load("som", & fmll_distance_euclid, & fmll_distance_euclid)) != NULL
)
{
fmll_som_save(som, "som_2");
for(v = 0, q = 0; v < size.height; v++)
for(u = 0; u < size.width; u++, q++)
{
index_winner = fmll_som_run(som, vec[q]);
pixel.val[0] = som->w[index_winner][0];
pixel.val[1] = som->w[index_winner][1];
pixel.val[2] = som->w[index_winner][2];
cvSet2D(dst_3, v, u, pixel);
cur = (base / (double) som->num) * index_winner;
pixel.val[0] = (cur & 0xFF0000) >> 16;
pixel.val[1] = (cur & 0xFF00) >> 8;
pixel.val[2] = cur & 0xFF;
cvSet2D(dst_4, v, u, pixel);
}
}
Mat Kohonen::getFrame(Mat parFrame)
{
int map_dim=2;//размерность карты
unsigned N[map_dim];
unsigned u, v, q, index_winner;
N[0] = 7;//количество нейронов в каждом слое
N[1] = 7;
//определение константы для вывода каждого класса определенным цветом
uint32_t A=1;
for (int i=0;i<map_dim; i++)
{
A*=N[i];//подсчет общего числа нейрнов
}
A=0xFFFFFF/A;
fmll_som * som;
Mat resultFrame;
resultFrame.create(parFrame.rows, parFrame.cols,CV_8UC3);
Mat frameFromUnsigned;
frameFromUnsigned.create(parFrame.rows, parFrame.cols,CV_32S);
Vec3b pixel;
double ** vec;
//инициализация векторного пространства значениями яркости изображения
vec = (double **) fmll_alloc(sizeof(double), 2, parFrame.rows * parFrame.cols, 3);
som = fmll_som_load(somFilename.c_str(),& fmll_distance_euclid, & fmll_distance_euclid);
for(v = 0, q = 0; v < parFrame.rows; v++)
for(u = 0; u < parFrame.cols; u++, q++)
{
pixel=parFrame.at<Vec3b>(v,u);
vec[q][0] = pixel[0] / 255.;
vec[q][1] = pixel[1] / 255.;
vec[q][2] = pixel[2] / 255.;
}
//загрузка карты из xml
if(som == NULL)
{
fmll_random * rnd;
double param[2];
param[0] = 0;
param[1] = 0.01;
//инициализация датчика случайных чисел
rnd = fmll_random_init(FMLL_RANDOM_ALGORITHM_LCG, FMLL_RANDOM_DISTRIBUTION_UNIFORM, param, time(NULL));
//иницилизация нейронной карты
som = fmll_som_init(N, map_dim, 3, & fmll_distance_euclid, & fmll_distance_euclid);//(1)расстояние между векторами, 2)расстояние между нейронами.(2)не исп.,т.к. алгоритм WTA)
//иницилизация весов синапсов нейронов карты случайными числами
fmll_som_weight_init_random(som, rnd);
cout<<"don't load"<<endl;
//обучение нейронной карты
fmll_som_so_kohonen(som, (const double **) vec, parFrame.rows * parFrame.cols,
0.3, & fmll_timing_next_beta_step_plus_0_1, 0.8, 0.002, & fmll_som_neighbor_wta);
if (fmll_som_save(som,somFilename.c_str())!=0)
{
cout<<"Ошибка сохранения Som в Xml"<<endl;
}
fmll_random_destroy(rnd);
}
for(v = 0, q = 0; v < parFrame.rows; v++)
{
for(u = 0; u < parFrame.cols; u++, q++)
{
index_winner = fmll_som_run(som, vec[q]);
uint32_t color=A*index_winner;
pixel[0]=0x0000FF&color;
pixel[1]=(0x00FF00&color)>>8;
pixel[2]=(0xFF0000&color)>>16;
//pixel[0] = som->w[index_winner][0];
//pixel[1] = som->w[index_winner][1];
//pixel[2] = som->w[index_winner][2];
resultFrame.at<Vec3b>(v,u)=pixel;
frameFromUnsigned.at<uint32_t>(v,u)=color;
//cout<<color<<" ";
}
//cout<<endl;
}
fmll_free(vec);
imshow( "kohonen", resultFrame );
fmll_som_destroy(som);
return frameFromUnsigned;
}