matlab-基于LPCN网络的图像目标分割matlab仿真-源码

#include <math.h> #include "mex.h" /* Input Arguments */ #define maxiter_IN prhs[0] #define nnonlabeled_IN prhs[1] #define indnonlabeled_IN prhs[2] #define omega_IN prhs[3] #define potval_IN prhs[4] #define k_IN prhs[5] #define nlist_IN prhs[6] #define ndist_IN prhs[7] /* Output Arguments */ #define ph1_ttiter_OUT plhs[0] void mexFunction( int nlhs, mxArray *plhs[], int nrhs, const mxArray*prhs[] ) { int maxiter, nnonlabeled; // escalares int unsigned short int k; // escalar de uint16 unsigned int *indnonlabeled, *nlist; // vetores de uint32 double *potval, *ndist; // matrizes de double int qtnode, nclass; double omega; /* Check for proper number of arguments */ if (nrhs != 8) { mexErrMsgTxt("8 argumentos de entrada requeridos."); } else if (nlhs > 1) { mexErrMsgTxt("Only 1 output argument allowed."); } maxiter = (int) mxGetScalar(maxiter_IN); nnonlabeled = (int) mxGetScalar(nnonlabeled_IN); indnonlabeled = (unsigned int *) mxGetData(indnonlabeled_IN); omega = mxGetScalar(omega_IN); k = (unsigned short int) mxGetScalar(k_IN); nlist = (unsigned int *) mxGetData(nlist_IN); potval = mxGetPr(potval_IN); ndist = mxGetPr(ndist_IN); qtnode = (int) mxGetM(potval_IN); nclass = (int) mxGetN(potval_IN); double maxmmpot = 0; double *newpot = malloc(sizeof(double) * nnonlabeled * nclass); int i; for(i=0; i<maxiter; i++) { for(int j=0; j<nnonlabeled; j++) { // inicialmente potenciais novos são zerados //newpot[j] = 0; //newpot[j + nnonlabeled] = 0; for(int j2=0; j2<nclass; j2++) newpot[j + nnonlabeled*j2] = 0; // peso acumulado de todos os vizinhos double accweight=0; // para cada vizinho do nó não rotulado for(int ki=0; ki<k; ki++) { // vamos pegar um vizinho int neib = nlist[j + ki*nnonlabeled]-1; // vamos somar os potenciais dos vizinhos no novo potencial do nosso nó não rotulado // lembrar que em C acessa-se matriz por [LINHA + COLUNA * QTDE DE LINHAS] //newpot[j] += potval[neib] * ndist[j + ki*nnonlabeled]; //newpot[j + nnonlabeled] += potval[neib + qtnode] * ndist[j + ki*nnonlabeled]; for(int j2=0; j2<nclass; j2++) newpot[j + nnonlabeled*j2] += potval[neib + qtnode*j2] * ndist[j + ki*nnonlabeled]; accweight += ndist[j + ki*nnonlabeled]; } // dividindo os potenciais acumulados pela quantidade de vizinhos, para obter a média //newpot[j] /= accweight; //newpot[j + nnonlabeled] /= accweight; for(int j2=0; j2 <nclass; j2++) newpot[j + nnonlabeled*j2] /= accweight; } // colocar os novos potenciais na lista de potenciais for(int j=0; j<nnonlabeled; j++) { int ppj = indnonlabeled[j]-1; //potval[ppj] = newpot[j]; //potval[ppj + qtnode] = newpot[j + nnonlabeled]; for(int j2=0; j2 <nclass; j2++) potval[ppj + qtnode*j2] = newpot[j + nnonlabeled*j2]; } // vamos testar convergência if (i % 10 == 0) { // variável para guardar a média de maior potencial double mmpot = 0; for(int j=0; j<nnonlabeled; j++) { double mpot=0; // vamos pegar o nó int ppj = indnonlabeled[j]-1; // vamos achar o maior potencial dentro do nó for(int i3=0; i3<nclass; i3++) if(potval[ppj + qtnode*i3]>mpot) mpot = potval[ppj + qtnode*i3]; // e então somá-lo mmpot += mpot; } // e por fim dividir pela quantidade de nós para obter a média mmpot /= nnonlabeled; //printf("Iter: %i Meanpot: %0.4f\n",i,mmpot); // se da última maior média para a atual aumentou mais que 0.001 if (mmpot - maxmmpot > omega) maxmmpot = mmpot; else break; } } free(newpot); ph1_ttiter_OUT = mxCreateDoubleScalar(i); return; }