%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Detecting Duplicated Image Regions
%
%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
function [Du_image]=DupImRe(image)
im=image; %读入图像
Du_image={};
if( ndims(im) == 3 ) %判断图像的维数,确定图像为彩色图像还是灰度图像
TYPE = 'c'; % color image
else
TYPE = 'g'; % grayscale image
end
b0=8; %设定分块边长
b=b0^2; %分块像素数
%e=0.01; %提取精度
Q=256; %量化常数
Nn=100; %相似行阈值
Nd=16; %分块位移阈值
%tem_D=0;
fre_offset=[];
if TYPE=='g'
[width,height]=size(im); %读取图像大小
N=width*height; %图像总像素数
Nb0=sqrt(N)-b0+1;
Nb=Nb0^2; %分块个数
E0=zeros(b);
X=zeros(b,Nb);
X0=zeros(b,Nb);
A0=zeros(Nb,b);
p=1;
C=zeros(b);
Co=zeros(2,Nb);
for i=1:Nb0
for j=1:Nb0
X(1:b,p)=div_block(i,j,b0,1,im); %转化分块像素为向量形式
Co(1,p)=i; %存储分块坐标
Co(2,p)=j;
p=p+1;
end
end
U=sum(X')'/Nb;
for i=1:Nb %将向量组转化为零均值
X0(:,i)=X(:,i)-U;
end
for i=1:Nb %计算协方差矩阵
C=C+X0(:,i)*X0(:,i)';
end
[E,D]=eig(C);
[D0,d_sort]=sort(diag(D),'descend'); %排序特征向量组成基础解系
%sum_D0=sum(D0);
%for i=1:b
% tem_D=tem_D+D0(i);
% if tem_D>(1-e)*sum_D0
% Nt=i;
% break
% end
%end
for i=1:b
E0(:,i)=E(:,d_sort(i));
end
A=X0'*E0; %产生系数矩阵
%[g,h]=size(A)
for i=1:b
A0(:,i)=fix(( A(:,i)-ones(Nb,1)*min(A(:,i)))/(max(A(:,i))-min(A(:,i)))*(Q-1))+1;
end %量化系数矩阵
A1=[A0 Co'];
Result=sortrows(A1,1:b);
for i=1:Nb %累积位移频次
for j=i:min((i+Nn),Nb)
tempx=abs(Result(i,b+1)-Result(j,b+1));
if tempx==0
tempy=abs(Result(i,b+2)-Result(j,b+2));
else
tempy=Result(i,b+2)-Result(j,b+2);
end
distance=sqrt(tempx^2+tempy^2);
if distance>Nd
fre_offset=dis_save(tempx,tempy,fre_offset);
end
end
end
else
if TYPE=='c'
[width,height]=size(im); %读取图像大小
b=b*3;
N=width*height/ndims(im); %图像总像素数
Nb0=sqrt(N)-b0+1;
Nb=Nb0^2; %分块个数
E0=zeros(b);
X=zeros(b,Nb);
X0=zeros(b,Nb);
A0=zeros(Nb,b);
p=1;
C=zeros(b);
Co=zeros(2,Nb);
for i=1:Nb0
for j=1:Nb0
X(1:b,p)=div_block(i,j,b0,3,im); %转化分块像素为向量形式
Co(1,p)=i; %存储分块坐标
Co(2,p)=j;
p=p+1;
end
end
U=sum(X')'/Nb;
for i=1:Nb %将向量组转化为零均值
X0(:,i)=X(:,i)-U;
end
for i=1:Nb %计算协方差矩阵
C=C+X0(:,i)*X0(:,i)';
end
[E,D]=eig(C);
[D0,d_sort]=sort(diag(D),'descend'); %排序特征向量组成基础解
%sum_D0=sum(D0);
%for i=1:b
% tem_D=tem_D+D0(i);
% if tem_D>(1-e)*sum_D0
% Nt=i;
% break
% end
%end
for i=1:b
E0(:,i)=E(:,d_sort(i));
end
A=X0'*E0; %产生系数矩阵
for i=1:b %量化系数矩阵
A0(:,i)=fix(( A(:,i)-ones(Nb,1)*min(A(:,i)))/(max(A(:,i))-min(A(:,i)))*(Q-1))+1;
end
A1=[A0 Co'];
Result=sortrows(A1,1:b);
for i=1:Nb %累积位移频次
i
for j=i:min((i+Nn),Nb)
tempx=abs(Result(i,b+1)-Result(j,b+1));
if tempx==0
tempy=abs(Result(i,b+2)-Result(j,b+2));
else
tempy=Result(i,b+2)-Result(j,b+2);
end
distance=sqrt(tempx^2+tempy^2);
if distance>Nd
fre_offset=dis_save(tempx,tempy,fre_offset);
end
end
end
end
end
cd c:\my_dir
save dup Result fre_offset;
没有合适的资源?快使用搜索试试~ 我知道了~
sss.rar_image sharing _sss_z
共7个文件
m:6个
jpg:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 103 浏览量
2022-09-24
01:54:43
上传
评论
收藏 36KB RAR 举报
温馨提示
标题中的"sss.rar_image sharing_sss_z"似乎是一个压缩文件的名称,暗示着它包含的是一些关于图像分享的内容。"sss"可能是个人或项目的标识符,而".rar"是常见的压缩文件格式,用于打包多个文件或文件夹。"image sharing"这部分明确指出,这个压缩包可能与图像共享技术或者软件相关,这可能是一个用于上传、下载或协作编辑图像的应用程序或工具。 描述中的"z这是图像分块的程序,还是挺好的,我们都用过"表明压缩包中可能包含一个用于处理图像分块的软件或代码库。图像分块是指将大图像分割成多个小块以便于处理,这在大尺寸图像上传、存储或传输时非常有用。评论中的“挺好的”表明这个工具在性能或用户体验上得到了认可,而“我们都用过”则意味着它在用户群体中有一定的普及度和可靠性。 标签"image_sharing_sss_z"进一步确认了图像共享的主题,并且可能包含了更多关于这个工具或平台的特定信息。"z"可能是某个版本号或者标识的一部分,也可能只是一个分隔符。 至于"新建文件夹",这通常表示压缩包内包含了一个名为"新建文件夹"的目录,可能存放了与图像分块和共享相关的所有文件,如源代码、执行文件、文档、示例图像等。这种组织方式使得用户可以方便地解压并找到所需内容。 综合以上信息,我们可以推测这个压缩包可能是一个图像处理工具,特别关注图像的分块处理,便于共享。它具有良好的用户评价,可能包括程序本身、相关文档、示例数据等资源,并且很可能是一个团队或社区广泛使用的工具。对于开发者而言,这个压缩包可能提供了源码学习的机会,对于普通用户,则可能是一个便捷的图像管理和共享解决方案。
资源推荐
资源详情
资源评论
收起资源包目录
sss.rar (7个子文件)
新建文件夹
image_block.m 125B
dis_save.m 467B
draw_ima.m 463B
display_DupImRe.m 86B
dec_1.jpg 48KB
DupImRe.m 5KB
div_block.m 440B
共 7 条
- 1
资源评论
周楷雯
- 粉丝: 93
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 【cocos creator】下拉框
- 基于pytorch实现3D ResNet网络的视频动作分类项目源码+运行说明+模型(支持得分模式和特征模式).zip
- 360国贸纽约城市&女神像.rar
- 更新城市蔓延指数数据集(1990-2023年).xlsx
- datafor3dgs
- 基于Python+Django框架的个性化书籍推荐管理系统开发(程序+万字LW)
- 思科模拟器最新版 CiscoPacketTracer8.2.2
- 安卓大作业-基于AndroidStudio开发的星座app项目源码(高分项目)
- xplore_tehb_v4.39.00_2265.com.apk
- 基于Python和Django框架的个性化书籍推荐管理系统开发
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功