基于libsvm的图像分割(小黄鸭子)

 

基于libsvm的图像分割

——30cases与40cases&25cases“联谊”第一弹

By faruto

2010/6/2

         很早就想用libsvm来做图像相关的一些东西，因为libsvm我自认为还算熟悉，图像基本的一些东西也都零散的学过，但用libsvm来做图像相关的，还未曾“染指”。正好rocwoods的25cases有这个相关的，所以详细研究学习了一下~

         “联谊”案例：30cases第12、13章（libsvm分类相关），25cases案例18——9.3.4（用matlab自带的svm实现图像分割），40cases案例37——A.2.2（用kmeans实现图像分割）

         现用libsvm来实现图像分割，测试图片用的亦是25cases和40cases中的那个littleduck测试图片。主体程序思想为25cases中的代码过程，改进之处为可以让用户利用ginput来提取背景的样本点和前景（待分割出来的目标）的样本点作为训练样本，而不需实现指定背景和前景的样本点，也不用额外的小软件来查看某点的RGB值，ginput即可。O(∩_∩)O~

         测试代码：

[code]

%% ImSegmentLibsvm

% a litter test of image segment based on libsvm

% by faruto

% Email:patrick.lee@foxmail.com

% QQ:516667408

% http://blog.sina.com.cn/faruto

% last modified 2010.06.01

% Super Moderator @ www.ilovematlab.cn

%%

tic;

close all;

% clear;

clc;

format compact;

%%

pic = imread('littleduck.jpg');

figure;

imshow(pic);

%% 确定训练集

 

TrainData_background = zeros(10,3,'double');

TrainData_foreground = zeros(10,3,'double');

 

% 背景采样

msgbox('Please get 20 background samples','Background Samples','help');

pause;

for run = 1:20

    [x,y] = ginput(1);

    hold on;

    plot(x,y,'r*');

    x = uint8(x);

    y = uint8(y);

    TrainData_background(run,1) = pic(x,y,1);

    TrainData_background(run,2) = pic(x,y,2);

    TrainData_background(run,3) = pic(x,y,3);

end

% 待分割出来的前景采样

msgbox('Please get 20 foreground samples which is the part to be segmented', 'Foreground Samples','help');

pause;

for run = 1:20

    [x,y] = ginput(1);

    hold on;

    plot(x,y,'ro');

    x = uint8(x);

    y = uint8(y);

    TrainData_foreground(run,1) = pic(x,y,1);

    TrainData_foreground(run,2) = pic(x,y,2);

    TrainData_foreground(run,3) = pic(x,y,3);

end

% % 背景训练样本 10*3

% TrainData_background = ...

%     [52 74 87;

%     76 117 150;

%     19 48 62;

%     35 64 82;

%     46 58 36;

%     50 57 23;

%     110 127 135;

%     156 173 189;

%     246 242 232;

%     166 174 151];

% % 前景训练样本 8*3

% TrainData_foreground = ...

%     [211 192 107;

%     202 193 164;

%     32 25 0;

%     213 201 151;

%     115 75 16;

%     101 70 0;

%     169 131 22;

%     150 133 87];

 

% let background be 0 & foreground 1

TrainLabel = [zeros(length(TrainData_background),1); ...

    ones(length(TrainData_foreground),1)];

%% 建立支持向量机 基于libsvm

TrainData = [TrainData_background;TrainData_foreground];

 

model = svmtrain(TrainLabel, TrainData, '-t 1 -d 1');

%% 进行预测 i.e.进行图像分割 基于libsvm

preTrainLabel = svmpredict(TrainLabel, TrainData, model);

[m,n,k] = size(pic);

TestData = double(reshape(pic,m*n,k));

TestLabal = svmpredict(zeros(length(TestData),1), TestData, model);

%%

ind = reshape([TestLabal,TestLabal,TestLabal],m,n,k);

ind = logical(ind);

pic_seg = pic;

pic_seg(~ind) = 0;

figure;

imshow(pic_seg);

figure;

subplot(1,2,1);

imshow(pic);

subplot(1,2,2);

imshow(pic_seg);

%%

toc;

[/code]

 

测试图片结果：