/// <summary>
/// метод запускающий выделение кластеров по среднеквадртичному отклонению.
/// </summary>
/// <param name="coeff_compression1">коэффициент сжатия фотографий</param>
/// <param name="count_of_clasters1">число кластеров</param>
public static Bitmap GetClasters(int coeff_compression1, int count_of_clasters1)
{
coeff_compression = coeff_compression1;
count_of_clasters = count_of_clasters1;
Color col;
Int32[,] bytes = null;
// double[,] images_data = null;
Int32[] newImageData = null;
double[,] result = null;
int i = 0, w = 0, h = 0;
string mainPath = "C:\\Users\\Amigo's\\Desktop\\pic\\wrap";
//string mainPath = "C:\\Users\\Amigo's\\Desktop\\h";
string[] paths = Directory.GetFiles(mainPath);
int count = 0;
foreach (string path in paths)
{
Bitmap bmp = new Bitmap(path);
bmp = bmp.MakeBitmapSmaller();
w = bmp.Width;
h = bmp.Height;
if (bytes == null)
{
bytes = new Int32[w * h, paths.Length];
}
//bytes - массив, первый индекс - номер пикселя, второй индекс - номер фотки, значение массива - цвет
// images_data = new double[w * h, paths.Length];
int width = bmp.Width;
int height = bmp.Height;
if (result == null)
{
result = new double[paths.Length, w *h];
}
for (int y = 0; y < h; ++y)
{
for (int x = 0; x < w; ++x)
{
Color color = bmp.GetPixel(x, y);
result[count, y *w + x] = ((color.R + color.G + color.B) / 3.0);
}
}
count++;
//----------------test-------------------//
////////////////////////////////////////test
// testing graph on antycycling
// double[,] array_of_Minimum_spanning_graph={{-1, 0.1 ,-1, 0.1},{ 0.1,-1, 8 ,0.3},{-1,8,-1,-1},{0.1,0.3,-1,-1}};
// int[] graph_nodes= {1,1,1,1};
// bool kok = Checking_graph_on_antycycling(array_of_Minimum_spanning_graph, graph_nodes); //true - if cycle^ false if not
// int g = 0;
// test
////////////////////////////////////////
//////////////////////////////////////////// test
//testing Minimun_spanning_tree_clasterization
// double[] testdescriptors = { 1, 2, 6, 8, 5, 10, 16, 14, 0.3, 2, 0.6, 15, 30 };
// Claster.Minimun_spanning_tree_clasterization(testdescriptors, ref bytes, 3);
// testing Minimun_spanning_tree_clasterization
//////////////////////////////////////////////test
//----------------test-------------------//
Int32[] tmpimageData = bmp.ToImageData();
for (uint y = 0; y < h; ++y)
{
for (uint x = 0; x < w; ++x)
{
col = Color.FromArgb(tmpimageData[(int)y * w + (int)x]);
#region для компонент цвета Y (YUV),(R+G+B)/3 (RGB), V (HSV)
//bytes[(int)y * w + (int)x, i] = (byte)((col.R + col.G + col.B) / 3); // RGB/3
bytes[(int)y * w + (int)x, i] = (byte)(0.299 * col.R + 0.587 * col.G + 0.114 * col.B); // Y
//bytes[(int)y * w + (int)x, i] = (byte)(Math.Max(col.R, Math.Max(col.G, col.B))); // V
#endregion
}
}
i++;
GC.Collect();
}
//----------------test Вычисление главных компонент-------------------//
////////////////////////
/*
* var pca = new PrincipalComponentAnalysis(result, AnalysisMethod.Standardize);
* pca.Compute();
*
* Color cl;
* var res = pca.Eigenvalues;
* var eee = pca.Result;
* var res1 = pca.ComponentMatrix;
* double[,] actual = pca.Transform(result, 1);
* // alglib.rmatrixgemm(actual.GetLength(0), result.GetLength(1), actual.GetLength(1), 1, actual, 0, 0, 0, result, 0, 0, 0, 0, ref actual, 0, 0);
*
*
*
* newImageData = new Int32[actual.GetLength(0) *10];
*
* for (uint y = 0; y < actual.GetLength(0); y++)
* {
* for (uint x = 0; x < 10; x++)
* {
* cl = Color.FromArgb((byte)actual[y, x], (byte)actual[y, x], (byte)actual[y, x]);
* newImageData[(int)y * 1 + (int)x] = cl.ToArgb();
* }
* }
*
* Bitmap resultBmp1 = newImageData.ToBitmap(actual.GetLength(0), 10);
* Bitmap resultBmp2 = ChangeBitmapSize(resultBmp1, 160, 190);
* return resultBmp2;
* //////////////////
*/
//----------------test Вычисление главных компонент-------------------//
// кластеризация для Y(YUV), (R+G+B)/3, V (HSV)
double[] descriptors = GetDescriptorsFor_Component(bytes); //кластеризация для Y,V,rgb/3
// кластеризация
Claster.K_Means(descriptors, ref bytes, count_of_clasters);
//Claster.Minimun_spanning_tree_clasterization(descriptors, ref bytes, count_of_clasters);
//после выоплнения этого метода в байтс на месте первой фотки будет нужное нам изображение
//потом обратно в imagedata и в битмап
newImageData = new Int32[w * h];
for (uint y = 0; y < h; ++y)
{
for (uint x = 0; x < w; ++x)
{
newImageData[(int)y * w + (int)x] = bytes[(int)y * w + (int)x, 0];
}
}
Bitmap resultBmp = newImageData.ToBitmap(w, h);
//SuperSave(resultBmp, "C:\\Users\\Амир\\Desktop\\resultBmp.jpg");
resultBmp = ChangeBitmapSize(newImageData.ToBitmap(w, h), 160, 190);
GC.Collect();
//SuperSave(resultBmp, "C:\\Users\\Амир\\Desktop\\resultBmp.jpg");
//SuperSave(resultBmp, mainPath + "\\resultBmp.jpg");
return(resultBmp);
}
/// <summary>
/// метод запускающий выделение кластеров по среднеквадртичному отклонению.
/// </summary>
/// <param name="coeff_compression1">коэффициент сжатия фотографий</param>
/// <param name="count_of_clasters1">число кластеров</param>
public static int[] GetClastersForMatStat(int coeff_compression1, int count_of_clasters1, string pathOfPhotos)
{
coeff_compression = coeff_compression1;
count_of_clasters = count_of_clasters1;
Color col;
Int32[,] bytes = null;
// double[,] images_data = null;
Int32[] newImageData = null;
double[,] result = null;
int i = 0, w = 0, h = 0;
string mainPath = pathOfPhotos; // "C:\\Users\\Amigo's\\Desktop\\pic\\wrap";
//string mainPath = "C:\\Users\\Amigo's\\Desktop\\h";
string[] paths = Directory.GetFiles(mainPath);
int count = 0;
foreach (string path in paths)
{
Bitmap bmp = new Bitmap(path);
bmp = bmp.MakeBitmapSmaller();
w = bmp.Width;
h = bmp.Height;
if (bytes == null)
{
bytes = new Int32[w * h, paths.Length];
}
//bytes - массив, первый индекс - номер пикселя, второй индекс - номер фотки, значение массива - цвет
// images_data = new double[w * h, paths.Length];
int width = bmp.Width;
int height = bmp.Height;
if (result == null)
{
result = new double[paths.Length, w *h];
}
for (int y = 0; y < h; ++y)
{
for (int x = 0; x < w; ++x)
{
Color color = bmp.GetPixel(x, y);
result[count, y *w + x] = ((color.R + color.G + color.B) / 3.0);
}
}
count++;
Int32[] tmpimageData = bmp.ToImageData();
for (uint y = 0; y < h; ++y)
{
for (uint x = 0; x < w; ++x)
{
col = Color.FromArgb(tmpimageData[(int)y * w + (int)x]);
#region для компонент цвета Y (YUV),(R+G+B)/3 (RGB), V (HSV)
//bytes[(int)y * w + (int)x, i] = (byte)((col.R + col.G + col.B) / 3); // RGB/3
bytes[(int)y * w + (int)x, i] = (byte)(0.299 * col.R + 0.587 * col.G + 0.114 * col.B); // Y
//bytes[(int)y * w + (int)x, i] = (byte)(Math.Max(col.R, Math.Max(col.G, col.B))); // V
#endregion
}
}
i++;
GC.Collect();
}
// кластеризация для Y(YUV), (R+G+B)/3, V (HSV)
double[] descriptors = GetDescriptorsFor_Component(bytes); //кластеризация для Y,V,rgb/3
// кластеризация
int[] returnValues = Claster.K_Means_for_MatStat(descriptors, ref bytes, count_of_clasters);
/*
* // если returnValues - номера кластеров то!
* int count_of_pixels_in_0_claster = 0;
* for (int k = 0; k < returnValues.GetLength(0); k++)
* {
* if (returnValues[k] == 0)
* {
* count_of_pixels_in_0_claster++;
* }
* }
* int[] returns_values = new int[count_of_pixels_in_0_claster];
* int counter = 0;
* for (int k = 0; k < returnValues.GetLength(0); k++)
* {
* if (returnValues[k] == 0)
* {
* returns_values[counter++] = (int)middle_Of_Pixels[k];
* }
* }
* // если returnValues - номера кластеров то! возвращаем средние значения
*/
return(returnValues); //returns_values;
}