hhamidy 885 مالک اشتراک گذاری ارسال شده در 4 خرداد، ۱۳۹۴ چرا این کد خطا میده بنظرتون؟؟ clear; img = imread('D:\image\roz.png'); figure; subplot(121) imshow(img) g = mean2(img); k=16; [h,w]=size(img); n = 1; for i=1:k:h for j=1:k:w imblock=img(i:i+k-1,j:j+k-1); if nnz(imblock>g)>0 S(n) = sum(imblock(imblock>g)); else S(n) = k * g; end n = n+1; end end subplot(122) imshow(reshape(S,h/16,w/16)',[],'InitialMagnification','fit') اینم خطاش؟ Index exceeds matrix dimensions. سلام. چون بر اساس تصویر cameraman که یه تصویر 256*256 تایی هست کد رو نوشتید، اندازه ی ماتریس با تصویر جدیدتون مطابقت نداره و نمیتونه به این شکل اون رو به بلاک های 16تایی تقسیم کنه. شما باید عدد k رو طبق اندازه ی تصویر خودتون در نظر بگیرید و بعد بقیه ی برنامه رو اجرا بفرمایید. احتمالا شما برای یه تعداد تصویر این محاسبات رو انجام میدید و طبیعتا نیاز هست که با یه متغیر این تعریف رو انجام بدید چون به این شکل هربار اندازه ی تصویر شما تغییر کنه باید اون عدد k رو تغییر بدید و این مطلوب نیست. البته این نظر منه. 4 لینک به دیدگاه
SAMA.FA 106 اشتراک گذاری ارسال شده در 5 خرداد، ۱۳۹۴ اخه من تصویر میخوام به بلوکهای 16*16 تقسیم بشه پس باید چیکار کنم؟؟؟ 1 لینک به دیدگاه
SAMA.FA 106 اشتراک گذاری ارسال شده در 8 خرداد، ۱۳۹۴ ایراد کد زیر چیه که موقع اجراخطا میده:از mean2 به پایین به تنهایی جواب میده ولی وقتی که میخوام دنباله کد مربوطه اجرا شه خطا میده close all; clear all; clc; I = imread('D:\image\roz.png'); I2 = imcrop(I,[20.7 46.6 50 50]); I2 = rgb2gray(I2); I2 = im2double(I2); [R C]=size(I2); % R = 128; % C = 128; Kmax = pi/3 ; f = sqrt(1 ); Delt = 2*pi/3; Delt2 = Delt * Delt; % Show the Gabor Wavelets for v = 0 : 4 for u = 1 :8 GW = GaborWavelet ( R, C, Kmax, f, u, v, Delt2 ); % Create the Gabor wavelets figure( 2 ); subplot( 5, 8, v *8+ u ),imshow ( real( GW ) ,[]);% Show the real part of Gabor wavelets lambda = 8; theta = 0; psi = [0 pi/2]; gamma = 2; bw = 1; N = 8; img_in = im2double(imread('D:\image\roz.png')); img_in(:,:,2:3) = []; % discard redundant channels, it's gray anyway img_out = zeros(size(img_in,1), size(img_in,2), N); for n=1:N gb = gabor_fn(bw,gamma,psi(1),lambda,theta)... + 1i * gabor_fn(bw,gamma,psi(2),lambda,theta); % gb is the n-th gabor filter img_out(:,:,n) = imfilter(img_in, gb, 'symmetric'); % filter output to the n-th channel theta = theta + 2*pi/N; % next orientation end figure(1); imshow(img_in); title('input image'); figure(2); img_out_disp = sum(abs(img_out).^2, 3).^0.5; % default superposition method, L2-norm img_out_disp = img_out_disp./max(img_out_disp(:)); % normalize figure(6); imshow(img_out_disp); title('gabor output, L-1 super-imposed, normalized'); IGW=conv2(I2 ,GW,'same'); figure ( 3 ); subplot( 5, 8, v * 8 + u ),imshow ( abs( IGW ) ,[]); end end g = mean2(img_out_disp); k=16; img_out_disp(size(img_out_disp,1),:)=[]; img_out_disp(:,size(img_out_disp,2))=[]; [h,w]=size(img_out_disp); n = 1; for i=1:k:h for j=1:k:w imblock=img_out_disp(i:i+k-1,j:j+k-1); if nnz(imblock>g)>0 S(n) = sum(imblock(imblock>g)); else S(n) = k * g; end n = n+1; end end subplot(2,2,[3 4]) % reshape(S,h/16,w/16)' imshow(S,[],'InitialMagnification','fit') subplot(222) imshow(reshape(S,h/16,w/16)',[],'InitialMagnification','fit') 3 لینک به دیدگاه
darya_12 14 اشتراک گذاری ارسال شده در 7 تیر، ۱۳۹۴ با سلام من فبول داریم این این ویژگی ها رو میده ولی اسم این ویژگی چی هست واقعا من نمی دونم این ویژگی اسمش چی هس؟ 4 لینک به دیدگاه
Imaaan 17059 اشتراک گذاری ارسال شده در 8 تیر، ۱۳۹۴ با سلاممن فبول داریم این این ویژگی ها رو میده ولی اسم این ویژگی چی هست واقعا من نمی دونم این ویژگی اسمش چی هس؟ سلام دوست عزیز متوجه سوالتون نشدم، بیشتر توضیح میدین؟ 4 لینک به دیدگاه
f.molakhah 24 اشتراک گذاری ارسال شده در 24 مرداد، ۱۳۹۴ در مورد محاسبه نرخ تشخیص وfrr وfar برای سیستم تشخیص هویت در متلب چه می دانید؟؟؟؟ اگر توابعی دارد و یا فانکشنی اطلاعاتی بدهید. با تشکر. 4 لینک به دیدگاه
Imaaan 17059 اشتراک گذاری ارسال شده در 24 مرداد، ۱۳۹۴ در مورد محاسبه نرخ تشخیص وfrr وfar برای سیستم تشخیص هویت در متلب چه می دانید؟؟؟؟ اگر توابعی دارد و یا فانکشنی اطلاعاتی بدهید. با تشکر. سلام این لینک رو ببین، به نظر خوب توضیح داده: برای مشاهده این محتوا لطفاً ثبت نام کنید یا وارد شوید. ورود یا ثبت نام در مورد ROC هم این تاپیک شاید بد نباشه، البته خود متلب هم فانکشن های roc و plotroc رو داره: [h=1]نمودارroc در متلب[/h] 4 لینک به دیدگاه
matinmatin65 14 اشتراک گذاری ارسال شده در 3 شهریور، ۱۳۹۴ سلام من کد گابور رو اجرا کردم تصاویر کانوالو رو هم در خروجی دیدم اما در فضای ورک اسپیسم یه featurevector دارم که 163840x1 double هست. میشه واضح بفرمائید چطور میتونم از این استفاده کنم. من میخوام حالت چهره رو تشخیص بدم و دارم از فیلتر گابور استفاده میکنم. مراحل کارم به این صورت هست که تصویر رو میخونم ، چهره رو استخراج و ذخیره میکنم. حالا تصویر استخراج شده رو دادم گابور خروجی کانوالو رو دیدم اما چطور میتونم از این بردار ویژگی که بهم داده استفاده کنم؟ میخوام خروجی گابور رو بدم به pca تا کاهش بعد صورت بگیره و بعد هم میخوام با svm طبقه بندی کنم. خواهش میکنم راهنماییم کنین. 3 لینک به دیدگاه
elmiramohammadi 596 اشتراک گذاری ارسال شده در 6 شهریور، ۱۳۹۴ سلاممن کد گابور رو اجرا کردم تصاویر کانوالو رو هم در خروجی دیدم اما در فضای ورک اسپیسم یه featurevector دارم که 163840x1 double هست. میشه واضح بفرمائید چطور میتونم از این استفاده کنم. من میخوام حالت چهره رو تشخیص بدم و دارم از فیلتر گابور استفاده میکنم. مراحل کارم به این صورت هست که تصویر رو میخونم ، چهره رو استخراج و ذخیره میکنم. حالا تصویر استخراج شده رو دادم گابور خروجی کانوالو رو دیدم اما چطور میتونم از این بردار ویژگی که بهم داده استفاده کنم؟ میخوام خروجی گابور رو بدم به pca تا کاهش بعد صورت بگیره و بعد هم میخوام با svm طبقه بندی کنم. خواهش میکنم راهنماییم کنین. سلام تا جایی که من از صحبت های شما فهمیدم این است که الان شما یه تصویر چهره دادید به فیلتر گابور و فیلتر گابور هم 163840 ویژگی برای اون عکس به شما داده کاری که شما انجام بایدبدید این است که تصواویرتون را رو تک به تک بخونید و یک ماتریس از ویژگی ها و نمونه ها بسازید که سطرهای ماتریس نشان دهنده ی نمونه ها و ستونهای ماتریس نیز نشان دهنده ی ویژگی هاست بعد از ساخت این ماتریس ، ماتریس موردنظر را به الگوریتم های کاهش بعد داده و خروجی شما یک ماتریس با ابعاد کنر ( از لحاظ ستونی چون ستون ها مربوزط به ویژگی هاست) خواهید داشت و بعد از بدست آوردن خروجی الگوریتم کاهش بعد می توانید در طبقه بند svm استفاده کنید................ البته راهنمای اضافی و تکمیلی را مدیر عزیر خدمت شما ارایه می دهند 4 لینک به دیدگاه
matinmatin65 14 اشتراک گذاری ارسال شده در 9 شهریور، ۱۳۹۴ سلام یک دنیا ممنون از پاسختون ویژگی های چهره رو میشه از ابرو و چشم و دهان و در کل اعضای چهره تشخیص داد. درسته؟ الان من اگه بخوام ویژگی های یک فرد خوشحال رو از چهره بیرون بکشم چطور میتونم این کار رو انجام بدم؟ آیا الگوریتم خاصی هست که این ویژگی های رو استخراج کنه؟ یا نه من باید خودم بصورت دستی محاسباتی انجام بدم و کد بنویسم. اینکه می فرمایید "یک ماتریس از ویژگی ها و نمونه ها بسازید که سطرهای ماتریس نشان دهنده ی نمونه ها و ستونهای ماتریس نیز نشان دهنده ی ویژگی هاست " چطور باید این ماتریس رو بسازم. میشه خواهش کنم در صورت امکان بصورت تصویری یا با مثال این مبحث رو توضیح بدین. مثلا من راحع به گابور خیلی مطلب خوندم اما درک نکردم تا اینکه تو این سایت بصورت تصویری و در قالب پرسش و پاسخ ، جواب یه سری سوالام رو گرفتم. باز هم متشکرم از وقتی که گذاشتین و به سوالم جواب دادین. و عذر میخوام چون شاید سوالم خیلی پیش پا افتاده باشه اما تازه سه ماهه دارم با متلب کار میکنم و باید پروژم رو انجام بدم. 1 لینک به دیدگاه
ah.ketabdar 10 اشتراک گذاری ارسال شده در 12 مرداد، ۱۳۹۵ سلام و خسته نباشید دوستان من فیلتر و موجک گابور را مطالعه کردم اما برای اینکه خوب جا بیافته کسی مثال عددی حل شده را داره که بتونه به من کمک کنه ممنون لینک به دیدگاه
ارسال های توصیه شده