TP-traitement-audio-visuel/TP4/exercice_2.m
2023-06-22 20:47:16 +02:00

108 lines
2.8 KiB
Matlab
Executable file
Raw Blame History

donnees;
% Param<61>tres de la m<>thode de segmentation :
T_0 = 1.0;
alpha = 0.99;
q_max = 50;
beta = 2.0;
% Estimation des param<61>tres des N classes :
N = 4;
nb_tirages = 100000;
[moyennes, variances, poids] = estimation_non_super(I, N, nb_tirages);
% trac<61>/calcul des histogrammes :
[fxi, x] = ksdensity(I(:), 1:255);
fxe = sum(poids ./ sqrt(2 * pi * variances) .* exp(- (x - moyennes).^2 ./ variances / 2));
figure;
plot(x, fxi);
hold on;
plot(x, fxe);
legend(["image", "MAP"])
export_fig(gcf, "saves/exo2hist_" + num2str(N) + "N_" + num2str(beta) + "B_" + num2str(alpha) + "A" + ".png", '-png', '-painters', '-m2');
% Permutation des classes pour pouvoir calculer le pourcentage de bonnes classifications :
[~, indices] = sort(moyennes, 'ascend');
moyennes = moyennes(indices);
variances = variances(indices);
couleurs_classes = couleurs_classes(indices, :);
% Calcul de l'attache aux donn<6E>es (vraisemblance) :
AD = attache_donnees(I, moyennes, variances);
% Initialisation des classes :
couleurs_pixels = zeros(nb_lignes, nb_colonnes, 3);
[U, k] = min(AD, [], 3);
for i = 1:nb_lignes
for j = 1:nb_colonnes
couleurs_pixels(i, j, :) = couleurs_classes(k(i, j), :);
end
end
% close all;
figure;
% subplot(1,2,2);
imagesc(couleurs_pixels);
axis equal;
axis off;
[fimage, map] = rgb2ind(couleurs_pixels, 256);
imwrite(fimage, map, "saves/exo2mv.png");
% title(['Maximum de vraisemblance'],'FontSize',20);
% fprintf('Tapez un caractere pour lancer le recuit simule\n');
% pause;
% Calcul de l'<27>nergie initiale :
for i = 1:nb_lignes
for j = 1:nb_colonnes
U(i, j) = U(i, j) + beta * regularisation(i, j, k, k(i, j));
end
end
% Minimisation de l'<27>nergie par recuit simul<75> :
temps_affichage = 0.05;
T = T_0;
for q = 1:q_max
% Boucle du recuit simul<75> :
[U, k] = recuit_simule(U, k, AD, T, beta);
% Mise <20> jour de l'affichage :
for i = 1:nb_lignes
for j = 1:nb_colonnes
couleurs_pixels(i, j, :) = couleurs_classes(k(i, j), :);
end
end
imagesc(couleurs_pixels);
axis equal;
axis off;
title([num2str(q) + "/" + num2str(q_max) + ", " + num2str(N) + "N, " + num2str(beta) + "B, " + num2str(alpha) + "A"]);
pause(temps_affichage);
if q == 1
delete("saves/recuit_MAP_" + num2str(N) + "N_" + num2str(beta) + "B_" + num2str(alpha) + "A" + ".gif")
end
export_fig(gcf, "saves/recuit_MAP_" + num2str(N) + "N_" + num2str(beta) + "B_" + num2str(alpha) + "A" + ".gif", '-png', '-painters', '-m2', '-append');
% Mise <20> jour de la temp<6D>rature :
T = alpha * T;
end
% Calcul du pourcentage de pixels correctement class<73>s :
pixels_correctement_classes = find(k == k_exact);
nb_pixels = nb_lignes * nb_colonnes;
fprintf('Pixels correctement classes : %.2f %%\n', 100 * length(pixels_correctement_classes(:)) / nb_pixels);