git.maemo.org Git - opencv/blob - tests/cv/src/atemplmatch.cpp

   1 /*M///////////////////////////////////////////////////////////////////////////////////////
   2 //
   3 //  IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING.
   4 //
   5 //  By downloading, copying, installing or using the software you agree to this license.
   6 //  If you do not agree to this license, do not download, install,
   7 //  copy or use the software.
   8 //
   9 //
  10 //                        Intel License Agreement
  11 //                For Open Source Computer Vision Library
  12 //
  13 // Copyright (C) 2000, Intel Corporation, all rights reserved.
  14 // Third party copyrights are property of their respective owners.
  15 //
  16 // Redistribution and use in source and binary forms, with or without modification,
  17 // are permitted provided that the following conditions are met:
  18 //
  19 //   * Redistribution's of source code must retain the above copyright notice,
  20 //     this list of conditions and the following disclaimer.
  21 //
  22 //   * Redistribution's in binary form must reproduce the above copyright notice,
  23 //     this list of conditions and the following disclaimer in the documentation
  24 //     and/or other materials provided with the distribution.
  25 //
  26 //   * The name of Intel Corporation may not be used to endorse or promote products
  27 //     derived from this software without specific prior written permission.
  28 //
  29 // This software is provided by the copyright holders and contributors "as is" and
  30 // any express or implied warranties, including, but not limited to, the implied
  31 // warranties of merchantability and fitness for a particular purpose are disclaimed.
  32 // In no event shall the Intel Corporation or contributors be liable for any direct,
  33 // indirect, incidental, special, exemplary, or consequential damages
  34 // (including, but not limited to, procurement of substitute goods or services;
  35 // loss of use, data, or profits; or business interruption) however caused
  36 // and on any theory of liability, whether in contract, strict liability,
  37 // or tort (including negligence or otherwise) arising in any way out of
  38 // the use of this software, even if advised of the possibility of such damage.
  39 //
  40 //M*/
  41
  42 #include "cvtest.h"
  43
  44 static const char* templmatch_param_names[] = { "template_size", "method", "size", "channels", "depth", 0 };
  45 static const int templmatch_depths[] = { CV_8U, CV_32F, -1 };
  46 static const int templmatch_channels[] = { 1, 3, -1 };
  47
  48 static const CvSize templmatch_sizes[] = {{320, 240}, {1024,768}, {-1,-1}};
  49 static const CvSize templmatch_whole_sizes[] = {{320,240}, {1024,768}, {-1,-1}};
  50 static const CvSize templmatch_template_sizes[] = {{15,15}, {60,60}, {-1,-1}};
  51 static const char* templmatch_methods[] = { "sqdiff", "sqdiff_norm", "ccorr", "ccorr_normed", "ccoeff", "ccoeff_normed", 0 };
  52
  53 class CV_TemplMatchTest : public CvArrTest
  54 {
  55 public:
  56     CV_TemplMatchTest();
  57
  58 protected:
  59     int read_params( CvFileStorage* fs );
  60     void get_test_array_types_and_sizes( int test_case_idx, CvSize** sizes, int** types );
  61     void get_minmax_bounds( int i, int j, int type, CvScalar* low, CvScalar* high );
  62     double get_success_error_level( int test_case_idx, int i, int j );
  63     void run_func();
  64     void prepare_to_validation( int );
  65
  66     int write_default_params(CvFileStorage* fs);
  67     void get_timing_test_array_types_and_sizes( int test_case_idx, CvSize** sizes, int** types,
  68                                                 CvSize** whole_sizes, bool *are_images );
  69     void print_timing_params( int test_case_idx, char* ptr, int params_left );
  70
  71     int max_template_size;
  72     int method;
  73 };
  74
  75
  76 CV_TemplMatchTest::CV_TemplMatchTest()
  77     : CvArrTest( "match-template", "cvMatchTemplate", "" )
  78 {
  79     test_array[INPUT].push(NULL);
  80     test_array[INPUT].push(NULL);
  81     test_array[OUTPUT].push(NULL);
  82     test_array[REF_OUTPUT].push(NULL);
  83     element_wise_relative_error = false;
  84     max_template_size = 100;
  85     method = 0;
  86
  87     size_list = templmatch_sizes;
  88     whole_size_list = templmatch_whole_sizes;
  89     cn_list = templmatch_channels;
  90     depth_list = templmatch_depths;
  91
  92     default_timing_param_names = templmatch_param_names;
  93 }
  94
  95
  96 int CV_TemplMatchTest::read_params( CvFileStorage* fs )
  97 {
  98     int code = CvArrTest::read_params( fs );
  99     if( code < 0 )
 100         return code;
 101
 102     if( ts->get_testing_mode() == CvTS::CORRECTNESS_CHECK_MODE )
 103     {
 104         max_template_size = cvReadInt( find_param( fs, "max_template_size" ), max_template_size );
 105         max_template_size = cvTsClipInt( max_template_size, 1, 100 );
 106     }
 107
 108     return code;
 109 }
 110
 111
 112 int CV_TemplMatchTest::write_default_params( CvFileStorage* fs )
 113 {
 114     int code = CvArrTest::write_default_params( fs );
 115     if( code < 0 )
 116         return code;
 117
 118     if( ts->get_testing_mode() == CvTS::CORRECTNESS_CHECK_MODE )
 119     {
 120         write_param( fs, "max_template_size", max_template_size );
 121     }
 122     else
 123     {
 124         int i;
 125         start_write_param( fs );
 126
 127         cvStartWriteStruct( fs, "template_size", CV_NODE_SEQ+CV_NODE_FLOW );
 128         for( i = 0; templmatch_template_sizes[i].width >= 0; i++ )
 129         {
 130             cvStartWriteStruct( fs, 0, CV_NODE_SEQ+CV_NODE_FLOW );
 131             cvWriteInt( fs, 0, templmatch_template_sizes[i].width );
 132             cvWriteInt( fs, 0, templmatch_template_sizes[i].height );
 133             cvEndWriteStruct(fs);
 134         }
 135         cvEndWriteStruct(fs);
 136
 137         write_string_list( fs, "method", templmatch_methods );
 138     }
 139
 140     return code;
 141 }
 142
 143
 144 void CV_TemplMatchTest::get_minmax_bounds( int i, int j, int type, CvScalar* low, CvScalar* high )
 145 {
 146     CvArrTest::get_minmax_bounds( i, j, type, low, high );
 147     int depth = CV_MAT_DEPTH(type);
 148     if( depth == CV_32F )
 149     {
 150         *low = cvScalarAll(-10.);
 151         *high = cvScalarAll(10.);
 152     }
 153 }
 154
 155
 156 void CV_TemplMatchTest::get_test_array_types_and_sizes( int test_case_idx,
 157                                                 CvSize** sizes, int** types )
 158 {
 159     CvRNG* rng = ts->get_rng();
 160     int depth = cvTsRandInt(rng) % 2, cn = cvTsRandInt(rng) & 1 ? 3 : 1;
 161     CvArrTest::get_test_array_types_and_sizes( test_case_idx, sizes, types );
 162     depth = depth == 0 ? CV_8U : CV_32F;
 163
 164     types[INPUT][0] = types[INPUT][1] = CV_MAKETYPE(depth,cn);
 165     types[OUTPUT][0] = types[REF_OUTPUT][0] = CV_32FC1;
 166
 167     sizes[INPUT][1].width = cvTsRandInt(rng)%MIN(sizes[INPUT][1].width,max_template_size) + 1;
 168     sizes[INPUT][1].height = cvTsRandInt(rng)%MIN(sizes[INPUT][1].height,max_template_size) + 1;
 169     sizes[OUTPUT][0].width = sizes[INPUT][0].width - sizes[INPUT][1].width + 1;
 170     sizes[OUTPUT][0].height = sizes[INPUT][0].height - sizes[INPUT][1].height + 1;
 171     sizes[REF_OUTPUT][0] = sizes[OUTPUT][0];
 172
 173     method = cvTsRandInt(rng)%6;
 174 }
 175
 176
 177 void CV_TemplMatchTest::get_timing_test_array_types_and_sizes( int test_case_idx,
 178                 CvSize** sizes, int** types, CvSize** whole_sizes, bool *are_images )
 179 {
 180     CvArrTest::get_timing_test_array_types_and_sizes( test_case_idx, sizes, types,
 181                                                       whole_sizes, are_images );
 182     const char* method_str = cvReadString( find_timing_param( "method" ), "ccorr" );
 183     const CvFileNode* node = find_timing_param( "template_size" );
 184     CvSize templ_size, result_size;
 185
 186     assert( node && CV_NODE_IS_SEQ( node->tag ));
 187
 188     method = strncmp( method_str, "sqdiff", 6 ) == 0 ? CV_TM_SQDIFF :
 189              strncmp( method_str, "ccorr", 5 ) == 0 ? CV_TM_CCORR : CV_TM_CCOEFF;
 190     method += strstr( method_str, "_normed" ) != 0;
 191
 192     cvReadRawData( ts->get_file_storage(), node, &templ_size, "2i" );
 193
 194     sizes[INPUT][1] = whole_sizes[INPUT][1] = templ_size;
 195     result_size.width = sizes[INPUT][0].width - templ_size.width + 1;
 196     result_size.height = sizes[INPUT][0].height - templ_size.height + 1;
 197     assert( result_size.width > 0 && result_size.height > 0 );
 198     sizes[OUTPUT][0] = whole_sizes[OUTPUT][0] = result_size;
 199
 200     types[OUTPUT][0] = CV_32FC1;
 201 }
 202
 203
 204 void CV_TemplMatchTest::print_timing_params( int test_case_idx, char* ptr, int params_left )
 205 {
 206     sprintf( ptr, "%s,", cvReadString( find_timing_param( "method" ), "ccorr" ) );
 207     ptr += strlen(ptr);
 208     sprintf( ptr, "templ_size=%dx%d,", test_mat[INPUT][1].width, test_mat[INPUT][1].height );
 209     ptr += strlen(ptr);
 210     params_left -= 2;
 211
 212     CvArrTest::print_timing_params( test_case_idx, ptr, params_left );
 213 }
 214
 215
 216 double CV_TemplMatchTest::get_success_error_level( int /*test_case_idx*/, int /*i*/, int /*j*/ )
 217 {
 218     if( CV_MAT_DEPTH(test_mat[INPUT][1].type) == CV_8U ||
 219         method >= CV_TM_CCOEFF && test_mat[INPUT][1].cols*test_mat[INPUT][1].rows <= 2 )
 220         return 1e-2;
 221     else
 222         return 1e-3;
 223 }
 224
 225
 226 void CV_TemplMatchTest::run_func()
 227 {
 228     cvMatchTemplate( test_array[INPUT][0], test_array[INPUT][1], test_array[OUTPUT][0], method );
 229 }
 230
 231
 232 static void cvTsMatchTemplate( const CvMat* img, const CvMat* templ, CvMat* result, int method )
 233 {
 234     int i, j, k, l;
 235     int depth = CV_MAT_DEPTH(img->type), cn = CV_MAT_CN(img->type);
 236     int width_n = templ->cols*cn, height = templ->rows;
 237     int a_step = img->step / CV_ELEM_SIZE(img->type & CV_MAT_DEPTH_MASK);
 238     int b_step = templ->step / CV_ELEM_SIZE(templ->type & CV_MAT_DEPTH_MASK);
 239     CvScalar b_mean, b_sdv;
 240     double b_denom = 1., b_sum2 = 0;
 241     int area = templ->rows*templ->cols;
 242
 243     cvTsMeanStdDevNonZero( templ, 0, &b_mean, &b_sdv, 0 );
 244
 245     for( i = 0; i < cn; i++ )
 246         b_sum2 += (b_sdv.val[i]*b_sdv.val[i] + b_mean.val[i]*b_mean.val[i])*area;
 247
 248     if( CV_SQR(b_sdv.val[0]) + CV_SQR(b_sdv.val[1]) +
 249         CV_SQR(b_sdv.val[2]) + CV_SQR(b_sdv.val[3]) < DBL_EPSILON &&
 250         method == CV_TM_CCOEFF_NORMED )
 251     {
 252         cvSet( result, cvScalarAll(1.) );
 253         return;
 254     }
 255
 256     if( method & 1 )
 257     {
 258         b_denom = 0;
 259         if( method != CV_TM_CCOEFF_NORMED )
 260         {
 261             b_denom = b_sum2;
 262         }
 263         else
 264         {
 265             for( i = 0; i < cn; i++ )
 266                 b_denom += b_sdv.val[i]*b_sdv.val[i]*area;
 267         }
 268         b_denom = sqrt(b_denom);
 269         if( b_denom == 0 )
 270             b_denom = 1.;
 271     }
 272
 273     assert( CV_TM_SQDIFF <= method && method <= CV_TM_CCOEFF_NORMED );
 274
 275     for( i = 0; i < result->rows; i++ )
 276     {
 277         for( j = 0; j < result->cols; j++ )
 278         {
 279             CvScalar a_sum = {{ 0, 0, 0, 0 }}, a_sum2 = {{ 0, 0, 0, 0 }};
 280             CvScalar ccorr = {{ 0, 0, 0, 0 }};
 281             double value = 0.;
 282
 283             if( depth == CV_8U )
 284             {
 285                 const uchar* a = img->data.ptr + i*img->step + j*cn;
 286                 const uchar* b = templ->data.ptr;
 287
 288                 if( cn == 1 || method < CV_TM_CCOEFF )
 289                 {
 290                     for( k = 0; k < height; k++, a += a_step, b += b_step )
 291                         for( l = 0; l < width_n; l++ )
 292                         {
 293                             ccorr.val[0] += a[l]*b[l];
 294                             a_sum.val[0] += a[l];
 295                             a_sum2.val[0] += a[l]*a[l];
 296                         }
 297                 }
 298                 else
 299                 {
 300                     for( k = 0; k < height; k++, a += a_step, b += b_step )
 301                         for( l = 0; l < width_n; l += 3 )
 302                         {
 303                             ccorr.val[0] += a[l]*b[l];
 304                             ccorr.val[1] += a[l+1]*b[l+1];
 305                             ccorr.val[2] += a[l+2]*b[l+2];
 306                             a_sum.val[0] += a[l];
 307                             a_sum.val[1] += a[l+1];
 308                             a_sum.val[2] += a[l+2];
 309                             a_sum2.val[0] += a[l]*a[l];
 310                             a_sum2.val[1] += a[l+1]*a[l+1];
 311                             a_sum2.val[2] += a[l+2]*a[l+2];
 312                         }
 313                 }
 314             }
 315             else
 316             {
 317                 const float* a = (const float*)(img->data.ptr + i*img->step) + j*cn;
 318                 const float* b = (const float*)templ->data.ptr;
 319
 320                 if( cn == 1 || method < CV_TM_CCOEFF )
 321                 {
 322                     for( k = 0; k < height; k++, a += a_step, b += b_step )
 323                         for( l = 0; l < width_n; l++ )
 324                         {
 325                             ccorr.val[0] += a[l]*b[l];
 326                             a_sum.val[0] += a[l];
 327                             a_sum2.val[0] += a[l]*a[l];
 328                         }
 329                 }
 330                 else
 331                 {
 332                     for( k = 0; k < height; k++, a += a_step, b += b_step )
 333                         for( l = 0; l < width_n; l += 3 )
 334                         {
 335                             ccorr.val[0] += a[l]*b[l];
 336                             ccorr.val[1] += a[l+1]*b[l+1];
 337                             ccorr.val[2] += a[l+2]*b[l+2];
 338                             a_sum.val[0] += a[l];
 339                             a_sum.val[1] += a[l+1];
 340                             a_sum.val[2] += a[l+2];
 341                             a_sum2.val[0] += a[l]*a[l];
 342                             a_sum2.val[1] += a[l+1]*a[l+1];
 343                             a_sum2.val[2] += a[l+2]*a[l+2];
 344                         }
 345                 }
 346             }
 347
 348             switch( method )
 349             {
 350             case CV_TM_CCORR:
 351             case CV_TM_CCORR_NORMED:
 352                 value = ccorr.val[0];
 353                 break;
 354             case CV_TM_SQDIFF:
 355             case CV_TM_SQDIFF_NORMED:
 356                 value = (a_sum2.val[0] + b_sum2 - 2*ccorr.val[0]);
 357                 break;
 358             default:
 359                 value = (ccorr.val[0] - a_sum.val[0]*b_mean.val[0]+
 360                          ccorr.val[1] - a_sum.val[1]*b_mean.val[1]+
 361                          ccorr.val[2] - a_sum.val[2]*b_mean.val[2]);
 362             }
 363
 364             if( method & 1 )
 365             {
 366                 double denom;
 367
 368                 // calc denominator
 369                 if( method != CV_TM_CCOEFF_NORMED )
 370                 {
 371                     denom = a_sum2.val[0] + a_sum2.val[1] + a_sum2.val[2];
 372                 }
 373                 else
 374                 {
 375                     denom = a_sum2.val[0] - (a_sum.val[0]*a_sum.val[0])/area;
 376                     denom += a_sum2.val[1] - (a_sum.val[1]*a_sum.val[1])/area;
 377                     denom += a_sum2.val[2] - (a_sum.val[2]*a_sum.val[2])/area;
 378                 }
 379                 denom = sqrt(MAX(denom,0))*b_denom;
 380                 if( denom > DBL_EPSILON )
 381                 {
 382                     value /= denom;
 383                     if( fabs(value) > 1 )
 384                         value = value < 0 ? -1. : 1.;
 385                 }
 386                 else
 387                     value = method != CV_TM_SQDIFF_NORMED || value < DBL_EPSILON ? 0 : 1;
 388             }
 389
 390             ((float*)(result->data.ptr + result->step*i))[j] = (float)value;
 391         }
 392     }
 393 }
 394
 395
 396 void CV_TemplMatchTest::prepare_to_validation( int /*test_case_idx*/ )
 397 {
 398     cvTsMatchTemplate( &test_mat[INPUT][0], &test_mat[INPUT][1],
 399                        &test_mat[REF_OUTPUT][0], method );
 400
 401     //if( ts->get_current_test_info()->test_case_idx == 0 )
 402     /*{
 403         CvFileStorage* fs = cvOpenFileStorage( "_match_template.yml", 0, CV_STORAGE_WRITE );
 404         cvWrite( fs, "image", &test_mat[INPUT][0] );
 405         cvWrite( fs, "template", &test_mat[INPUT][1] );
 406         cvWrite( fs, "ref", &test_mat[REF_OUTPUT][0] );
 407         cvWrite( fs, "opencv", &test_mat[OUTPUT][0] );
 408         cvWriteInt( fs, "method", method );
 409         cvReleaseFileStorage( &fs );
 410     }*/
 411
 412     if( method >= CV_TM_CCOEFF )
 413     {
 414         // avoid numerical stability problems in singular cases (when the results are near to 0)
 415         const double delta = 10.;
 416         cvTsAdd( &test_mat[REF_OUTPUT][0], cvScalar(1.), 0, cvScalar(0.),
 417                  cvScalar(delta), &test_mat[REF_OUTPUT][0], 0 );
 418         cvTsAdd( &test_mat[OUTPUT][0], cvScalar(1.), 0, cvScalar(0.),
 419                  cvScalar(delta), &test_mat[OUTPUT][0], 0 );
 420     }
 421 }
 422
 423
 424 CV_TemplMatchTest templ_match;