opencv/tests/cv/src/akdtree.cpp

   1 // 2009-01-14, Xavier Delacour <xavier.delacour@gmail.com>
   2
   3 #include "cvtest.h"
   4
   5 // * add test for cvFindFeaturesBoxed
   6
   7 #include <algorithm>
   8 #include <vector>
   9 #include <iostream>
  10
  11 using namespace cv;
  12
  13 class CV_KdtreeTest : public CvTest {
  14 public:
  15   CV_KdtreeTest();
  16   ~CV_KdtreeTest();
  17 protected:
  18   virtual void run( int start_from );
  19 };
  20
  21 CV_KdtreeTest::CV_KdtreeTest()
  22 : CvTest( "kd-tree", "cvFindFeatures-kd" ) {
  23 }
  24
  25 CV_KdtreeTest::~CV_KdtreeTest() {
  26 }
  27
  28
  29 void CV_KdtreeTest::run( int /*start_from*/ ) {
  30   int dims = 64;
  31   int features = 2000;
  32   int k = 1; // * should also test 2nd nn etc.?
  33   int emax = 20;
  34   double noise = .2;
  35   int points = 1000;
  36
  37   CvRNG rng = cvRNG();
  38   CvMat* desc = cvCreateMat(features, dims, CV_64FC1);
  39   cvRandArr( &rng, desc, CV_RAND_UNI, cvRealScalar(0), cvRealScalar(1));
  40
  41   CvFeatureTree* tr = cvCreateKDTree(desc);
  42   CvMat* results = cvCreateMat(points, k, CV_32SC1);
  43   CvMat* dist = cvCreateMat(points, k, CV_64FC1);
  44
  45   CvMat* pts = cvCreateMat(points, dims, CV_64FC1);
  46   std::vector<int> fmap(points);
  47   for (int j = 0; j < points; ++j) {
  48     int fi = cvRandInt(&rng) % features;
  49     fmap[j] = fi;
  50     double* f = (double*)cvPtr2D(desc, fi, 0);
  51     double* p = (double*)cvPtr2D(pts, j, 0);
  52     for (int k = 0; k < dims; ++ k)
  53       p[k] = f[k] + cvRandReal(&rng) * noise;
  54   }
  55
  56   cvFindFeatures(tr, pts, results, dist, k, emax);
  57
  58   int correct_matches = 0;
  59   { // Aisle "j" to avoid error on MSVC6
  60     for (int j = 0; j < points; ++j) {
  61       int fi = (int)cvGetReal2D(results, j, 0);
  62       if (fmap[j] == fi)
  63         ++correct_matches;
  64     }
  65   }
  66
  67   double correct_perc = correct_matches / (double)points;
  68   ts->printf( CvTS::LOG, "correct_perc = %d\n", correct_perc );
  69   if (correct_perc < .8)
  70     ts->set_failed_test_info(CvTS::FAIL_INVALID_OUTPUT);
  71
  72   cvReleaseFeatureTree(tr);
  73 }
  74
  75 CV_KdtreeTest kdtree_test;
  76
  77
  78
  79 // ----------------------------- test for cv::KDTree -----------------------
  80 class KDTreeTest : public CvTest {
  81 public:
  82     KDTreeTest();
  83     ~KDTreeTest();
  84 protected:
  85     virtual void run( int start_from );
  86 };
  87
  88 KDTreeTest::KDTreeTest()
  89 : CvTest( "cpp_kdtree", "cv::KDTree funcs" )
  90 {
  91 }
  92 KDTreeTest::~KDTreeTest()
  93 {
  94 }
  95
  96 void KDTreeTest::run( int /*start_from*/ ) {
  97     int dims = 64;
  98     int featuresCount = 2000;
  99     int K = 1; // * should also test 2nd nn etc.?
 100     int emax = 2000;
 101     float noise = 0.2f;
 102     int pointsCount = 1000;
 103
 104     RNG rng;
 105     Mat desc( featuresCount, dims, CV_32FC1 );
 106     rng.fill( desc, RNG::UNIFORM, Scalar(0.0f), Scalar(1.0f) );
 107
 108     KDTree tr( desc );
 109     Mat pts( pointsCount, dims, CV_32FC1 );
 110     Mat results( pointsCount, K, CV_32SC1 );
 111
 112     std::vector<int> fmap( pointsCount );
 113     for( int pi = 0; pi < pointsCount; pi++ )
 114     {
 115         int fi = rng.next() % featuresCount;
 116         fmap[pi] = fi;
 117         for( int d = 0; d < dims; d++ )
 118             pts.at<float>(pi, d) = desc.at<float>(fi, d) + rng.uniform(0.0f, 1.0f) * noise;
 119         tr.findNearest( pts.ptr<float>(pi), K, emax, results.ptr<int>(pi) );
 120     }
 121
 122     int correctMatches = 0;
 123     for( int pi = 0; pi < pointsCount; pi++ )
 124     {
 125         if( fmap[pi] == results.at<int>(pi, 0) )
 126             correctMatches++;
 127     }
 128
 129     double correctPerc = correctMatches / (double)pointsCount;
 130     ts->printf( CvTS::LOG, "correct_perc = %d\n", correctPerc );
 131     if (correctPerc < .8)
 132         ts->set_failed_test_info(CvTS::FAIL_INVALID_OUTPUT);
 133 }
 134
 135 KDTreeTest cpp_kdtree_test;
 136