opencv/include/opencv/cvaux.hpp

   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 #ifndef __CVAUX_HPP__
  43 #define __CVAUX_HPP__
  44
  45 #ifdef __cplusplus
  46
  47 #include <iosfwd>
  48
  49 class CV_EXPORTS CvImage
  50 {
  51 public:
  52     CvImage() : image(0), refcount(0) {}
  53     CvImage( CvSize size, int depth, int channels )
  54     {
  55         image = cvCreateImage( size, depth, channels );
  56         refcount = image ? new int(1) : 0;
  57     }
  58
  59     CvImage( IplImage* img ) : image(img)
  60     {
  61         refcount = image ? new int(1) : 0;
  62     }
  63
  64     CvImage( const CvImage& img ) : image(img.image), refcount(img.refcount)
  65     {
  66         if( refcount ) ++(*refcount);
  67     }
  68
  69     CvImage( const char* filename, const char* imgname=0, int color=-1 ) : image(0), refcount(0)
  70     { load( filename, imgname, color ); }
  71
  72     CvImage( CvFileStorage* fs, const char* mapname, const char* imgname ) : image(0), refcount(0)
  73     { read( fs, mapname, imgname ); }
  74
  75     CvImage( CvFileStorage* fs, const char* seqname, int idx ) : image(0), refcount(0)
  76     { read( fs, seqname, idx ); }
  77
  78     ~CvImage()
  79     {
  80         if( refcount && !(--*refcount) )
  81         {
  82             cvReleaseImage( &image );
  83             delete refcount;
  84         }
  85     }
  86
  87     CvImage clone() { return CvImage(image ? cvCloneImage(image) : 0); }
  88
  89     void create( CvSize size, int depth, int channels )
  90     {
  91         if( !image || !refcount ||
  92             image->width != size.width || image->height != size.height ||
  93             image->depth != depth || image->nChannels != channels )
  94             attach( cvCreateImage( size, depth, channels ));
  95     }
  96
  97     void release() { detach(); }
  98     void clear() { detach(); }
  99
 100     void attach( IplImage* img, bool use_refcount=true )
 101     {
 102         if( refcount && --*refcount == 0 )
 103         {
 104             cvReleaseImage( &image );
 105             delete refcount;
 106         }
 107         image = img;
 108         refcount = use_refcount && image ? new int(1) : 0;
 109     }
 110
 111     void detach()
 112     {
 113         if( refcount && --*refcount == 0 )
 114         {
 115             cvReleaseImage( &image );
 116             delete refcount;
 117         }
 118         image = 0;
 119         refcount = 0;
 120     }
 121
 122     bool load( const char* filename, const char* imgname=0, int color=-1 );
 123     bool read( CvFileStorage* fs, const char* mapname, const char* imgname );
 124     bool read( CvFileStorage* fs, const char* seqname, int idx );
 125     void save( const char* filename, const char* imgname, const int* params=0 );
 126     void write( CvFileStorage* fs, const char* imgname );
 127
 128     void show( const char* window_name );
 129     bool is_valid() { return image != 0; }
 130
 131     int width() const { return image ? image->width : 0; }
 132     int height() const { return image ? image->height : 0; }
 133
 134     CvSize size() const { return image ? cvSize(image->width, image->height) : cvSize(0,0); }
 135
 136     CvSize roi_size() const
 137     {
 138         return !image ? cvSize(0,0) :
 139             !image->roi ? cvSize(image->width,image->height) :
 140             cvSize(image->roi->width, image->roi->height);
 141     }
 142
 143     CvRect roi() const
 144     {
 145         return !image ? cvRect(0,0,0,0) :
 146             !image->roi ? cvRect(0,0,image->width,image->height) :
 147             cvRect(image->roi->xOffset,image->roi->yOffset,
 148                    image->roi->width,image->roi->height);
 149     }
 150
 151     int coi() const { return !image || !image->roi ? 0 : image->roi->coi; }
 152
 153     void set_roi(CvRect roi) { cvSetImageROI(image,roi); }
 154     void reset_roi() { cvResetImageROI(image); }
 155     void set_coi(int coi) { cvSetImageCOI(image,coi); }
 156     int depth() const { return image ? image->depth : 0; }
 157     int channels() const { return image ? image->nChannels : 0; }
 158     int pix_size() const { return image ? ((image->depth & 255)>>3)*image->nChannels : 0; }
 159
 160     uchar* data() { return image ? (uchar*)image->imageData : 0; }
 161     const uchar* data() const { return image ? (const uchar*)image->imageData : 0; }
 162     int step() const { return image ? image->widthStep : 0; }
 163     int origin() const { return image ? image->origin : 0; }
 164
 165     uchar* roi_row(int y)
 166     {
 167         assert(0<=y);
 168         assert(!image ?
 169                 1 : image->roi ?
 170                 y<image->roi->height : y<image->height);
 171
 172         return !image ? 0 :
 173             !image->roi ?
 174                 (uchar*)(image->imageData + y*image->widthStep) :
 175                 (uchar*)(image->imageData + (y+image->roi->yOffset)*image->widthStep +
 176                 image->roi->xOffset*((image->depth & 255)>>3)*image->nChannels);
 177     }
 178
 179     const uchar* roi_row(int y) const
 180     {
 181         assert(0<=y);
 182         assert(!image ?
 183                 1 : image->roi ?
 184                 y<image->roi->height : y<image->height);
 185
 186         return !image ? 0 :
 187             !image->roi ?
 188                 (const uchar*)(image->imageData + y*image->widthStep) :
 189                 (const uchar*)(image->imageData + (y+image->roi->yOffset)*image->widthStep +
 190                 image->roi->xOffset*((image->depth & 255)>>3)*image->nChannels);
 191     }
 192
 193     operator const IplImage* () const { return image; }
 194     operator IplImage* () { return image; }
 195
 196     CvImage& operator = (const CvImage& img)
 197     {
 198         if( img.refcount )
 199             ++*img.refcount;
 200         if( refcount && !(--*refcount) )
 201             cvReleaseImage( &image );
 202         image=img.image;
 203         refcount=img.refcount;
 204         return *this;
 205     }
 206
 207 protected:
 208     IplImage* image;
 209     int* refcount;
 210 };
 211
 212
 213 class CV_EXPORTS CvMatrix
 214 {
 215 public:
 216     CvMatrix() : matrix(0) {}
 217     CvMatrix( int rows, int cols, int type )
 218     { matrix = cvCreateMat( rows, cols, type ); }
 219
 220     CvMatrix( int rows, int cols, int type, CvMat* hdr,
 221               void* data=0, int step=CV_AUTOSTEP )
 222     { matrix = cvInitMatHeader( hdr, rows, cols, type, data, step ); }
 223
 224     CvMatrix( int rows, int cols, int type, CvMemStorage* storage, bool alloc_data=true );
 225
 226     CvMatrix( int rows, int cols, int type, void* data, int step=CV_AUTOSTEP )
 227     { matrix = cvCreateMatHeader( rows, cols, type );
 228       cvSetData( matrix, data, step ); }
 229
 230     CvMatrix( CvMat* m )
 231     { matrix = m; }
 232
 233     CvMatrix( const CvMatrix& m )
 234     {
 235         matrix = m.matrix;
 236         addref();
 237     }
 238
 239     CvMatrix( const char* filename, const char* matname=0, int color=-1 ) : matrix(0)
 240     {  load( filename, matname, color ); }
 241
 242     CvMatrix( CvFileStorage* fs, const char* mapname, const char* matname ) : matrix(0)
 243     {  read( fs, mapname, matname ); }
 244
 245     CvMatrix( CvFileStorage* fs, const char* seqname, int idx ) : matrix(0)
 246     {  read( fs, seqname, idx ); }
 247
 248     ~CvMatrix()
 249     {
 250         release();
 251     }
 252
 253     CvMatrix clone() { return CvMatrix(matrix ? cvCloneMat(matrix) : 0); }
 254
 255     void set( CvMat* m, bool add_ref )
 256     {
 257         release();
 258         matrix = m;
 259         if( add_ref )
 260             addref();
 261     }
 262
 263     void create( int rows, int cols, int type )
 264     {
 265         if( !matrix || !matrix->refcount ||
 266             matrix->rows != rows || matrix->cols != cols ||
 267             CV_MAT_TYPE(matrix->type) != type )
 268             set( cvCreateMat( rows, cols, type ), false );
 269     }
 270
 271     void addref() const
 272     {
 273         if( matrix )
 274         {
 275             if( matrix->hdr_refcount )
 276                 ++matrix->hdr_refcount;
 277             else if( matrix->refcount )
 278                 ++*matrix->refcount;
 279         }
 280     }
 281
 282     void release()
 283     {
 284         if( matrix )
 285         {
 286             if( matrix->hdr_refcount )
 287             {
 288                 if( --matrix->hdr_refcount == 0 )
 289                     cvReleaseMat( &matrix );
 290             }
 291             else if( matrix->refcount )
 292             {
 293                 if( --*matrix->refcount == 0 )
 294                     cvFree( &matrix->refcount );
 295             }
 296             matrix = 0;
 297         }
 298     }
 299
 300     void clear()
 301     {
 302         release();
 303     }
 304
 305     bool load( const char* filename, const char* matname=0, int color=-1 );
 306     bool read( CvFileStorage* fs, const char* mapname, const char* matname );
 307     bool read( CvFileStorage* fs, const char* seqname, int idx );
 308     void save( const char* filename, const char* matname, const int* params=0 );
 309     void write( CvFileStorage* fs, const char* matname );
 310
 311     void show( const char* window_name );
 312
 313     bool is_valid() { return matrix != 0; }
 314
 315     int rows() const { return matrix ? matrix->rows : 0; }
 316     int cols() const { return matrix ? matrix->cols : 0; }
 317
 318     CvSize size() const
 319     {
 320         return !matrix ? cvSize(0,0) : cvSize(matrix->rows,matrix->cols);
 321     }
 322
 323     int type() const { return matrix ? CV_MAT_TYPE(matrix->type) : 0; }
 324     int depth() const { return matrix ? CV_MAT_DEPTH(matrix->type) : 0; }
 325     int channels() const { return matrix ? CV_MAT_CN(matrix->type) : 0; }
 326     int pix_size() const { return matrix ? CV_ELEM_SIZE(matrix->type) : 0; }
 327
 328     uchar* data() { return matrix ? matrix->data.ptr : 0; }
 329     const uchar* data() const { return matrix ? matrix->data.ptr : 0; }
 330     int step() const { return matrix ? matrix->step : 0; }
 331
 332     void set_data( void* data, int step=CV_AUTOSTEP )
 333     { cvSetData( matrix, data, step ); }
 334
 335     uchar* row(int i) { return !matrix ? 0 : matrix->data.ptr + i*matrix->step; }
 336     const uchar* row(int i) const
 337     { return !matrix ? 0 : matrix->data.ptr + i*matrix->step; }
 338
 339     operator const CvMat* () const { return matrix; }
 340     operator CvMat* () { return matrix; }
 341
 342     CvMatrix& operator = (const CvMatrix& _m)
 343     {
 344         _m.addref();
 345         release();
 346         matrix = _m.matrix;
 347         return *this;
 348     }
 349
 350 protected:
 351     CvMat* matrix;
 352 };
 353
 354 /****************************************************************************************\
 355 *                                       CamShiftTracker                                  *
 356 \****************************************************************************************/
 357
 358 class CV_EXPORTS CvCamShiftTracker
 359 {
 360 public:
 361
 362     CvCamShiftTracker();
 363     virtual ~CvCamShiftTracker();
 364
 365     /**** Characteristics of the object that are calculated by track_object method *****/
 366     float   get_orientation() const // orientation of the object in degrees
 367     { return m_box.angle; }
 368     float   get_length() const // the larger linear size of the object
 369     { return m_box.size.height; }
 370     float   get_width() const // the smaller linear size of the object
 371     { return m_box.size.width; }
 372     CvPoint2D32f get_center() const // center of the object
 373     { return m_box.center; }
 374     CvRect get_window() const // bounding rectangle for the object
 375     { return m_comp.rect; }
 376
 377     /*********************** Tracking parameters ************************/
 378     int     get_threshold() const // thresholding value that applied to back project
 379     { return m_threshold; }
 380
 381     int     get_hist_dims( int* dims = 0 ) const // returns number of histogram dimensions and sets
 382     { return m_hist ? cvGetDims( m_hist->bins, dims ) : 0; }
 383
 384     int     get_min_ch_val( int channel ) const // get the minimum allowed value of the specified channel
 385     { return m_min_ch_val[channel]; }
 386
 387     int     get_max_ch_val( int channel ) const // get the maximum allowed value of the specified channel
 388     { return m_max_ch_val[channel]; }
 389
 390     // set initial object rectangle (must be called before initial calculation of the histogram)
 391     bool    set_window( CvRect window)
 392     { m_comp.rect = window; return true; }
 393
 394     bool    set_threshold( int threshold ) // threshold applied to the histogram bins
 395     { m_threshold = threshold; return true; }
 396
 397     bool    set_hist_bin_range( int dim, int min_val, int max_val );
 398
 399     bool    set_hist_dims( int c_dims, int* dims );// set the histogram parameters
 400
 401     bool    set_min_ch_val( int channel, int val ) // set the minimum allowed value of the specified channel
 402     { m_min_ch_val[channel] = val; return true; }
 403     bool    set_max_ch_val( int channel, int val ) // set the maximum allowed value of the specified channel
 404     { m_max_ch_val[channel] = val; return true; }
 405
 406     /************************ The processing methods *********************************/
 407     // update object position
 408     virtual bool  track_object( const IplImage* cur_frame );
 409
 410     // update object histogram
 411     virtual bool  update_histogram( const IplImage* cur_frame );
 412
 413     // reset histogram
 414     virtual void  reset_histogram();
 415
 416     /************************ Retrieving internal data *******************************/
 417     // get back project image
 418     virtual IplImage* get_back_project()
 419     { return m_back_project; }
 420
 421     float query( int* bin ) const
 422     { return m_hist ? (float)cvGetRealND(m_hist->bins, bin) : 0.f; }
 423
 424 protected:
 425
 426     // internal method for color conversion: fills m_color_planes group
 427     virtual void color_transform( const IplImage* img );
 428
 429     CvHistogram* m_hist;
 430
 431     CvBox2D    m_box;
 432     CvConnectedComp m_comp;
 433
 434     float      m_hist_ranges_data[CV_MAX_DIM][2];
 435     float*     m_hist_ranges[CV_MAX_DIM];
 436
 437     int        m_min_ch_val[CV_MAX_DIM];
 438     int        m_max_ch_val[CV_MAX_DIM];
 439     int        m_threshold;
 440
 441     IplImage*  m_color_planes[CV_MAX_DIM];
 442     IplImage*  m_back_project;
 443     IplImage*  m_temp;
 444     IplImage*  m_mask;
 445 };
 446
 447 /****************************************************************************************\
 448 *                                   Adaptive Skin Detector                               *
 449 \****************************************************************************************/
 450
 451 class CV_EXPORTS CvAdaptiveSkinDetector
 452 {
 453 private:
 454         enum {
 455                 GSD_HUE_LT = 3,
 456                 GSD_HUE_UT = 33,
 457                 GSD_INTENSITY_LT = 15,
 458                 GSD_INTENSITY_UT = 250
 459         };
 460
 461         class CV_EXPORTS Histogram
 462         {
 463         private:
 464                 enum {
 465                         HistogramSize = (GSD_HUE_UT - GSD_HUE_LT + 1)
 466                 };
 467
 468         protected:
 469                 int findCoverageIndex(double surfaceToCover, int defaultValue = 0);
 470
 471         public:
 472                 CvHistogram *fHistogram;
 473                 Histogram();
 474                 virtual ~Histogram();
 475
 476                 void findCurveThresholds(int &x1, int &x2, double percent = 0.05);
 477                 void mergeWith(Histogram *source, double weight);
 478         };
 479
 480         int nStartCounter, nFrameCount, nSkinHueLowerBound, nSkinHueUpperBound, nMorphingMethod, nSamplingDivider;
 481         double fHistogramMergeFactor, fHuePercentCovered;
 482         Histogram histogramHueMotion, skinHueHistogram;
 483         IplImage *imgHueFrame, *imgSaturationFrame, *imgLastGrayFrame, *imgMotionFrame, *imgFilteredFrame;
 484         IplImage *imgShrinked, *imgTemp, *imgGrayFrame, *imgHSVFrame;
 485
 486 protected:
 487         void initData(IplImage *src, int widthDivider, int heightDivider);
 488         void adaptiveFilter();
 489
 490 public:
 491
 492         enum {
 493                 MORPHING_METHOD_NONE = 0,
 494                 MORPHING_METHOD_ERODE = 1,
 495                 MORPHING_METHOD_ERODE_ERODE     = 2,
 496                 MORPHING_METHOD_ERODE_DILATE = 3
 497         };
 498
 499         CvAdaptiveSkinDetector(int samplingDivider = 1, int morphingMethod = MORPHING_METHOD_NONE);
 500         virtual ~CvAdaptiveSkinDetector();
 501
 502         virtual void process(IplImage *inputBGRImage, IplImage *outputHueMask);
 503 };
 504
 505
 506 /****************************************************************************************\
 507 *                                  Fuzzy MeanShift Tracker                               *
 508 \****************************************************************************************/
 509
 510 class CV_EXPORTS CvFuzzyPoint {
 511 public:
 512         double x, y, value;
 513
 514         CvFuzzyPoint(double _x, double _y);
 515 };
 516
 517 class CV_EXPORTS CvFuzzyCurve {
 518 private:
 519     std::vector<CvFuzzyPoint> points;
 520         double value, centre;
 521
 522         bool between(double x, double x1, double x2);
 523
 524 public:
 525         CvFuzzyCurve();
 526         ~CvFuzzyCurve();
 527
 528         void setCentre(double _centre);
 529         double getCentre();
 530         void clear();
 531         void addPoint(double x, double y);
 532         double calcValue(double param);
 533         double getValue();
 534         void setValue(double _value);
 535 };
 536
 537 class CV_EXPORTS CvFuzzyFunction {
 538 public:
 539     std::vector<CvFuzzyCurve> curves;
 540
 541         CvFuzzyFunction();
 542         ~CvFuzzyFunction();
 543         void addCurve(CvFuzzyCurve *curve, double value = 0);
 544         void resetValues();
 545         double calcValue();
 546         CvFuzzyCurve *newCurve();
 547 };
 548
 549 class CV_EXPORTS CvFuzzyRule {
 550 private:
 551         CvFuzzyCurve *fuzzyInput1, *fuzzyInput2;
 552         CvFuzzyCurve *fuzzyOutput;
 553 public:
 554         CvFuzzyRule();
 555         ~CvFuzzyRule();
 556         void setRule(CvFuzzyCurve *c1, CvFuzzyCurve *c2, CvFuzzyCurve *o1);
 557         double calcValue(double param1, double param2);
 558         CvFuzzyCurve *getOutputCurve();
 559 };
 560
 561 class CV_EXPORTS CvFuzzyController {
 562 private:
 563     std::vector<CvFuzzyRule*> rules;
 564 public:
 565         CvFuzzyController();
 566         ~CvFuzzyController();
 567         void addRule(CvFuzzyCurve *c1, CvFuzzyCurve *c2, CvFuzzyCurve *o1);
 568         double calcOutput(double param1, double param2);
 569 };
 570
 571 class CV_EXPORTS CvFuzzyMeanShiftTracker
 572 {
 573 private:
 574         class FuzzyResizer
 575         {
 576         private:
 577                 CvFuzzyFunction iInput, iOutput;
 578                 CvFuzzyController fuzzyController;
 579         public:
 580                 FuzzyResizer();
 581                 int calcOutput(double edgeDensity, double density);
 582         };
 583
 584         class SearchWindow
 585         {
 586         public:
 587                 FuzzyResizer *fuzzyResizer;
 588                 int x, y;
 589                 int width, height, maxWidth, maxHeight, ellipseHeight, ellipseWidth;
 590                 int ldx, ldy, ldw, ldh, numShifts, numIters;
 591                 int xGc, yGc;
 592                 long m00, m01, m10, m11, m02, m20;
 593                 double ellipseAngle;
 594                 double density;
 595                 unsigned int depthLow, depthHigh;
 596                 int verticalEdgeLeft, verticalEdgeRight, horizontalEdgeTop, horizontalEdgeBottom;
 597
 598                 SearchWindow();
 599                 ~SearchWindow();
 600                 void setSize(int _x, int _y, int _width, int _height);
 601                 void initDepthValues(IplImage *maskImage, IplImage *depthMap);
 602                 bool shift();
 603                 void extractInfo(IplImage *maskImage, IplImage *depthMap, bool initDepth);
 604                 void getResizeAttribsEdgeDensityLinear(int &resizeDx, int &resizeDy, int &resizeDw, int &resizeDh);
 605                 void getResizeAttribsInnerDensity(int &resizeDx, int &resizeDy, int &resizeDw, int &resizeDh);
 606                 void getResizeAttribsEdgeDensityFuzzy(int &resizeDx, int &resizeDy, int &resizeDw, int &resizeDh);
 607                 bool meanShift(IplImage *maskImage, IplImage *depthMap, int maxIteration, bool initDepth);
 608         };
 609
 610 public:
 611         enum TrackingState
 612         {
 613                 tsNone                  = 0,
 614                 tsSearching     = 1,
 615                 tsTracking              = 2,
 616                 tsSetWindow     = 3,
 617                 tsDisabled              = 10
 618         };
 619
 620         enum ResizeMethod {
 621                 rmEdgeDensityLinear             = 0,
 622                 rmEdgeDensityFuzzy              = 1,
 623                 rmInnerDensity                  = 2
 624         };
 625
 626         enum {
 627                 MinKernelMass                   = 1000
 628         };
 629
 630         SearchWindow kernel;
 631         int searchMode;
 632
 633 private:
 634         enum
 635         {
 636                 MaxMeanShiftIteration   = 5,
 637                 MaxSetSizeIteration     = 5
 638         };
 639
 640         void findOptimumSearchWindow(SearchWindow &searchWindow, IplImage *maskImage, IplImage *depthMap, int maxIteration, int resizeMethod, bool initDepth);
 641
 642 public:
 643         CvFuzzyMeanShiftTracker();
 644         ~CvFuzzyMeanShiftTracker();
 645
 646         void track(IplImage *maskImage, IplImage *depthMap, int resizeMethod, bool resetSearch, int minKernelMass = MinKernelMass);
 647 };
 648
 649
 650 namespace cv
 651 {
 652
 653 class CV_EXPORTS Octree
 654 {
 655 public:
 656     struct Node
 657     {
 658         Node() {}
 659         int begin, end;
 660         float x_min, x_max, y_min, y_max, z_min, z_max;
 661         int maxLevels;
 662         bool isLeaf;
 663         int children[8];
 664     };
 665
 666     Octree();
 667     Octree( const vector<Point3f>& points, int maxLevels = 10, int minPoints = 20 );
 668     virtual ~Octree();
 669
 670     virtual void buildTree( const vector<Point3f>& points, int maxLevels = 10, int minPoints = 20 );
 671     virtual void getPointsWithinSphere( const Point3f& center, float radius,
 672                                         vector<Point3f>& points ) const;
 673     const vector<Node>& getNodes() const { return nodes; }
 674 private:
 675     int minPoints;
 676     vector<Point3f> points;
 677     vector<Node> nodes;
 678
 679         virtual void buildNext(size_t node_ind);
 680 };
 681
 682
 683 class CV_EXPORTS Mesh3D
 684 {
 685 public:
 686     struct EmptyMeshException {};
 687
 688     Mesh3D();
 689     Mesh3D(const vector<Point3f>& vtx);
 690     ~Mesh3D();
 691
 692     void buildOctree();
 693     void clearOctree();
 694     float estimateResolution(float tryRatio = 0.1f);
 695     void computeNormals(float normalRadius, int minNeighbors = 20);
 696     void computeNormals(const vector<int>& subset, float normalRadius, int minNeighbors = 20);
 697
 698     void writeAsVrml(const String& file, const vector<Scalar>& colors = vector<Scalar>()) const;
 699
 700     vector<Point3f> vtx;
 701     vector<Point3f> normals;
 702     float resolution;
 703     Octree octree;
 704
 705     const static Point3f allzero;
 706 };
 707
 708 class CV_EXPORTS SpinImageModel
 709 {
 710 public:
 711
 712     /* model parameters, leave unset for default or auto estimate */
 713     float normalRadius;
 714     int minNeighbors;
 715
 716     float binSize;
 717     int imageWidth;
 718
 719     float lambda;
 720     float gamma;
 721
 722     float T_GeometriccConsistency;
 723     float T_GroupingCorespondances;
 724
 725     /* public interface */
 726     SpinImageModel();
 727     explicit SpinImageModel(const Mesh3D& mesh);
 728     ~SpinImageModel();
 729
 730     void setLogger(std::ostream* log);
 731     void selectRandomSubset(float ratio);
 732     void setSubset(const vector<int>& subset);
 733     void compute();
 734
 735     void match(const SpinImageModel& scene, vector< vector<Vec2i> >& result);
 736
 737     Mat packRandomScaledSpins(bool separateScale = false, size_t xCount = 10, size_t yCount = 10) const;
 738
 739     size_t getSpinCount() const { return spinImages.rows; }
 740     Mat getSpinImage(size_t index) const { return spinImages.row(index); }
 741     const Point3f& getSpinVertex(size_t index) const { return mesh.vtx[subset[index]]; }
 742     const Point3f& getSpinNormal(size_t index) const { return mesh.normals[subset[index]]; }
 743
 744     const Mesh3D& getMesh() const { return mesh; }
 745     Mesh3D& getMesh() { return mesh; }
 746
 747     /* static utility functions */
 748     static bool spinCorrelation(const Mat& spin1, const Mat& spin2, float lambda, float& result);
 749
 750     static Point2f calcSpinMapCoo(const Point3f& point, const Point3f& vertex, const Point3f& normal);
 751
 752     static float geometricConsistency(const Point3f& pointScene1, const Point3f& normalScene1,
 753                                       const Point3f& pointModel1, const Point3f& normalModel1,
 754                                       const Point3f& pointScene2, const Point3f& normalScene2,
 755                                       const Point3f& pointModel2, const Point3f& normalModel2);
 756
 757     static float groupingCreteria(const Point3f& pointScene1, const Point3f& normalScene1,
 758                                   const Point3f& pointModel1, const Point3f& normalModel1,
 759                                   const Point3f& pointScene2, const Point3f& normalScene2,
 760                                   const Point3f& pointModel2, const Point3f& normalModel2,
 761                                   float gamma);
 762 protected:
 763     void defaultParams();
 764
 765     void matchSpinToModel(const Mat& spin, vector<int>& indeces,
 766         vector<float>& corrCoeffs, bool useExtremeOutliers = true) const;
 767
 768     void repackSpinImages(const vector<uchar>& mask, Mat& spinImages, bool reAlloc = true) const;
 769
 770     vector<int> subset;
 771     Mesh3D mesh;
 772     Mat spinImages;
 773     std::ostream* out;
 774 };
 775
 776 class CV_EXPORTS TickMeter
 777 {
 778 public:
 779     TickMeter();
 780     void start();
 781     void stop();
 782
 783     int64 getTimeTicks() const;
 784     double getTimeMicro() const;
 785     double getTimeMilli() const;
 786     double getTimeSec()   const;
 787     int64 getCounter() const;
 788
 789     void reset();
 790 private:
 791     int64 counter;
 792     int64 sumTime;
 793     int64 startTime;
 794 };
 795
 796 CV_EXPORTS std::ostream& operator<<(std::ostream& out, const TickMeter& tm);
 797
 798 /****************************************************************************************\
 799 *            HOG (Histogram-of-Oriented-Gradients) Descriptor and Object Detector        *
 800 \****************************************************************************************/
 801
 802 struct CV_EXPORTS HOGDescriptor
 803 {
 804 public:
 805     enum { L2Hys=0 };
 806
 807     HOGDescriptor() : winSize(64,128), blockSize(16,16), blockStride(8,8),
 808         cellSize(8,8), nbins(9), derivAperture(1), winSigma(-1),
 809         histogramNormType(L2Hys), L2HysThreshold(0.2), gammaCorrection(true)
 810     {}
 811
 812     HOGDescriptor(Size _winSize, Size _blockSize, Size _blockStride,
 813         Size _cellSize, int _nbins, int _derivAperture=1, double _winSigma=-1,
 814         int _histogramNormType=L2Hys, double _L2HysThreshold=0.2, bool _gammaCorrection=false)
 815         : winSize(_winSize), blockSize(_blockSize), blockStride(_blockStride), cellSize(_cellSize),
 816         nbins(_nbins), derivAperture(_derivAperture), winSigma(_winSigma),
 817         histogramNormType(_histogramNormType), L2HysThreshold(_L2HysThreshold),
 818         gammaCorrection(_gammaCorrection)
 819     {}
 820
 821     HOGDescriptor(const String& filename)
 822     {
 823         load(filename);
 824     }
 825
 826     virtual ~HOGDescriptor() {}
 827
 828     size_t getDescriptorSize() const;
 829     bool checkDetectorSize() const;
 830     double getWinSigma() const;
 831
 832     virtual void setSVMDetector(const vector<float>& _svmdetector);
 833
 834     virtual bool load(const String& filename, const String& objname=String());
 835     virtual void save(const String& filename, const String& objname=String()) const;
 836
 837     virtual void compute(const Mat& img,
 838                          vector<float>& descriptors,
 839                          Size winStride=Size(), Size padding=Size(),
 840                          const vector<Point>& locations=vector<Point>()) const;
 841     virtual void detect(const Mat& img, vector<Point>& foundLocations,
 842                         double hitThreshold=0, Size winStride=Size(),
 843                         Size padding=Size(),
 844                         const vector<Point>& searchLocations=vector<Point>()) const;
 845     virtual void detectMultiScale(const Mat& img, vector<Rect>& foundLocations,
 846                                   double hitThreshold=0, Size winStride=Size(),
 847                                   Size padding=Size(), double scale=1.05,
 848                                   int groupThreshold=2) const;
 849     virtual void computeGradient(const Mat& img, Mat& grad, Mat& angleOfs,
 850                                  Size paddingTL=Size(), Size paddingBR=Size()) const;
 851
 852     static vector<float> getDefaultPeopleDetector();
 853
 854     Size winSize;
 855     Size blockSize;
 856     Size blockStride;
 857     Size cellSize;
 858     int nbins;
 859     int derivAperture;
 860     double winSigma;
 861     int histogramNormType;
 862     double L2HysThreshold;
 863     bool gammaCorrection;
 864     vector<float> svmDetector;
 865 };
 866
 867
 868 class CV_EXPORTS SelfSimDescriptor
 869 {
 870 public:
 871     SelfSimDescriptor();
 872     SelfSimDescriptor(int _ssize, int _lsize,
 873         int _startDistanceBucket=DEFAULT_START_DISTANCE_BUCKET,
 874         int _numberOfDistanceBuckets=DEFAULT_NUM_DISTANCE_BUCKETS,
 875         int _nangles=DEFAULT_NUM_ANGLES);
 876         SelfSimDescriptor(const SelfSimDescriptor& ss);
 877         virtual ~SelfSimDescriptor();
 878     SelfSimDescriptor& operator = (const SelfSimDescriptor& ss);
 879
 880     size_t getDescriptorSize() const;
 881     Size getGridSize( Size imgsize, Size winStride ) const;
 882
 883     virtual void compute(const Mat& img, vector<float>& descriptors, Size winStride=Size(),
 884                          const vector<Point>& locations=vector<Point>()) const;
 885     virtual void computeLogPolarMapping(Mat& mappingMask) const;
 886     virtual void SSD(const Mat& img, Point pt, Mat& ssd) const;
 887
 888         int smallSize;
 889         int largeSize;
 890     int startDistanceBucket;
 891     int numberOfDistanceBuckets;
 892     int numberOfAngles;
 893
 894     enum { DEFAULT_SMALL_SIZE = 5, DEFAULT_LARGE_SIZE = 41,
 895         DEFAULT_NUM_ANGLES = 20, DEFAULT_START_DISTANCE_BUCKET = 3,
 896         DEFAULT_NUM_DISTANCE_BUCKETS = 7 };
 897 };
 898
 899
 900 class CV_EXPORTS PatchGenerator
 901 {
 902 public:
 903     PatchGenerator();
 904     PatchGenerator(double _backgroundMin, double _backgroundMax,
 905                    double _noiseRange, bool _randomBlur=true,
 906                    double _lambdaMin=0.6, double _lambdaMax=1.5,
 907                    double _thetaMin=-CV_PI, double _thetaMax=CV_PI,
 908                    double _phiMin=-CV_PI, double _phiMax=CV_PI );
 909     void operator()(const Mat& image, Point2f pt, Mat& patch, Size patchSize, RNG& rng) const;
 910     void operator()(const Mat& image, const Mat& transform, Mat& patch,
 911                     Size patchSize, RNG& rng) const;
 912     void warpWholeImage(const Mat& image, Mat& _T, Mat& buf,
 913                         Mat& warped, int border, RNG& rng) const;
 914     void generateRandomTransform(Point2f srcCenter, Point2f dstCenter,
 915                                  Mat& transform, RNG& rng, bool inverse=false) const;
 916     double backgroundMin, backgroundMax;
 917     double noiseRange;
 918     bool randomBlur;
 919     double lambdaMin, lambdaMax;
 920     double thetaMin, thetaMax;
 921     double phiMin, phiMax;
 922 };
 923
 924
 925 class CV_EXPORTS LDetector
 926 {
 927 public:
 928     LDetector();
 929     LDetector(int _radius, int _threshold, int _nOctaves,
 930               int _nViews, double _baseFeatureSize, double _clusteringDistance);
 931     void operator()(const Mat& image, vector<KeyPoint>& keypoints, int maxCount=0, bool scaleCoords=true) const;
 932     void operator()(const vector<Mat>& pyr, vector<KeyPoint>& keypoints, int maxCount=0, bool scaleCoords=true) const;
 933     void getMostStable2D(const Mat& image, vector<KeyPoint>& keypoints,
 934                          int maxCount, const PatchGenerator& patchGenerator) const;
 935     void setVerbose(bool verbose);
 936
 937     void read(const FileNode& node);
 938     void write(FileStorage& fs, const String& name=String()) const;
 939
 940     int radius;
 941     int threshold;
 942     int nOctaves;
 943     int nViews;
 944     bool verbose;
 945
 946     double baseFeatureSize;
 947     double clusteringDistance;
 948 };
 949
 950 typedef LDetector YAPE;
 951
 952 class CV_EXPORTS FernClassifier
 953 {
 954 public:
 955     FernClassifier();
 956     FernClassifier(const FileNode& node);
 957     FernClassifier(const vector<Point2f>& points,
 958                    const vector<Ptr<Mat> >& refimgs,
 959                    const vector<int>& labels=vector<int>(),
 960                    int _nclasses=0, int _patchSize=PATCH_SIZE,
 961                    int _signatureSize=DEFAULT_SIGNATURE_SIZE,
 962                    int _nstructs=DEFAULT_STRUCTS,
 963                    int _structSize=DEFAULT_STRUCT_SIZE,
 964                    int _nviews=DEFAULT_VIEWS,
 965                    int _compressionMethod=COMPRESSION_NONE,
 966                    const PatchGenerator& patchGenerator=PatchGenerator());
 967     virtual ~FernClassifier();
 968     virtual void read(const FileNode& n);
 969     virtual void write(FileStorage& fs, const String& name=String()) const;
 970     virtual void trainFromSingleView(const Mat& image,
 971                                      const vector<KeyPoint>& keypoints,
 972                                      int _patchSize=PATCH_SIZE,
 973                                      int _signatureSize=DEFAULT_SIGNATURE_SIZE,
 974                                      int _nstructs=DEFAULT_STRUCTS,
 975                                      int _structSize=DEFAULT_STRUCT_SIZE,
 976                                      int _nviews=DEFAULT_VIEWS,
 977                                      int _compressionMethod=COMPRESSION_NONE,
 978                                      const PatchGenerator& patchGenerator=PatchGenerator());
 979     virtual void train(const vector<Point2f>& points,
 980                        const vector<Ptr<Mat> >& refimgs,
 981                        const vector<int>& labels=vector<int>(),
 982                        int _nclasses=0, int _patchSize=PATCH_SIZE,
 983                        int _signatureSize=DEFAULT_SIGNATURE_SIZE,
 984                        int _nstructs=DEFAULT_STRUCTS,
 985                        int _structSize=DEFAULT_STRUCT_SIZE,
 986                        int _nviews=DEFAULT_VIEWS,
 987                        int _compressionMethod=COMPRESSION_NONE,
 988                        const PatchGenerator& patchGenerator=PatchGenerator());
 989     virtual int operator()(const Mat& img, Point2f kpt, vector<float>& signature) const;
 990     virtual int operator()(const Mat& patch, vector<float>& signature) const;
 991     virtual void clear();
 992     void setVerbose(bool verbose);
 993
 994     int getClassCount() const;
 995     int getStructCount() const;
 996     int getStructSize() const;
 997     int getSignatureSize() const;
 998     int getCompressionMethod() const;
 999     Size getPatchSize() const;
1000
1001     struct Feature
1002     {
1003         uchar x1, y1, x2, y2;
1004         Feature() : x1(0), y1(0), x2(0), y2(0) {}
1005         Feature(int _x1, int _y1, int _x2, int _y2)
1006         : x1((uchar)_x1), y1((uchar)_y1), x2((uchar)_x2), y2((uchar)_y2)
1007         {}
1008         template<typename _Tp> bool operator ()(const Mat_<_Tp>& patch) const
1009         { return patch(y1,x1) > patch(y2, x2); }
1010     };
1011
1012     enum
1013     {
1014         PATCH_SIZE = 31,
1015         DEFAULT_STRUCTS = 50,
1016         DEFAULT_STRUCT_SIZE = 9,
1017         DEFAULT_VIEWS = 5000,
1018         DEFAULT_SIGNATURE_SIZE = 176,
1019         COMPRESSION_NONE = 0,
1020         COMPRESSION_RANDOM_PROJ = 1,
1021         COMPRESSION_PCA = 2,
1022         DEFAULT_COMPRESSION_METHOD = COMPRESSION_NONE
1023     };
1024
1025 protected:
1026     virtual void prepare(int _nclasses, int _patchSize, int _signatureSize,
1027                          int _nstructs, int _structSize,
1028                          int _nviews, int _compressionMethod);
1029     virtual void finalize(RNG& rng);
1030     virtual int getLeaf(int fidx, const Mat& patch) const;
1031
1032     bool verbose;
1033     int nstructs;
1034     int structSize;
1035     int nclasses;
1036     int signatureSize;
1037     int compressionMethod;
1038     int leavesPerStruct;
1039     Size patchSize;
1040     vector<Feature> features;
1041     vector<int> classCounters;
1042     vector<float> posteriors;
1043 };
1044
1045 class CV_EXPORTS PlanarObjectDetector
1046 {
1047 public:
1048     PlanarObjectDetector();
1049     PlanarObjectDetector(const FileNode& node);
1050     PlanarObjectDetector(const vector<Mat>& pyr, int _npoints=300,
1051                          int _patchSize=FernClassifier::PATCH_SIZE,
1052                          int _nstructs=FernClassifier::DEFAULT_STRUCTS,
1053                          int _structSize=FernClassifier::DEFAULT_STRUCT_SIZE,
1054                          int _nviews=FernClassifier::DEFAULT_VIEWS,
1055                          const LDetector& detector=LDetector(),
1056                          const PatchGenerator& patchGenerator=PatchGenerator());
1057     virtual ~PlanarObjectDetector();
1058     virtual void train(const vector<Mat>& pyr, int _npoints=300,
1059                        int _patchSize=FernClassifier::PATCH_SIZE,
1060                        int _nstructs=FernClassifier::DEFAULT_STRUCTS,
1061                        int _structSize=FernClassifier::DEFAULT_STRUCT_SIZE,
1062                        int _nviews=FernClassifier::DEFAULT_VIEWS,
1063                        const LDetector& detector=LDetector(),
1064                        const PatchGenerator& patchGenerator=PatchGenerator());
1065     virtual void train(const vector<Mat>& pyr, const vector<KeyPoint>& keypoints,
1066                        int _patchSize=FernClassifier::PATCH_SIZE,
1067                        int _nstructs=FernClassifier::DEFAULT_STRUCTS,
1068                        int _structSize=FernClassifier::DEFAULT_STRUCT_SIZE,
1069                        int _nviews=FernClassifier::DEFAULT_VIEWS,
1070                        const LDetector& detector=LDetector(),
1071                        const PatchGenerator& patchGenerator=PatchGenerator());
1072     Rect getModelROI() const;
1073     vector<KeyPoint> getModelPoints() const;
1074     const LDetector& getDetector() const;
1075     const FernClassifier& getClassifier() const;
1076     void setVerbose(bool verbose);
1077
1078     void read(const FileNode& node);
1079     void write(FileStorage& fs, const String& name=String()) const;
1080     bool operator()(const Mat& image, Mat& H, vector<Point2f>& corners) const;
1081     bool operator()(const vector<Mat>& pyr, const vector<KeyPoint>& keypoints,
1082                     Mat& H, vector<Point2f>& corners, vector<int>* pairs=0) const;
1083
1084 protected:
1085     bool verbose;
1086     Rect modelROI;
1087     vector<KeyPoint> modelPoints;
1088     LDetector ldetector;
1089     FernClassifier fernClassifier;
1090 };
1091
1092
1093 ////////////////////////////////////////////////////////////////////////////////////////////////////
1094 //                                        One-Way Descriptor                                      //
1095 ////////////////////////////////////////////////////////////////////////////////////////////////////
1096
1097 class AffinePose;
1098
1099 // OneWayDescriptor: incapsulates a descriptor for a single point
1100 class CV_EXPORTS OneWayDescriptor
1101 {
1102 public:
1103     OneWayDescriptor();
1104     ~OneWayDescriptor();
1105
1106     // allocates memory for given descriptor parameters
1107     void Allocate(int pose_count, Size size, int nChannels);
1108
1109     // GenerateSamples: generates affine transformed patches with averaging them over small transformation variations.
1110     // If external poses and transforms were specified, uses them instead of generating random ones
1111     // - pose_count: the number of poses to be generated
1112     // - frontal: the input patch (can be a roi in a larger image)
1113     // - norm: if nonzero, normalizes the output patch so that the sum of pixel intensities is 1
1114     void GenerateSamples(int pose_count, IplImage* frontal, int norm = 0);
1115
1116     // GenerateSamplesFast: generates affine transformed patches with averaging them over small transformation variations.
1117     // Uses precalculated transformed pca components.
1118     // - frontal: the input patch (can be a roi in a larger image)
1119     // - pca_hr_avg: pca average vector
1120     // - pca_hr_eigenvectors: pca eigenvectors
1121     // - pca_descriptors: an array of precomputed descriptors of pca components containing their affine transformations
1122     //   pca_descriptors[0] corresponds to the average, pca_descriptors[1]-pca_descriptors[pca_dim] correspond to eigenvectors
1123     void GenerateSamplesFast(IplImage* frontal, CvMat* pca_hr_avg,
1124                              CvMat* pca_hr_eigenvectors, OneWayDescriptor* pca_descriptors);
1125
1126     // sets the poses and corresponding transforms
1127     void SetTransforms(AffinePose* poses, CvMat** transforms);
1128
1129     // Initialize: builds a descriptor.
1130     // - pose_count: the number of poses to build. If poses were set externally, uses them rather than generating random ones
1131     // - frontal: input patch. Can be a roi in a larger image
1132     // - feature_name: the feature name to be associated with the descriptor
1133     // - norm: if 1, the affine transformed patches are normalized so that their sum is 1
1134     void Initialize(int pose_count, IplImage* frontal, const char* feature_name = 0, int norm = 0);
1135
1136     // InitializeFast: builds a descriptor using precomputed descriptors of pca components
1137     // - pose_count: the number of poses to build
1138     // - frontal: input patch. Can be a roi in a larger image
1139     // - feature_name: the feature name to be associated with the descriptor
1140     // - pca_hr_avg: average vector for PCA
1141     // - pca_hr_eigenvectors: PCA eigenvectors (one vector per row)
1142     // - pca_descriptors: precomputed descriptors of PCA components, the first descriptor for the average vector
1143     // followed by the descriptors for eigenvectors
1144     void InitializeFast(int pose_count, IplImage* frontal, const char* feature_name,
1145                         CvMat* pca_hr_avg, CvMat* pca_hr_eigenvectors, OneWayDescriptor* pca_descriptors);
1146
1147     // ProjectPCASample: unwarps an image patch into a vector and projects it into PCA space
1148     // - patch: input image patch
1149     // - avg: PCA average vector
1150     // - eigenvectors: PCA eigenvectors, one per row
1151     // - pca_coeffs: output PCA coefficients
1152     void ProjectPCASample(IplImage* patch, CvMat* avg, CvMat* eigenvectors, CvMat* pca_coeffs) const;
1153
1154     // InitializePCACoeffs: projects all warped patches into PCA space
1155     // - avg: PCA average vector
1156     // - eigenvectors: PCA eigenvectors, one per row
1157     void InitializePCACoeffs(CvMat* avg, CvMat* eigenvectors);
1158
1159     // EstimatePose: finds the closest match between an input patch and a set of patches with different poses
1160     // - patch: input image patch
1161     // - pose_idx: the output index of the closest pose
1162     // - distance: the distance to the closest pose (L2 distance)
1163     void EstimatePose(IplImage* patch, int& pose_idx, float& distance) const;
1164
1165     // EstimatePosePCA: finds the closest match between an input patch and a set of patches with different poses.
1166     // The distance between patches is computed in PCA space
1167     // - patch: input image patch
1168     // - pose_idx: the output index of the closest pose
1169     // - distance: distance to the closest pose (L2 distance in PCA space)
1170     // - avg: PCA average vector. If 0, matching without PCA is used
1171     // - eigenvectors: PCA eigenvectors, one per row
1172     void EstimatePosePCA(IplImage* patch, int& pose_idx, float& distance, CvMat* avg, CvMat* eigenvalues) const;
1173
1174     // GetPatchSize: returns the size of each image patch after warping (2 times smaller than the input patch)
1175     Size GetPatchSize() const
1176     {
1177         return m_patch_size;
1178     }
1179
1180     // GetInputPatchSize: returns the required size of the patch that the descriptor is built from
1181     // (2 time larger than the patch after warping)
1182     Size GetInputPatchSize() const
1183     {
1184         return cvSize(m_patch_size.width*2, m_patch_size.height*2);
1185     }
1186
1187     // GetPatch: returns a patch corresponding to specified pose index
1188     // - index: pose index
1189     // - return value: the patch corresponding to specified pose index
1190     IplImage* GetPatch(int index);
1191
1192     // GetPose: returns a pose corresponding to specified pose index
1193     // - index: pose index
1194     // - return value: the pose corresponding to specified pose index
1195     AffinePose GetPose(int index) const;
1196
1197     // Save: saves all patches with different poses to a specified path
1198     void Save(const char* path);
1199
1200     // ReadByName: reads a descriptor from a file storage
1201     // - fs: file storage
1202     // - parent: parent node
1203     // - name: node name
1204     // - return value: 1 if succeeded, 0 otherwise
1205     int ReadByName(CvFileStorage* fs, CvFileNode* parent, const char* name);
1206
1207     // Write: writes a descriptor into a file storage
1208     // - fs: file storage
1209     // - name: node name
1210     void Write(CvFileStorage* fs, const char* name);
1211
1212     // GetFeatureName: returns a name corresponding to a feature
1213     const char* GetFeatureName() const;
1214
1215     // GetCenter: returns the center of the feature
1216     Point GetCenter() const;
1217
1218     void SetPCADimHigh(int pca_dim_high) {m_pca_dim_high = pca_dim_high;};
1219     void SetPCADimLow(int pca_dim_low) {m_pca_dim_low = pca_dim_low;};
1220
1221 protected:
1222     int m_pose_count; // the number of poses
1223     Size m_patch_size; // size of each image
1224     IplImage** m_samples; // an array of length m_pose_count containing the patch in different poses
1225     CvMat** m_pca_coeffs; // an array of length m_pose_count containing pca decomposition of the patch in different poses
1226     AffinePose* m_affine_poses; // an array of poses
1227     CvMat** m_transforms; // an array of affine transforms corresponding to poses
1228
1229     String m_feature_name; // the name of the feature associated with the descriptor
1230     Point m_center; // the coordinates of the feature (the center of the input image ROI)
1231
1232     int m_pca_dim_high; // the number of descriptor pca components to use for generating affine poses
1233     int m_pca_dim_low; // the number of pca components to use for comparison
1234 };
1235
1236 CV_EXPORTS void findOneWayDescriptor(int desc_count, const OneWayDescriptor* descriptors,
1237                                      IplImage* patch, int& desc_idx, int& pose_idx, float& distance,
1238                                      CvMat* avg = 0, CvMat* eigenvalues = 0);
1239
1240 CV_EXPORTS void findOneWayDescriptor(int desc_count, const OneWayDescriptor* descriptors, IplImage* patch,
1241                                      float scale_min, float scale_max, float scale_step,
1242                                      int& desc_idx, int& pose_idx, float& distance, float& scale,
1243                                      CvMat* avg, CvMat* eigenvectors);
1244
1245
1246 // OneWayDescriptorBase: encapsulates functionality for training/loading a set of one way descriptors
1247 // and finding the nearest closest descriptor to an input feature
1248 class CV_EXPORTS OneWayDescriptorBase
1249 {
1250 public:
1251
1252     // creates an instance of OneWayDescriptor from a set of training files
1253     // - patch_size: size of the input (large) patch
1254     // - pose_count: the number of poses to generate for each descriptor
1255     // - train_path: path to training files
1256     // - pca_config: the name of the file that contains PCA for small patches (2 times smaller
1257     // than patch_size each dimension
1258     // - pca_hr_config: the name of the file that contains PCA for large patches (of patch_size size)
1259     // - pca_desc_config: the name of the file that contains descriptors of PCA components
1260     OneWayDescriptorBase(Size patch_size, int pose_count, const char* train_path = 0, const char* pca_config = 0,
1261                          const char* pca_hr_config = 0, const char* pca_desc_config = 0, int pyr_levels = 2,
1262                          int pca_dim_high = 100, int pca_dim_low = 100);
1263
1264     ~OneWayDescriptorBase();
1265
1266     // Allocate: allocates memory for a given number of descriptors
1267     void Allocate(int train_feature_count);
1268
1269     // AllocatePCADescriptors: allocates memory for pca descriptors
1270     void AllocatePCADescriptors();
1271
1272     // returns patch size
1273     Size GetPatchSize() const {return m_patch_size;};
1274     // returns the number of poses for each descriptor
1275     int GetPoseCount() const {return m_pose_count;};
1276
1277     // returns the number of pyramid levels
1278     int GetPyrLevels() const {return m_pyr_levels;};
1279
1280     // CreateDescriptorsFromImage: creates descriptors for each of the input features
1281     // - src: input image
1282     // - features: input features
1283     // - pyr_levels: the number of pyramid levels
1284     void CreateDescriptorsFromImage(IplImage* src, const vector<KeyPoint>& features);
1285
1286     // CreatePCADescriptors: generates descriptors for PCA components, needed for fast generation of feature descriptors
1287     void CreatePCADescriptors();
1288
1289     // returns a feature descriptor by feature index
1290     const OneWayDescriptor* GetDescriptor(int desc_idx) const;
1291
1292     // FindDescriptor: finds the closest descriptor
1293     // - patch: input image patch
1294     // - desc_idx: output index of the closest descriptor to the input patch
1295     // - pose_idx: output index of the closest pose of the closest descriptor to the input patch
1296     // - distance: distance from the input patch to the closest feature pose
1297     void FindDescriptor(IplImage* patch, int& desc_idx, int& pose_idx, float& distance) const;
1298
1299     // FindDescriptor: finds the closest descriptor
1300     // - src: input image
1301     // - pt: center of the feature
1302     // - desc_idx: output index of the closest descriptor to the input patch
1303     // - pose_idx: output index of the closest pose of the closest descriptor to the input patch
1304     // - distance: distance from the input patch to the closest feature pose
1305     void FindDescriptor(IplImage* src, Point2f pt, int& desc_idx, int& pose_idx, float& distance) const;
1306
1307     // InitializePoses: generates random poses
1308     void InitializePoses();
1309
1310     // InitializeTransformsFromPoses: generates 2x3 affine matrices from poses (initializes m_transforms)
1311     void InitializeTransformsFromPoses();
1312
1313     // InitializePoseTransforms: subsequently calls InitializePoses and InitializeTransformsFromPoses
1314     void InitializePoseTransforms();
1315
1316     // InitializeDescriptor: initializes a descriptor
1317     // - desc_idx: descriptor index
1318     // - train_image: image patch (ROI is supported)
1319     // - feature_label: feature textual label
1320     void InitializeDescriptor(int desc_idx, IplImage* train_image, const char* feature_label);
1321
1322     // InitializeDescriptors: load features from an image and create descriptors for each of them
1323     void InitializeDescriptors(IplImage* train_image, const vector<KeyPoint>& features,
1324                                const char* feature_label = "", int desc_start_idx = 0);
1325
1326     // LoadPCADescriptors: loads PCA descriptors from a file
1327     // - filename: input filename
1328     int LoadPCADescriptors(const char* filename);
1329
1330     // SavePCADescriptors: saves PCA descriptors to a file
1331     // - filename: output filename
1332     void SavePCADescriptors(const char* filename);
1333
1334     // SetPCAHigh: sets the high resolution pca matrices (copied to internal structures)
1335     void SetPCAHigh(CvMat* avg, CvMat* eigenvectors);
1336
1337     // SetPCALow: sets the low resolution pca matrices (copied to internal structures)
1338     void SetPCALow(CvMat* avg, CvMat* eigenvectors);
1339
1340
1341 protected:
1342     Size m_patch_size; // patch size
1343     int m_pose_count; // the number of poses for each descriptor
1344     int m_train_feature_count; // the number of the training features
1345     OneWayDescriptor* m_descriptors; // array of train feature descriptors
1346     CvMat* m_pca_avg; // PCA average vector for small patches
1347     CvMat* m_pca_eigenvectors; // PCA eigenvectors for small patches
1348     CvMat* m_pca_hr_avg; // PCA average vector for large patches
1349     CvMat* m_pca_hr_eigenvectors; // PCA eigenvectors for large patches
1350     OneWayDescriptor* m_pca_descriptors; // an array of PCA descriptors
1351
1352     AffinePose* m_poses; // array of poses
1353     CvMat** m_transforms; // array of affine transformations corresponding to poses
1354
1355     int m_pca_dim_high;
1356     int m_pca_dim_low;
1357
1358     int m_pyr_levels;
1359 };
1360
1361 class CV_EXPORTS OneWayDescriptorObject : public OneWayDescriptorBase
1362 {
1363 public:
1364     // creates an instance of OneWayDescriptorObject from a set of training files
1365     // - patch_size: size of the input (large) patch
1366     // - pose_count: the number of poses to generate for each descriptor
1367     // - train_path: path to training files
1368     // - pca_config: the name of the file that contains PCA for small patches (2 times smaller
1369     // than patch_size each dimension
1370     // - pca_hr_config: the name of the file that contains PCA for large patches (of patch_size size)
1371     // - pca_desc_config: the name of the file that contains descriptors of PCA components
1372     OneWayDescriptorObject(Size patch_size, int pose_count, const char* train_path, const char* pca_config,
1373                            const char* pca_hr_config = 0, const char* pca_desc_config = 0, int pyr_levels = 2);
1374
1375     ~OneWayDescriptorObject();
1376
1377     // Allocate: allocates memory for a given number of features
1378     // - train_feature_count: the total number of features
1379     // - object_feature_count: the number of features extracted from the object
1380     void Allocate(int train_feature_count, int object_feature_count);
1381
1382
1383     void SetLabeledFeatures(const vector<KeyPoint>& features) {m_train_features = features;};
1384     vector<KeyPoint>& GetLabeledFeatures() {return m_train_features;};
1385     const vector<KeyPoint>& GetLabeledFeatures() const {return m_train_features;};
1386
1387     // IsDescriptorObject: returns 1 if descriptor with specified index is positive, otherwise 0
1388     int IsDescriptorObject(int desc_idx) const;
1389
1390     // MatchPointToPart: returns the part number of a feature if it matches one of the object parts, otherwise -1
1391     int MatchPointToPart(Point pt) const;
1392
1393     // GetDescriptorPart: returns the part number of the feature corresponding to a specified descriptor
1394     // - desc_idx: descriptor index
1395     int GetDescriptorPart(int desc_idx) const;
1396
1397     // GetTrainFeatures: returns a set of training features
1398     const vector<KeyPoint>& GetTrainFeatures() const {return m_train_features;};
1399     vector<KeyPoint> _GetTrainFeatures() const;
1400
1401     void InitializeObjectDescriptors(IplImage* train_image, const vector<KeyPoint>& features,
1402                                      const char* feature_label, int desc_start_idx = 0, float scale = 1.0f);
1403
1404 protected:
1405     int* m_part_id; // contains part id for each of object descriptors
1406     vector<KeyPoint> m_train_features; // train features
1407     int m_object_feature_count; // the number of the positive features
1408 };
1409
1410
1411 // detect corners using FAST algorithm
1412 CV_EXPORTS void FAST( const Mat& image, vector<KeyPoint>& keypoints, int threshold, bool nonmax_supression=true );
1413
1414
1415 class CV_EXPORTS LevMarqSparse
1416 {
1417 public:
1418     LevMarqSparse();
1419     LevMarqSparse(int npoints, // number of points
1420             int ncameras, // number of cameras
1421             int nPointParams, // number of params per one point  (3 in case of 3D points)
1422             int nCameraParams, // number of parameters per one camera
1423             int nErrParams, // number of parameters in measurement vector
1424                             // for 1 point at one camera (2 in case of 2D projections)
1425             Mat& visibility, // visibility matrix. rows correspond to points, columns correspond to cameras
1426                              // 1 - point is visible for the camera, 0 - invisible
1427             Mat& P0, // starting vector of parameters, first cameras then points
1428             Mat& X, // measurements, in order of visibility. non visible cases are skipped
1429             TermCriteria criteria, // termination criteria
1430
1431             // callback for estimation of Jacobian matrices
1432             void (CV_CDECL * fjac)(int i, int j, Mat& point_params,
1433                                    Mat& cam_params, Mat& A, Mat& B, void* data),
1434             // callback for estimation of backprojection errors
1435             void (CV_CDECL * func)(int i, int j, Mat& point_params,
1436                                    Mat& cam_params, Mat& estim, void* data),
1437             void* data // user-specific data passed to the callbacks
1438             );
1439     virtual ~LevMarqSparse();
1440
1441     virtual void run( int npoints, // number of points
1442             int ncameras, // number of cameras
1443             int nPointParams, // number of params per one point  (3 in case of 3D points)
1444             int nCameraParams, // number of parameters per one camera
1445             int nErrParams, // number of parameters in measurement vector
1446                             // for 1 point at one camera (2 in case of 2D projections)
1447             Mat& visibility, // visibility matrix. rows correspond to points, columns correspond to cameras
1448                              // 1 - point is visible for the camera, 0 - invisible
1449             Mat& P0, // starting vector of parameters, first cameras then points
1450             Mat& X, // measurements, in order of visibility. non visible cases are skipped
1451             TermCriteria criteria, // termination criteria
1452
1453             // callback for estimation of Jacobian matrices
1454             void (CV_CDECL * fjac)(int i, int j, Mat& point_params,
1455                                    Mat& cam_params, Mat& A, Mat& B, void* data),
1456             // callback for estimation of backprojection errors
1457             void (CV_CDECL * func)(int i, int j, Mat& point_params,
1458                                    Mat& cam_params, Mat& estim, void* data),
1459             void* data // user-specific data passed to the callbacks
1460             );
1461
1462     virtual void clear();
1463
1464     // useful function to do simple bundle adjastment tasks
1465     static void bundleAdjust(vector<Point3d>& points, //positions of points in global coordinate system (input and output)
1466                              const vector<vector<Point2d> >& imagePoints, //projections of 3d points for every camera
1467                              const vector<vector<int> >& visibility, //visibility of 3d points for every camera
1468                              vector<Mat>& cameraMatrix, //intrinsic matrices of all cameras (input and output)
1469                              vector<Mat>& R, //rotation matrices of all cameras (input and output)
1470                              vector<Mat>& T, //translation vector of all cameras (input and output)
1471                              vector<Mat>& distCoeffs, //distortion coefficients of all cameras (input and output)
1472                              const TermCriteria& criteria=
1473                              TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, DBL_EPSILON));
1474
1475 protected:
1476     virtual void optimize(); //main function that runs minimization
1477
1478     //iteratively asks for measurement for visible camera-point pairs
1479     void ask_for_proj();
1480     //iteratively asks for Jacobians for every camera_point pair
1481     void ask_for_projac();
1482
1483     CvMat* err; //error X-hX
1484     double prevErrNorm, errNorm;
1485     double lambda;
1486     CvTermCriteria criteria;
1487     int iters;
1488
1489     CvMat** U; //size of array is equal to number of cameras
1490     CvMat** V; //size of array is equal to number of points
1491     CvMat** inv_V_star; //inverse of V*
1492
1493     CvMat* A;
1494     CvMat* B;
1495     CvMat* W;
1496
1497     CvMat* X; //measurement
1498     CvMat* hX; //current measurement extimation given new parameter vector
1499
1500     CvMat* prevP; //current already accepted parameter.
1501     CvMat* P; // parameters used to evaluate function with new params
1502               // this parameters may be rejected
1503
1504     CvMat* deltaP; //computed increase of parameters (result of normal system solution )
1505
1506     CvMat** ea; // sum_i  AijT * e_ij , used as right part of normal equation
1507                 // length of array is j = number of cameras
1508     CvMat** eb; // sum_j  BijT * e_ij , used as right part of normal equation
1509                 // length of array is i = number of points
1510
1511     CvMat** Yj; //length of array is i = num_points
1512
1513     CvMat* S; //big matrix of block Sjk  , each block has size num_cam_params x num_cam_params
1514
1515     CvMat* JtJ_diag; //diagonal of JtJ,  used to backup diagonal elements before augmentation
1516
1517     CvMat* Vis_index; // matrix which element is index of measurement for point i and camera j
1518
1519     int num_cams;
1520     int num_points;
1521     int num_err_param;
1522     int num_cam_param;
1523     int num_point_param;
1524
1525     //target function and jacobian pointers, which needs to be initialized
1526     void (*fjac)(int i, int j, Mat& point_params, Mat& cam_params, Mat& A, Mat& B, void* data);
1527     void (*func)(int i, int j, Mat& point_params, Mat& cam_params, Mat& estim, void* data );
1528
1529     void* data;
1530 };
1531
1532 struct DefaultRngAuto
1533 {
1534     const static uint64 def_state = (uint64)-1;
1535     const uint64 old_state;
1536
1537     DefaultRngAuto() : old_state(theRNG().state) { theRNG().state = def_state; }
1538     ~DefaultRngAuto() { theRNG().state = old_state; }
1539
1540     DefaultRngAuto& operator=(const DefaultRngAuto&);
1541 };
1542
1543         /****************************************************************************************\
1544         *            Calonder Descriptor                                                                                                                 *
1545         \****************************************************************************************/
1546         /*!
1547         A pseudo-random number generator usable with std::random_shuffle.
1548         */
1549         class CV_EXPORTS CalonderRng
1550         {
1551         public:
1552
1553                 typedef unsigned int int_type;
1554
1555                 CalonderRng(int64 seed = -1);
1556
1557                 ~CalonderRng();
1558
1559                 void seed(int64 seed);
1560
1561                 //! Returns a random integer sampled uniformly over the range of int32.
1562                 // TODO: does this hold for Boost.Random?
1563                 unsigned int operator()();
1564
1565                 //! Returns a random integer sampled uniformly from [0, N).
1566                 unsigned int operator()(unsigned int N);
1567
1568                 double uniform(double a = 0, double b = 1);
1569
1570                 //! Returns Gaussian random variate with mean zero.
1571                 double gaussian(double sigma);
1572
1573         private:
1574                 CvRNG rng;
1575         };
1576
1577
1578         //----------------------------
1579         //patch_generator.h
1580
1581
1582         class CV_EXPORTS CalonderPatchGenerator
1583         {
1584         public:
1585                 CalonderPatchGenerator(IplImage* source, CalonderRng &rng);
1586
1587                 void operator() (CvPoint pt, IplImage* patch);
1588
1589                 void setSource(IplImage* source);
1590
1591                 //! Rotation
1592                 void setThetaBounds(double theta_min, double theta_max);
1593                 //! Skew rotation
1594                 void setPhiBounds(double phi_min, double phi_max);
1595                 //! Scaling
1596                 void setLambdaBounds(double lambda_min, double lambda_max);
1597
1598                 void setRandomBackground(bool on_off);
1599                 void addWhiteNoise(bool on_off);
1600                 void setNoiseLevel(int level);
1601
1602                 static const double DEFAULT_THETA_MIN;
1603                 static const double DEFAULT_THETA_MAX;
1604                 static const double DEFAULT_PHI_MIN;
1605                 static const double DEFAULT_PHI_MAX;
1606                 static const double DEFAULT_LAMBDA_MIN;
1607                 static const double DEFAULT_LAMBDA_MAX;
1608                 static const int DEFAULT_NOISE_LEVEL;
1609
1610         private:
1611                 IplImage* source_;
1612                 double theta_min_, theta_max_;
1613                 double phi_min_, phi_max_;
1614                 double lambda_min_, lambda_max_;
1615                 bool random_background_;
1616                 bool white_noise_;
1617                 int noise_level_;
1618                 CalonderRng &rng_;
1619
1620         CalonderPatchGenerator& operator=(const CalonderPatchGenerator&);
1621         };
1622
1623         //}// namespace features
1624         //----------------------------
1625         //randomized_tree.h
1626
1627         //class RTTester;
1628
1629         //namespace features {
1630         static const size_t DEFAULT_REDUCED_NUM_DIM = 176;
1631         static const float LOWER_QUANT_PERC = .03f;
1632         static const float UPPER_QUANT_PERC = .92f;
1633         static const int PATCH_SIZE = 32;
1634         static const int DEFAULT_DEPTH = 9;
1635         static const int DEFAULT_VIEWS = 5000;
1636         struct RTreeNode;
1637
1638         struct BaseKeypoint
1639         {
1640                 int x;
1641                 int y;
1642                 IplImage* image;
1643
1644                 BaseKeypoint()
1645                         : x(0), y(0), image(NULL)
1646                 {}
1647
1648                 BaseKeypoint(int x, int y, IplImage* image)
1649                         : x(x), y(y), image(image)
1650                 {}
1651         };
1652
1653         class CSMatrixGenerator {
1654         public:
1655                 typedef enum { PDT_GAUSS=1, PDT_BERNOULLI, PDT_DBFRIENDLY } PHI_DISTR_TYPE;
1656                 ~CSMatrixGenerator();
1657                 static float* getCSMatrix(int m, int n, PHI_DISTR_TYPE dt);     // do NOT free returned pointer
1658
1659
1660         private:
1661                 static float *cs_phi_;    // matrix for compressive sensing
1662                 static int cs_phi_m_, cs_phi_n_;
1663         };
1664
1665         class CV_EXPORTS RandomizedTree
1666         {
1667         public:
1668                 friend class RTreeClassifier;
1669                 //friend class ::RTTester;
1670
1671
1672                 RandomizedTree();
1673                 ~RandomizedTree();
1674
1675                 void train(std::vector<BaseKeypoint> const& base_set, CalonderRng &rng,
1676                         int depth, int views, size_t reduced_num_dim, int num_quant_bits);
1677                 void train(std::vector<BaseKeypoint> const& base_set, CalonderRng &rng,
1678                         CalonderPatchGenerator &make_patch, int depth, int views, size_t reduced_num_dim,
1679                         int num_quant_bits);
1680
1681                 // following two funcs are EXPERIMENTAL (do not use unless you know exactly what you do)
1682                 static void quantizeVector(float *vec, int dim, int N, float bnds[2], int clamp_mode=0);
1683                 static void quantizeVector(float *src, int dim, int N, float bnds[2], uchar *dst);
1684
1685                 // patch_data must be a 32x32 array (no row padding)
1686                 float* getPosterior(uchar* patch_data);
1687                 const float* getPosterior(uchar* patch_data) const;
1688                 uchar* getPosterior2(uchar* patch_data);
1689
1690                 void read(const char* file_name, int num_quant_bits);
1691                 void read(std::istream &is, int num_quant_bits);
1692                 void write(const char* file_name) const;
1693                 void write(std::ostream &os) const;
1694
1695                 int classes() { return classes_; }
1696                 int depth() { return depth_; }
1697
1698                 //void setKeepFloatPosteriors(bool b) { keep_float_posteriors_ = b; }
1699                 void discardFloatPosteriors() { freePosteriors(1); }
1700
1701                 inline void applyQuantization(int num_quant_bits) { makePosteriors2(num_quant_bits); }
1702
1703                 // debug
1704                 void savePosteriors(std::string url, bool append=false);
1705                 void savePosteriors2(std::string url, bool append=false);
1706
1707         private:
1708                 int classes_;
1709                 int depth_;
1710                 int num_leaves_;
1711                 std::vector<RTreeNode> nodes_;
1712                 float **posteriors_;        // 16-bytes aligned posteriors
1713                 uchar **posteriors2_;     // 16-bytes aligned posteriors
1714                 std::vector<int> leaf_counts_;
1715
1716                 void createNodes(int num_nodes, CalonderRng &rng);
1717                 void allocPosteriorsAligned(int num_leaves, int num_classes);
1718                 void freePosteriors(int which);    // which: 1=posteriors_, 2=posteriors2_, 3=both
1719                 void init(int classes, int depth, CalonderRng &rng);
1720                 void addExample(int class_id, uchar* patch_data);
1721                 void finalize(size_t reduced_num_dim, int num_quant_bits);
1722                 int getIndex(uchar* patch_data) const;
1723                 inline float* getPosteriorByIndex(int index);
1724                 inline uchar* getPosteriorByIndex2(int index);
1725                 inline const float* getPosteriorByIndex(int index) const;
1726                 //void makeRandomMeasMatrix(float *cs_phi, PHI_DISTR_TYPE dt, size_t reduced_num_dim);
1727                 void convertPosteriorsToChar();
1728                 void makePosteriors2(int num_quant_bits);
1729                 void compressLeaves(size_t reduced_num_dim);
1730                 void estimateQuantPercForPosteriors(float perc[2]);
1731         };
1732
1733         struct RTreeNode
1734         {
1735                 short offset1, offset2;
1736
1737                 RTreeNode() {}
1738
1739                 RTreeNode(uchar x1, uchar y1, uchar x2, uchar y2)
1740                         : offset1(y1*PATCH_SIZE + x1),
1741                         offset2(y2*PATCH_SIZE + x2)
1742                 {}
1743
1744                 //! Left child on 0, right child on 1
1745                 inline bool operator() (uchar* patch_data) const
1746                 {
1747                         return patch_data[offset1] > patch_data[offset2];
1748                 }
1749         };
1750
1751
1752
1753         //} // namespace features
1754         //----------------------------
1755         //rtree_classifier.h
1756         //class RTTester;
1757
1758         //namespace features {
1759
1760         class CV_EXPORTS RTreeClassifier
1761         {
1762         public:
1763                 //friend class ::RTTester;
1764                 static const int DEFAULT_TREES = 48;
1765                 static const size_t DEFAULT_NUM_QUANT_BITS = 4;
1766
1767                 RTreeClassifier();
1768
1769                 //modified
1770                 void train(std::vector<BaseKeypoint> const& base_set,
1771                         CalonderRng &rng,
1772                         int num_trees = RTreeClassifier::DEFAULT_TREES,
1773                         int depth = DEFAULT_DEPTH,
1774                         int views = DEFAULT_VIEWS,
1775                         size_t reduced_num_dim = DEFAULT_REDUCED_NUM_DIM,
1776                         int num_quant_bits = DEFAULT_NUM_QUANT_BITS, bool print_status = true);
1777                 void train(std::vector<BaseKeypoint> const& base_set,
1778                         CalonderRng &rng,
1779                         CalonderPatchGenerator &make_patch,
1780                         int num_trees = RTreeClassifier::DEFAULT_TREES,
1781                         int depth = DEFAULT_DEPTH,
1782                         int views = DEFAULT_VIEWS,
1783                         size_t reduced_num_dim = DEFAULT_REDUCED_NUM_DIM,
1784                         int num_quant_bits = DEFAULT_NUM_QUANT_BITS, bool print_status = true);
1785
1786                 // sig must point to a memory block of at least classes()*sizeof(float|uchar) bytes
1787                 void getSignature(IplImage *patch, uchar *sig);
1788                 void getSignature(IplImage *patch, float *sig);
1789                 void getSparseSignature(IplImage *patch, float *sig, float thresh);
1790                 // TODO: deprecated in favor of getSignature overload, remove
1791                 void getFloatSignature(IplImage *patch, float *sig) { getSignature(patch, sig); }
1792
1793                 static int countNonZeroElements(float *vec, int n, double tol=1e-10);
1794                 static inline void safeSignatureAlloc(uchar **sig, int num_sig=1, int sig_len=176);
1795                 static inline uchar* safeSignatureAlloc(int num_sig=1, int sig_len=176);
1796
1797                 inline int classes() { return classes_; }
1798                 inline int original_num_classes() { return original_num_classes_; }
1799
1800                 void setQuantization(int num_quant_bits);
1801                 void discardFloatPosteriors();
1802
1803                 void read(const char* file_name);
1804                 void read(std::istream &is);
1805                 void write(const char* file_name) const;
1806                 void write(std::ostream &os) const;
1807
1808                 // experimental and debug
1809                 void saveAllFloatPosteriors(std::string file_url);
1810                 void saveAllBytePosteriors(std::string file_url);
1811                 void setFloatPosteriorsFromTextfile_176(std::string url);
1812                 float countZeroElements();
1813
1814                 std::vector<RandomizedTree> trees_;
1815
1816         private:
1817                 int classes_;
1818                 int num_quant_bits_;
1819                 uchar **posteriors_;
1820                 ushort *ptemp_;
1821                 int original_num_classes_;
1822                 bool keep_floats_;
1823         };
1824
1825 CV_EXPORTS bool find4QuadCornerSubpix(const Mat& img, std::vector<Point2f>& corners, Size region_size);
1826
1827
1828 }
1829
1830 #endif /* __cplusplus */
1831
1832 #endif /* __CVAUX_HPP__ */
1833
1834 /* End of file. */