SFF/Training/sampleimages.m

   1 % =================================================================
   2 %  Sparse Feature Fidelity (SFF) Version 2.0
   3 %  Copyright(c) 2013  Hua-wen Chang
   4 %  All Rights Reserved.
   5 % ----------------------------------------------------------------
   6 % Please refer to the following paper
   7 %
   8 % Hua-wen Chang, Hua Yang, Yong Gan, and Ming-hui Wang, "Sparse Feature Fidelity
   9 % for Perceptual Image Quality Assessment", IEEE Transactions on Image Processing,
  10 % vol. 22, no. 10, pp. 4007-4018, October 2013
  11 % ----------------------------------------------------------------------
  12 % GET SAMPLE PATCHES FROM NATURAL IMAGES
  13
  14 % INPUT variables:
  15 % samples            total number of patches to take
  16 % patchSize          patch width in pixels
  17
  18 % OUTPUT variables:
  19 % X                  the image patches as column vectors
  20 %
  21 % There are two sets of images for sampling and training data1 and data2
  22 % =================================================================
  23 function X = sampleimages(samples, patchSize)
  24
  25 dataNum = 9;
  26 getsample = floor(samples/dataNum);
  27 patchDim = (patchSize^2)*3;
  28 X = zeros(patchDim,samples);
  29
  30 sampleNum = 1;
  31 for i=(1:dataNum)
  32   if i==dataNum, getsample = samples-sampleNum+1; end
  33
  34   I = imread(['data1/' num2str(i) '.ppm']);
  35   I = double(I);
  36
  37   % Sample patches in random locations
  38   sizex = size(I,2);
  39   sizey = size(I,1);
  40   posx = floor(rand(1,getsample)*(sizex-patchSize-2))+1;
  41   posy = floor(rand(1,getsample)*(sizey-patchSize-1))+1;
  42   for j=1:getsample
  43     X(:,sampleNum) = reshape( I(posy(1,j):posy(1,j)+patchSize-1, posx(1,j):posx(1,j)+patchSize-1, 1:3),[patchDim 1]);
  44     sampleNum=sampleNum+1;
  45   end
  46
  47 end
  48
  49
  50