Robust/src/Benchmarks/oooJava/tracking/IYLR.java

   1 public class IYLR {
   2
   3
   4     /* current processing image related */
   5     float[] m_image;
   6     int m_rows;
   7     int m_cols;
   8
   9     /* results related */
  10     float[] m_result;
  11     int m_rows_rs;
  12     int m_rows_re;
  13     int m_cols_r;
  14
  15     /* id indicating the piece # */
  16     int m_id;
  17     int m_range;
  18
  19     /* constructor */
  20     public IYLR(int id,
  21                 int range,
  22                 float[] image,
  23                 int rows,
  24                 int cols) {
  25       this.m_id = id;
  26       this.m_range = range;
  27       this.m_image = image;
  28       this.m_rows = rows;
  29       this.m_cols = cols;
  30     }
  31
  32     public int getId() {
  33       return this.m_id;
  34     }
  35
  36     public int getRowsRS() {
  37       return this.m_rows_rs;
  38     }
  39
  40     public int getRowsRE() {
  41       return this.m_rows_re;
  42     }
  43
  44     public int getColsR() {
  45       return this.m_cols_r;
  46     }
  47
  48     public float[] getResult() {
  49       return this.m_result;
  50     }
  51
  52     public int getRows() {
  53       return this.m_rows;
  54     }
  55
  56     public int getCols() {
  57       return this.m_cols;
  58     }
  59
  60     public float[] getImage() {
  61       return this.m_image;
  62     }
  63
  64     public void calcSobel_dY() {
  65       int rows_k1, cols_k1, rows_k2, cols_k2;
  66       int[] kernel_1, kernel_2;
  67       float temp;
  68       int kernelSize, startCol, endCol, halfKernel, startRow, endRow;
  69       int k, i, j, kernelSum_1, kernelSum_2;
  70       float[] result, image;
  71       int rows = this.m_rows;
  72       int cols = this.m_cols;
  73
  74       // level 1 is the base image.
  75
  76       image = this.m_image;
  77
  78       this.m_rows_rs = this.m_id * this.m_range;
  79       this.m_rows_re = (this.m_id + 1) * this.m_range;
  80       this.m_cols_r = cols;
  81       result=this.m_result=new float[(this.m_rows_re-this.m_rows_rs)*this.m_cols_r];
  82
  83       rows_k1 = 1;
  84       cols_k1 = 3;
  85       kernel_1 = new int[rows_k1 * cols_k1];
  86       rows_k2 = 1;
  87       cols_k2 = 3;
  88       kernel_2 = new int[rows_k2 * cols_k2];
  89
  90       kernel_1[0] = 1;
  91       kernel_1[1] = 0;
  92       kernel_1[2] = -1;
  93
  94       kernelSize = 3;
  95       kernelSum_1 = 2;
  96
  97       kernel_2[0] = 1;
  98       kernel_2[1] = 2;
  99       kernel_2[2] = 1;
 100
 101       kernelSum_2 = 4;
 102
 103       startCol = 1;       //(kernelSize/2);
 104       endCol = cols - 1;  //(int)(cols - (kernelSize/2));
 105       halfKernel = 1;     //(kernelSize-1)/2;
 106
 107       if((this.m_rows_re < 1) || (this.m_rows_rs > rows - 1)) {
 108         return;
 109       }
 110       startRow = (1>this.m_rows_rs)?1:(this.m_rows_rs);       //(kernelSize)/2;
 111       endRow = ((rows-1)<this.m_rows_re)?(rows-1):(this.m_rows_re);  //(rows - (kernelSize)/2);
 112
 113       int ii = startRow - this.m_rows_rs;
 114       for(i=startRow; i<endRow; i++) {
 115           for(j=startCol; j<endCol; j++) {
 116               temp = 0;
 117               for(k=-halfKernel; k<=halfKernel; k++) {
 118                   temp += (float)(image[i * cols + (j+k)]
 119                                         * (float)(kernel_2[k+halfKernel]));
 120               }
 121               result[ii * cols + j] = (float)(temp/kernelSum_2);
 122           }
 123           ii++;
 124       }
 125     }
 126 }