ورود به حساب ثبت نام جدید فراموشی کلمه عبور
برای ورود به حساب کاربری خود، نام کاربری و کلمه عبورتان را در زیر وارد کرده و روی «ورود به سایت» کلیک کنید.





اگر فرم ثبت نام برای شما نمایش داده نمی‌شود، اینجا را کلیک کنید.









اگر فرم بازیابی کلمه عبور برای شما نمایش داده نمی‌شود، اینجا را کلیک کنید.





کاربران برچسب زده شده

نمایش نتایج: از 1 به 3 از 3

موضوع: function matlab

  1. #1
    2013/05/07
    تهران
    15
    0

    function matlab

    سلام
    من سه تا Mfile از اینترنت گرفتم در مورد مامو گرافی
    که در اول دو تا از mfiile ها از تابع function استفاده شده است.
    و هر چی اجرا می کنم error می دهد
    اگر می شود نحوه ی اجرای mfile هایی که دارای function هستند را به من بگویید.
    مرسی از لطفتون....

    *******************************
    clear all
    close all

    function [im1]=SegmentMammo(im)
    % [fname path]=uigetfile('*.pgm&#039
    % im=imread(strcat(path,fname));
    %figure,
    %subplot(1,3,1),title('ACTUAL&#039
    imshow(im);
    [clusters, result_image, clusterized_image] = kmeansclustering(im, 3);
    a=find(result_image<130);
    b=find(result_image>200);
    im1=im;
    im1(a)=0;
    im1(b)=0;
    %subplot(1,3,3),imshow(im1),title('FINAL SEGMENTED IMAGE'
    %subplot(1,3,2),imshow(result_image),title('S EGMENTATION PART&#039
    end
    end
    **************************************
    **************mammogreaphy-2******************
    clear all
    close all

    function [clusters, result_image, clusterized_image] = kmeansclustering(im, k)

    %histogram calculation
    img_hist = zeros(256,1);
    hist_value = zeros(256,1);

    for i=1:256
    img_hist(i)=sum(sum(im==(i-1)));
    end;
    for i=1:256
    hist_value(i)=i-1;
    end;
    %cluster initialization
    cluster = zeros(k,1);
    cluster_count = zeros(k,1);
    for i=1:k
    cluster(i)=uint8(rand*255);
    end;

    old = zeros(k,1);
    while (sum(sum(abs(old-cluster))) >k)
    old = cluster;
    closest_cluster = zeros(256,1);
    min_distance = uint8(zeros(256,1));
    min_distance = abs(hist_value-cluster(1));

    %calculate the minimum distance to a cluster
    for i=2:k
    min_distance =min(min_distance, abs(hist_value-cluster(i)));
    end;

    %calculate the closest cluster
    for i=1:k
    closest_cluster(min_distance==(abs(hist_value-cluster(i)))) = i;
    end;

    %calculate the cluster count
    for i=1:k
    cluster_count(i) = sum(img_hist .*(closest_cluster==i));
    end;


    for i=1:k
    if (cluster_count(i) == 0)
    cluster(i) = uint8(rand*255);
    else
    cluster(i) = uint8(sum(img_hist(closest_cluster==i).*hist_value (closest_cluster==i))/cluster_count(i));
    end;
    end;

    end;
    imresult=uint8(zeros(size(im)));
    for i=1:256
    imresult(im==(i-1))=cluster(closest_cluster(i));
    end;

    clustersresult=uint8(zeros(size(im)));
    for i=1:256
    clustersresult(im==(i-1))=closest_cluster(i);
    end;

    clusters = cluster;
    result_image = imresult;
    clusterized_image = clustersresult;
    end

    ****************************************
    *****************
    %% Read image
    clear
    f = im2double(imread('C:\Users\parto\Downloads\Fi g1006(a)(building).tif&#039);

    %% Display image
    imshow(f,[]);title('Original image'
    pause

    %% Edge Detection
    % [g, t] = edge(f, 'method', parameters);

    %% Sobel Edge Detection
    % automatic threshold
    [v, t] = edge(f, 'sobel' , 'vertical'
    imshow(v);title(sprintf('Sobel Edge Dectection [auto vertical t = %0.2f]',t));
    pause

    % manual threshold
    t = 0.15;
    v = edge(f, 'sobel', t, 'vertical'
    imshow(v);title(sprintf('Sobel Edge Dectection [manual vertical t = %0.2f]',t));
    pause

    % Sobel edge +45 degree
    w = [-2 -1 0; -1 0 1; 0 1 2];
    v = imfilter(f, w, 'replicate'
    t = 0.3*max(abs(v());
    v = v >= t;
    imshow(v);title(sprintf('Sobel Edge Dectection [manual +45 t = %0.2f]',t));
    pause

    % Sobel edge -45 degree
    w = [0 1 2; -1 0 1; -2 -1 0];
    v = imfilter(f, w, 'replicate'
    t = 0.3*max(abs(v());
    v = v >= t;
    imshow(v);title(sprintf('Sobel Edge Dectection [manual -45 t = %0.2f]',t));
    pause

    %% Other methods
    % Sobel
    v0 = edge(f, 'sobel'
    imshow(v0);title('Sobel Edge Dectection [auto]'
    pause

    % Prewitt
    v1 = edge(f, 'prewitt'
    imshow(v1);title('Prewitt Edge Dectection [auto]'
    pause

    % Roberts
    v2 = edge(f, 'roberts'
    imshow(v2);title('Roberts Edge Dectection [auto]'
    pause

    % Laplacian of Gaussian Method
    v3 = edge(f, 'log'
    imshow(v3);title('Laplacian of Gaussian Method [auto]'
    pause

    % Zero-cross
    v4 = edge(f, 'zerocross'
    imshow(v4);title('Zero-cross Method [auto]'
    pause

    % Canny
    v5 = edge(f, 'canny'
    imshow(v5);title('Canny Edge Dectection [auto]'
    pause

    subplot(231);imshow(v0);title('Sobel Edge Dectection [auto]'
    subplot(232);imshow(v1);title('Prewitt Edge Dectection [auto]'
    subplot(233);imshow(v2);title('Roberts Edge Dectection [auto]'
    subplot(234);imshow(v3);title('Laplacian of Gaussian Method [auto]'
    subplot(235);imshow(v4);title('Zero-cross Method [auto]'
    subplot(236);imshow(v5);title('Canny Edge Dectection [auto]'
    **************************************

    فان مع العسر يسرا
    پس (بدان که) مسلما با هر سختي دشواريي است.
    و ان ليس للانسن الا ما سعي
    واينکه براي انسان جز آنکه تلاش کرده چيزي نيست.
  2. #2
    2010/06/10
    62
    1

    پاسخ : function matlab

    نقل قول نوشته اصلی توسط riant67
    سلام
    من سه تا Mfile از اينترنت گرفتم در مورد مامو گرافي
    که در اول دو تا از mfiile ها از تابع function استفاده شده است.
    و هر چي اجرا مي کنم error مي دهد
    اگر مي شود نحوه ي اجراي mfile هايي که داراي function هستند را به من بگوييد.
    مرسي از لطفتون....

    *******************************
    clear all
    close all

    function [im1]=SegmentMammo(im)
    % [fname path]=uigetfile('*.pgm&#039
    % im=imread(strcat(path,fname));
    %figure,
    %subplot(1,3,1),title('ACTUAL&#039
    imshow(im);
    [clusters, result_image, clusterized_image] = kmeansclustering(im, 3);
    a=find(result_image<130);
    b=find(result_image>200);
    im1=im;
    im1(a)=0;
    im1(b)=0;
    %subplot(1,3,3),imshow(im1),title('FINAL SEGMENTED IMAGE'
    %subplot(1,3,2),imshow(result_image),title('S EGMENTATION PART&#039
    end
    end
    **************************************
    **************mammogreaphy-2******************
    clear all
    close all

    function [clusters, result_image, clusterized_image] = kmeansclustering(im, k)

    %histogram calculation
    img_hist = zeros(256,1);
    hist_value = zeros(256,1);

    for i=1:256
    img_hist(i)=sum(sum(im==(i-1)));
    end;
    for i=1:256
    hist_value(i)=i-1;
    end;
    %cluster initialization
    cluster = zeros(k,1);
    cluster_count = zeros(k,1);
    for i=1:k
    cluster(i)=uint8(rand*255);
    end;

    old = zeros(k,1);
    while (sum(sum(abs(old-cluster))) >k)
    old = cluster;
    closest_cluster = zeros(256,1);
    min_distance = uint8(zeros(256,1));
    min_distance = abs(hist_value-cluster(1));

    %calculate the minimum distance to a cluster
    for i=2:k
    min_distance =min(min_distance, abs(hist_value-cluster(i)));
    end;

    %calculate the closest cluster
    for i=1:k
    closest_cluster(min_distance==(abs(hist_value-cluster(i)))) = i;
    end;

    %calculate the cluster count
    for i=1:k
    cluster_count(i) = sum(img_hist .*(closest_cluster==i));
    end;


    for i=1:k
    if (cluster_count(i) == 0)
    cluster(i) = uint8(rand*255);
    else
    cluster(i) = uint8(sum(img_hist(closest_cluster==i).*hist_value (closest_cluster==i))/cluster_count(i));
    end;
    end;

    end;
    imresult=uint8(zeros(size(im)));
    for i=1:256
    imresult(im==(i-1))=cluster(closest_cluster(i));
    end;

    clustersresult=uint8(zeros(size(im)));
    for i=1:256
    clustersresult(im==(i-1))=closest_cluster(i);
    end;

    clusters = cluster;
    result_image = imresult;
    clusterized_image = clustersresult;
    end

    ****************************************
    *****************
    %% Read image
    clear
    f = im2double(imread('C:\Users\parto\Downloads\Fi g1006(a)(building).tif&#039);

    %% Display image
    imshow(f,[]);title('Original image'
    pause

    %% Edge Detection
    % [g, t] = edge(f, 'method', parameters);

    %% Sobel Edge Detection
    % automatic threshold
    [v, t] = edge(f, 'sobel' , 'vertical'
    imshow(v);title(sprintf('Sobel Edge Dectection [auto vertical t = %0.2f]',t));
    pause

    % manual threshold
    t = 0.15;
    v = edge(f, 'sobel', t, 'vertical'
    imshow(v);title(sprintf('Sobel Edge Dectection [manual vertical t = %0.2f]',t));
    pause

    % Sobel edge +45 degree
    w = [-2 -1 0; -1 0 1; 0 1 2];
    v = imfilter(f, w, 'replicate'
    t = 0.3*max(abs(v());
    v = v >= t;
    imshow(v);title(sprintf('Sobel Edge Dectection [manual +45 t = %0.2f]',t));
    pause

    % Sobel edge -45 degree
    w = [0 1 2; -1 0 1; -2 -1 0];
    v = imfilter(f, w, 'replicate'
    t = 0.3*max(abs(v());
    v = v >= t;
    imshow(v);title(sprintf('Sobel Edge Dectection [manual -45 t = %0.2f]',t));
    pause

    %% Other methods
    % Sobel
    v0 = edge(f, 'sobel'
    imshow(v0);title('Sobel Edge Dectection [auto]'
    pause

    % Prewitt
    v1 = edge(f, 'prewitt'
    imshow(v1);title('Prewitt Edge Dectection [auto]'
    pause

    % Roberts
    v2 = edge(f, 'roberts'
    imshow(v2);title('Roberts Edge Dectection [auto]'
    pause

    % Laplacian of Gaussian Method
    v3 = edge(f, 'log'
    imshow(v3);title('Laplacian of Gaussian Method [auto]'
    pause

    % Zero-cross
    v4 = edge(f, 'zerocross'
    imshow(v4);title('Zero-cross Method [auto]'
    pause

    % Canny
    v5 = edge(f, 'canny'
    imshow(v5);title('Canny Edge Dectection [auto]'
    pause

    subplot(231);imshow(v0);title('Sobel Edge Dectection [auto]'
    subplot(232);imshow(v1);title('Prewitt Edge Dectection [auto]'
    subplot(233);imshow(v2);title('Roberts Edge Dectection [auto]'
    subplot(234);imshow(v3);title('Laplacian of Gaussian Method [auto]'
    subplot(235);imshow(v4);title('Zero-cross Method [auto]'
    subplot(236);imshow(v5);title('Canny Edge Dectection [auto]'
    **************************************
    دوست عزيز اي کاش قبل از ارسال پست برنامه را چپ به راست مي گذاشتيد.در هر صورت...
    چيزي که با اين ظاهر بهم ريخته دستگيره من شد ، شما 2 تا تابع داريد و يک برنامه اصلي که من هر چقدر تو برنامه اصلي جست و جو کردم اصلاً نديدم که جايي توابع نوشته شدتون صدا زده بشن.
    quand on veut,on peut...
  3. #3
    2013/05/07
    تهران
    15
    0

    پاسخ : function matlab

    [left]سلام

    clear all
    close all

    function [im1]=SegmentMammo(im)
    % [fname path]=uigetfile('*.pgm&#039
    % im=imread(strcat(path,fname));
    %figure,
    %subplot(1,3,1),title('ACTUAL&#039
    imshow(im);
    [clusters, result_image, clusterized_image] = kmeansclustering(im, 3);
    a=find(result_image<130);
    b=find(result_image>200);
    im1=im;
    im1(a)=0;
    im1(b)=0;
    %subplot(1,3,3),imshow(im1),title('FINAL SEGMENTED IMAGE'
    %subplot(1,3,2),imshow(result_image),title('S EGMENTATION PART&#039
    end
    end
    **************************************
    clear all
    close all

    function [clusters, result_image, clusterized_image] = kmeansclustering(im, k)

    %histogram calculation
    img_hist = zeros(256,1);
    hist_value = zeros(256,1);

    for i=1:256
    img_hist(i)=sum(sum(im==(i-1)));
    end;
    for i=1:256
    hist_value(i)=i-1;
    end;
    %cluster initialization
    cluster = zeros(k,1);
    cluster_count = zeros(k,1);
    for i=1:k
    cluster(i)=uint8(rand*255);
    end;

    old = zeros(k,1);
    while (sum(sum(abs(old-cluster))) >k)
    old = cluster;
    closest_cluster = zeros(256,1);
    min_distance = uint8(zeros(256,1));
    min_distance = abs(hist_value-cluster(1));

    %calculate the minimum distance to a cluster
    for i=2:k
    min_distance =min(min_distance, abs(hist_value-cluster(i)));
    end;

    %calculate the closest cluster
    for i=1:k
    closest_cluster(min_distance==(abs(hist_value-cluster(i)))) = i;
    end;

    %calculate the cluster count
    for i=1:k
    cluster_count(i) = sum(img_hist .*(closest_cluster==i));
    end;


    for i=1:k
    if (cluster_count(i) == 0)
    cluster(i) = uint8(rand*255);
    else
    cluster(i) = uint8(sum(img_hist(closest_cluster==i).*hist_value (closest_cluster==i))/cluster_count(i));
    end;
    end;

    end;
    imresult=uint8(zeros(size(im)));
    for i=1:256
    imresult(im==(i-1))=cluster(closest_cluster(i));
    end;

    clustersresult=uint8(zeros(size(im)));
    for i=1:256
    clustersresult(im==(i-1))=closest_cluster(i);
    end;

    clusters = cluster;
    result_image = imresult;
    clusterized_image = clustersresult;
    end
    *****************************************
    سلام ممنون ار توضیحتون
    ام فایل سوم لبه یابی است....ما با دو تا ام فایل اول کارداریم....
    براتون ام فایل ها رو درست کردم بی زحمت یه نگاه دیگه بندازید.





















    فان مع العسر يسرا
    پس (بدان که) مسلما با هر سختي دشواريي است.
    و ان ليس للانسن الا ما سعي
    واينکه براي انسان جز آنکه تلاش کرده چيزي نيست.
نمایش نتایج: از 1 به 3 از 3

موضوعات مشابه

  1. برنامه function دار
    توسط mohamadt730 در انجمن پردازش سيگنال و هوش محاسباتي
    پاسخ: 2
    آخرين نوشته: 2015/06/06, 18:35
  2. فرق بلوک های s-function و matlab function چیه؟
    توسط reza_rouhi در انجمن Matlab
    پاسخ: 5
    آخرين نوشته: 2014/12/03, 20:45
  3. مشکل در یک function
    توسط ya_montazar در انجمن PLD , SPLD , GAL , CPLD , FPGA
    پاسخ: 5
    آخرين نوشته: 2014/02/16, 11:51
  4. transfer function
    توسط mostafabalaghi در انجمن سیستم های کنترلی
    پاسخ: 1
    آخرين نوشته: 2013/05/21, 10:28
  5. کمک در مورد far function
    توسط nasrmicro در انجمن C , C++ , C#
    پاسخ: 1
    آخرين نوشته: 2011/01/25, 20:43

کلمات کلیدی این موضوع

علاقه مندي ها (Bookmarks)

علاقه مندي ها (Bookmarks)

مجوز های ارسال و ویرایش

  • شما نمیتوانید موضوع جدیدی ارسال کنید
  • شما امکان ارسال پاسخ را ندارید
  • شما نمیتوانید فایل پیوست کنید.
  • شما نمیتوانید پست های خود را ویرایش کنید
  •