/normxcorr/trunk

function [validx,validy]=automate_image(grid_x,grid_y,filenamelist,validx,validy);

 

% Code to start actual image correlation

% Programmed by Chris and Rob

% Last revision: 09/10/08

 

% The automation function is the central function and processes all markers and 

% images by the use of the matlab function cpcorr.m. 

% Therefore the Current directory in matlab has to be the folder where 

%  automate_image.m finds the filenamelist.mat, grid_x.dat and grid_y.dat as well 

% as the images specified in filenamelist.mat. Just type automate_image; and 

% press ENTER at the command line of matlab. 

% At first, automate_image.m will open the first image in the filenamelist.mat and 

% plot the grid as green crosses on top. The next step will need some time since 

% all markers in that image have to be processed for the first image. After correlating 

% image one and two the new raster positions will be plotted as red crosses. On top 

% of the image and the green crosses. The next dialog will ask you if you want to 

% continue with this correlation or cancel. If you press continue, automate_image.m 

% will process all images in the filenamelist.mat. The time it will take to process 

% all images will be plotted on the figure but can easily be estimated by knowing the 

% raster point processing speed (see processing speed). 

% Depending on the number of images and markers you are tracking, this process 

% can take between seconds and days. For 100 images and 200 markers a decent 

% computer should need 200 seconds. To get a better resolution you can always 

% run jobs overnight (e.g. 6000 markers in 1000 images) with higher resolutions. 

% Keep in mind that CORRSIZE which you changed in cpcorr.m will limit your 

% resolution. If you chose to use the 15 pixel as suggested a marker distance of 

% 30 pixel will lead to a full cover of the strain field. Choosing smaller marker 

% distances will lead to an interpolation since two neighboring markers share 

% pixels. Nevertheless a higher marker density can reduce the noise of the strain field.

% When all images are processed, automate_image will write the files validx.mat, 

% validy.mat, validx.txt and validy.txt. The text files are meant to store the result in a 

% format which can be accessed by other programs also in the future.

 

CORRSIZE = 15;

PRECISION = 1000;

SILENT = 1;

 

% exist('grid_x')

% exist('grid_y')

% exist('filenamelist')

% exist('validx')

% exist('validy')

 

if exist('data', 'dir')

    datadir = 'data/';

else

    datadir = '';

end

 

if exist('images', 'dir')

    imagedir = 'images/';

else

    imagedir = '';

end

 

% Load necessary files

if exist('grid_x')==0

    load([datadir, 'grid_x.dat'])              % file with x position, created by grid_generator.m

end

if exist('grid_y')==0

    load([datadir, 'grid_y.dat'])              % file with y position, created by grid_generator.m

end

if exist('filenamelist')==0

    load([datadir, 'filenamelist'])            % file with the list of filenames to be processed

end

 

 

resume=0;

if exist('validx')==1

    if exist('validy')==1

        resume=1;

        [Rasternum Imagenum]=size(validx);

    end

end

 

% Initialize variables

input_points_x=grid_x;

base_points_x=grid_x;

 

input_points_y=grid_y;

base_points_y=grid_y;

 

if resume==1

    input_points_x=validx(:,Imagenum);

    input_points_y=validy(:,Imagenum);

    inputpoints=1;

end

 

[row,col]=size(base_points_x);      % this will determine the number of rasterpoints we have to run through

[r,c]=size(filenamelist);           % this will determine the number of images we have to loop through

 

 

% Open new figure so previous ones (if open) are not overwritten

if (~SILENT)

    h=figure;

    imshow([imagedir, filenamelist(1,:)])           % show the first image

    title('Initial Grid For Image Correlation (Note green crosses)')        % put a title

    hold on

    plot(grid_x,grid_y,'g+')            % plot the grid onto the image

    hold off

 

    % Start image correlation using cpcorr.m

    g = waitbar(0,sprintf('Processing images'));        % initialize the waitbar

    set(g,'Position',[275,50,275,50])                   % set the position of the waitbar [left bottom width height]

end

 

firstimage=1;

 

if resume==1

    firstimage=Imagenum+1

end

 

%Initializing hardware code

 

base = uint8(mean(double(imread([imagedir, filenamelist(1,:)])),3));            % read in the base image ( which is always  image number one. You might want to change that to improve correlation results in case the light conditions are changing during the experiment

base_points_for(:,1)=reshape(base_points_x,[],1);

base_points_for(:,2)=reshape(base_points_y,[],1);

 

%some checks (moved here from cpcorr)

if any(base_points_for(:)<0.5) || any(base_points_for(:,1)>size(base,2)+0.5) || any(base_points_for(:,2)>size(base,1)+0.5)

    msg = sprintf('In function %s, Control Points must be in pixel coordinates.',mfilename);

    eid = sprintf('Images:%s:cpPointsMustBeInPixCoord',mfilename);

    error(eid, msg);

end

 

 

rects_base = dic_calc_rects(base_points_for,2*CORRSIZE,base);

 

 

data_base = struct;

 

%base=double(base);

 

ncp = size(base_points_for, 1);

 

hwid = normxcorr_hw();

normxcorr_hw(hwid, 1, ncp, CORRSIZE);

 

for icp = 1:ncp

    if isequal(rects_base(icp,3:4),[0 0])

        %near edge

        data_base(icp).skip = 1;

        continue

    end

 

    sub_base = imcrop(base,rects_base(icp,:));

    

    if any(~isfinite(sub_base(:)))

        %NaN or Inf

        data_base(icp).skip = 1;

        continue

    end

    

    if (numel(sub_base) < 2) ||  (std(sub_base(:)) == 0)

        % This check is moved here for normxcorr2

        eid = sprintf('Images:%s:sameElementsInTemplate',mfilename);

        msg = 'The values of TEMPLATE cannot all be the same.';

        error(eid,'%s',msg);

    end

 

    %moved from normxcorr2

    % We can precalculate it here, since near-edge images are dropped and, therefore, A,T always have the same size 

    % n is width and height of T, but following computations are done for A

    n = 2*CORRSIZE + 1;

    mn = n*n;

 

    double_sub_base = double(sub_base);

    local_sum_A = dic_local_sum(double_sub_base,n,n);

    local_sum_A2 = dic_local_sum(double_sub_base.*double_sub_base,n,n);

 

 

    % Note: diff_local_sums should be nonnegative, but may have negative

    % values due to round off errors. Below, we use max to ensure the

    % radicand is nonnegative.

    denom_A = sqrt( max(( local_sum_A2 - (local_sum_A.^2)/mn ) / (mn-1), 0) );

    i_nonzero = find(denom_A~=0);

 

%start comment    

%    data_base(icp).denom_A = denom_A;

%    data_base(icp).i_nonzero = i_nonzero;

    

%    data_base(icp).local_sum_A = local_sum_A;

%    data_base(icp).sub_base = sub_base;

%end comment

 

    data_base(icp).skip = 0;

    

    normxcorr_hw(hwid, 10, icp, sub_base, single(local_sum_A), single(denom_A), uint16(i_nonzero));

 

    data_base(icp).base_fractional_offset = base_points_for(icp,:) - round(base_points_for(icp,:)*PRECISION)/PRECISION;

 

end

 

%normxcorr_hw(hwid);

%return;

 

normxcorr_hw(hwid, 2);

 

for i=firstimage:(r-1)               % run through all images

    tic             % start the timer

 

    input = uint8(mean(double(imread([imagedir, filenamelist((i+1),:)])),3));       % read in the image which has to be correlated

    

    input_points_for(:,1)=reshape(input_points_x,[],1);         % we reshape the input points to one row of values since this is the shape cpcorr will accept

    input_points_for(:,2)=reshape(input_points_y,[],1);

 

    input_correl(:,:)=dic_cpcorr(CORRSIZE, PRECISION, hwid, data_base, input_points_for, input);           % here we go and give all the markers and images to process to cpcorr.m which ic a function provided by the matlab image processing toolbox

    input_correl_x=input_correl(:,1);                                       % the results we get from cpcorr for the x-direction

    input_correl_y=input_correl(:,2);                                       % the results we get from cpcorr for the y-direction

    

    

    validx(:,i)=input_correl_x;                                                     % lets save the data

    savelinex=input_correl_x';

    dlmwrite([datadir, 'resultsimcorrx.txt'], savelinex , 'delimiter', '\t', '-append');       % Here we save the result from each image; if you are desperately want to run this function with e.g. matlab 6.5 then you should comment this line out. If you do that the data will be saved at the end of the correlation step - good luck ;-)

    

    validy(:,i)=input_correl_y;

    saveliney=input_correl_y';

    dlmwrite([datadir, 'resultsimcorry.txt'], saveliney , 'delimiter', '\t', '-append');

    

    % Update base and input points for cpcorr.m

    input_points_x=input_correl_x;

    input_points_y=input_correl_y;

    

    if (~SILENT) 

        waitbar(i/(r-1))                                % update the waitbar

 

        imshow([imagedir, filenamelist(i+1,:)])                     % update image

        hold on

        plot(grid_x,grid_y,'g+')                                % plot start position of raster

        plot(input_correl_x,input_correl_y,'r+')        % plot actual postition of raster

        hold off

        drawnow

        time(i)=toc;                                                 % take time

        estimatedtime=sum(time)/i*(r-1);            % estimate time to process

        title(['# Im.: ', num2str((r-1)),'; Proc. Im. #: ', num2str((i)),'; # Rasterp.:',num2str(row*col), '; Est. Time [s] ', num2str(round(estimatedtime)), ';  Elapsed Time [s] ', num2str(round(sum(time)))]);    % plot a title onto the image

        drawnow

    end

    

end    

 

normxcorr_hw(hwid);

 

if (~SILENT)

    close(g)

end

 

close all

 

% save

 

if (~SILENT)

    save ([datadir,'time.dat'], 'time', '-ascii', '-tabs');

end

 

save ([datadir,'validx.dat'], 'validx', '-ascii', '-tabs');

save ([datadir,'validy.dat'], 'validy', '-ascii', '-tabs');