Robust/src/Benchmarks/Scheduling/Tracking/IYL.java

   1 public class IYL {
   2     flag toprocess;
   3     flag tomergeIYL;
   4     flag finish;
   5
   6     /* current processing image related */
   7     float[] m_image;
   8     int m_rows;
   9     int m_cols;
  10
  11     /* results related */
  12     float[] m_result;
  13     int m_rows_rs;
  14     int m_rows_re;
  15     int m_cols_r;
  16
  17     /* processing type */
  18     int m_id_t; // 0--Ipyr1; 1--Ipyr2;
  19     /* id indicating the piece # */
  20     int m_id;
  21     int m_range;
  22
  23     /* constructor */
  24     public IYL(int id,
  25                int range,
  26                int tid,
  27                float[] image,
  28                int rows,
  29                int cols) {
  30       this.m_id = id;
  31       this.m_range = range;
  32       this.m_id_t = tid;
  33       this.m_image = image;
  34       this.m_rows = rows;
  35       this.m_cols = cols;
  36     }
  37
  38     public int getId() {
  39       return this.m_id;
  40     }
  41
  42     public int getIdT() {
  43       return this.m_id_t;
  44     }
  45
  46     public int getRowsRS() {
  47       return this.m_rows_rs;
  48     }
  49
  50     public int getRowsRE() {
  51       return this.m_rows_re;
  52     }
  53
  54     public int getColsR() {
  55       return this.m_cols_r;
  56     }
  57
  58     public float[] getResult() {
  59       return this.m_result;
  60     }
  61
  62     public int getRows() {
  63       return this.m_rows;
  64     }
  65
  66     public int getCols() {
  67       return this.m_cols;
  68     }
  69
  70     public float[] getImage() {
  71       return this.m_image;
  72     }
  73
  74     public void calcSobel_dY() {
  75       int rows_k1, cols_k1, rows_k2, cols_k2;
  76       int[] kernel_1, kernel_2;
  77       float temp;
  78       int kernelSize, startCol, endCol, halfKernel, startRow, endRow;
  79       int k, i, j, kernelSum_1, kernelSum_2;
  80       float[] result, image;
  81       int rows = this.m_rows;
  82       int cols = this.m_cols;
  83
  84       // level 1 is the base image.
  85
  86       image = this.m_image;
  87
  88       this.m_rows_rs = this.m_id * this.m_range;
  89       this.m_rows_re = (this.m_id + 1) * this.m_range;
  90       this.m_cols_r = cols;
  91       result=this.m_result=new float[(this.m_rows_re-this.m_rows_rs)*this.m_cols_r];
  92
  93       rows_k1 = 1;
  94       cols_k1 = 3;
  95       kernel_1 = new int[rows_k1 * cols_k1];
  96       rows_k2 = 1;
  97       cols_k2 = 3;
  98       kernel_2 = new int[rows_k2 * cols_k2];
  99
 100       kernel_1[0] = 1;
 101       kernel_1[1] = 0;
 102       kernel_1[2] = -1;
 103
 104       kernelSize = 3;
 105       kernelSum_1 = 2;
 106
 107       kernel_2[0] = 1;
 108       kernel_2[1] = 2;
 109       kernel_2[2] = 1;
 110
 111       kernelSum_2 = 4;
 112
 113       startCol = 1;       //(kernelSize/2);
 114       endCol = cols - 1;  //(int)(cols - (kernelSize/2));
 115       halfKernel = 1;     //(kernelSize-1)/2;
 116
 117       if((this.m_rows_re < 1) || (this.m_rows_rs > rows - 1)) {
 118         return;
 119       }
 120       startRow = (1>this.m_rows_rs)?1:(this.m_rows_rs);       //(kernelSize)/2;
 121       endRow = ((rows-1)<this.m_rows_re)?(rows-1):(this.m_rows_re);  //(rows - (kernelSize)/2);
 122
 123       int ii = startRow - this.m_rows_rs;
 124       for(i=startRow; i<endRow; i++) {
 125           for(j=startCol; j<endCol; j++) {
 126               temp = 0;
 127               for(k=-halfKernel; k<=halfKernel; k++) {
 128                   temp += (float)(image[i * cols + (j+k)]
 129                                         * (float)(kernel_2[k+halfKernel]));
 130               }
 131               result[ii * cols + j] = (float)(temp/kernelSum_2);
 132           }
 133           ii++;
 134       }
 135     }
 136 }