Pentru a putea fi procesate imaginile trebuiesc citite ca matrici. Pentru inceput lucram cu imagini cu 256 nivele de gri, pe care le citim cu ajutorul Matlab-ului:
imread('image.jpg);

In matricea obtinuta pentru fiecare pixel sunt alocate cate 5 pozitii. 


ImageProcessing.cpp

Citim matricea si optional o filtram cu o fereastra glisanta 3x3 (care are pasul de 1 unitate) alegand din meniu punctul 1.
Filtram histograma alegand fie optiunea: Avearage filter, fie Median filter din punctul 2 al meniului. Filtrele pot fi aplicate de mai multe ori.
Rezultate filtrarii histogramei sunt copiate in fisierul out1.csv, iar histograma initiala e in fisierul out.csv

Determinarea intervalelor semi-constante se face alegand optiunea 3. 
Indicile p2 este ales in dependenta de dimensiunea imaginii: de ex. pentru imagini de dimensiunea 60x60 p2=0.15,iar pentru imagini de 700x700 p2=1.5

Segmentam imaginea utilizand optiunea 4 (afisam toate 3 segmente odata) SAU obtinem si vizualizam fiecare din cele 3 segmente separat cu optiunea 5.

Cu optiunea 6 inlaturam zgomotul, pixelii separati din segment se alipesc subsegmentelor din apropiere care au o arie mai mare.

Alegand optiunea 7 din meniu putem face o comparatie de similaritate a rezultatelor obtinute cu imagini segmentate utilizand alte metode.


Nota: toate fisierele ce sunt citite de catre program pentru a fi prelucrate au alocat pentru fiecare pixel din imagine cate 5 pozitii utilizand codul din fisierul index.php. 
	(sunt adaugate zerouri in loc de spatii)

Pentru a fi vizualizate rezultatele se citeste matricea cu ajutorul aplicatiei MATLAB: 
uiopen('file.xls',1)
k=uint8(data);
imtool(k);


Imaginea test e preluata de pe adresa: http://read.pudn.com/downloads58/sourcecode/math/206012/cancer/blood1 
o Baza de Date cu imagini pentru testare o gasiti la adresa: http://sipi.usc.edu/database/database.php?volume=misc