function Res = Yasnoff1( FicImVT,FicImSeg )
%function Res = Yasnoff1 ( ImVT,ImSeg )
%besoin de res de seg ajustés 1 à n classes
%
% Utilitaires pour l'évaluation de la segmentation d'images
% Toolbox matlab (version 5.3)
%
% (c) Laboratoire de Vision et Robotique (UPRES EA 2078)
% ENSI de Bourges - Université d'Orléans
%
% Sébastien Chabrier : sebastien.chabrier@ensi-bourges.fr
%
%
% Utilitaires pour l'évaluation de la segmentation d'images
% Toolbox matlab (version 5.3)
%
% (c) Laboratoire de Vision et Robotique (UPRES EA 2078)
% ENSI de Bourges - Université d'Orléans
%
% Sébastien Chabrier : sebastien.chabrier@ensi-bourges.fr
%
% Si vous utilisez cette toolbox, veuillez citer ce papier svp.
%
%S. Chabrier, B. Emile , H. Laurent, 
%"Psychovisual evaluation of an image segmentation result" , 
%8th International IEEE Conference on Signal Processing (ICSP), 2006.


[ImVT PAL]=imread(FicImVT,'BMP');
[ImSeg PAL]=imread(FicImSeg,'BMP');

if (min(min(ImVT))==0)
    ImVT=double(ImVT)+1;
else
    ImVT=double(ImVT);
end;

if (min(min(ImSeg))==0)
    ImSeg=double(ImSeg)+1;
else
    ImSeg=double(ImSeg);
end;

[L,H]=size(ImVT);
taille=L*H;

n1=max(max(ImVT));
n2=max(max(ImSeg));


NBclassSEG=double(max(max(ImSeg)));
NBclassVT=double(max(max(ImVT)));

nbre2lig=size(ImVT,1);
nbre2col=size(ImVT,2);

% calcul des valeurs de recouvrement
T=zeros(NBclassVT,NBclassSEG);
for p=1:NBclassVT
   for o=1:NBclassSEG
      [M N]=find(ImVT(:,:)==p & ImSeg(:,:)==o);
      if (M)
	   	for i=1:length(M)
       	   	p=ImVT(M(i),N(i));
            o=ImSeg(M(i),N(i));
	  	   	T(p,o)=T(p,o)+1;
           end;
        end;
   end;
end;

MatConf=zeros(max(NBclassSEG,NBclassVT));%MatConf(VT,SEG);
MatConfVT =zeros(NBclassVT,1);%MatConf(VT,SEG);
MatConfSeg=zeros(NBclassSEG,1);%MatConf(VT,SEG);

[iT,jT]=size(T);
maxi=zeros(NBclassSEG);
for t=1:NBclassSEG
    maxi(t)=max(max(T));
    for i=1:iT
        for j=1:jT,
            if (maxi(t)==T(i,j))
                cormax=[i,j];
                MatConf(i,j)=T(i,j);
                MatConfVT(i) =j;
                MatConfSeg(j)=i;
            end,
        end,
    end,   
    T(cormax(1),:)=zeros(1,jT);
    T(:,cormax(2))=zeros(iT,1);
end,

HistoVT=zeros(NBclassVT,1);
for i=1:L
    for j=1:H
        HistoVT(ImVT(i,j),1)=HistoVT(ImVT(i,j),1)+1;
    end;
end;

HistoSEG=zeros(NBclassSEG,1);
for i=1:L
    for j=1:H
        HistoSEG(ImSeg(i,j),1)=HistoSEG(ImSeg(i,j),1)+1;
    end;
end;

%% après le calcul des tailles des classes et des correspondances, calcul du critère à proprement parler
Res1=0;
%R1=VT, R2=Seg
for i=1:L
    for j=1:H
        if (MatConfVT(ImVT(i,j))>0)
           Res1=Res1+(HistoVT(ImVT(i,j))-MatConf(ImVT(i,j),MatConfVT(ImVT(i,j))))/HistoVT(ImVT(i,j));
       else
           Res1=Res1+1;
       end;
    end;
end;

Res2=0;
%R1=Seg, R2=VT
for i=1:L
    for j=1:H
        if (MatConfSeg(ImSeg(i,j))>0)
            Res2=Res2+(HistoSEG(ImSeg(i,j))-MatConf(MatConfSeg(ImSeg(i,j)),ImSeg(i,j)))/HistoSEG(ImSeg(i,j));
        else
            Res2=Res2+1;
        end;
    end;
end;




Res=1-min(Res1,Res2)/taille;
disp('Martin1=');
disp(Res);