← Back to branch summary

~ubuntu-branches/ubuntu/saucy/digikam/saucy

« back to all changes in this revision

Viewing changes to core/libs/3rdparty/lprof/cmsreg.cpp

  • Committer: Package Import Robot
  • Author(s): Felix Geyer, Rohan Garg, Philip Muškovac, Felix Geyer
  • Date: 2011-09-23 18:18:55 UTC
  • mfrom: (1.2.36 upstream)
  • Revision ID: package-import@ubuntu.com-20110923181855-ifs67wxkugshev9k
Tags: 2:2.1.1-0ubuntu1
https://launchpad.net/bugs/834190
https://launchpad.net/bugs/804894
[ Rohan Garg ]
* New upstream release (LP: #834190)
  - debian/control
    + Build with libqtwebkit-dev
 - debian/kipi-plugins-common
    + Install libkvkontakte required by kipi-plugins
 - debian/digikam
    + Install panoramagui

[ Philip Muškovac ]
* New upstream release
  - debian/control:
    + Add libcv-dev, libcvaux-dev, libhighgui-dev, libboost-graph1.46-dev,
      libksane-dev, libxml2-dev, libxslt-dev, libqt4-opengl-dev, libqjson-dev,
      libgpod-dev and libqca2-dev to build-deps
    + Add packages for kipi-plugins, libmediawiki, libkface, libkgeomap and
      libkvkontakte
  - debian/rules:
    + Don't build with gphoto2 since it doesn't build with it.
  - Add kubuntu_fix_test_linking.diff to fix linking of the dngconverter test
  - update install files
  - update kubuntu_01_mysqld_executable_name.diff for new cmake layout
    and rename to kubuntu_mysqld_executable_name.diff
* Fix typo in digikam-data description (LP: #804894)
* Fix Vcs links

[ Felix Geyer ]
* Move library data files to the new packages libkface-data, libkgeomap-data
  and libkvkontakte-data.
* Override version of the embedded library packages to 1.0~digikam<version>.
* Exclude the library packages from digikam-dbg to prevent file conflicts in
  the future.
* Call dh_install with --list-missing.

Show diffs side-by-side

added added

removed removed

Lines of Context:
core/libs/3rdparty/lprof/cmsreg.cpp
 
1
/* */
 
2
/*  Little cms - profiler construction set */
 
3
/*  Copyright (C) 1998-2001 Marti Maria <marti@littlecms.com> */
 
4
/* */
 
5
/* THIS SOFTWARE IS PROVIDED "AS-IS" AND WITHOUT WARRANTY OF ANY KIND, */
 
6
/* EXPRESS, IMPLIED OR OTHERWISE, INCLUDING WITHOUT LIMITATION, ANY */
 
7
/* WARRANTY OF MERCHANTABILITY OR FITNESS FOR A PARTICULAR PURPOSE. */
 
8
/* */
 
9
/* IN NO EVENT SHALL MARTI MARIA BE LIABLE FOR ANY SPECIAL, INCIDENTAL, */
 
10
/* INDIRECT OR CONSEQUENTIAL DAMAGES OF ANY KIND, */
 
11
/* OR ANY DAMAGES WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, */
 
12
/* WHETHER OR NOT ADVISED OF THE POSSIBILITY OF DAMAGE, AND ON ANY THEORY OF */
 
13
/* LIABILITY, ARISING OUT OF OR IN CONNECTION WITH THE USE OR PERFORMANCE */
 
14
/* OF THIS SOFTWARE. */
 
15
/* */
 
16
/* This file is free software; you can redistribute it and/or modify it */
 
17
/* under the terms of the GNU General Public License as published by */
 
18
/* the Free Software Foundation; either version 2 of the License, or */
 
19
/* (at your option) any later version. */
 
20
/* */
 
21
/* This program is distributed in the hope that it will be useful, but */
 
22
/* WITHOUT ANY WARRANTY; without even the implied warranty of */
 
23
/* MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU */
 
24
/* General Public License for more details. */
 
25
/* */
 
26
/* You should have received a copy of the GNU General Public License */
 
27
/* along with this program; if not, write to the Free Software */
 
28
/* Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301, USA. */
 
29
/* */
 
30
/* As a special exception to the GNU General Public License, if you */
 
31
/* distribute this file as part of a program that contains a */
 
32
/* configuration script generated by Autoconf, you may include it under */
 
33
/* the same distribution terms that you use for the rest of that program. */
 
34
/* */
 
35
/* Version 1.09a */
 
36
 
 
37
 
 
38
#include "lcmsprf.h"
 
39
 
 
40
 
 
41
/* There are three kinds of lies: */
 
42
/* */
 
43
/*   * lies */
 
44
/*   * damn lies */
 
45
/*   * statistics */
 
46
/* */
 
47
/*                    -Some Wag */
 
48
/* */
 
49
/* */
 
50
/* This module handles multiple linear regression stuff */
 
51
 
 
52
 
 
53
 
 
54
/* A measurement of error
 
55
 
 
56
typedef struct {
 
57
 
 
58
        double SSE;             // The error sum of squares
 
59
        double MSE;             // The error mean sum of squares
 
60
        double SSR;             // The regression sum of squares
 
61
        double MSR;             // The regression mean sum of squares
 
62
        double SSTO;            // Total sum of squares
 
63
        double F;               // The Fisher-F value (MSR / MSE)
 
64
        double R2;              // Proportion of variability explained by the regression
 
65
                                // (root is Pearson correlation coefficient)
 
66
 
 
67
        double R2adj;           // The adjusted coefficient of multiple determination.
 
68
                                // R2-adjusted or R2adj. This is calculated as
 
69
                                // R2adj = 1 - (1-R2)(N-n-1)/(N-1)
 
70
                                // and used as multiple correlation coefficient
 
71
                                // (really, it should be square root)
 
72
 
 
73
    } MLRSTATISTICS, FAR* LPMLRSTATISTICS;
 
74
 
 
75
*/
 
76
 
 
77
 
 
78
int  cdecl cmsxRegressionCreateMatrix(LPMEASUREMENT m, SETOFPATCHES Allowed, int nterms,
 
79
                                       int ColorSpace,
 
80
                                       LPMATN* lpMat, LPMLRSTATISTICS Stat);
 
81
 
 
82
BOOL cdecl cmsxRegressionRGB2Lab(double r, double g, double b,
 
83
                                       LPMATN tfm, LPcmsCIELab Lab);
 
84
 
 
85
BOOL cdecl cmsxRegressionRGB2XYZ(double r, double g, double b,
 
86
                                       LPMATN tfm, LPcmsCIEXYZ XYZ);
 
87
 
 
88
 
 
89
/* -------------------------------------------------------------- Implementation */
 
90
 
 
91
/* #define DEBUG 1 */
 
92
 
 
93
 
 
94
/* Multiple linear regression. Also keep track of error. */
 
95
/* Returns false if something goes wrong, or true if all Ok. */
 
96
 
 
97
static
 
98
BOOL MultipleLinearRegression(const LPMATN xi,                /* Dependent variable */
 
99
                              const LPMATN y,                 /* Independent variable */
 
100
                              int nvar,                       /* Number of samples */
 
101
                              int npar,                       /* Number of parameters (terms) */
 
102
                              double* coeff,                  /* Returned coefficients */
 
103
                              LPMATN vcb,                     /* Variance-covariance array */
 
104
                              double *tvl,                    /* T-Values */
 
105
                              LPMLRSTATISTICS ans)            /* The returned statistics */
 
106
{
 
107
    LPMATN bt, xt, a, xy, yt, b;
 
108
    double  sum;
 
109
    LPMATN temp1, temp2;
 
110
    int i;
 
111
 
 
112
 
 
113
    /* |xt| = |xi| T */
 
114
    xt = MATNtranspose(xi);
 
115
    if (xt == NULL) return false;
 
116
 
 
117
 
 
118
    /* |a| = |xt|* |xi| */
 
119
    a = MATNmult(xt, xi);
 
120
    if (a == NULL) return false;
 
121
 
 
122
 
 
123
    /* |xy| = |xy| * |y| */
 
124
    xy = MATNmult (xt, y);
 
125
    if (xy == NULL) return false;
 
126
 
 
127
 
 
128
    /* solve system |a|*|xy| = 0 */
 
129
    if (!MATNsolve(a, xy)) return false;
 
130
 
 
131
    /* b will hold coefficients */
 
132
    b = MATNalloc (xy->Rows, 1);
 
133
    if (b == NULL) return false;
 
134
 
 
135
    for (i = 0; i < npar; i++)
 
136
        b->Values[i][0] = xy->Values[i][0];
 
137
 
 
138
    /* Store a copy for later user */
 
139
    for (i = 0; i < npar; i++)
 
140
        coeff[i] = b->Values[i][0];
 
141
 
 
142
    /* Error analysis. */
 
143
 
 
144
    /* SSE and MSE. */
 
145
    temp1 = MATNalloc (1,1);
 
146
    if ((temp1->Values[0][0] = MATNcross(y)) == 0) return false;
 
147
 
 
148
    /* |bt| = |b| T */
 
149
    bt = MATNtranspose (b);
 
150
    if (bt == false) return false;
 
151
 
 
152
    /*  |yt| = |bt| * |xt| */
 
153
    yt = MATNmult (bt, xt);
 
154
    if (yt == NULL) return false;
 
155
 
 
156
 
 
157
    /* |temp2| = |yt|* |y| */
 
158
    temp2 = MATNmult (yt, y);
 
159
    if (temp2 == NULL) return false;
 
160
 
 
161
    /* SSE, MSE */
 
162
    ans->SSE = temp1 -> Values[0][0] - temp2 -> Values[0][0];
 
163
    ans->MSE = ans->SSE / (double) (nvar - npar);
 
164
 
 
165
    /* SSTO */
 
166
    sum = 0;
 
167
    for (i=0; i < nvar; i++)
 
168
                sum += y->Values[i][0];
 
169
 
 
170
    sum *= sum / (double) nvar;
 
171
    ans->SSTO = temp1->Values[0][0] - sum;
 
172
 
 
173
    /* SSR, MSR, and Fisher-F */
 
174
    ans->SSR = temp2->Values[0][0] - sum;
 
175
    ans->MSR = ans->SSR / (double) (npar - 1);
 
176
    ans->F   = ans->MSR / ans->MSE;
 
177
 
 
178
    /* Correlation coefficients. */
 
179
    ans->R2 = ans->SSR/ans->SSTO;
 
180
    ans->R2adj = 1.0 - (ans->SSE/ans->SSTO)*((nvar-1.)/(nvar-npar));
 
181
 
 
182
    /* Variance-covariance matrix */
 
183
    /* */
 
184
    /*     In RGB->Lab, for example: */
 
185
    /* */
 
186
    /*          Var(R)    Cov(R,G)  Cov(R,B) */
 
187
    /* |vcb| =  Cov(R,G)  Var(G)    Cov(G,B) */
 
188
    /*          Cov(R,B)  Cov(G,B)  Var(B) */
 
189
    /* */
 
190
 
 
191
    MATNscalar(a, ans->MSE, vcb);
 
192
 
 
193
    /* Determine the T-values */
 
194
 
 
195
    for (i=0; i < npar; i++) {
 
196
 
 
197
        temp1->Values[0][0] = fabs(vcb->Values[i][0]);
 
198
        if ( temp1->Values[0][0] == 0)
 
199
            tvl[i] = 0;             /* This should never happen */
 
200
        else
 
201
            tvl[i] = b->Values[i][0] / sqrt(temp1->Values[0][0]);
 
202
    }
 
203
 
 
204
 
 
205
    /* Ok, done */
 
206
 
 
207
    MATNfree(a); MATNfree(xy); MATNfree(yt); MATNfree(b);
 
208
    MATNfree(temp1); MATNfree(temp2); MATNfree(bt); MATNfree(xt);
 
209
 
 
210
 
 
211
    return true;
 
212
}
 
213
 
 
214
 
 
215
 
 
216
/* Does create (so, it allocates) the regression matrix, */
 
217
/* keeping track of error as well. */
 
218
 
 
219
static
 
220
BOOL CreateRegressionMatrix(const LPMATN Input, const LPMATN Output,
 
221
                            LPMATN* ptrMatrix, LPMLRSTATISTICS maxErrorMeas)
 
222
{
 
223
    double* coef;
 
224
    double* tval;
 
225
    LPMATN ivar, dvar, vcov;
 
226
    MLRSTATISTICS ErrorMeas, PeakErrorMeas;
 
227
    int i, j, nIn, nOut, NumOfPatches;
 
228
 
 
229
        nIn          = Input  -> Cols;
 
230
        nOut         = Output -> Cols;
 
231
        NumOfPatches = Input  -> Rows;
 
232
 
 
233
        /* Checkpoint */
 
234
        if (Output -> Rows != NumOfPatches) {
 
235
 
 
236
                cmsSignalError(LCMS_ERRC_ABORTED, "(internal) Regression matrix mismatch");
 
237
                return false;
 
238
        }
 
239
 
 
240
    coef = (double*) malloc(nIn * sizeof(double));
 
241
    if (coef == NULL) return false;
 
242
 
 
243
    tval = (double*) malloc(nIn * sizeof(double));
 
244
    if (tval == NULL) {
 
245
        free(coef);
 
246
        return false;
 
247
    }
 
248
 
 
249
    ivar = MATNalloc(NumOfPatches, nIn);
 
250
    dvar = MATNalloc(NumOfPatches, 1);
 
251
 
 
252
    /* Copy In to ivar, */
 
253
    for (i = 0; i < NumOfPatches; i++) {
 
254
 
 
255
        for (j = 0; j < nIn; j++)
 
256
            ivar->Values[i][j] = Input->Values[i][j];
 
257
    }
 
258
 
 
259
    /* This is the (symmetric) Covariance matrix */
 
260
    vcov = MATNalloc(nIn, nIn);
 
261
 
 
262
    /* This is the regression matrix */
 
263
    *ptrMatrix = MATNalloc(nIn, nOut);
 
264
 
 
265
    PeakErrorMeas.R2adj = 0;
 
266
    for (j = 0; j < nOut; ++j)
 
267
    {
 
268
        for (i = 0; i < NumOfPatches; ++i)
 
269
            dvar->Values[i][0] = Output->Values[i][j];
 
270
 
 
271
        if (MultipleLinearRegression(ivar, dvar, NumOfPatches, nIn, coef, vcov, tval, &ErrorMeas)) {
 
272
 
 
273
            /* Ok so far... store values */
 
274
            for (i = 0; i < nIn; i++)
 
275
                (*ptrMatrix)->Values[i][j] = coef[i];
 
276
        }
 
277
        else {
 
278
                    /* Boo... got error. Discard whole point. */
 
279
                    MATNfree(ivar); MATNfree(dvar); MATNfree(vcov);
 
280
                    if (coef) free(coef);
 
281
                    if (tval) free(tval);
 
282
                    MATNfree(*ptrMatrix); *ptrMatrix = NULL;
 
283
                    return false;
 
284
        }
 
285
 
 
286
        /* Did this colorant got higer error? If so, this is  */
 
287
        /* the peak of all pixel */
 
288
 
 
289
        if(fabs(ErrorMeas.R2adj) > fabs(PeakErrorMeas.R2adj))
 
290
            PeakErrorMeas = ErrorMeas;
 
291
    }
 
292
 
 
293
    /* This is the peak error on all components */
 
294
    *maxErrorMeas = PeakErrorMeas;
 
295
 
 
296
 
 
297
#ifdef DEBUG
 
298
        //MATNprintf("Variance-Covariance", vcov);
 
299
        printf("R2adj: %g, F: %g\n", PeakErrorMeas.R2adj, PeakErrorMeas.F);
 
300
#endif
 
301
 
 
302
    /* Free stuff. */
 
303
    MATNfree(ivar); MATNfree(dvar); MATNfree(vcov);
 
304
    if (coef) free(coef);
 
305
    if (tval) free(tval);
 
306
 
 
307
    return true;
 
308
}
 
309
 
 
310
 
 
311
/* Does compute the term of regression based on inputs. */
 
312
 
 
313
static
 
314
double Term(int n, double r, double g, double b)
 
315
{
 
316
 
 
317
        switch (n) {
 
318
 
 
319
        /* 0 */
 
320
        case 0 : return 255.0;          /* 0  0  0 */
 
321
 
 
322
        /* 1 */
 
323
        case 1 : return r;              /* 1  0  0 */
 
324
        case 2 : return g;              /* 0  1  0 */
 
325
        case 3 : return b;              /* 0  0  1 */
 
326
 
 
327
        /* 2 */
 
328
        case 4 : return r * g;          /* 1  1  0 */
 
329
        case 5 : return r * b;          /* 1  0  1 */
 
330
        case 6 : return g * b;          /* 0  1  1 */
 
331
        case 7 : return r * r;          /* 2  0  0 */
 
332
        case 8 : return g * g;          /* 0  2  0 */
 
333
        case 9 : return b * b;          /* 0  0  2 */
 
334
 
 
335
        /* 3 */
 
336
        case 10: return r * g * b;      /*  1  1  1 */
 
337
        case 11: return r * r * r;      /*  3  0  0 */
 
338
        case 12: return g * g * g;      /*  0  3  0 */
 
339
        case 13: return b * b * b;      /*  0  0  3 */
 
340
        case 14: return r * g * g;      /*  1  2  0 */
 
341
        case 15: return r * r * g;      /*  2  1  0 */
 
342
        case 16: return g * g * b;      /*  0  2  1          */
 
343
        case 17: return b * r * r;      /*  2  0  1 */
 
344
        case 18: return b * b * r;      /*  1  0  2 */
 
345
 
 
346
        /* 4  */
 
347
 
 
348
        case 19: return r * r * g * g;          /* 2  2  0 */
 
349
        case 20: return g * g * b * b;          /* 0  2  2 */
 
350
        case 21: return r * r * b * b;          /* 2  0  2 */
 
351
        case 22: return r * r * g * b;          /* 2  1  1 */
 
352
        case 23: return r * g * g * b;          /* 1  2  1    */
 
353
        case 24: return r * g * b * b;          /* 1  1  2   */
 
354
        case 25: return r * r * r * g;          /* 3  1  0 */
 
355
        case 26: return r * r * r * b;          /* 3  0  1 */
 
356
        case 27: return r * g * g * g;          /* 1  3  0 */
 
357
        case 28: return g * g * g * b;          /* 0  3  1 */
 
358
        case 29: return r * b * b * b;          /* 1  0  3 */
 
359
        case 30: return g * b * b * b;          /* 0  1  3 */
 
360
        case 31: return r * r * r * r;          /* 4  0  0 */
 
361
        case 32: return g * g * g * g;          /* 0  4  0 */
 
362
        case 33: return b * b * b * b;          /* 0  0  4 */
 
363
 
 
364
        /* 5 */
 
365
 
 
366
        case 34: return r * r * g * g * b;      /* 2  2  1  */
 
367
        case 35: return r * g * g * b * b;      /* 1  2  2 */
 
368
        case 36: return r * r * g * b * b;      /* 2  1  2 */
 
369
        case 37: return r * r * r * g * g;      /* 3  2  0 */
 
370
        case 38: return r * r * r * g * b;      /* 3  1  1 */
 
371
        case 39: return r * r * r * b * b;      /* 3  0  2 */
 
372
        case 40: return g * g * g * b * b;      /* 0  3  2 */
 
373
        case 41: return r * r * g * g * g;      /* 2  3  0 */
 
374
        case 42: return r * g * g * g * b;      /* 1  3  1 */
 
375
        case 43: return r * r * b * b * b;      /* 2  0  3 */
 
376
        case 44: return g * g * b * b * b;      /* 0  2  3 */
 
377
        case 45: return r * g * b * b * b;      /* 1  1  3 */
 
378
        case 46: return r * r * r * r * g;      /* 4  1  0 */
 
379
        case 47: return r * r * r * r * b;      /* 4  0  1 */
 
380
        case 48: return r * g * g * g * g;      /* 1  4  0 */
 
381
        case 49: return g * g * g * g * b;      /* 0  4  1 */
 
382
        case 50: return r * b * b * b * b;      /* 1  0  4 */
 
383
        case 51: return g * b * b * b * b;      /* 0  1  4 */
 
384
        case 52: return r * r * r * r * r;      /* 5  0  0 */
 
385
        case 53: return g * g * g * g * g;      /* 0  5  0 */
 
386
        case 54: return b * b * b * b * b;      /* 0  0  5 */
 
387
 
 
388
 
 
389
        default: return 0;
 
390
        }
 
391
}
 
392
 
 
393
 
 
394
 
 
395
int cmsxRegressionCreateMatrix(LPMEASUREMENT m, SETOFPATCHES Allowed, int nterms,
 
396
                                                int ColorSpace,
 
397
                                                LPMATN* lpMat, LPMLRSTATISTICS Stat)
 
398
{
 
399
        LPMATN Input, Output;
 
400
        int nCollected = cmsxPCollCountSet(m, Allowed);
 
401
        int i, j, n, rc;
 
402
 
 
403
        /* We are going always 3 -> 3 for now.... */
 
404
 
 
405
        Input  = MATNalloc(nCollected, nterms);
 
406
        Output = MATNalloc(nCollected, 3);
 
407
 
 
408
        /* Set independent terms */
 
409
 
 
410
        for (n = i = 0; i < m -> nPatches; i++)
 
411
        {
 
412
         if (Allowed[i]) {
 
413
 
 
414
                LPPATCH p = m -> Patches + i;
 
415
 
 
416
                for (j=0; j < nterms; j++)
 
417
                        Input -> Values[n][j] = Term(j, p -> Colorant.RGB[0], p -> Colorant.RGB[1], p->Colorant.RGB[2]);
 
418
 
 
419
                switch (ColorSpace) {
 
420
 
 
421
                case PT_Lab:
 
422
 
 
423
                Output-> Values[n][0] = p -> Lab.L;
 
424
                Output-> Values[n][1] = p -> Lab.a;
 
425
                Output-> Values[n][2] = p -> Lab.b;
 
426
                break;
 
427
 
 
428
                case PT_XYZ:
 
429
                Output-> Values[n][0] = p -> XYZ.X;
 
430
                Output-> Values[n][1] = p -> XYZ.Y;
 
431
                Output-> Values[n][2] = p -> XYZ.Z;
 
432
                break;
 
433
 
 
434
 
 
435
                default:
 
436
                        cmsSignalError(LCMS_ERRC_ABORTED, "Invalid colorspace");
 
437
                }
 
438
 
 
439
        n++;
 
440
        }
 
441
    }
 
442
 
 
443
 
 
444
    /* Apply multiple linear regression */
 
445
 
 
446
    if (*lpMat) MATNfree(*lpMat);
 
447
    rc = CreateRegressionMatrix(Input, Output, lpMat, Stat);
 
448
 
 
449
    /* Free variables */
 
450
 
 
451
    MATNfree(Input);
 
452
    MATNfree(Output);
 
453
 
 
454
 
 
455
#ifdef DEBUG
 
456
        //if (rc == true)
 
457
        //    MATNprintf("tfm", *lpMat);
 
458
#endif
 
459
 
 
460
        return rc;
 
461
}
 
462
 
 
463
 
 
464
/* Convert a RGB triplet to Lab by using regression matrix */
 
465
 
 
466
BOOL cmsxRegressionRGB2Lab(double r, double g, double b, LPMATN tfm, LPcmsCIELab Lab)
 
467
{
 
468
    LPMATN inVec, outVec;
 
469
        int i;
 
470
 
 
471
    inVec = MATNalloc(1, tfm->Rows);
 
472
    if (inVec == NULL)
 
473
            return false;
 
474
 
 
475
        /* Put terms */
 
476
        for (i=0; i < tfm->Rows; i++)
 
477
                inVec -> Values[0][i] = Term(i, r, g, b);
 
478
 
 
479
        /* Across regression matrix */
 
480
        outVec = MATNmult(inVec, tfm);
 
481
 
 
482
        /* Store result */
 
483
        if (outVec != NULL) {
 
484
 
 
485
        Lab->L = outVec->Values[0][0];
 
486
        Lab->a = outVec->Values[0][1];
 
487
        Lab->b = outVec->Values[0][2];
 
488
        MATNfree(outVec);
 
489
    }
 
490
 
 
491
    MATNfree(inVec);
 
492
    return true;
 
493
}
 
494
 
 
495
 
 
496
/* Convert a RGB triplet to XYX by using regression matrix */
 
497
 
 
498
BOOL cmsxRegressionRGB2XYZ(double r, double g, double b, LPMATN tfm, LPcmsCIEXYZ XYZ)
 
499
{
 
500
    LPMATN inVec, outVec;
 
501
        int i;
 
502
 
 
503
    inVec = MATNalloc(1, tfm->Rows);
 
504
    if (inVec == NULL)
 
505
            return false;
 
506
 
 
507
        /* Put terms */
 
508
        for (i=0; i < tfm->Rows; i++)
 
509
                inVec -> Values[0][i] = Term(i, r, g, b);
 
510
 
 
511
        /* Across regression matrix */
 
512
        outVec = MATNmult(inVec, tfm);
 
513
 
 
514
        /* Store result */
 
515
        if (outVec != NULL) {
 
516
 
 
517
        XYZ->X = outVec->Values[0][0];
 
518
        XYZ->Y = outVec->Values[0][1];
 
519
        XYZ->Z = outVec->Values[0][2];
 
520
        MATNfree(outVec);
 
521
    }
 
522
 
 
523
    MATNfree(inVec);
 
524
    return true;
 
525
}
 
526
 
 
527
 
 
528
/* Convert a RGB triplet to XYX by using regression matrix */
 
529
 
 
530
BOOL cmsxRegressionXYZ2RGB(LPcmsCIEXYZ XYZ, LPMATN tfm, double RGB[3])
 
531
{
 
532
    LPMATN inVec, outVec;
 
533
        int i;
 
534
 
 
535
    inVec = MATNalloc(1, tfm->Rows);
 
536
    if (inVec == NULL)
 
537
            return false;
 
538
 
 
539
        /* Put terms */
 
540
        for (i=0; i < tfm->Rows; i++)
 
541
                inVec -> Values[0][i] = Term(i, XYZ->X, XYZ->Y, XYZ->Z);
 
542
 
 
543
        /* Across regression matrix */
 
544
        outVec = MATNmult(inVec, tfm);
 
545
 
 
546
        /* Store result */
 
547
        if (outVec != NULL) {
 
548
 
 
549
        RGB[0] = outVec->Values[0][0];
 
550
        RGB[1] = outVec->Values[0][1];
 
551
        RGB[2] = outVec->Values[0][2];
 
552
        MATNfree(outVec);
 
553
    }
 
554
 
 
555
    MATNfree(inVec);
 
556
    return true;
 
557
}