Mercurial > ift6266

comparison data_generation/transformations/DistorsionGauss.py @ 167:1f5937e9e530

Find changesets by keywords (author, files, the commit message), revision number or hash, or revset expression.
More moves - transformations into data_generation, added "deep" folder
author Dumitru Erhan <dumitru.erhan@gmail.com>
date Fri, 26 Feb 2010 14:15:38 -0500
parents transformations/DistorsionGauss.py@7640cb31cf1f
children
comparison
equal deleted inserted replaced
166:17ae5a1a4dd1 167:1f5937e9e530
1 #!/usr/bin/python
2 # coding: utf-8
3
4 '''
5 Ajout d'une composante aleatoire dans chaque pixel de l'image.
6 C'est une distorsion gaussienne de moyenne 0 et d'écart type complexity/10
7
8 Il y a 30% d'effectuer le bruitage
9
10 Sylvain Pannetier Lebeuf dans le cadre de IFT6266, hiver 2010
11
12 '''
13
14 import numpy
15 import random
16
17 class DistorsionGauss():
18
19 def __init__(self,seed=3459):
20 self.ecart_type=0.1 #L'ecart type de la gaussienne
21 self.effectuer=1 #1=on effectue et 0=rien faire
22 self.seed=seed
23
24 #Les deux generateurs sont de types differents, avoir la meme seed n'a pas d'influence
25 #numpy.random.seed(self.seed)
26 #random.seed(self.seed)
27
28 def get_settings_names(self):
29 return ['effectuer']
30
31 def get_seed(self):
32 return self.seed
33
34 def get_settings_names_determined_by_complexity(self,complexity):
35 return ['ecart_type']
36
37 def regenerate_parameters(self, complexity):
38 self.ecart_type=float(complexity)/10
39 self.effectuer =numpy.random.binomial(1,0.3) ##### On a 30% de faire un bruit #####
40 return self._get_current_parameters()
41
42 def _get_current_parameters(self):
43 return [self.effectuer]
44
45 def get_parameters_determined_by_complexity(self,complexity):
46 return [float(complexity)/10]
47
48 def transform_image(self, image):
49 if self.effectuer == 0:
50 return image
51
52 image=image.reshape(1024,1)
53 aleatoire=numpy.zeros((1024,1)).astype('float32')
54 for i in xrange(0,1024):
55 aleatoire[i]=float(random.gauss(0,self.ecart_type))
56 image=image+aleatoire
57
58
59 #Ramener tout entre 0 et 1. Ancienne facon de normaliser.
60 #Resultats moins interessant je trouve.
61 ## if numpy.min(image) < 0:
62 ## image-=numpy.min(image)
63 ## if numpy.max(image) > 1:
64 ## image/=numpy.max(image)
65
66 for i in xrange(0,1024):
67 image[i]=min(1,max(0,image[i]))
68
69 return image.reshape(32,32)
70
71
72 #---TESTS---
73
74 def _load_image():
75 f = open('/home/sylvain/Dropbox/Msc/IFT6266/donnees/lower_test_data.ft') #Le jeu de donnees est en local.
76 d = ft.read(f)
77 w=numpy.asarray(d[random.randint(0,100)])
78 return (w/255.0).astype('float')
79
80 def _test(complexite):
81 img=_load_image()
82 transfo = DistorsionGauss()
83 pylab.imshow(img.reshape((32,32)))
84 pylab.show()
85 print transfo.get_settings_names()
86 print transfo.regenerate_parameters(complexite)
87
88 img_trans=transfo.transform_image(img)
89
90 pylab.imshow(img_trans.reshape((32,32)))
91 pylab.show()
92
93
94 if __name__ == '__main__':
95 from pylearn.io import filetensor as ft
96 import pylab
97 for i in xrange(0,5):
98 _test(0.5)
99
100