Mercurial > ift6266

comparison transformations/Rature.py @ 37:5848e88f7a7a

Find changesets by keywords (author, files, the commit message), revision number or hash, or revset expression.
Ajout de rature verticale, horizontale ou blique sur l'image. Compatible avec testmod.py
author SylvainPL <sylvain.pannetier.lebeuf@umontreal.ca>
date Tue, 02 Feb 2010 10:44:54 -0500
parents
children fd02fd7e6557
comparison
equal deleted inserted replaced
36:f5de107d3643 37:5848e88f7a7a
1 #!/usr/bin/python
2 # coding: utf-8
3
4 '''
5 Ajout de rature sur le caractère. La rature peut etre horizontale, verticale
6 (dans ces deux cas, l'amplacement de la bande est aleatoire) ou sur la diagonale
7 (et anti-diagonale).
8
9 La largeur de la bande ainsi que sa clarté sont definies a l'aide de complexity.
10 clarte: 0=blanc et 1=noir
11
12 Ce fichier prend pour acquis que les images sont donnees une a la fois
13 sous forme de numpy.array de 1024 (32 x 32) valeurs entre 0 et 1.
14
15 Sylvain Pannetier Lebeuf dans le cadre de IFT6266, hiver 2010
16
17 '''
18
19 import numpy
20 import random
21
22 class Rature():
23
24 def __init__(self):
25 self.largeur=2 #Largeur de la bande
26 self.deplacement=0 #Deplacement par rapport au milieu
27 self.orientation=0 #0=horizontal, 1=vertical, 2=oblique
28 self.clarte=0.5
29
30 def get_settings_names(self):
31 return ['orientation','deplacement','clarte']
32
33 def regenerate_parameters(self, complexity):
34 #Il faut choisir parmis vertical, horizontal et diagonal.
35 #La methode n'est pas exacte, mais un peu plus rapide que generer un int.
36 #Complexity n'a rien a voir avec ce choix
37
38 choix=numpy.random.random()
39
40 if choix <0.34:
41 self.orientation=0
42 elif choix <0.67:
43 self.orientation=1
44 else:
45 self.orientation=2
46
47 self.largeur=int(numpy.ceil(complexity*5))
48 self.clarte=complexity
49
50
51 return self._get_current_parameters()
52
53 def _get_current_parameters(self):
54 return [self.orientation,self.largeur,self.clarte]
55
56 def transform_image(self, image):
57 if self.orientation == 0:
58 return self._horizontal(image)
59 elif self.orientation == 1:
60 return self._vertical(image)
61 else:
62 return self._oblique(image)
63
64 def _horizontal(self,image):
65 self.deplacement=numpy.random.normal(0,5)
66 #On s'assure de rester dans l'image
67 if self.deplacement < -16: #Si on recule trop
68 self.deplacement = -16
69 if self.deplacement+self.largeur > 16: #Si on avance trop
70 self.deplacement=16-self.largeur
71 for i in xrange(0,self.largeur):
72 for j in xrange(0,31):
73 image[i+15+self.deplacement,j]=min(1,image[i+15+self.deplacement,j]+self.clarte)
74 return image
75
76 def _vertical(self,image):
77 self.deplacement=numpy.random.normal(0,5)
78 #On s'assure de rester dans l'image
79 if self.deplacement < -16: #Si on recule trop
80 self.deplacement = -16
81 if self.deplacement+self.largeur > 16: #Si on avance trop
82 self.deplacement=16-self.largeur
83 for i in xrange(0,self.largeur):
84 for j in xrange(0,31):
85 image[j,i+15+self.deplacement]=min(1,image[j,i+15+self.deplacement]+self.clarte)
86 return image
87
88 def _oblique(self,image):
89 decision=numpy.random.random()
90 D=numpy.zeros((32,32)) #La matrice qui sera additionnee
91 for i in xrange(int(-numpy.floor(self.largeur/2)),int(numpy.ceil((self.largeur+1)/2))):
92 D+=numpy.eye(32,32,i)
93 if decision<0.5: #On met tout sur l'anti-diagonale
94 D = D[:,::-1]
95 D*=self.clarte
96 image+=D
97 for i in xrange(0,32):
98 for j in xrange(0,32):
99 image[i,j]=min(1,image[i,j]) #Afin de toujours avoir des valeurs entre 0 et 1
100 return image
101
102
103 #---TESTS---
104
105 def _load_image():
106 f = open('/home/sylvain/Dropbox/Msc/IFT6266/donnees/lower_test_data.ft') #Le jeu de donnees est en local.
107 d = ft.read(f)
108 w=numpy.asarray(d[1])
109 return (w/255.0).astype('float')
110
111 def _test(complexite):
112 img=_load_image()
113 transfo = Rature()
114 pylab.imshow(img.reshape((32,32)))
115 pylab.show()
116 print transfo.get_settings_names()
117 print transfo.regenerate_parameters(complexite)
118 img=img.reshape((32,32))
119
120 img_trans=transfo.transform_image(img)
121
122 pylab.imshow(img_trans.reshape((32,32)))
123 pylab.show()
124
125
126 if __name__ == '__main__':
127 from pylearn.io import filetensor as ft
128 import pylab
129 _test(0.8)
130
131