--- /dev/null	Thu Jan 01 00:00:00 1970 +0000
+++ b/data_generation/transformations/DistorsionGauss.py	Fri Feb 26 14:15:38 2010 -0500
@@ -0,0 +1,100 @@
+#!/usr/bin/python
+# coding: utf-8
+
+'''
+Ajout d'une composante aleatoire dans chaque pixel de l'image.
+C'est une distorsion gaussienne de moyenne 0 et d'écart type complexity/10
+
+Il y a 30% d'effectuer le bruitage
+
+Sylvain Pannetier Lebeuf dans le cadre de IFT6266, hiver 2010
+
+'''
+
+import numpy
+import random
+
+class DistorsionGauss():
+    
+    def __init__(self,seed=3459):
+        self.ecart_type=0.1 #L'ecart type de la gaussienne
+        self.effectuer=1    #1=on effectue et 0=rien faire
+        self.seed=seed
+        
+        #Les deux generateurs sont de types differents, avoir la meme seed n'a pas d'influence
+        #numpy.random.seed(self.seed) 
+        #random.seed(self.seed)
+        
+    def get_settings_names(self):
+        return ['effectuer']
+    
+    def get_seed(self):
+        return self.seed
+    
+    def get_settings_names_determined_by_complexity(self,complexity):
+        return ['ecart_type']
+
+    def regenerate_parameters(self, complexity):
+        self.ecart_type=float(complexity)/10
+        self.effectuer =numpy.random.binomial(1,0.3)    ##### On a 30% de faire un bruit #####
+        return self._get_current_parameters()
+
+    def _get_current_parameters(self):
+        return [self.effectuer]
+    
+    def get_parameters_determined_by_complexity(self,complexity):
+        return [float(complexity)/10]
+    
+    def transform_image(self, image):
+        if self.effectuer == 0:
+            return image
+        
+        image=image.reshape(1024,1)
+        aleatoire=numpy.zeros((1024,1)).astype('float32')
+        for i in xrange(0,1024):
+            aleatoire[i]=float(random.gauss(0,self.ecart_type))
+        image=image+aleatoire
+        
+        
+        #Ramener tout entre 0 et 1. Ancienne facon de normaliser.
+        #Resultats moins interessant je trouve.
+##        if numpy.min(image) < 0:
+##            image-=numpy.min(image)
+##        if numpy.max(image) > 1:
+##            image/=numpy.max(image)
+            
+        for i in xrange(0,1024):
+            image[i]=min(1,max(0,image[i]))
+            
+        return image.reshape(32,32)
+
+
+#---TESTS---
+
+def _load_image():
+    f = open('/home/sylvain/Dropbox/Msc/IFT6266/donnees/lower_test_data.ft')  #Le jeu de donnees est en local. 
+    d = ft.read(f)
+    w=numpy.asarray(d[random.randint(0,100)])
+    return (w/255.0).astype('float')
+
+def _test(complexite):
+    img=_load_image()
+    transfo = DistorsionGauss()
+    pylab.imshow(img.reshape((32,32)))
+    pylab.show()
+    print transfo.get_settings_names()
+    print transfo.regenerate_parameters(complexite)
+    
+    img_trans=transfo.transform_image(img)
+    
+    pylab.imshow(img_trans.reshape((32,32)))
+    pylab.show()
+    
+
+if __name__ == '__main__':
+    from pylearn.io import filetensor as ft
+    import pylab
+    for i in xrange(0,5):
+        _test(0.5)
+
+