--- /dev/null	Thu Jan 01 00:00:00 1970 +0000
+++ b/data_generation/transformations/Occlusion.py	Fri Feb 26 14:15:38 2010 -0500
@@ -0,0 +1,161 @@
+#!/usr/bin/python
+# coding: utf-8
+
+'''
+Ajout de bruit d'occlusion dans l'image originale.
+
+Le bruit provient d'un echantillon pris dans la seconde image puis rajoutee a
+gauche ou a droite de l'image originale. De plus, il se peut aussi que le
+bruit soit rajoute sur l'image originale, mais en plus pâle.
+
+Le fichier /data/lisa/data/ift6266h10/echantillon_occlusion.ft 
+(sur le reseau DIRO) est necessaire.
+
+Il y a 30% de chance d'avoir une occlusion quelconque.
+
+Sylvain Pannetier Lebeuf dans le cadre de IFT6266, hiver 2010
+
+'''
+
+
+import numpy
+
+from pylearn.io import filetensor as ft
+
+class Occlusion():
+    
+    def __init__(self,seed=9854):
+        #Ces 4 variables representent la taille du "crop" sur l'image2
+        #Ce "crop" est pris a partie de image1[15,15], le milieu de l'image1
+        self.haut=2
+        self.bas=2
+        self.gauche=2
+        self.droite=2
+        
+        #Ces deux variables representent le deplacement en x et y par rapport
+        #au milieu du bord gauche ou droit
+        self.x_arrivee=0
+        self.y_arrivee=0
+        
+        #Cette variable =1 si l'image est mise a gauche et -1 si a droite
+        #et =0 si au centre, mais plus pale
+        self.endroit=-1
+        
+        #Cette variable determine l'opacite de l'ajout dans le cas ou on est au milieu
+        self.opacite=0.5    #C'est completement arbitraire. Possible de le changer si voulu
+        
+        #Sert a dire si on fait quelque chose. 0=faire rien, 1 on fait quelque chose
+        self.appliquer=1
+        
+        self.seed=seed
+        #numpy.random.seed(self.seed)
+        
+        f3 = open('/data/lisa/data/ift6266h10/echantillon_occlusion.ft')   #Doit etre sur le reseau DIRO.
+        #f3 = open('/home/sylvain/Dropbox/Msc/IFT6266/donnees/echantillon_occlusion.ft')
+        #Il faut arranger le path sinon
+        w=ft.read(f3)
+        f3.close()
+        
+        self.longueur=len(w)
+        self.d=(w.astype('float'))/255
+        
+        
+    def get_settings_names(self):
+        return ['haut','bas','gauche','droite','x_arrivee','y_arrivee','endroit','rajout','appliquer']
+    
+    def get_seed(self):
+        return self.seed
+
+    def regenerate_parameters(self, complexity):
+        self.haut=min(15,int(numpy.abs(numpy.random.normal(int(8*complexity),2))))
+        self.bas=min(15,int(numpy.abs(numpy.random.normal(int(8*complexity),2))))
+        self.gauche=min(15,int(numpy.abs(numpy.random.normal(int(8*complexity),2))))
+        self.droite=min(15,int(numpy.abs(numpy.random.normal(int(8*complexity),2))))
+        if self.haut+self.bas+self.gauche+self.droite==0:   #Tres improbable
+            self.haut=1
+            self.bas=1
+            self.gauche=1
+            self.droite=1
+        
+        #Ces deux valeurs seront controlees afin d'etre certain de ne pas depasser
+        self.x_arrivee=int(numpy.abs(numpy.random.normal(0,2))) #Complexity n'entre pas en jeu, pas besoin
+        self.y_arrivee=int(numpy.random.normal(0,3)) 
+        
+        self.rajout=numpy.random.randint(0,self.longueur-1)  #les bouts de quelle lettre
+        self.appliquer=numpy.random.binomial(1,0.4)    #####  40 % du temps, on met une occlusion #####
+        
+        if complexity == 0: #On ne fait rien dans ce cas
+            self.applique=0
+        
+        self.endroit=numpy.random.randint(-1,2) 
+
+        return self._get_current_parameters()
+
+    def _get_current_parameters(self):
+        return [self.haut,self.bas,self.gauche,self.droite,self.x_arrivee,self.y_arrivee,self.endroit,self.rajout,self.appliquer]
+    
+    
+    def transform_image(self, image):
+        if self.appliquer == 0: #Si on fait rien, on retourne tout de suite l'image
+            return image
+        
+        #Attrapper le bruit d'occlusion
+        bruit=self.d[self.rajout].reshape((32,32))[15-self.haut:15+self.bas+1,15-self.gauche:15+self.droite+1]
+        
+        if self.x_arrivee+self.gauche+self.droite>32:
+            self.endroit*=-1    #On change de bord et on colle sur le cote
+            self.x_arrivee=0
+        if self.y_arrivee-self.haut <-16:
+            self.y_arrivee=self.haut-16#On colle le morceau en haut
+        if self.y_arrivee+self.bas > 15:
+            self.y_arrivee=15-self.bas  #On colle le morceau en bas
+            
+        if self.endroit==-1:    #a gauche
+            for i in xrange(-self.haut,self.bas+1):
+                for j in xrange(0,self.gauche+self.droite+1):
+                    image[16+self.y_arrivee+i,self.x_arrivee+j]=\
+                    max(image[16+self.y_arrivee+i,self.x_arrivee+j],bruit[i+self.haut,j])
+            
+        elif self.endroit==1: #a droite
+            for i in xrange(-self.haut,self.bas+1):
+                for j in xrange(-self.gauche-self.droite,1):
+                    image[16+self.y_arrivee+i,31-self.x_arrivee+j]=\
+                    max(image[16+self.y_arrivee+i,31-self.x_arrivee+j],bruit[i+self.haut,j+self.gauche+self.droite])
+            
+        elif self.endroit==0:    #au milieu
+            for i in xrange(-self.haut,self.bas+1):
+                for j in xrange(-self.gauche,self.droite+1):
+                    image[16+i,16+j]=max(image[16+i,16+j],bruit[i+self.haut,j+self.gauche]*self.opacite)
+            
+        
+        return image
+        
+#---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[numpy.random.randint(0,50)])
+    return (w/255.0).astype('float')
+
+def _test(complexite):
+    
+    transfo = Occlusion()
+    for i in xrange(0,20):
+        img = _load_image()
+        pylab.imshow(img.reshape((32,32)))
+        pylab.show()
+        print transfo.get_settings_names()
+        print transfo.regenerate_parameters(complexite)
+        
+        img_trans=transfo.transform_image(img.reshape((32,32)))
+        
+        print transfo.get_seed()
+        pylab.imshow(img_trans.reshape((32,32)))
+        pylab.show()
+    
+
+if __name__ == '__main__':
+    import pylab
+    import scipy
+    _test(0.5)