--- /dev/null	Thu Jan 01 00:00:00 1970 +0000
+++ b/transformations/BruitGauss.py	Tue Feb 02 10:46:11 2010 -0500
@@ -0,0 +1,87 @@
+#!/usr/bin/python
+# coding: utf-8
+
+'''
+Ajout de bruit gaussien dans les donnees. Un bruit poivre et sel est ajoute
+aux donnees, puis un filtre gaussien est applique sur l'image.
+
+La proportion de bites aleatoires est definit par complexity.
+Lorsque cette valeur est a 1 ==> Plus reconnaissable et 0 ==> Rien ne se passe
+
+Le niveau de lisssage est definit par complexity
+Au plus c'est eleve, au plus c'est lisse
+
+Ce fichier prend pour acquis que les images sont donnees une a la fois
+sous forme de numpy.array de 1024 (32 x 32) valeurs entre 0 et 1.
+
+Sylvain Pannetier Lebeuf dans le cadre de IFT6266, hiver 2010
+
+'''
+
+import numpy
+import random
+import scipy
+from scipy import ndimage
+
+class BruitGauss():
+    
+    def __init__(self):
+        self.proportion_bruit=0.1 #Le pourcentage des pixels qui seront bruites
+        self.nb_chng=10 #Le nombre de pixels changes. Seulement pour fin de calcul
+        self.sigma_gauss=0.5  #L'ecart type du noyau gaussien
+        
+    def get_settings_names(self):
+        return ['proportion_bruit','sigma_gauss']
+
+    def regenerate_parameters(self, complexity):
+        self.proportion_bruit = complexity  #Generation uniforme
+        self.nb_chng=int(1024*self.proportion_bruit)
+        self.sigma_gauss=complexity+0.2
+        return self._get_current_parameters()
+
+    def _get_current_parameters(self):
+        return []
+
+    def get_parameters_determined_by_complexity(self, complexity):
+        return [self.proportion_bruit,self.sigma_gauss]
+    
+    def transform_image(self, image):
+        image=image.reshape(1024,1)
+        changements=random.sample(xrange(numpy.size(image)),self.nb_chng)   #Les pixels qui seront changes
+        for j in xrange(0,self.nb_chng):
+            image[changements[j]]=numpy.random.random()    #On determine les nouvelles valeurs des pixels changes
+        image=image.reshape(32,32)
+        image=(scipy.ndimage.filters.gaussian_filter\
+            (image, self.sigma_gauss, order=0, \
+            output=None, mode='reflect', cval=0.0))
+    
+        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[0])
+    return (w/255.0).astype('float')
+
+def _test(complexite):
+    img=_load_image()
+    transfo = BruitGauss()
+    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
+    _test(0.5)
+
+