diff transformations/DistorsionGauss.py @ 90:e352a98fcc0a

Il y a maintenant une proba de 0.3 d'effectuer le bruitage. De plus, comme cette nouvelle fonctionnalite demande un parametre non-deterministe, les deux fonctions 'determined_by_complexity' ont ete enlevees. Le module se comporte comme un module conventionnel
author SylvainPL <sylvain.pannetier.lebeuf@umontreal.ca>
date Thu, 11 Feb 2010 09:08:16 -0500
parents aee278ebc827
children 901ab3329064
line wrap: on
line diff
--- a/transformations/DistorsionGauss.py	Thu Feb 11 09:01:03 2010 -0500
+++ b/transformations/DistorsionGauss.py	Thu Feb 11 09:08:16 2010 -0500
@@ -5,6 +5,8 @@
 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
 
 '''
@@ -16,24 +18,29 @@
     
     def __init__(self):
         self.ecart_type=0.1 #L'ecart type de la gaussienne
+        self.effectuer=1    #1=on effectue et 0=rien faire
         
     def get_settings_names(self):
-        return []
+        return ['ecart_type','effectuer']
     
-    def get_settings_name_determined_by_complexity(self):
-        return ['ecart_type']
+##    def get_settings_name_determined_by_complexity(self):
+##        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 []
+        return [self.ecart_type,self.effectuer]
     
-    def get_parameters_determined_by_complexity(self, complexity):
-        return [float(complexity)/10]
+##    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):