Mercurial > ift6266
view data_generation/transformations/DistorsionGauss.py @ 599:587674030c5a
added authors and emails list
author | boulanni <nicolas_boulanger@hotmail.com> |
---|---|
date | Fri, 15 Oct 2010 14:14:06 -0400 |
parents | 1f5937e9e530 |
children |
line wrap: on
line source
#!/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)