Mercurial > ift6266
view data_generation/transformations/Occlusion.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 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)