# HG changeset patch
# User SylvainPL <sylvain.pannetier.lebeuf@umontreal.ca>
# Date 1265297527 18000
# Node ID 3bc75139654a5fe4c40c932d28975b42aeaaee1b
# Parent  48a21d19b8eb9197a7456b0b58652c191f474f71
Ajout d'un petit bruit gaussien sur chaque pixel de l'image.

diff -r 48a21d19b8eb -r 3bc75139654a transformations/DistorsionGauss.py
--- /dev/null	Thu Jan 01 00:00:00 1970 +0000
+++ b/transformations/DistorsionGauss.py	Thu Feb 04 10:32:07 2010 -0500
@@ -0,0 +1,77 @@
+#!/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
+
+Sylvain Pannetier Lebeuf dans le cadre de IFT6266, hiver 2010
+
+'''
+
+import numpy
+import random
+
+class DistorsionGauss():
+    
+    def __init__(self):
+        self.ecart_type=0.1 #L'ecart type de la gaussienne
+        
+    def get_settings_names(self):
+        return ['ecart_type']
+
+    def regenerate_parameters(self, complexity):
+        self.ecart_type=float(complexity)/10
+        return self._get_current_parameters()
+
+    def _get_current_parameters(self):
+        return []
+    
+    def get_parameters_determined_by_complexity(self, complexity):
+        return [float(complexity)/10]
+    
+    def transform_image(self, 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
+        if numpy.min(image) < 0:
+            image-=numpy.min(image)
+        if numpy.max(image) > 1:
+            image/=numpy.max(image)
+            
+        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(1)
+
+