285 lines
8.9 KiB
Python
285 lines
8.9 KiB
Python
# ~*~ encoding: utf-8 ~*~ #
|
|
|
|
import random
|
|
import time
|
|
|
|
import sys
|
|
sys.path.append(sys.path[0]+'/..')
|
|
from BMPFile import RGBPixel
|
|
|
|
class Additive_Noise:
|
|
|
|
# Applique le bruitage de type "Additif de Bernouilli" sur la matrice de pixels #
|
|
#################################################################################
|
|
# @param pixelMap Matrice de pixel à traiter (modifier)
|
|
# @param seuil pourcentage de l'image à bruiter (50% <=> 1 pixel sur 2 est bruité)
|
|
#
|
|
def setBernouilli(self, pixelMap, seuil=10):
|
|
seuil = float(seuil);
|
|
|
|
while seuil >= 1:
|
|
seuil /= 100.0
|
|
|
|
nbPixel = int( len(pixelMap) * len(pixelMap[0]) * seuil )
|
|
|
|
for bruit in range(0, nbPixel ):
|
|
x = random.randint(0, len(pixelMap[0]) - 1 )
|
|
y = random.randint(0, len(pixelMap) - 1 )
|
|
|
|
|
|
|
|
if random.randint(0,1) == 1:
|
|
maxColor = max(pixelMap[y][x].r, pixelMap[y][x].g, pixelMap[y][x].b)
|
|
randomAdd = random.randint(0, (255-maxColor) / 2 )
|
|
else:
|
|
minColor = min(pixelMap[y][x].r, pixelMap[y][x].g, pixelMap[y][x].b)
|
|
randomAdd = - random.randint(0, minColor / 2 )
|
|
|
|
pixelMap[y][x].setRGB(
|
|
pixelMap[y][x].r + randomAdd,
|
|
pixelMap[y][x].g + randomAdd,
|
|
pixelMap[y][x].b + randomAdd
|
|
);
|
|
|
|
|
|
|
|
|
|
|
|
# Applique le bruitage de type "Additif Gaussien" sur la matrice de pixels #
|
|
############################################################################
|
|
# @param pixelMap Matrice de pixel à traiter (modifier)
|
|
# @param seuil pourcentage de l'image à bruiter (50% <=> 1 pixel sur 2 est bruité)
|
|
#
|
|
def setGaussian(self, pixelMap, sigma=10):
|
|
width = len( pixelMap[0] )
|
|
height = len( pixelMap )
|
|
|
|
sigma = float(sigma);
|
|
|
|
# vérification de la cohérence de sigma
|
|
if 0 > sigma or sigma > 255:
|
|
print "sigma have incoherent value"
|
|
exit();
|
|
|
|
|
|
from numpy import random as npRand # random.rand(height,width) renvoie une matrice de flottants entre 0 et 1
|
|
factors = npRand.rand(height, width)
|
|
|
|
|
|
# on parcourt en même temps les facteurs aléatoires et la matrice de pixels
|
|
for lineP, lineF in zip(pixelMap, factors):
|
|
for pixel, fact in zip(lineP, lineF):
|
|
|
|
# ajout ou suppression (choix aléatoire)
|
|
if random.randint(0,1) == 1:
|
|
fact *= -1
|
|
|
|
r = int( pixel.r + sigma * fact )
|
|
g = int( pixel.g + sigma * fact )
|
|
b = int( pixel.b + sigma * fact )
|
|
|
|
# on attribue les valeurs aux pixels
|
|
pixel.setRGB(
|
|
r = 0 if r<0 else ( 255 if r > 255 else r),
|
|
g = 0 if g<0 else ( 255 if g > 255 else g),
|
|
b = 0 if b<0 else ( 255 if b > 255 else b)
|
|
);
|
|
|
|
|
|
|
|
# Applique le débruitage de type "Additif" sur la matrice de pixels #
|
|
#####################################################################
|
|
# @param pixelMap Matrice de pixel à traiter (modifier)
|
|
# @param seuil Seuil à partir duquel on doit traiter les pixels (écart entre la moyenne des pixels avoisinant et le pixel concerné)
|
|
#
|
|
# @return cleanMatrix matrice propre qui est retournée
|
|
def unset(self, pixelMap, seuil=10):
|
|
width = len( pixelMap[0] )
|
|
height = len( pixelMap )
|
|
|
|
# matrice qui sera retournée
|
|
cleanMatrix = []
|
|
|
|
if seuil < 0 or seuil > 255: # si le seuil est incohérent => valeur par défaut (5)
|
|
seuil = 5;
|
|
|
|
|
|
# on parcourt tout les pixels
|
|
for y in range(0, len(pixelMap)):
|
|
cleanMatrix.append( [] );
|
|
for x in range(0, len(pixelMap[y])):
|
|
|
|
# on ajoute le pixel à la matrice "propre"
|
|
cleanMatrix[y].append( RGBPixel(
|
|
r = pixelMap[y][x].r,
|
|
g = pixelMap[y][x].g,
|
|
b = pixelMap[y][x].b,
|
|
x = pixelMap[y][x].x,
|
|
y = pixelMap[y][x].y,
|
|
bpp = pixelMap[y][x].bpp,
|
|
));
|
|
|
|
# on calcule la moyenne des valeurs R G B du pixel courant
|
|
pMoy = ( pixelMap[y][x].r + pixelMap[y][x].g + pixelMap[y][x].b ) / 3
|
|
|
|
xmin, ymin, xmax, ymax = x, y, x, y; # les bornes ducarré 3x3 autour du pixel
|
|
rMoy, gMoy, bMoy, count = 0.0, 0.0, 0.0, 0 # initialisation des variables de moyennes et de total
|
|
rInterval, gInterval, bInterval, rgbInterval = 0, 0, 0, 0 # initialisation des variables d'intervalles entre les couleurs
|
|
|
|
|
|
# GESTION DES ANGLES
|
|
|
|
# ordonnées: borne inférieure
|
|
if y-1 > -1:
|
|
ymin = y-1
|
|
# ordonnées: borne supérieure
|
|
if y+1 < height:
|
|
ymax = y+1
|
|
# abscisses: borne inférieure
|
|
if x-1 > -1:
|
|
xmin = x-1
|
|
# abscisses: borne supérieure
|
|
if x+1 < width:
|
|
xmax = x+1
|
|
|
|
|
|
|
|
# on parcourt le carré de 3x3
|
|
for j in pixelMap[ymin:ymax+1]:
|
|
for pix in j[xmin:xmax+1]:
|
|
# si le pixel n'est pas le pixel courant (mais ses voisins) et que sa couleur n'est pas trop éloignée des autres
|
|
if pix != pixelMap[y][x]:
|
|
# calcul de la moyenne autour du pixel
|
|
rMoy += pix.r;
|
|
gMoy += pix.g;
|
|
bMoy += pix.b;
|
|
count += 1
|
|
|
|
|
|
# si il y a au moins un pixel autour (normalement tjs mais évite l'erreur div par zéro)
|
|
if count > 0:
|
|
# on calcule les moyennes somme(xi) / n
|
|
rMoy = int( rMoy / count )
|
|
gMoy = int( gMoy / count )
|
|
bMoy = int( bMoy / count )
|
|
|
|
# calcul de la différence entre les couleurs du pixel et la moyenne des couleurs des pixels autour
|
|
rInterval = abs( pixelMap[y][x].r - rMoy )
|
|
gInterval = abs( pixelMap[y][x].g - gMoy )
|
|
bInterval = abs( pixelMap[y][x].b - bMoy )
|
|
|
|
# calcul de la différence en nuance de gris (moyenne des couleurs)
|
|
rgbInterval = ( rInterval + gInterval + bInterval ) / 3
|
|
|
|
# si la couleur est trop "différente" (dépend du seuil) alors on remplace sa couleur par la moyenne des couleurs alentours
|
|
if rgbInterval > seuil:
|
|
cleanMatrix[y][x].setRGB(rMoy, gMoy, bMoy);
|
|
|
|
return cleanMatrix;
|
|
|
|
|
|
|
|
|
|
|
|
# Applique le débruitage de type "Additif" sur la matrice de pixels #
|
|
#####################################################################
|
|
# @param pixelMap Matrice de pixel à traiter (modifier)
|
|
# @param seuil Seuil de "poids statistique" à partir duquel on doit traiter les pixels compris entre 0 et 100
|
|
#
|
|
# @return cleanMatrix matrice propre qui est retournée
|
|
def unset2(self, pixelMap, seuil=10):
|
|
width = len( pixelMap[0] )
|
|
height = len( pixelMap )
|
|
ordre = 3 # ordre matrice carré
|
|
ordreN = (ordre**2 - 1)/2
|
|
|
|
# matrice qui sera retournée
|
|
cleanMatrix = []
|
|
|
|
while seuil >= 1: # si le seuil n'est pas un pourcentage, on le met en pourcentage
|
|
seuil /= 100.0;
|
|
|
|
seuil *= 256 * ordreN
|
|
|
|
|
|
|
|
# on parcourt tout les pixels
|
|
for y in range(0, len(pixelMap)):
|
|
cleanMatrix.append( [] );
|
|
for x in range(0, len(pixelMap[y])):
|
|
|
|
# on ajoute le pixel à la matrice "propre"
|
|
cleanMatrix[y].append( RGBPixel(
|
|
r = pixelMap[y][x].r,
|
|
g = pixelMap[y][x].g,
|
|
b = pixelMap[y][x].b,
|
|
x = pixelMap[y][x].x,
|
|
y = pixelMap[y][x].y,
|
|
bpp = pixelMap[y][x].bpp,
|
|
));
|
|
|
|
# on calcule la moyenne des valeurs R G B du pixel courant
|
|
pMoy = ( pixelMap[y][x].r + pixelMap[y][x].g + pixelMap[y][x].b ) / 3
|
|
|
|
xmin, ymin, xmax, ymax = x, y, x, y; # les bornes ducarré 3x3 autour du pixel
|
|
rMoy, gMoy, bMoy, count = 0.0, 0.0, 0.0, 0 # initialisation des variables de moyennes et de total
|
|
rInterval, gInterval, bInterval, rgbInterval = 0, 0, 0, 0 # initialisation des variables d'intervalles entre les couleurs
|
|
|
|
|
|
# GESTION DES ANGLES
|
|
|
|
# ordonnées: borne inférieure
|
|
if y-1 > -1:
|
|
ymin = y-1
|
|
# ordonnées: borne supérieure
|
|
if y+1 < height:
|
|
ymax = y+1
|
|
# abscisses: borne inférieure
|
|
if x-1 > -1:
|
|
xmin = x-1
|
|
# abscisses: borne supérieure
|
|
if x+1 < width:
|
|
xmax = x+1
|
|
|
|
|
|
|
|
# contiendra la matrice M' des poids statistiques
|
|
neighboursAbsoluteDiff = []
|
|
|
|
# on parcourt le carré de 3x3
|
|
for j in pixelMap[ymin:ymax+1]:
|
|
for pix in j[xmin:xmax+1]:
|
|
# si le pixel n'est pas le pixel courant (mais ses voisins) et que sa couleur n'est pas trop éloignée des autres
|
|
if pix != pixelMap[y][x]:
|
|
# calcul de la moyenne autour du pixel
|
|
rMoy += pix.r;
|
|
gMoy += pix.g;
|
|
bMoy += pix.b;
|
|
count += 1
|
|
# ajout aux poids statistiques
|
|
neighboursAbsoluteDiff.append( abs( (pix.r+pix.g+pix.b)/3 - pMoy ) );
|
|
|
|
# on garde que la moitié la plus petite
|
|
statisticWeight = 0;
|
|
|
|
neighboursAbsoluteDiff.sort() # on trie la liste
|
|
|
|
# on récupère la somme de la moitié des éléments les plus petits (car triée)
|
|
for infVal in range(0, ordreN):
|
|
if infVal >= len(neighboursAbsoluteDiff): # si liste vide on arrête
|
|
break;
|
|
statisticWeight += neighboursAbsoluteDiff[infVal] # on effectue la somme
|
|
|
|
|
|
# si il y a au moins un pixel autour (normalement tjs mais évite l'erreur div par zéro)
|
|
if count > 0:
|
|
# on calcule les moyennes somme(xi) / n
|
|
rMoy = int( rMoy / count )
|
|
gMoy = int( gMoy / count )
|
|
bMoy = int( bMoy / count )
|
|
|
|
# si la couleur est trop "différente" (dépend du seuil) alors on remplace sa couleur par la moyenne des couleurs alentours
|
|
if statisticWeight > seuil:
|
|
cleanMatrix[y][x].setRGB(rMoy, gMoy, bMoy);
|
|
|
|
return cleanMatrix; |