PyCCA

De Pontão Nós Digitais

Python, Computação Científica e Aplicações

FAQ/Tutorial sobre achados e notas nas aplicações de Python para Computação Científica.

Redes Complexas

((( Ver também ARS )))

Como simular agentes difusores aleatorios ?

import numpy as np

numero_de_nos = 50; # numero de agentes
total_time = 500; # total time steps
a = np.random.randint(0,2,(numero_de_nos,numero_de_nos)); # random graph (4*)
randomnet =  (a + a.T)/2 + (a + a.T)%2 - np.diag(np.diag((a + a.T)/2 + (a + a.T)%2)); # symmetrical adjacency matrix or it will be a digraph, diagonal subtracted for no auto interactions (4*)
fields = np.random.rand(numero_de_nos); # node fields, or agents atributs (2*)
nonz = randomnet.nonzero(); # 2 dim-tuple with array counting indexes of connected nodes
nonznum = len(nonz[0][:]); # number of edges
edges = [(nonz[0][v],nonz[1][v]) for v in range(nonznum)]; # the edges of the random graph
interact = 0; # interaction process, the mean of the two field in this case

while total_time > 0:
    sorteio_interacao = np.random.randint(0,nonznum,(1)); # the edge(interaction) sampling process  (1*)
    interact = float(fields[edges[sorteio_interacao[0]][0]]+fields[edges[sorteio_interacao[0]][1]])/2; # (3*)
    fields[edges[sorteio_interacao[0]][0]] = float(fields[edges[sorteio_interacao[0]][0]] + interact)/2; # (2*) (3*)
    fields[edges[sorteio_interacao[0]][1]] = float(fields[edges[sorteio_interacao[0]][1]] + interact)/2; # (2*) (3*)
    print fields;
    total_time = total_time - 1;

Notas

  • 1* Neste exemplo agentes interagem com igual probabilidade P = 1/(numero de arestas na rede), ou seja igual probabilidade;
  • 2* Cada agente tem uma propriedade, numero real, alocado em fields;
  • 3* A interacao eh um filtro de altas frequencias no atributo do no/agente, ou seja a interacao e homofilica/homogeinizadora;
  • 4* A rede eh aleatoria.
  • 5* Para gerar modelo de agentes em redes complexas diferente, mais realista, eh necessario generalizar qualquer um destes pontos no local indicado no codigo atraves dos numeros das notas.

Processamento de Imagens

((( Ver também PythonImagem )))

Como abrir uma imagem?

from PIL import Image
im = Image.open('foo.jpg')

Como converter em escala de cinza?

im_cinza = im.convert('L')

Como acessar cada canal de cor da imagaem?

im_r = im.split()[0]
im_g = im.split()[1]
im_b = im.split()[2]

Como equalizar uma imagem por histograma?

from PIL import ImageOps
im_eq = ImageOps.equalize(im_cinza)

Como aplicar uma função qualquer com janelamento de 3x3? Ou, como aplicar um filtro qualquer com janelamento?

No caso, vamos aplicar a função entropia em cada pixel da imagem. A função entropia recebe como argumento os 9 vizinhos do pixel, já que o tamanho da janela (argumento size da função generic_filter) é equivalente a 3. A função entropia retorna o novo valor do pixel.

from scipy import ndimage

def entropia(viz):
    viz = list(viz)
    qtd = [viz.count(x) for x in viz]
    prob = [viz[i]/qtd[i] for i in range(len(viz))]
    return n.sum([-x*n.log(x) for x in prob if x != 0])

im_entropia = ndimage.generic_filter(im_cinza, entropia, size=3)

Como calcular o valor de entropia de uma imagem inteira?

def entropia(im, nbr_bins=256):
    hist = im.histogram()
    hist_length = sum(hist)
    samples_probability = [float(h) / hist_length for h in hist]
    return sum([-p * log(p) for p in samples_probability if p != 0])

v_entropia = entropia(im_cinza)

Como calcular os valores de energia de uma imagem?

from scipy import fftpack
energias = fftpack.fft2(im_cinza).real**2 + fftpack.fft2(im_cinza).imag**2

Calculando a energia de janelas de uma imagem, determinadas em um particionamento em grade da imagem. A recomposicao da imagem original (s[0] x s[1]) e feita mas agora no espaco de frequencias bi-dimensionais.

    from scipy import fftpack
    import Image
    import numpy as np

    img = Image.open('/r.0.jpg');
    img = img.convert('L');
    s = [img.size[0], img.size[1]];
    pttlen = 80;                          # numero de blocos por dimensao da particao na imagem (total pttlen x pttlen = 6400 neste caso)
    arr = np.array(list(img.getdata()));
    arr = arr.reshape((800,800));
    energia = dict( [[(i,j), np.log(fftpack.fft2(arr[i*s[0]/pttlen:(i+1)*s[0]/pttlen,j*s[1]/pttlen:(j+1)*s[1]/pttlen]).real**2 + fftpack.fft(arr[i*s[0]/pttlen:(i+1)*s[0]/pttlen,j*s[1]/pttlen:(j+1)*s[1]/pttlen]).imag**2)] for i in range(pttlen) for j in range(pttlen)]);

# This rebuilds the original imagem in the frequency domain of window length (s[0]/pttlen)x(s[1]/pttlen)
    fourierimage = Image.new('L',(s[0],s[1]),255);
    for v in energia.keys():
        b0 = Image.new('L',(s[0]/pttlen,s[1]/pttlen),255);
        data = energia[v];
        data = data.reshape(-1);
        data = data.tolist();
        b0.putdata(data);
        fourierimage.paste(b0,(v[0]*(s[0]/pttlen),v[1]*(s[1]/pttlen)))
    fourierimage.show();

Como calcular convex hull de uma imagem binária?

Convex hull preenche as regiões convexas de uma imagem binária, gerando uma "mancha", sem essas concavidades. A razão entre a área da imagem original e a área encontrada pelo convex hull é uma boa medida para determinar o quanto uma região é circular ou não. Quanto mais circular, mais próximo de 1.0.

https://gist.github.com/automata/5303516

Dilatação em imagem em escala de cinza?

Para dilatação binária, use binary_dilation ao invés de grey_dilation.

https://gist.github.com/automata/09050f23ac3e1e63e7d1

Processamento de Áudio e Música

((( Ver também PythonMusica, AudioArt, Massa )))

Dividir uma imagem em canais RGB

import Image
lena = Image.open("lena.png")
r, g, b = lena.split()

em alguns casos, as imagens vem com o canal alpha adicionado. Nesse caso faca:

r,g,b,alpha = lena.split()

ou

lena = lena.convert("RGB")
r, g, b = lena.split()