-
Notifications
You must be signed in to change notification settings - Fork 3
/
functions.py
405 lines (329 loc) · 10.8 KB
/
functions.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
# -*- coding: utf-8 -*-
#!/usr/bin/python
"""
Created on Tue Jul 25 11:48:04 2017
@author: gag
"""
import numpy as np
import scipy.signal as sg
from osgeo import gdal, ogr, gdalconst
import sys
import matplotlib.pyplot as plt
import scipy.ndimage as nimg
import pywt
from numpy import fft
from scipy.ndimage import convolve
# funcion que realiza el submuestreo de las columnas en una matriz
def subMuestreoColumnas(matriz):
# señal sobremuestreadax
# tamaño de las filas
lRows, lColumns = matriz.shape
sSig = np.zeros((lRows, lColumns / 2))
#print sSig.shape
f = 0
for j in range(0, lColumns):
if (j % 2 == 1):
sSig[:,f] = matriz[:, j]
f = f + 1
return sSig
# funcion que realiza el submuestreo de las filas en una matriz
def subMuestreoFilas(matriz):
# señal sobremuestreadax
# tamaño de las filas
lRows, lColumns = matriz.shape
sSig = np.zeros((lRows/2, lColumns))
#print sSig.shape
f = 0
for i in range(0, lRows):
if (i % 2 == 1):
sSig[f, :] = matriz[i, :]
f = f + 1
return sSig
# funcion que realiza el sobremuestreo de las columnas en una matriz, mediante
# el agregado de ceros
def sobreMuestreoColumnas(matriz):
# señal sobremuestreadax
# tamaño de las filas
lRows, lColumns = matriz.shape
sSig = np.zeros((lRows, lColumns * 2))
#print sSig.shape
for j in range(0, lColumns * 2 , 2):
sSig[:, j] = matriz[:, (j / 2) - 1]
return sSig
# funcion que realiza el sobremuestreo de las filas en una matriz, mediante
# el agregado de ceros
def sobreMuestreoFilas(matriz):
# señal sobremuestreada
# tamaño de las filas
lRow, lColumns = matriz.shape
sSig = np.zeros((lRow * 2, lColumns))
# se crea una fila de ceros
for i in range(0, lRow * 2 , 2):
sSig[i, :] = matriz[(i / 2) - 1, :]
#print sSig
return sSig
# esta funcion aplica los filtros pasados como parametros a la señal
# recibida utilizando la convolucion circular con retardo, compensando de
# esta manera el retardo introducido por el filtro
def applyFilterRet(x,h, desp):
retardo = int(np.floor(len(h)/2.0))
#print retardo
xh = convCircularRet(x, h, retardo, desp)
return xh
def convCircularRet(x,h,r, desp):
N =len(x)
M=len(h)
#y = np.zeros(N)
## se realiza con convolucion
#for k in range(0,N):
#y[k] = 0;
#for l in range(0,M):
#indice= (np.mod((N+k-l+r), N))
#y[k]=y[k]+(h[l]*x[indice])
#x = rotate(x,r)
#hpad = np.concatenate((h, np.zeros(N-M)), axis =0)
#y = (np.fft.ifft( np.fft.fft(x)*np.fft.fft(hpad)).real)
y = convolve(x, h, mode='wrap')
return y
def rotate(l, r):
if len(l) == 0:
return l
#y = -y % len(l) # flip rotation direction
return np.concatenate((l[r:], l[:r]))
#def convCircularRet(x,h,r, desp):
#desp = 1
#b = h
##print p
##if not(np.mod(p,2) == 0):
#xx = np.zeros(2 * r + len(x))
### copy all the elements
#lenx = len(x)
#for i in range(0,lenx):
#xx[i + r] = x[i]
#for i in range(0,r):
#xx[i] = x[r - i]
#lenxx = len(xx)
##### Se agrega al inicio y al fin de la señal los valores en forma de espejo
#for i in range(1,r +1):
#xx[lenx + r + i -1 ] = x[lenx-1 - i]
##print xx
##y = np.zeros(len(x))
##for i in range(0,len(y)):
##y[i] =xx[i + r + desp]
##print y
#yy = sg.convolve(xx,b, "same")
#y = np.zeros(len(x))
#for i in range(0,len(y)):
#y[i] = yy[i + r + desp]
#return y
#x = [1,2,3,4,5,6,7,8,9]
#print x
#h = np.ones(5)
##h = h * 3
##print h
#r = 3
#convCircularRet(x,h,r,1)
def openFileHDF(path, nameFileIn, nroBand):
#print "Open File"
file = str(path + nameFileIn)
#print file
try:
src_ds = gdal.Open(file)
except RuntimeError, e:
print 'Unable to open File'
print e
sys.exit(1)
cols = src_ds.RasterXSize
rows = src_ds.RasterYSize
#print cols
#print rows
bands = src_ds.RasterCount
#print bands
# se obtienen las caracteristicas de las imagen HDR
GeoT = src_ds.GetGeoTransform()
#print GeoT
Project = src_ds.GetProjection()
try:
srcband = src_ds.GetRasterBand(nroBand)
except RuntimeError, e:
# for example, try GetRasterBand(10)
print 'Band ( %i ) not found' % band_num
print e
sys.exit(1)
band = srcband.ReadAsArray()
nRow, nCol = band.shape
nMin = np.min((nRow,nCol))
#print "minimo: "+ str(nMin)
nMin = int(nMin/2)*2
#print "minimo par: "+ str(nMin)
factor = int(np.log(nMin)/np.log(2))
#print "factor: " + str(factor)
tamanio = 2**factor
#print "tamanio:" + str(tamanio)
band = band[:tamanio,:tamanio]
#### creo src_ds con nuevo tamanio
#src_ds = gdal.GetDriverByName('MEM').Create('', tamanio, tamanio, 1, gdal.GDT_Float64)
#src_ds.SetProjection(Project)
#geotransform = GeoT
#src_ds.SetGeoTransform(geotransform)
#src_ds.GetRasterBand(1).WriteArray(np.array(band))
#band = src_ds.ReadAsArray()
return src_ds, band, GeoT, Project
def openFileHDF2(path, nameFileIn, nroBand):
#print "Open File"
file = str(path + nameFileIn)
#print file
try:
src_ds = gdal.Open(file)
except RuntimeError, e:
print 'Unable to open File'
print e
sys.exit(1)
cols = src_ds.RasterXSize
rows = src_ds.RasterYSize
#print cols
#print rows
bands = src_ds.RasterCount
#print bands
# se obtienen las caracteristicas de las imagen HDR
GeoT = src_ds.GetGeoTransform()
#print GeoT
Project = src_ds.GetProjection()
try:
srcband = src_ds.GetRasterBand(nroBand)
except RuntimeError, e:
# for example, try GetRasterBand(10)
print 'Band ( %i ) not found' % band_num
print e
sys.exit(1)
band = srcband.ReadAsArray()
return src_ds, band, GeoT, Project
def matchData(data_src, data_match, type, nRow, nCol):
# funcion que retorna la informacion presente en el raster data_scr
# modificada con los datos de proyeccion y transformacion del raster data_match
# se crea un raster en memoria que va a ser el resultado
#data_result = gdal.GetDriverByName('MEM').Create('', data_match.RasterXSize, data_match.RasterYSize, 1, gdalconst.GDT_Float64)
data_result = gdal.GetDriverByName('MEM').Create('', nCol, nRow, 1, gdalconst.GDT_Float64)
# Se establece el tipo de proyección y transfomcion en resultado qye va ser coincidente con data_match
data_result.SetGeoTransform(data_match.GetGeoTransform())
data_result.SetProjection(data_match.GetProjection())
# se cambia la proyeccion de data_src, con los datos de data_match y se guarda en data_result
if (type == "Nearest"):
gdal.ReprojectImage(data_src,data_result,data_src.GetProjection(),data_match.GetProjection(), gdalconst.GRA_NearestNeighbour)
if (type == "Bilinear"):
gdal.ReprojectImage(data_src, data_result, data_src.GetProjection(), data_match.GetProjection(), gdalconst.GRA_Bilinear)
if (type == "Cubic"):
gdal.ReprojectImage(data_src, data_result, data_src.GetProjection(), data_match.GetProjection(), gdalconst.GRA_Cubic)
return data_result
# funcion que crea un archivo HDF basado en los datos Geotransform y Projection
# de la imagen original, recibe ademas el nombre del archivo de salida, el tipo
# de archivo a crear, la imagen y su taman
def createHDFfile(path, nameFileOut, driver, img, xsize, ysize, GeoT, Projection):
print "archivo creado:" + str(nameFileOut)
driver = gdal.GetDriverByName(driver)
ds = driver.Create(path + nameFileOut, xsize, ysize, 1, gdal.GDT_Float64)
ds.SetProjection(Projection)
geotransform = GeoT
ds.SetGeoTransform(geotransform)
ds.GetRasterBand(1).WriteArray(np.array(img))
return
def latlonMatrix(GeoT, band):
### retorna las matrices de latitud y longitud
print "Crea matriz de Latitud y Longitud"
rows, cols = band.shape
lat = np.zeros((rows, cols))
for i in range(0,rows):
for j in range(0,cols):
lat[i,j] = float(GeoT[0])+ j*float(GeoT[1])
lon = np.zeros((rows, cols))
for i in range(0,rows):
for j in range(0,cols):
lon[i,j] = float(GeoT[3])+ i*float(GeoT[5])
return lat, lon
def corregistration(GeoTb1, band1, GeoTb2, band2, punto):
####
print "Corregistracion"
rowsb1, colsb1 = band1.shape
latb1 = np.zeros((rowsb1, colsb1))
lonb1 = np.zeros((rowsb1, colsb1))
latb1, lonb1 = latlonMatrix(GeoTb1, band1)
print latb1
rowsb2, colsb2 = band2.shape
latb2 = np.zeros((rowsb2, colsb2))
lonb2 = np.zeros((rowsb2, colsb2))
latb2, lonb2 = latlonMatrix(GeoTb2, band2)
print latb2
difRows = np.abs(rowsb1 -rowsb2)
difCols = np.abs(colsb1 - colsb2)
print "Diferencia en Filas: " + str(difRows)
print "Diferencia en columnas: " + str(difCols)
lon_b1 = lonb1[punto,punto]
#print lon_b1
lat_b1 = latb1[punto,punto]
#print lat_b1
error = 0
for i in range(0, rowsb2):
for j in range(0, colsb2):
r1 = np.abs(lonb2[i,j]- lon_b1)
#print r1
r2 = np.abs(latb2[i,j]- lat_b1)
#print r2
errorNew = r1 + r2
#print errorNew
if ((i == 0) and (j == 0)):
error = errorNew
imin = i
jmin = j
if (errorNew < error):
#print "SI"
error = errorNew
imin = i
jmin = j
deltai = np.abs(imin-punto)
deltaj = np.abs(jmin-punto)
return deltai, deltaj, error
def invFilter (filt):
N = len(filt)
invFilt = np.zeros(N)
for i in range(0,N):
invFilt[i] = filt[N-i-1]
return invFilt
def imgError(original,imgRec):
error = np.sqrt(np.sum((original-imgRec)**2))/(original.shape[0]*original.shape[1])
return error
if __name__ == "__main__":
#type = "Haar"
#low, high = filterHaar(4)
#type = "Daubechies"
#low, high = filterDaubechies(8)
#type = "Symlets"
#low, high = filterSymlets(8)
#type = "Coiflets"
#low, high = filterCoiflets(4)
type = "Biortogonal"
low, high = filterBior()
#type = "Morlet"
#low, high = filterMorlet(8)
#low, high = filterCDF(8)
#points = 100
#a = 4
#low = sg.bspline(points, a)
#high = sg.qmf(low)
fig = plt.figure(1)
fig.suptitle(type)
fig1 = fig.add_subplot(211)
fig1.set_title('low')
fig1.plot(low)
fig2 = fig.add_subplot(212)
fig2.set_title('high')
fig2.plot(high)
#hi = invFilter(high)
#li = invFilter(low)
#fig = plt.figure(2)
#fig1 = fig.add_subplot(211)
#fig1.set_title('low')
#fig1.plot(li)
#fig2 = fig.add_subplot(212)
#fig2.set_title('high')
#fig2.plot(hi)
plt.show()