def distribuir_kc(dia, semeadura_, colheita_, ano_inicio, dia_inicio, periodo_kc, kc_vetorizado, path_img_referencia, path_out): threading.currentThread().terminada = False imagem_kc = RasterFile(file_full_path = path_img_referencia) imagem_kc.getLoadJustMetaData() imagem_kc.file_path = path_out n_linhas = len(semeadura_) n_colunas = len(semeadura_[0]) delta_c = (colheita_ - semeadura_)#.astype(np.float32) tempo_em_campo = (dia+1 - semeadura_)#.astype(np.float32) i_FKc = np.zeros((n_linhas, n_colunas)).astype(np.float32) for i in range(n_linhas) : mask = ((tempo_em_campo[i] > 0) & (tempo_em_campo[i] <= delta_c[i])) i_FKc[i][mask] = ((tempo_em_campo[i][mask]-1) * periodo_kc)/delta_c[i][mask] i_FKc[i][mask] = np.ceil(i_FKc[i][mask]) i_FKc[i][mask] = [kc_vetorizado[index] for index in i_FKc[i][mask]] imagem_kc.file_name = str(datetime.datetime(ano_inicio, 1, 1) + datetime.timedelta(dia + dia_inicio - 1))[:10] imagem_kc.metadata.update(nodata=0) imagem_kc.metadata.update(dtype="float32") imagem_kc.saveRasterData(band_matrix = i_FKc) threading.currentThread().terminada = True return
def distribuir_kc(dia, semeadura_, colheita_, ano_inicio, dia_inicio, periodo_kc, kc_vetorizado, path_img_referencia, path_out): threading.currentThread().terminada = False imagem_kc = RasterFile(file_full_path=path_img_referencia) imagem_kc.getLoadJustMetaData() imagem_kc.file_path = path_out n_linhas = len(semeadura_) n_colunas = len(semeadura_[0]) delta_c = (colheita_ - semeadura_) #.astype(np.float32) tempo_em_campo = (dia + 1 - semeadura_) #.astype(np.float32) i_FKc = np.zeros((n_linhas, n_colunas)).astype(np.float32) for i in range(n_linhas): mask = ((tempo_em_campo[i] > 0) & (tempo_em_campo[i] <= delta_c[i])) i_FKc[i][mask] = ( (tempo_em_campo[i][mask] - 1) * periodo_kc) / delta_c[i][mask] i_FKc[i][mask] = np.ceil(i_FKc[i][mask]) i_FKc[i][mask] = [kc_vetorizado[index] for index in i_FKc[i][mask]] imagem_kc.file_name = str( datetime.datetime(ano_inicio, 1, 1) + datetime.timedelta(dia + dia_inicio - 1))[:10] imagem_kc.metadata.update(nodata=0) imagem_kc.metadata.update(dtype="float32") imagem_kc.saveRasterData(band_matrix=i_FKc) threading.currentThread().terminada = True return
def __execOperation__(self): serie_imagem_in = self.paramentrosIN_carregados["In"].loadListByRoot() serie_imagem_out = self.paramentrosIN_carregados["Out_config"] imagem_in_factor = float(serie_imagem_in.mutiply_factor) imagem_out_factor = float(serie_imagem_out.mutiply_factor) n_imagens = len(serie_imagem_in) if n_imagens is 0: self.console(u"Erro: Nenhuma imagem encontrada na pasta especificada.") self.console(u"Cancelando função.") threading.currentThread().stop() return self.console(u"Construindo série temporal diária...") for i in range(n_imagens): self.progresso = (i / float(n_imagens)) * 100 """Recupera a data correspondente a imagem atual do laço """ data = serie_imagem_in.getDate_time(i) dia_mes = data.day """Calcula quantos dias tem no decend atual""" if dia_mes <= 10: duracao = 10 elif dia_mes <= 20: duracao = 10 else: duracao = int(calendar.monthrange(data.year, data.month)[1]) - 20 if threading.currentThread().stopped(): print "thread parada, retornando da função" return imagem_ = serie_imagem_in[i].loadRasterData() imagem_ *= imagem_in_factor if self.paramentrosIN_carregados["Operation"] == "dividir valores": imagem_ = imagem_ / float(duracao) imagem_ = numpy.round(imagem_, 4) elif self.paramentrosIN_carregados["Operation"] == "manter valores": pass imagem_ *= imagem_out_factor # imagem_ = self.compactar(imagem_) for ii in range(0, duracao): img = RasterFile() img.file_path = serie_imagem_out.root_path data_img = data + timedelta(ii) img.file_name = ( serie_imagem_out.prefixo + data_img.strftime(serie_imagem_out.date_mask) + serie_imagem_out.sufixo ) img.data = imagem_ img.file_ext = "tif" metadata = serie_imagem_in[i].metadata # metadata.update(nodata=0) img.saveRasterData(metadata=metadata) print metadata self.console(u"Série temporal diária concluída.")
def __execOperation__(self): self.print_text(u"Iniciando função") images_super = self.paramentrosIN_carregados["images"] self.console(u"Número de imagens para ler: " + str(len(images_super))) #nullValue = self.paramentrosIN_carregados["null_value"] statistics = self.paramentrosIN_carregados["statistics"] #self.print_text("Estatisticas a fazer: ", statistics) doMedia = "media" in statistics doCV = "cv" in statistics doSD = "sd" in statistics doSoma = "soma" in statistics doMin = "min" in statistics doMax = "max" in statistics doMediana = "mediana" in statistics doAmplitude = "amplitude" in statistics imagem_referencia = images_super[0].loadRasterData() n_linhas = len(imagem_referencia) n_colunas = len(imagem_referencia[0]) for img in images_super: img = img.loadRasterData() if len(img) != n_linhas or len(img[0]) != n_colunas: raise IndexError( "Erro - As imagens precisam ter o mesmo número de linhas e colunas" ) imagem_referencia = np.zeros((n_linhas, n_colunas)) if doMedia: imagem_media = array(imagem_referencia).astype(dtype="float32") if doCV: imagem_cv = array(imagem_referencia).astype(dtype="float32") if doSD: imagem_sd = array(imagem_referencia) #.astype(dtype="int16") if doSoma: imagem_soma = array(imagem_referencia).astype(dtype="float32") if doMin: imagem_min = array(imagem_referencia).astype(dtype="float32") if doMax: imagem_max = array(imagem_referencia).astype(dtype="float32") if doMediana: imagem_mediana = array(imagem_referencia) #.astype(dtype="int16") if doAmplitude: imagem_amplitude = array(imagem_referencia).astype(dtype="float32") self.print_text(u"Processando:") if doSoma: n_imagens = len(images_super) self.print_text(u"Somando Imagens:") progress(0.0) for i in range(n_imagens - 1): imagem_soma += images_super[i + 1].loadRasterData() self.setProgresso(i, n_imagens) #progress( 0.0) if doMedia or doCV or doSD or doMin or doMax or doMediana or doAmplitude: images = images_super.loadListRasterData() for i_linha in range(0, n_linhas): #status = i_linha+1/float(n_linhas) #progress(float(i_linha/float(n_linhas))) self.progresso = (float(i_linha / float(n_linhas))) * 100 for i_coluna in range(0, n_colunas): line = list() if threading.currentThread().stopped(): return for img in images: line.append(img[i_linha][i_coluna]) mean = None sd = None if doCV: mean = np.nanmean(line) sd = np.nanstd(line) divisor = mean * 100 if divisor != 0: cv = sd / mean * 100 else: cv = 0 imagem_cv[i_linha][i_coluna] = cv if doMedia: if mean == None: mean = np.nanmean(line) # calcula a média imagem_media[i_linha][i_coluna] = mean if doSD: if sd == None: sd = np.nanstd(line) # calcula o desvio padrão imagem_sd[i_linha][i_coluna] = sd #if doSoma : #soma = np.nansum(line) #imagem_soma[i_linha][i_coluna] = soma minimo = None if doMin: minimo = np.nanmin(line) imagem_min[i_linha][i_coluna] = minimo maximo = None if doMax: maximo = np.nanmax(line) imagem_max[i_linha][i_coluna] = maximo if doMediana: mediana = np.nanmedian(line) imagem_mediana[i_linha][i_coluna] = mediana if doAmplitude: if minimo == None: minimo = np.nanmin(line) if maximo == None: maximo = np.nanmax(line) amplitude = maximo - minimo imagem_amplitude[i_linha][i_coluna] = amplitude self.print_text(u"Arrumando imagens de saida") saida = SerialFile() saida.metadata = self.paramentrosIN_carregados["images"][0].metadata if doMedia: imagem_media = RasterFile(data=imagem_media) imagem_media.metadata = saida.metadata imagem_media.file_name = "imagem_media" saida.append(imagem_media) if doCV: imagem_cv = RasterFile(data=imagem_cv) imagem_cv.metadata = saida.metadata imagem_cv.file_name = "imagem_coeficiente_variacao" saida.append(imagem_cv) if doSD: imagem_sd = RasterFile(data=imagem_sd) imagem_sd.metadata = saida.metadata imagem_sd.file_name = "imagem_desvio_padrao" saida.append(imagem_sd) if doSoma: imagem_soma = RasterFile(data=imagem_soma) imagem_soma.metadata = saida.metadata imagem_soma.file_name = "imagem_soma" saida.append(imagem_soma) if doMin: imagem_min = RasterFile(data=imagem_min) imagem_min.metadata = saida.metadata imagem_min.file_name = "imagem_minimo" saida.append(imagem_min) if doMax: imagem_max = RasterFile(data=imagem_max) imagem_max.metadata = saida.metadata imagem_max.file_name = "imagem_maximo" saida.append(imagem_max) if doMediana: imagem_mediana = RasterFile(data=imagem_mediana) imagem_mediana.metadata = saida.metadata imagem_mediana.file_name = "imagem_mediana" saida.append(imagem_mediana) if doAmplitude: imagem_amplitude = RasterFile(data=imagem_amplitude) imagem_amplitude.metadata = saida.metadata imagem_amplitude.file_name = "imagem_amplitude" saida.append(imagem_amplitude) self.print_text( u"imagens prontas para gravar, statistical stractor completo") return saida
#imagem_convertida[i][ii] = delta_tempo #n = len(str(data_pixel)) #ano_pixel = int(str(data_pixel)[0:4]) #dia_pixel = int(str(data_pixel)[4:n]) #imagem_convertida[i][ii] = (dia_pixel - dia_inicial) + (ano_pixel - ano_inicial * 365) #except : #pass ano_pixel = int(str(data_pixel)[0:4]) imagem_convertida[i] = imagem[i] progress(i/float(n_linhas-1)) print "Conversão terminada, retornando imagem" return imagem_convertida if __name__ == '__main__': imagem = RasterFile(file_full_path="C:\\Gafanhoto WorkSpace\\DataTestes\\raster\\semeadura_soja_11-12.tif") imagem_ = imagem.loadRasterData() data_minima = Ds_DC_to_date(np.min(imagem_)) imagem.data = converter(data_minima, imagem_) imagem.file_name = imagem.file_name + "convertida" imagem.saveRasterData()
def __execOperation__(self): global nullValue, imagem_media, imagem_sd, imagem_cv, imagem_soma, imagem_min, imagem_max global imagem_mediana, imagem_amplitude, images, n_linhas, n_colunas, threads_ready, n_threadings print("executando operação") images_super = self.paramentrosIN_carregados["images"] print("Numero de imagens para ler: " + str(len(images_super))) nullValue = np.double(images_super[0].getRasterInformation()["NoData"]) statistics = self.paramentrosIN_carregados["statistics"] print("Estatisticas a fazer: ", statistics) do = dict() do["Media"] = "media" in statistics do["CV"] = "cv" in statistics do["SD"] = "sd" in statistics do["Soma"] = "soma" in statistics do["Min"] = "min" in statistics do["Max"] = "max" in statistics do["Mediana"] = "mediana" in statistics do["Amplitude"] = "amplitude" in statistics images = images_super.loadListRasterData() print("Numero de imagens lidas: " + str(len(images))) n_linhas = len(images[0]) n_colunas = len(images[0][0]) for img in images: if len(img) != n_linhas or len(img[0]) != n_colunas: raise IndexError("Erro - As imagens precisam ter o mesmo número de linhas e colunas") print("numero de colunas e linhas: " + str(n_linhas) + " : " + str(n_colunas)) #imagem_referencia = [[0 for x in range(n_colunas)] for x in range(n_linhas)] imagem_referencia = np.zeros((n_linhas, n_colunas)) imagem_out = dict if do["Media"] : imagem_out["media"] = array(imagem_referencia)#.astype(dtype="int16") if do["CV"] : imagem_out["cv"] = array(imagem_referencia)#.astype(dtype="int16") if do["SD"] : imagem_out["sd"] = array(imagem_referencia)#.astype(dtype="int16") if do["Soma"] : imagem_out["soma"] = array(imagem_referencia)#.astype(dtype="int16") if do["Min"] : imagem_out["min"] = array(imagem_referencia)#.astype(dtype="int16") if do["Max"] : imagem_out["max"] = array(imagem_referencia)#.astype(dtype="int16") if do["Mediana"] : imagem_out["mediana"] = array(imagem_referencia)#.astype(dtype="int16") if do["Amplitude"] : imagem_out["amplitude"] = array(imagem_referencia)#.astype(dtype="int16") print("processando:") numero_de_nucleos = GeneralTools.available_cpu_count() n_threadings = int(numero_de_nucleos-2) print ("Numero de threads", n_threadings) threads_ready = 0 pool = Pool() #pool = multiprocessing.Pool(processes=n_threadings) for i in range(0, n_threadings): #t = threading.Thread(target=thread_process, args=(n_linhas/n_threadings*i, n_linhas/n_threadings*(i+1))) #t.start() linha_inicial = n_linhas/n_threadings*i linha_final = n_linhas/n_threadings*(i+1) p = Process(target= thread_process, args=(linha_inicial, linha_final)) p.start() #pool.map(thread_process(n_linhas/n_threadings*i, n_linhas/n_threadings*(i+1))) #pool.close() while (threads_ready < n_threadings): pass print("Arrumando imagens de saida") saida = SerialFile () saida.metadata = self.paramentrosIN_carregados["images"][0].metadata if do["Media"]: imagem_media = RasterFile(data = imagem_media) imagem_media.metadata = saida.metadata imagem_media.file_name = "imagem_media" saida.append(imagem_media) if do["CV"]: imagem_cv = RasterFile(data = imagem_cv) imagem_cv.metadata = saida.metadata imagem_cv.file_name = "imagem_coeficiente_variacao" saida.append(imagem_cv) if do["SD"] : imagem_sd = RasterFile(data = imagem_sd) imagem_sd.metadata = saida.metadata imagem_sd.file_name = "imagem_desvio_padrao" saida.append(imagem_sd) if do["Soma"] : imagem_soma = RasterFile(data = imagem_soma) imagem_soma.metadata = saida.metadata imagem_soma.file_name = "imagem_soma" saida.append(imagem_soma) if do["Min"] : imagem_min = RasterFile(data = imagem_min) imagem_min.metadata = saida.metadata imagem_min.file_name = "imagem_minimo" saida.append(imagem_min) if do["Max"] : imagem_max = RasterFile(data = imagem_max) imagem_max.metadata = saida.metadata imagem_max.file_name = "imagem_maximo" saida.append(imagem_max) if do["Mediana"] : imagem_mediana = RasterFile(data = imagem_mediana) imagem_mediana.metadata = saida.metadata imagem_mediana.file_name = "imagem_mediana" saida.append(imagem_mediana) if do["Amplitude"] : imagem_amplitude = RasterFile(data = imagem_amplitude) imagem_amplitude.metadata = saida.metadata imagem_amplitude.file_name = "imagem_amplitude" saida.append(imagem_amplitude) print("imagens prontas para gravar, statistical stractor completo") return saida
from Modelo.beans import RasterFile root = "D:\\1 - Mestrado (segundo semestre)\\Dissertacao\\Estudo de caso\\Cubos\\" path = root + "Cubo_Ya_invertido.tif" import numpy as np raster = RasterFile(file_full_path = path) data_raster = raster.loadRasterData(True) nodata = raster.metadata["nodata"] metadata = raster.metadata metadata["count"] = 1 print raster.metadata soma = imagem_kc_ = np.zeros((len(data_raster[1]), len(data_raster[1][0]))).astype(dtype="float32") for band in data_raster: soma += band saida = RasterFile(file_full_path= path) saida.file_name = "ya_invertido_soma" saida.metadata = raster.metadata saida.data = soma saida.saveRasterData()
def __execOperation__(self): serie_imagem_in = self.paramentrosIN_carregados["In"].loadListByRoot() serie_imagem_out = self.paramentrosIN_carregados["Out_config"] #imagem_in_factor = float(serie_imagem_in.mutiply_factor) #imagem_out_factor = float(serie_imagem_out.mutiply_factor) n_imagens = len(serie_imagem_in) if n_imagens is 0 : self.console(u"Erro: Nenhuma imagem encontrada na pasta especificada.") self.console(u"Cancelando função.") threading.currentThread().stop() return self.console(u"Construindo série temporal diária...") for i in range(n_imagens): self.setProgresso(i, n_imagens) '''Recupera a data correspondente a imagem atual do laço ''' try: data = serie_imagem_in.getDate_time(i) dia_mes = data.day '''Calcula quantos dias tem no decend atual''' if dia_mes <= 10: duracao = 10 elif dia_mes <= 20: duracao = 10 else : duracao = int(calendar.monthrange(data.year, data.month)[1]) - 20 if threading.currentThread().stopped() : print "thread parada, retornando da função" return imagem_ = serie_imagem_in[i].loadRasterData() imagem_ = numpy.ma.masked_array(imagem_, mask=(imagem_ == serie_imagem_in[i].metadata["nodata"])) if self.paramentrosIN_carregados["Operation"] == "dividir valores": imagem_ = (imagem_ / float(duracao)) imagem_[numpy.isinf(imagem_)] = 0 elif self.paramentrosIN_carregados["Operation"] == "manter valores": pass for ii in range (0, duracao): img = RasterFile() img.file_path = serie_imagem_out.root_path data_img = data + timedelta(ii) img.file_name = serie_imagem_out.prefixo + data_img.strftime(serie_imagem_out.date_mask) + serie_imagem_out.sufixo img.data = imagem_ img.file_ext = "tif" metadata = serie_imagem_in[i].metadata img.metadata = metadata img.metadata.update(dtype = img.data.dtype) img.saveRasterData(metadata=metadata) except: self.console(u"Erro na imagem: " + serie_imagem_in[i].file_name) self.console(u"Série temporal diária concluída.")
#ano_pixel = int(str(data_pixel)[0:4]) #dia_pixel = int(str(data_pixel)[4:n]) #imagem_convertida[i][ii] = (dia_pixel - dia_inicial) + (ano_pixel - ano_inicial * 365) #except : #pass ano_pixel = int(str(data_pixel)[0:4]) imagem_convertida[i] = imagem[i] progress(i / float(n_linhas - 1)) print "Conversão terminada, retornando imagem" return imagem_convertida if __name__ == '__main__': imagem = RasterFile( file_full_path= "C:\\Gafanhoto WorkSpace\\DataTestes\\raster\\semeadura_soja_11-12.tif" ) imagem_ = imagem.loadRasterData() data_minima = Ds_DC_to_date(np.min(imagem_)) imagem.data = converter(data_minima, imagem_) imagem.file_name = imagem.file_name + "convertida" imagem.saveRasterData()
def distribuir_kc(data_minima, data_maxima, semeadura_, colheita_, periodo_kc, kc_vetorizado, path_img_referencia, i, path_out): import ctypes import ConfigParser config = ConfigParser.RawConfigParser() config.read('workspace.properties') company = config.get('Version', 'company') product = config.get('Version', 'product') subproduct = config.get('Version', 'subproduct') version = config.get('Version', 'Version') myappid = (company + "." + product + "." + subproduct + "." + version) ctypes.windll.shell32.SetCurrentProcessExplicitAppUserModelID(myappid) threading.currentThread().terminada = False imagem_kc = RasterFile(file_full_path=path_img_referencia) imagem_kc.loadRasterData() imagem_kc.file_path = path_out #print imagem_kc.metadata n_linhas = len(semeadura_) n_colunas = len(colheita_[0]) delta_total = (data_maxima - data_minima).days + 1 for i_dia in range(0, delta_total): imagem_kc_ = np.zeros((n_linhas, n_colunas)) imagem_kc_ = array(imagem_kc_).astype(dtype="uint8") dia = data_minima + timedelta(i_dia) imagem_kc.data = array(semeadura_) imagem_kc.file_name = str(dia.date()) #if delta_total > 1 : #progresso = (i_dia/float(delta_total))*100 for i_linha in range(0, n_linhas): progress(i_linha / float(n_linhas - 1)) for i_coluna in range(0, n_colunas): try: Ds = Ds_DC_to_date(semeadura_[i_linha][i_coluna]) Dc = Ds_DC_to_date(colheita_[i_linha][i_coluna]) delta_c = (Dc - Ds).days + 1 if (dia >= Ds and dia <= Dc): k = dia - Ds i_FKc = int((k * periodo_kc).days / delta_c) Kc = kc_vetorizado[i_FKc] imagem_kc_[i_linha][i_coluna] = Kc except: pass imagem_kc.metadata.update(nodata=0) imagem_kc.saveRasterData(band_matrix=imagem_kc_) print "retornando do processo", i #threading.currentThread().stopped = True threading.currentThread().terminada = True return None
def __execOperation__(self): global nullValue, imagem_media, imagem_sd, imagem_cv, imagem_soma, imagem_min, imagem_max global imagem_mediana, imagem_amplitude, images, n_linhas, n_colunas, threads_ready, n_threadings print("executando operação") images_super = self.paramentrosIN_carregados["images"] print("Numero de imagens para ler: " + str(len(images_super))) nullValue = np.double(images_super[0].getRasterInformation()["NoData"]) statistics = self.paramentrosIN_carregados["statistics"] print("Estatisticas a fazer: ", statistics) do = dict() do["Media"] = "media" in statistics do["CV"] = "cv" in statistics do["SD"] = "sd" in statistics do["Soma"] = "soma" in statistics do["Min"] = "min" in statistics do["Max"] = "max" in statistics do["Mediana"] = "mediana" in statistics do["Amplitude"] = "amplitude" in statistics images = images_super.loadListRasterData() print("Numero de imagens lidas: " + str(len(images))) n_linhas = len(images[0]) n_colunas = len(images[0][0]) for img in images: if len(img) != n_linhas or len(img[0]) != n_colunas: raise IndexError( "Erro - As imagens precisam ter o mesmo número de linhas e colunas" ) print("numero de colunas e linhas: " + str(n_linhas) + " : " + str(n_colunas)) #imagem_referencia = [[0 for x in range(n_colunas)] for x in range(n_linhas)] imagem_referencia = np.zeros((n_linhas, n_colunas)) imagem_out = dict if do["Media"]: imagem_out["media"] = array( imagem_referencia) #.astype(dtype="int16") if do["CV"]: imagem_out["cv"] = array( imagem_referencia) #.astype(dtype="int16") if do["SD"]: imagem_out["sd"] = array( imagem_referencia) #.astype(dtype="int16") if do["Soma"]: imagem_out["soma"] = array( imagem_referencia) #.astype(dtype="int16") if do["Min"]: imagem_out["min"] = array( imagem_referencia) #.astype(dtype="int16") if do["Max"]: imagem_out["max"] = array( imagem_referencia) #.astype(dtype="int16") if do["Mediana"]: imagem_out["mediana"] = array( imagem_referencia) #.astype(dtype="int16") if do["Amplitude"]: imagem_out["amplitude"] = array( imagem_referencia) #.astype(dtype="int16") print("processando:") numero_de_nucleos = GeneralTools.available_cpu_count() n_threadings = int(numero_de_nucleos - 2) print("Numero de threads", n_threadings) threads_ready = 0 pool = Pool() #pool = multiprocessing.Pool(processes=n_threadings) for i in range(0, n_threadings): #t = threading.Thread(target=thread_process, args=(n_linhas/n_threadings*i, n_linhas/n_threadings*(i+1))) #t.start() linha_inicial = n_linhas / n_threadings * i linha_final = n_linhas / n_threadings * (i + 1) p = Process(target=thread_process, args=(linha_inicial, linha_final)) p.start() #pool.map(thread_process(n_linhas/n_threadings*i, n_linhas/n_threadings*(i+1))) #pool.close() while (threads_ready < n_threadings): pass print("Arrumando imagens de saida") saida = SerialFile() saida.metadata = self.paramentrosIN_carregados["images"][0].metadata if do["Media"]: imagem_media = RasterFile(data=imagem_media) imagem_media.metadata = saida.metadata imagem_media.file_name = "imagem_media" saida.append(imagem_media) if do["CV"]: imagem_cv = RasterFile(data=imagem_cv) imagem_cv.metadata = saida.metadata imagem_cv.file_name = "imagem_coeficiente_variacao" saida.append(imagem_cv) if do["SD"]: imagem_sd = RasterFile(data=imagem_sd) imagem_sd.metadata = saida.metadata imagem_sd.file_name = "imagem_desvio_padrao" saida.append(imagem_sd) if do["Soma"]: imagem_soma = RasterFile(data=imagem_soma) imagem_soma.metadata = saida.metadata imagem_soma.file_name = "imagem_soma" saida.append(imagem_soma) if do["Min"]: imagem_min = RasterFile(data=imagem_min) imagem_min.metadata = saida.metadata imagem_min.file_name = "imagem_minimo" saida.append(imagem_min) if do["Max"]: imagem_max = RasterFile(data=imagem_max) imagem_max.metadata = saida.metadata imagem_max.file_name = "imagem_maximo" saida.append(imagem_max) if do["Mediana"]: imagem_mediana = RasterFile(data=imagem_mediana) imagem_mediana.metadata = saida.metadata imagem_mediana.file_name = "imagem_mediana" saida.append(imagem_mediana) if do["Amplitude"]: imagem_amplitude = RasterFile(data=imagem_amplitude) imagem_amplitude.metadata = saida.metadata imagem_amplitude.file_name = "imagem_amplitude" saida.append(imagem_amplitude) print("imagens prontas para gravar, statistical stractor completo") return saida
def __execOperation__(self): self.print_text(u"Iniciando função") images_super = self.paramentrosIN_carregados["images"] self.console(u"Número de imagens para ler: " + str(len(images_super))) nullValue = self.paramentrosIN_carregados["null_value"] statistics = self.paramentrosIN_carregados["statistics"] #self.print_text("Estatisticas a fazer: ", statistics) doMedia = "media" in statistics doCV = "cv" in statistics doSD = "sd" in statistics doSoma = "soma" in statistics doMin = "min" in statistics doMax = "max" in statistics doMediana = "mediana" in statistics doAmplitude = "amplitude" in statistics images = images_super.loadListRasterData() #self.print_text("Numero de imagens lidas: " + str(len(images))) n_linhas = len(images[0]) n_colunas = len(images[0][0]) for img in images: if len(img) != n_linhas or len(img[0]) != n_colunas: raise IndexError("Erro - As imagens precisam ter o mesmo número de linhas e colunas") #self.print_text("numero de colunas e linhas: " + str(n_linhas) + " : " + str(n_colunas)) #imagem_referencia = [[0 for x in range(n_colunas)] for x in range(n_linhas)] imagem_referencia = np.zeros((n_linhas, n_colunas)) if doMedia : imagem_media = array(imagem_referencia).astype(dtype="float32") if doCV : imagem_cv = array(imagem_referencia).astype(dtype="float32") if doSD : imagem_sd = array(imagem_referencia)#.astype(dtype="int16") if doSoma : imagem_soma = array(imagem_referencia).astype(dtype="float32") if doMin : imagem_min = array(imagem_referencia).astype(dtype="float32") if doMax : imagem_max = array(imagem_referencia).astype(dtype="float32") if doMediana : imagem_mediana = array(imagem_referencia)#.astype(dtype="int16") if doAmplitude : imagem_amplitude = array(imagem_referencia).astype(dtype="float32") self.print_text(u"Processando:") #progress( 0.0) for i_linha in range(0, n_linhas): #status = i_linha+1/float(n_linhas) #progress(float(i_linha/float(n_linhas))) self.progresso = (float(i_linha/float(n_linhas)))*100 for i_coluna in range(0, n_colunas): line = list() if threading.currentThread().stopped() : return #if nullValue != None and float(nullValue) == images[1][i_linha][i_coluna] : #pass #else: for img in images: line.append(img[i_linha][i_coluna]) mean = None sd = None if doCV : mean = np.nanmean(line) sd = np.nanstd(line) divisor = mean * 100 if divisor != 0 : cv = sd / mean * 100 else : cv = 0 imagem_cv[i_linha][i_coluna] = cv if doMedia : if mean == None : mean = np.nanmean(line) # calcula a média imagem_media[i_linha][i_coluna] = mean if doSD : if sd == None : sd = np.nanstd(line) # calcula o desvio padrão imagem_sd[i_linha][i_coluna] = sd if doSoma : soma = np.nansum(line) imagem_soma[i_linha][i_coluna] = soma minimo = None if doMin : minimo = np.nanmin(line) imagem_min[i_linha][i_coluna] = minimo maximo = None if doMax : maximo = np.nanmax(line) imagem_max[i_linha][i_coluna] = maximo if doMediana : mediana = np.nanmedian(line) imagem_mediana[i_linha][i_coluna] = mediana if doAmplitude : if minimo == None : minimo = np.nanmin(line) if maximo == None : maximo = np.nanmax(line) amplitude = maximo - minimo imagem_amplitude[i_linha][i_coluna] = amplitude self.print_text(u"Arrumando imagens de saida") saida = SerialFile () saida.metadata = self.paramentrosIN_carregados["images"][0].metadata if doMedia: imagem_media = RasterFile(data = imagem_media) imagem_media.metadata = saida.metadata imagem_media.file_name = "imagem_media" saida.append(imagem_media) if doCV: imagem_cv = RasterFile(data = imagem_cv) imagem_cv.metadata = saida.metadata imagem_cv.file_name = "imagem_coeficiente_variacao" saida.append(imagem_cv) if doSD : imagem_sd = RasterFile(data = imagem_sd) imagem_sd.metadata = saida.metadata imagem_sd.file_name = "imagem_desvio_padrao" saida.append(imagem_sd) if doSoma : imagem_soma = RasterFile(data = imagem_soma) imagem_soma.metadata = saida.metadata imagem_soma.file_name = "imagem_soma" saida.append(imagem_soma) if doMin : imagem_min = RasterFile(data = imagem_min) imagem_min.metadata = saida.metadata imagem_min.file_name = "imagem_minimo" saida.append(imagem_min) if doMax : imagem_max = RasterFile(data = imagem_max) imagem_max.metadata = saida.metadata imagem_max.file_name = "imagem_maximo" saida.append(imagem_max) if doMediana : imagem_mediana = RasterFile(data = imagem_mediana) imagem_mediana.metadata = saida.metadata imagem_mediana.file_name = "imagem_mediana" saida.append(imagem_mediana) if doAmplitude : imagem_amplitude = RasterFile(data = imagem_amplitude) imagem_amplitude.metadata = saida.metadata imagem_amplitude.file_name = "imagem_amplitude" saida.append(imagem_amplitude) self.print_text(u"imagens prontas para gravar, statistical stractor completo") return saida