def __execOperation__(self): images = self.paramentrosIN_carregados["images"] if self.paramentrosIN_carregados.has_key("conf_algoritimo"): conf_algoritimo = self.paramentrosIN_carregados["conf_algoritimo"] else: conf_algoritimo = dict() img_matrix = images.loadListRasterData() if img_matrix == None: print self.console("Erro no carregamento das imagens") threading.currentThread().stop() return self.imagem_0 = img_matrix[ 0] # imagem de referencia pra leitura de valores null conf_algoritimo["NoData"] = self.imagem_0[0][0] self.n_bandas = len(img_matrix) self.n_linhas = len(img_matrix[0]) self.n_colunas = len(img_matrix[0][0]) sys.stdout.write("Numero de bandas: " + str(self.n_bandas)) sys.stdout.write(" Numero de linhas: " + str(self.n_linhas)) print(" Numero de colunas: " + str(self.n_colunas)) linhas_filtradas = self.filtrar(img_matrix, conf_algoritimo) if threading.currentThread().stopped(): return results = linhas_filtradas imgs_saida = SerialFile() imgs_saida.metadata = images.metadata i_imagem = 0 for img in self.paramentrosIN_carregados["images"]: img.data = results[i_imagem] i_imagem += 1 imgs_saida.append(img) return imgs_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 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
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): imagensIN = self.paramentrosIN_carregados["images"] outFolder = self.paramentrosIN_carregados["out_folder"] imagensIN.loadListByRoot() listaCSV = SerialFile() listaVRT = SerialFile() n_imagens = len(imagensIN) i_imagem = 0 self.setProgresso(i_imagem, n_imagens) for img in imagensIN : matriz = img.loadRasterData() nome_img = img.file_name info = img.getRasterInformation() xmin = float(info["xmin"]) xmax = float(info["xmax"]) nx = float(info["nx"]) x_pixelSize = (xmax - xmin) / nx ymin = float(info["ymin"]) ymax = float(info["ymax"]) ny = float(info["ny"]) y_pixelSize = (ymax - ymin) / ny n_linhas = len(matriz) n_colunas = len(matriz[0]) csv_file = FileData(file_path=outFolder, file_name = nome_img, ext = "csv") file_csv_path = csv_file.file_full_path init_y_position = ymin + (y_pixelSize/2) init_x_position = xmin + (x_pixelSize/2) with open(file_csv_path,'w') as csv: csv.write("Easting,Northing,Value\n") for i_linha in range(0, n_linhas): progress(i_linha/float(n_linhas-1)) cy = init_y_position + (y_pixelSize * i_linha) cy = str(cy) for i_coluna in range(0, n_colunas): value = matriz[i_linha][i_coluna] if threading.current_thread().stopped() : return None cx = init_x_position + (x_pixelSize * i_coluna) line = str(cx) + ',' + cy + ',' + str(value) + '\n' csv.write(line) listaCSV.append(csv_file) vrt_file = csv_file vrt_file.file_ext = "vrt" root = etree.Element("OGRVRTDataSource") csv_node = etree.Element("OGRVRTLayer", name=csv_file.file_name) root.append(csv_node) csv_node.append(etree.XML("<SrcDataSource>" +file_csv_path+"</SrcDataSource>")) csv_node.append(etree.XML("<GeometryType>wkbPoint</GeometryType>")) csv_node.append(etree.XML('<GeometryField encoding="PointFromColumns" x="Easting" y="Northing" z="Value"/>')) tree = etree.ElementTree(root) tree.write(vrt_file.file_full_path, pretty_print=True) listaVRT.append(vrt_file) i_imagem = i_imagem + 1.0 self.setProgresso(i_imagem, n_imagens) saida = TableData() saida["CSVs"] = listaCSV saida["VRTs"] = listaVRT return saida
def __execOperation__(self): images = self.paramentrosIN_carregados["images"] if self.paramentrosIN_carregados.has_key("conf_algoritimo") : conf_algoritimo = self.paramentrosIN_carregados["conf_algoritimo"] else : conf_algoritimo = dict() img_matrix = images.loadListRasterData() if img_matrix == None: print self.console("Erro no carregamento das imagens") threading.currentThread().stop() return self.imagem_0 = img_matrix[0] # imagem de referencia pra leitura de valores null conf_algoritimo["NoData"] = self.imagem_0[0][0] #conf_algoritimo["NoData"] = double(images[0].getRasterInformation()["NoData"]) self.n_bandas = len(img_matrix) self.n_linhas = len(img_matrix[0]) self.n_colunas = len(img_matrix[0][0]) sys.stdout.write("Numero de bandas: " + str(self.n_bandas)) sys.stdout.write(" Numero de linhas: " + str(self.n_linhas)) print(" Numero de colunas: " + str(self.n_colunas)) linhas_filtradas = self.filtrar(img_matrix, conf_algoritimo) if threading.currentThread().stopped() : return results = linhas_filtradas #results = np.zeros((self.n_bandas, self.n_linhas, self.n_colunas,)) #results = array(results).astype(dtype="int16") #i_imagem = 0 #i_linha = 0 #i_coluna = 0 #sys.stdout.write( "Criando nova série de imagens com valores filtrados: ") #progress( 0.0 ) #print ("numero de colunas", self.n_colunas) #for linha in linhas_filtradas: #i_imagem=0 #progress( (i_linha+1) / float(self.n_linhas)) #while self.imagem_0[i_linha][i_coluna] == conf_algoritimo["NoData"]: #i_coluna+=1 #if i_coluna>=self.n_colunas: #i_coluna=0 #i_linha+=1 #for pixel in linha: #results[i_imagem][i_linha][i_coluna] = pixel #i_imagem+=1 #i_coluna+=1 #if i_coluna>=self.n_colunas: #i_coluna=0 #i_linha+=1 imgs_saida = SerialFile() imgs_saida.metadata = images.metadata i_imagem = 0 for img in self.paramentrosIN_carregados["images"]: img.data = results[i_imagem] i_imagem+=1 imgs_saida.append(img) #saida = TableData() #saida["images"] = img_saida return imgs_saida
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