def gen_random_data(gaussiennes,dimension=2,\
taille_population=10000):
"""
Génére des gaussiennes de dimension dimension, et de forme définies par
l'argument gaussienne.
:arg gaussiennes: dictionnaire des gaussiennes à générées, de la forme :
{"gaussienne1":{"direction":[],centre[]}}
:type gaussiennes: dictionnaire
:param dimension: dimensions des observations
:type dimension: int
:rtype: void
"""
population = []
#set the nb of points per gaussian
n = int(taille_population / len(gaussiennes))
#generate the gaussian
compteur=-1
for name in gaussiennes:
compteur+=1
for i in range(n):
population.append(Observation(dimension))
for j in range(dimension):
population[i+compteur*n].values[j]=random.gauss(0.,1.)\
*gaussiennes[name]["direction"][j]+gaussiennes[name]["centre"][j]
#write the datas in input.csv
es.write_kmeans_input(population,dimension)
def gen_picture_data(name):
"""
Génére les données en provenance d'une image placée dans le fichier input.
:arg name: nom de l'image à analyser.
:type name: String
:rtype: void
"""
#read the image and get its size:
image=mpimg.imread("./input/"+name)
x=image.shape[0]
y=image.shape[1]
#begin a loop on each pixel of the picture
population = []
nb_Observation=0
for i in range(x):
for j in range(y):
if image[i][j][1]>200 and (i>75 or j>50):
population.append(Observation(2))
population[nb_Observation].set_values([j+0.,x-i+0.])
nb_Observation+=1
print("nb de pixels actifs : "+str(nb_Observation))
es.write_kmeans_input(population,2)
