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
