IH/iihmsp13/exp/evaluation.py

   1 #-*- coding:utf-8 -*-
   2 from ImageChops import difference
   3 from Image import *
   4 import ImageStat
   5
   6 from sys import exit
   7 from os import system
   8 from pyx import *
   9
  10 from dwt_marquage import Marquage_DWT
  11 from outilsBase import conversion, getBit, setBit
  12
  13 class Evaluation:
  14     '''
  15     Classe permettant l'évaluation du marquage. Les deux images doivent être de
  16     type Image
  17     '''
  18
  19     def __init__(self, image1 = None, image2 = None):
  20         '''
  21         Constructeur.
  22         Les deux images doivent être de type Image !
  23         '''
  24         self._image1  = image1
  25         self._image2  = image2
  26         # TODO Tester l'appartenance à Image
  27         assert self._image1.mode == self._image2.mode
  28         assert self._image1.size == self._image2.size
  29
  30
  31     def _EQM(self):
  32         eqm = 0
  33         for k in range(self._image1.size[0]):
  34             for l in range(self._image1.size[1]):
  35                 eqm+=(self._image1.getpixel((k,l)) - \
  36                                                 self._image2.getpixel((k,l)))**2
  37         return float(eqm)/self._image1.size[0]/self._image1.size[1]
  38
  39
  40     def _bitsParCoef(self):
  41         if self._image1.mode == '1':
  42             return 1
  43         elif self._image1.mode == 'L':
  44             return 8
  45         else:
  46             raise ValueError("Mode non supporté pour l'évaluation")
  47
  48
  49     def PSNR(self):
  50         '''
  51         Retourne le PSNR entre deux images.
  52         '''
  53         from math import log
  54         densite = 2**self._bitsParCoef()-1
  55         if self._EQM()!=0:
  56             return 10*log(densite**2/self._EQM(),10)
  57         else:
  58             return "Infini"
  59
  60
  61     def differences(self):
  62         '''
  63         Renvoie le nombre de coefficients différents,
  64         vu comme un pourcentage.
  65         '''
  66         compteur = 0
  67         for k in range(self._image1.size[0]):
  68             for l in range(self._image1.size[1]):
  69                 if self._image1.getpixel((k,l)) != self._image2.getpixel((k,l)):
  70                     compteur+=1
  71         return 100*float(compteur)/self._image1.size[0]/self._image1.size[1]
  72
  73     def differences_sur_marque(self,liste,lscs,coefficient,img_att,mat_dw):
  74         '''
  75         Renvoie le pourcentage de bits différents entre la marque embarquee
  76         et la marque attaquée et exprimée comme un pourcentage.
  77         '''
  78         # on recupere les indices contenant la marque
  79         # on compare les valeurs des images en ces indices
  80
  81
  82         #liste :  valeurs des bits qui devraient être présents
  83         #matrice : valeur des coefs (doit etre calculee)
  84         #lscs : indices des coefs lsc
  85         marquage_dwt = Marquage_DWT(img_att,
  86                           famille = 'db1')
  87
  88         matrice = marquage_dwt.get_matrice_DWT(coefficient)
  89         print matrice[:10,:10]
  90         print mat_dw[:10,:10]
  91         m,n = len(matrice), len(matrice[0])
  92         print liste[:10]
  93         #print m,n,liste,matrice,lscs
  94         cpt = 0
  95         diff = 0
  96         excp = 0
  97         for l in range(m):
  98             for c in range(n):
  99                 for lsc in lscs:
 100                     try:
 101                         #print "Bit", getBit(str(matrice[l,c]),lsc)
 102                         if getBit(str(matrice[l,c]),lsc) != liste[cpt] :
 103                             diff +=1
 104                         cpt += 1
 105                     except:
 106                         excp +=1
 107                         pass
 108 #        print "diff--------",diff,excp
 109         return 100*diff/float(len(liste))
 110
 111
 112
 113
 114
 115         compteur = 0
 116
 117         for k in range(self._image1.size[0]):
 118             for l in range(self._image1.size[1]):
 119                 if self._image1.getpixel((k,l)) != self._image2.getpixel((k,l)):
 120                     compteur+=1
 121         return 100*float(compteur)/self._image1.size[0]/self._image1.size[1]
 122
 123
 124
 125     def visualisationDifferences(self, facteur = 0, nom = ''):
 126         '''
 127         Visualise les différences, avec Image
 128         '''
 129         extreme = self.differencesExtremales()[1]
 130         if extreme == 0:
 131             leFacteur = 0
 132         elif facteur*extreme > 255:
 133             raise ValueError('Facteur de visualisation trop élevé')
 134             exit(1)
 135         elif facteur == 0:
 136             leFacteur = 255/extreme
 137         else:
 138             leFacteur = facteur
 139         #print 'Facteur de visualisation : ', leFacteur
 140         if nom !='':
 141             difference(self._image1,self._image2).point(lambda x:leFacteur*x).save(nom)
 142         #difference(self._image1,self._image2).point(lambda x:leFacteur*x).show()
 143         dd = list(difference(self._image1,self._image2).point(lambda x:leFacteur*x).getdata())
 144         #print "Nombre de différences",len(dd)-dd.count(0),"sur",len(dd)
 145
 146
 147
 148     def differenceMoyenne(self):
 149         '''
 150         Renvoie la différence moyenne entre les images
 151         '''
 152         stats = ImageStat.Stat(difference(self._image1,
 153                                           self._image2).histogram())
 154         if self._image1.mode == '1':
 155             return float(stats.mean[0])/255
 156         else:
 157             return stats.mean[0]
 158
 159
 160     def differencesExtremales(self):
 161         '''
 162         Renvoie le minimum et le maximum des différences des images
 163         '''
 164         stats = ImageStat.Stat(difference(self._image1,
 165                                           self._image2).histogram())
 166         if self._image1.mode == '1':
 167             return (int(float(stats.extrema[0][0])/255),
 168                     int(float(stats.extrema[0][1])/255))
 169         else:
 170             return stats.extrema[0][0], stats.extrema[0][1]
 171
 172
 173     def _differencesHistogramme(self):
 174         '''
 175         Histogramme des différences, pour differencesHistoVisu
 176         '''
 177         histo = difference(self._image1, self._image2).histogram()
 178         liste = []
 179         for l in range(1,self.differencesExtremales()[1]+1):
 180             liste.append((l,histo[l]))
 181         return liste
 182
 183
 184     def differencesHistoVisu(self):
 185         '''
 186         Affiche l'histrogramme des différences, avec PyX
 187         '''
 188         liste = []
 189         for k in self._differencesHistogramme():
 190             liste.append((k[0],k[1]))
 191         if len(liste) == 0:
 192             raise ValueError("Aucune différence")
 193         g = graph.graphxy(width=8, x=graph.axis.bar())
 194         g.plot(graph.data.points(liste, xname=0, y=2),[graph.style.bar()])
 195         g.writeEPSfile('histoDiff.eps')
 196         system('evince histoDiff.eps')