Create util.py

visu/util.py

@@ -0,0 +1,151 @@
+import matplotlib.pyplot as plt
+import numpy as np
+import pandas as pd
+import plotly.graph_objects as go
+
+
+def check_list_sizes(interfaces, amplitudes, profondeur, position_debut, position_fin):
+    sizes = [len(interfaces), len(amplitudes), len(profondeur), len(position_debut), len(position_fin)]
+    if len(set(sizes)) > 1:
+        raise ValueError("Toutes les listes doivent avoir la même taille")
+
+def check_positions(position_debut, position_fin):
+    for debut, fin in zip(position_debut, position_fin):
+        if debut > fin:
+            raise ValueError("Un élément de position_debut est plus grand que son élément associé dans position_fin")
+
+def demi_sinusoidal(liste :list[int],debut, fin, amplitude):
+    liste_copy = liste.copy()
+    x = np.linspace(0, np.pi, fin-debut)
+    y = amplitude * np.sin(x)**12
+    y = y.astype(int)
+    liste_copy[debut:fin] = y
+    return liste_copy
+
+def bruit_blanc_gaussien(liste,moyenne, ecart_type):
+    liste_copy = liste.copy()
+    bruit = np.random.normal(moyenne, ecart_type, len(liste))
+    bruit = bruit.astype(int)
+    bruit = np.abs(bruit)
+    liste_bruitee = liste_copy + bruit
+    return liste_bruitee
+
+def Ascan (liste, interfaces, amplitudes, profondeur):
+    for interface, amplitude, profondeur in zip(interfaces, amplitudes, profondeur):
+        liste = demi_sinusoidal(liste, interface, interface + profondeur, amplitude)
+    liste = bruit_blanc_gaussien(liste, 0, 20)
+    return liste
+
+def Bscan (liste, interfaces, amplitudes, profondeur, position_debut, position_fin, trainee):
+    Bscan = []
+    initial_amplitudes = amplitudes.copy()
+    for i in range(0, len(liste)):
+        for j in range(0, len(interfaces)):
+            if i < position_debut[j]:
+                if i > position_debut[j] - trainee:
+                    amplitudes[j] = int((amplitudes[j] / trainee) * (i - position_debut[j] + trainee))
+                else:
+                    amplitudes[j] = 0
+            if i > position_fin[j]:
+                if i < position_fin[j] + trainee:
+                    amplitudes[j] = int((amplitudes[j] / trainee) * (position_fin[j] + trainee - i))
+                else:
+                    amplitudes[j] = 0
+        # Générer le Ascan avec les amplitudes modifiées
+        liste = Ascan(liste, interfaces, amplitudes, profondeur)
+        Bscan.append(liste)
+        # Réinitialiser les amplitudes pour le prochain Ascan
+        liste = np.zeros(len(liste))
+        amplitudes = initial_amplitudes.copy()
+
+    return Bscan
+
+def Cscan(liste,nombre_de_scans, interfaces, amplitudes,profondeur, position_debut, position_fin, trainee):
+    Cscan_liste = []  # Liste pour stocker chaque Bscan
+
+    # Générer des Bscans pour différents instants/conditions
+    for _ in range(nombre_de_scans):
+        Bscan_result = Bscan(np.zeros(len(liste)), interfaces, amplitudes, profondeur, position_debut, position_fin, trainee)
+        Cscan_liste.append(np.array(Bscan_result))
+
+    # Convertir la liste des Bscans en un array 3D
+    Cscan_array = np.stack(Cscan_liste, axis=0)
+    return Cscan_array
+
+def main_func(liste,interfaces,amplitudes,profondeur,position_debut,position_fin,trainee) -> None:
+    check_list_sizes(interfaces, amplitudes, profondeur, position_debut, position_fin)
+
+    check_positions(position_debut, position_fin)
+
+    # Appeler la fonction Cscan pour générer le tableau 3D
+    #nombre_de_scans = 1  # Par exemple, générer 5 Bscans
+    #Cscan_3D = Cscan(liste,nombre_de_scans, interfaces, amplitudes, profondeur, position_debut, position_fin, trainee)
+
+    #print("Forme du tableau 3D Cscan:", Cscan_3D.shape)
+
+
+    Bscan_result = Bscan(liste, interfaces, amplitudes,profondeur, position_debut, position_fin, trainee)
+
+    Bscan_array = np.array(Bscan_result)
+
+    df_bscan = pd.DataFrame(Bscan_array)
+
+    # Afficher les premières lignes du DataFrame pour vérifier
+    print(df_bscan.head())
+
+    # Sauvegarder le DataFrame en CSV
+    df_bscan.to_csv("Bscan_data.csv", index=False)
+
+    # Utiliser imshow pour afficher Bscan sous forme de heatmap
+    plt.imshow(Bscan_array, aspect='auto', origin='lower', cmap='jet')
+    plt.colorbar()  # Ajouter une barre de couleur pour représenter l'échelle des intensités
+    plt.title("Bscan Heatmap")
+    plt.xlabel("Profondeur scan")
+    plt.ylabel("Numéro de Ascan")
+    plt.show()
+
+
+
+    # Supposons que Bscan_result soit votre matrice 2D d'amplitudes
+    #np.random.seed(19680801)
+    #Bscan_result = np.random.uniform(0, 1, (50, 50))
+
+    seuil_amplitude = 200
+
+    # Préparation des données de coordonnées
+    x, y = np.meshgrid(range(Bscan_array.shape[1]), range(Bscan_array.shape[0]))
+    z = np.zeros(x.shape)  # Tous les points sont au niveau z=0
+
+    # Aplatir les tableaux pour la visualisation
+    x, y, z = x.flatten(), y.flatten(), z.flatten()
+    amplitude = Bscan_array.flatten()  # Utiliser les valeurs d'amplitude pour la couleur
+
+
+    # Création du nuage de points 3D interactif avec Plotly
+    fig = go.Figure(data=[go.Scatter3d(
+        x=x,
+        y=y,
+        z=z,
+        mode='markers',
+        marker=dict(
+            size=5,
+            color=amplitude,  # La couleur varie avec l'amplitude
+            colorscale='Viridis',  # Palette de couleurs
+            opacity=0.8,
+            colorbar=dict(title='Amplitude')
+        )
+    )])
+
+    # Mise à jour de la mise en page
+    fig.update_layout(title='Visualisation 3D des Amplitudes avec Bscan sur z=0',
+                      scene=dict(
+                          xaxis_title='X',
+                          yaxis_title='Y',
+                          zaxis_title='Z',
+                          zaxis=dict(range=[-0.1, 0.1])),  # Limite l'axe z pour mieux visualiser le plan z=0
+                      margin=dict(l=0, r=0, b=0, t=0))
+
+    # Afficher la figure
+    fig.show()
+
+