Add files via upload

util.py

@@ -0,0 +1,131 @@
+import matplotlib.pyplot as plt
+import numpy as np
+import pandas as pd
+import numpy as np
+import pandas as pd
+import matplotlib.pyplot as plt
+from sklearn.datasets import make_blobs
+from sklearn.metrics import accuracy_score
+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, 1000):
+        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(1000)
+        amplitudes = initial_amplitudes.copy()
+
+    return Bscan
+
+def Cscan(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(1000), 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 = 5  # Par exemple, générer 5 Bscans
+    Cscan_3D = Cscan(nombre_de_scans, interfaces, amplitudes, profondeur, position_debut, position_fin, trainee)
+
+    print("Forme du tableau 3D Cscan:", Cscan_3D.shape)
+    print(Cscan_3D[:,0])
+    # image CSCAN
+    fig = plt.figure()
+    ax = fig.add_subplot(111, projection='3d')
+    # Affichage de l'image 3D
+    image = ax.plot_surface(Cscan_3D[:,0],Cscan_3D[:,1], Cscan_3D[:,2], cmap='viridis')
+    # Ajout de la barre de couleur
+    fig.colorbar(image)
+
+    # Affichage du graphique
+    plt.show()
+
+    #fig = go.Figure(data=[go.Scatter3d(x=Cscan_3D[:, 0].flatten(),y=Cscan_3D[:, 1].flatten(),z=Cscan_3D[:,2].flatten(),mode='markers')])
+    #fig.update_layout(template= "plotly_dark", margin=dict(l=0, r=0, b=0, t=0))
+    #fig.layout.scene.camera.projection.type = "orthographic"
+    
+    #fig.colorbar()
+    #fig.show()
+
+
+
+    Bscan_result = Bscan(liste, interfaces, amplitudes,profondeur, position_debut, position_fin, trainee)
+
+    Bscan_array = np.array(Bscan_result)
+
+    df_bscan = pd.DataFrame(Bscan_array)
+
+  
+
+
+    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()