Discussion :

[romainmill]

Bonjour à tous !

Alors la question que j'aimerai vous poser est la suivante :

J'ai une image représentant une perturbation. Certains des pixels de mon images sont à NaN, j'aimerai pourvoir interpoler la perturbation au niveau de ces pixels.

J'ai vu qu'il existe plusieurs fonction comme interp2d ou griddata, ou encore map_coordinates qui permette de faire des interpolations. Venant de matlab, j'utilisais la fonction griddata puis interp2d avec une triangulation de delaunay pour pouvoir interpoler la perturbation dans mes zones vides.

Je n'ai pas l'impression que cela marche de la mm manière en python (on peut directement faire une interpolation avec griddata si j'ai bien compris ?)

Donc ma question est de savoir qu'elle est l'interpolation la plus robuste à utiliser en python (ou celle que vous me conseillez) pour modeliser ma perturbation.

Merci d'avance

Romain

[romainmill]

Voici le code que j'ai tenté :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
 
vel_azim =pl.imread('image.tif')
mask = pl.imread('mask.tif')
vel_azim = np.where(mask>0,np.nan,vel_azim)
vel_azim = np.where(vel_azim==0,np.nan,vel_azim)
 
vel_syd = vel_azim[4000:5000,2700:3600]
 
mean = np.mean(vel_syd[~np.isnan(vel_syd)])
med = np.median(vel_syd[~np.isnan(vel_syd)])
std = np.std(vel_syd[~np.isnan(vel_syd)])
 
x = np.arange(0,8502,1)
y = np.arange(0,7914,1)
 
xmat = repmat(x,7914,1)
xmat = xmat.transpose()
xmat = xmat[4000:5000,2700:3600]
ymat = repmat(y,8502,1)
ymat = ymat[4000:5000,2700:3600]
 
 
vel_new = interp2d(xmat,ymat,vel_syd,kind='cubic')

Je veux donc interpoler pour combler 'les trous' dans vel_syd.

Mais je recoit :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
 
OverflowError: Too many data points to interpolate

Ce n'est peut etre pas la bonne approche ?

[romainmill]

ce forum cerne bien le probleme ca a l'air de bien marcher pour moi, meme si cest tres lent je trouve.

http://stackoverflow.com/questions/2...grid-in-python

[Julien N]

Salut Romainmill.

Je trouve le sujet intéressant. Est-ce que tu as une image, meme partielle, à presenter pour se figurer à quel point il faut interpoler? Je ne m'y connais pas du tout, mais le choix de la methode peut se faire sur la finalité de l'image: à quoi va-t-elle servir? Si c'est un "meshgrid" montrant différents niveaux de quelque chose (contraintes, profondeur d'eau, population... valeurs numériques), est-ce qu'il est envisageable que les valeurs des parties interpolées soient inférieures et/ou supérieures à celles non interpolées?

J

[romainmill]

Voici une image, je dois interpoler dans les trous en blanc. Les zones en blanc correspondent a un signal de vitesse qui m'interesse. Je veux corriger ce signal de vitesse des bruits (sous forme de stries) present sur les zones stables non masquees. Du coup, je masques mon signal de vitesse interessant, j'interpole le bruit partout et je retire ce signal de bruit.

Je vous les images avant et apres correction aussi. J'ai utilise la mm technique que dans le lien que je vous ais copiés plus haut.

[plxpy]

Bonjour,

une simple remarque, avec ma casquette ingénieur et pas informaticien.

Je ne traite pas les mêmes données (phénomènes) que toi mais, à la vue de la première image, les trous m'ont l'air bien "gros" et très étendus. J'aurais même envie de dire que ce ne sont plus des trous mais carrément des déserts !

En codant correctement, on trouvera toujours une solution mathématique pour boucher tout ça, mais, in fine, est-ce que les valeurs trouvées auront vraiment un sens ? Les "vraies" valeurs (valeurs réellement observées) sur lesquelles on va s'appuyer sont bien loin des valeurs "déduites", calculées.