Processing.Visualization

Module contenant les fonctions de visualisation.

normalize_data(data: ndarray, scale: int = 8191.875) → ndarray

Normalisation des données avec prise en compte de l’ordre de grandeur et adaptation des plages.

Règles :

• Si toutes les valeurs sont dans [0,1], normalisation vers [0, SCALE].

• Si valeurs négatives et positives, on prend la puissance de 2 la plus proche de max(abs(min), abs(max)) et on transpose vers [0, SCALE].

• Colonne uniforme : on force une valeur constante de SCALE.

• Si toutes les valeurs sont positives, on considère 0 comme min et on normalise avec la puissance de 2 la plus proche du max.

Paramètres:

• data – Données à normaliser.

• scale – échelle de normalisation

Renvoie:

Données normalisées.

get_bins_number(data: ndarray, limits=(30, 300)) → int

Calcule un nombre de bin adaptatif pour un histogramme.

Paramètres:

• data – données à analyser

• limits – bornes pour le nombre de bins.

Renvoie:

nombre de bins.

render_hr_image(width: int, height: int, ratio: int, points: ndarray, normalization: bool = True) → ndarray

Construit une image Haute résolution en fonction des éléments localisés.

Paramètres:

• width – Largeur de l’image.

• height – Hauteur de l’image.

• ratio – Ratio d’aggrandissement de l’image.

• points – Localisations des points.

• normalization – Normalisation des valeurs (pour les mettre entre 0 et SCALE).

Renvoie:

Nouvelle image en uint16.

render_roi(image: ndarray, points: ndarray, roi_size: int, color: list[int]) → ndarray

Construit une image RGB à partir d’une image en niveaux de gris et ajoute des contours de ROIs autour des points donnés.

Paramètres:

• image – Image d’entrée en niveaux de gris (numpy array 2D).

• points – Tableau 2D des coordonnées (X, Y) des points, sous forme de flottants.

• roi_size – Taille du carré à dessiner autour de chaque point.

• color – Couleur du contour du ROI en RGB (tuple ou liste de trois valeurs).

Renvoie:

Image RGB avec les contours des ROIs dessinés.

plot_histogram(ax: axes, data: ndarray, title: str, limit: bool = True, kde: bool = True, density: bool = True)

Trace un histogramme des données avec Seaborn, et optionnellement une courbe kernel density estimation.

Paramètres:

• ax – Axe sur lequel tracer l’histogramme.

• data – Données sous forme de tableau numpy.

• title – Titre de l’histogramme.

• limit – Si True, applique la règle des 3 sigmas pour limiter les données.

• kde – Si True, superpose une kde gaussienne.

• density – Si True, normalise l’histogramme pour afficher une densité de probabilité.

plot_plane_violin(ax: axes, data: ndarray, title: str)

Trace un graphique type violon pour les données en entrée .

Paramètres:

• ax – Axe sur lequel tracer l’histogramme.

• data – Données à tracer sous forme de tableau numpy.

• title – Titre du graphique.

plot_plane_heatmap(ax: Axes, data: ndarray, title: str, cmap='magma')

Trace une heatmap montrant la densité des valeurs par plan.

Paramètres:

• ax – Axe sur lequel tracer la heatmap.

• data – Données sous forme de tableau numpy. La première colonne représente les plans, la deuxième les valeurs.

• title – Titre du graphique.

• cmap – Color Map utilisé pour tracer la heatmap (liste des colormaps : https://matplotlib.org/stable/tutorials/colors/colormaps.html).