基于模型的自然类随机纹理刺激合成用于运动感知研究。
MotionClouds的Python项目详细描述
#动云
[！[活页夹]（https://mybinder.org/badge.svg）（https://mybinder.org/v2/gh/neuralensemble/motionclouds/master）
[！[PYPI版本]（https://badge.fury.io/py/motionclouds.svg）（https://badge.fury.io/py/motionclouds）
[！[研究软件影响]（http://depsy.org/api/package/pypi/motionclouds/badge.svg）（http://depsy.org/package/python/motionclouds）
[！[DOI]（https://zenodo.org/badge/25257908.svg）（https://zenodo.org/badge/latestdoi/25257908）
**motionclouds**是为研究运动知觉而优化的随机动态刺激。
额定值和随机点运动图。这些具有受控信息内容：我们简化了定义，以参数化方式定义围绕最常见特征轴（平均值和带宽）的这些"运动云"：方向、比例（空间频率）、方向。这些脚本实现了生成这些随机纹理电影的框架。
<；center>；<；img src="docs/grating.gif？raw=true"width="50%">；<；/center>；
*要安装程序包，请运行：
``bash
pip3 install motionclouds
````
*安装依赖项：
````
``pip3 install-r requirements.txt
````
*可选地安装最新版本：
``bash
pip3安装——用户git+https://github.com/neuralensemble/motionclouds.git
`````
*测试您的安装，例如：
```bash
python3-c'将motionclouds导入为mc；fx，fy，ft=mc.get戋grids（mc.n戋x，mc.n戋y，mc.n戋frame）；z=mc.envelope戋gabor（fx，fy，ft）；mc.figures（z，"测试"，figpath="/tmp"）'
```
*有关更多文档，请访问motionclouds网站：
http://motionclouds.invibe.net/
此方法的说明发布在：
*Paula S.Leon、Ivo Vanzetta、Guillaume S.Masson、Laurent U.Perrinet。_运动云：用于运动知觉研究的自然类随机纹理的基于模型的刺激合成。《神经生理学杂志》**（http://jn.physiology.org/content/early/2012/03/10/jn.00737.2011），107（11）：3217--32262012[url]（http://invibe.net/laurentperrinet/publications/sanz12）—[重印]（http://www.motionclouds.invibe.net/files/motionclouds.pdf）—[补充信息]（http://www.motionclouds.invibe.net/files/motionclouds_supplementary.pdf）—[补充视频]（http://www.motionclouds.invibe.net/files/motionclouds_videofigures.pdf）
d用于以下论文：
*claudio simoncini、laurent u.perrinet、anna montagini、pascal mamassian、guillaume s.masson。_更多并不总是更好的：感知和行为之间的分离由自适应增益控制解释。[**自然神经科学**]（http://www.nature.com/neuro/journal/v15/n11/full/nn.3229.html），2012[url]（http://invibe.net/laurentperrinet/publications/simoncini12）
由欧盟项目编号FP7-269921，"脑标度"（神经形态混合系统中大脑激发的多标度计算），一个由欧盟FET主动式FP7资助的研究项目。该项目于2011年1月1日开始。这是来自10个欧洲国家的18个研究小组的合作。
<；img src="https://brainscales.kip.uni-heidelberg.de/images/thumb/e/e2/public--brainscaleslogo.svg/100px-public--brainscaleslogo.svg.png"width="10%">；
<；img src="https://brainscales.kip.uni-heidelberg.de/images/thumb/8/88/public--fet--fetreelogo.jpg/70px public--fet--fetreelogo.jpg"width="10%">；
<；img src="https://brainscales.kip.uni-heidelberg.de/images/thumb/3/3b/public--eu-fp7logo.gif/90px-public--eu fp7logo.gif"width="10%">；
<；img src="https://brainscales.kip.uni-heidelberg.de/images/thumb/5/5b/public--eu logo.gif/90px public--eu logo.gif"width="10%">；
**
onents.html）
它是一个开源软件包，可以与其他软件包（如psychopy或neurtools）结合使用。
与ourier相关的处理。此外，还包括绘制光谱和电影的所有辅助可视化工具。特定脚本，如"test_color.py"、"test_speed.py"、"test_radial.py"和"test_orientation.py"，探索每个单独信封的不同参数（分别是颜色、速度、径向频率和方向）的作用。我们的目标是保持代码尽可能简单，以便理解和灵活。综上所述，当我们构建一个自定义运动云时，有3个简单的步骤要遵循：
1。设置mc参数并构造fourier包络，然后将其可视化为iso曲面：
``python
import motionclouds as mc
import numpy as np
中止（fx，fy，ft，
v_x=1，v_y=0，b_v=0.1，
sfu 0=0.15，b_sf=0.1，
theta=0，b_theta=np.pi/8，alpha=1。）
执行ifft和对比度规范化；将刺激可视化为图像序列的"立方体"可视化，
``python
movie=mc.random嫒cloud（envelope）
movie=mc.rective（movie）
将刺激导出为电影（.mp4格式可用）、压缩压缩文件夹中的单独帧（.bmp和.png格式可用）或Matlab矩阵（.mat格式）。
```python
mc.anim\u save（movie，name，display=false，vext='.mp4'）
```
依文，它们被设置为对应于"标准"运动云的默认值。此外，用户只需为确定的参数设置一个值数组，就可以轻松地探索不同运动云的范围。例如，在这里，我们生成8个mcs，空间频率增加"sf_0"，同时将其他参数固定为默认值：
``python
for sf_0 in[0.01，0.05，0.1，0.2，0.3，0.4，0.5，0.6]：
name_0='figures/'+name+'-sf_0-'+str（sf_0）.replace（'.'，''uu'）
#对给定参数集执行绘图的函数*
[！[活页夹]（https://mybinder.org/badge.svg）（https://mybinder.org/v2/gh/neuralensemble/motionclouds/master）
[！[PYPI版本]（https://badge.fury.io/py/motionclouds.svg）（https://badge.fury.io/py/motionclouds）
[！[研究软件影响]（http://depsy.org/api/package/pypi/motionclouds/badge.svg）（http://depsy.org/package/python/motionclouds）
[！[DOI]（https://zenodo.org/badge/25257908.svg）（https://zenodo.org/badge/latestdoi/25257908）
**motionclouds**是为研究运动知觉而优化的随机动态刺激。
额定值和随机点运动图。这些具有受控信息内容：我们简化了定义，以参数化方式定义围绕最常见特征轴（平均值和带宽）的这些"运动云"：方向、比例（空间频率）、方向。这些脚本实现了生成这些随机纹理电影的框架。
<；center>；<；img src="docs/grating.gif？raw=true"width="50%">；<；/center>；
*要安装程序包，请运行：
``bash
pip3 install motionclouds
````
*安装依赖项：
````
``pip3 install-r requirements.txt
````
*可选地安装最新版本：
``bash
pip3安装——用户git+https://github.com/neuralensemble/motionclouds.git
`````
*测试您的安装，例如：
```bash
python3-c'将motionclouds导入为mc；fx，fy，ft=mc.get戋grids（mc.n戋x，mc.n戋y，mc.n戋frame）；z=mc.envelope戋gabor（fx，fy，ft）；mc.figures（z，"测试"，figpath="/tmp"）'
```
*有关更多文档，请访问motionclouds网站：
http://motionclouds.invibe.net/
此方法的说明发布在：
*Paula S.Leon、Ivo Vanzetta、Guillaume S.Masson、Laurent U.Perrinet。_运动云：用于运动知觉研究的自然类随机纹理的基于模型的刺激合成。《神经生理学杂志》**（http://jn.physiology.org/content/early/2012/03/10/jn.00737.2011），107（11）：3217--32262012[url]（http://invibe.net/laurentperrinet/publications/sanz12）—[重印]（http://www.motionclouds.invibe.net/files/motionclouds.pdf）—[补充信息]（http://www.motionclouds.invibe.net/files/motionclouds_supplementary.pdf）—[补充视频]（http://www.motionclouds.invibe.net/files/motionclouds_videofigures.pdf）
d用于以下论文：
*claudio simoncini、laurent u.perrinet、anna montagini、pascal mamassian、guillaume s.masson。_更多并不总是更好的：感知和行为之间的分离由自适应增益控制解释。[**自然神经科学**]（http://www.nature.com/neuro/journal/v15/n11/full/nn.3229.html），2012[url]（http://invibe.net/laurentperrinet/publications/simoncini12）
由欧盟项目编号FP7-269921，"脑标度"（神经形态混合系统中大脑激发的多标度计算），一个由欧盟FET主动式FP7资助的研究项目。该项目于2011年1月1日开始。这是来自10个欧洲国家的18个研究小组的合作。
<；img src="https://brainscales.kip.uni-heidelberg.de/images/thumb/e/e2/public--brainscaleslogo.svg/100px-public--brainscaleslogo.svg.png"width="10%">；
<；img src="https://brainscales.kip.uni-heidelberg.de/images/thumb/8/88/public--fet--fetreelogo.jpg/70px public--fet--fetreelogo.jpg"width="10%">；
<；img src="https://brainscales.kip.uni-heidelberg.de/images/thumb/3/3b/public--eu-fp7logo.gif/90px-public--eu fp7logo.gif"width="10%">；
<；img src="https://brainscales.kip.uni-heidelberg.de/images/thumb/5/5b/public--eu logo.gif/90px public--eu logo.gif"width="10%">；
**
onents.html）
它是一个开源软件包，可以与其他软件包（如psychopy或neurtools）结合使用。
与ourier相关的处理。此外，还包括绘制光谱和电影的所有辅助可视化工具。特定脚本，如"test_color.py"、"test_speed.py"、"test_radial.py"和"test_orientation.py"，探索每个单独信封的不同参数（分别是颜色、速度、径向频率和方向）的作用。我们的目标是保持代码尽可能简单，以便理解和灵活。综上所述，当我们构建一个自定义运动云时，有3个简单的步骤要遵循：
1。设置mc参数并构造fourier包络，然后将其可视化为iso曲面：
``python
import motionclouds as mc
import numpy as np
中止（fx，fy，ft，
v_x=1，v_y=0，b_v=0.1，
sfu 0=0.15，b_sf=0.1，
theta=0，b_theta=np.pi/8，alpha=1。）
执行ifft和对比度规范化；将刺激可视化为图像序列的"立方体"可视化，
``python
movie=mc.random嫒cloud（envelope）
movie=mc.rective（movie）
将刺激导出为电影（.mp4格式可用）、压缩压缩文件夹中的单独帧（.bmp和.png格式可用）或Matlab矩阵（.mat格式）。
```python
mc.anim\u save（movie，name，display=false，vext='.mp4'）
```
依文，它们被设置为对应于"标准"运动云的默认值。此外，用户只需为确定的参数设置一个值数组，就可以轻松地探索不同运动云的范围。例如，在这里，我们生成8个mcs，空间频率增加"sf_0"，同时将其他参数固定为默认值：
``python
for sf_0 in[0.01，0.05，0.1，0.2，0.3，0.4，0.5，0.6]：
name_0='figures/'+name+'-sf_0-'+str（sf_0）.replace（'.'，''uu'）
#对给定参数集执行绘图的函数*
欢迎加入QQ群-->： 979659372
