From 438240cc9af6a760ffb50a2d16445032c17c4e20 Mon Sep 17 00:00:00 2001
From: Jonathan Frei <freijo85382@th-nuernberg.de>
Date: Wed, 14 Feb 2024 16:19:23 +0000
Subject: [PATCH] =?UTF-8?q?=E2=80=9Eexcel=5Fprocessing.py=E2=80=9C=20l?=
 =?UTF-8?q?=C3=B6schen?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 excel_processing.py | 138 --------------------------------------------
 1 file changed, 138 deletions(-)
 delete mode 100644 excel_processing.py

diff --git a/excel_processing.py b/excel_processing.py
deleted file mode 100644
index c6f8cb1..0000000
--- a/excel_processing.py
+++ /dev/null
@@ -1,138 +0,0 @@
-"""
-Abhängigkeiten:
-- pyramids (für den Aufbau der Bildpyramiden)
-- heartrate (zur Berechnung der Herzfrequenz)
-- preprocessing (für die Video-Vorverarbeitung)
-- eulerian (für die Euler'sche Video-Magnifikation)
-- tkinter und constants (für die GUI und Konstantenverwaltung)
-
-Autor: Roberto Gelsinger
-Datum: 07.12.2023
-Version: Modulversion
-"""
-
-import pyramids
-import heartrate
-import facedetection
-import eulerian
-from constants import freq_max, freq_min
-import pandas as pd
-from excel_update import color_cells_based_on_deviation
-from excel_evaluation import evaluation
-
-
-def process_video_for_excel(selected_video_name):
-    """
-    Verarbeitet ein ausgewähltes Video, um die Herzfrequenz der abgebildeten Person zu ermitteln.
-
-    Dieser Prozess umfasst die Vorverarbeitung des Videos, den Aufbau einer Laplace-Pyramide,
-    die Anwendung von FFT-Filterung und Euler'scher Magnifikation, und schließlich die Berechnung
-    der Herzfrequenz aus den Video-Daten.
-
-    Args:
-    selected_video_name (str): Der Name des zu verarbeitenden Videos.
-
-    Returns:
-    None: Die Funktion gibt direkt die berechnete Herzfrequenz auf der Konsole aus.
-    """
-
-   
-   
-    print("Reading + preprocessing video...")
-    video_frames, frame_ct, fps = facedetection.read_video("code/videos/"+selected_video_name)
-
-    
-    print("Building Laplacian video pyramid...")
-    lap_video = pyramids.build_video_pyramid(video_frames)
-
-    print(len(lap_video))
-
-    for i, video in enumerate(lap_video):
-        print("test")
-        if i == 0 or i == len(lap_video)-1:
-            continue
-
-        print("Running FFT and Eulerian magnification...")
-        result, fft, frequencies = eulerian.fft_filter(video, freq_min, freq_max, fps)
-        lap_video[i] += result
-
-
-        print("Calculating heart rate...")
-        heart_rate = heartrate.find_heart_rate(fft, frequencies, freq_min, freq_max)
-
-
-
-
-
-    print("Heart rate: ", heart_rate*0.7, "bpm")
-    return heart_rate *0.7
-
-
-
-def process_all_videos_and_save_results(testcase_excel_file_path, testruns_excel_file_path, code_version, kommentar):
-
-    try:
-        df_testruns = pd.read_excel(testruns_excel_file_path)
-    except FileNotFoundError:
-        df_testruns = pd.DataFrame()
-
-
-    df_testcases = pd.read_excel(testcase_excel_file_path)
-
-    existing_testcases = [col for col in df_testruns.columns if col.startswith('Testcase_')]
-
-    new_testcases = [f'Testcase_{tc}' for tc in df_testcases['Testcase'] if f'Testcase_{tc}' not in existing_testcases]
-
-
-    if df_testruns.empty:
-        df_testruns = pd.DataFrame(columns=['Testnummer', 'Codeversion', 'Kommentar', 'Abweichung'])
-    
-
-    for col in new_testcases:
-        df_testruns[col] = None 
-    
-
-    df_testruns.to_excel(testruns_excel_file_path, index=False)
-
-    if new_testcases:
-        print(f"Folgende neue Testcases wurden hinzugefügt: {new_testcases}")
-    else:
-        print("Keine neuen Testcases zum Hinzufügen gefunden.")
-
-    next_testcase_index = len(df_testruns) + 1
-
-
-    new_run = {
-        'Testnummer': next_testcase_index,
-        'Codeversion': code_version,
-        'Kommentar': kommentar,
-        'Abweichung': 'Wert_für_Abweichung'  
-    }
-
-
-    for index, row in df_testcases.iterrows():
-        video_name = row['VideoName']
-        heart_rate = process_video_for_excel(video_name)
-
-
-        testcase_column_name = f'Testcase_{row["Testcase"]}'
-        new_run[testcase_column_name] = heart_rate
-
-    try:
-
-        df_testruns = df_testruns._append(new_run, ignore_index=True)
-    except TypeError:
-        pass
-
-
-    df_testruns.to_excel(testruns_excel_file_path, index=False)
-
-    print("Testrun wurde verarbeitet und das Ergebnis in der Testruns-Excel-Datei gespeichert.")
-
-    color_cells_based_on_deviation(testruns_excel_file_path, testcase_excel_file_path)
-
-    print("Zellen gefärbt")
-
-    evaluation(testcase_excel_file_path, testruns_excel_file_path)
-
-    print("Testcases sortiert")
\ No newline at end of file