Ajouter la couche relief orienté et une échelle d'openness fixe

Nouvelle visualisation relief_oriente : une image RGB unique qui fusionne
l'openness positive locale (MNT détendancé σ 10 m, rayons 5/10/20 m,
16 directions) portée par la clarté CIELAB et l'orientation des pentes
portée par la teinte. Échelle log fixe et support de 40 m sous la bande
de raccord de 100 m : dalles jointives. Calcul sur grille décimée à 0,8 m,
noyau dédié (CuPy RawKernel, numba parallèle, repli numpy) et colorisation
par table L* × teinte : ~8 s par dalle sur CPU au lieu de ~50 s.

L'openness positive et négative est normalisée par des références figées
mesurées sur 15 dalles au lieu d'un z-score par dalle, qui rendait
l'échelle de couleur non jointive.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

lidar_pipeline/tests/test_visualizations.py

@@ -126,6 +126,146 @@ class TestOpenness:
         corr = np.corrcoef(a[m], b[m])[0, 1]
         assert corr > 0.97, f"corrélation openness décimée/native trop faible : {corr:.3f}"
 
+    @pytest.mark.parametrize("positive", [True, False])
+    def test_scale_independent_of_rest_of_tile(self, tmp_path, tmp_output_dir, positive):
+        """Même relief local = même valeur, quel que soit le reste de la dalle.
+
+        Deux MNT identiques sur leur moitié ouest ; l'un porte en plus une
+        colline à l'est, à plus de 100 m (rayon max) de la zone comparée. Une
+        normalisation par dalle (z-score) décalait toute l'échelle et rendait
+        les mosaïques non jointives ; avec les références figées, la moitié
+        ouest doit sortir identique.
+        """
+        import rasterio
+        from rasterio.transform import from_bounds
+        from lidar_pipeline.visualizations import generate_openness
+
+        size = 300
+        x = np.arange(size, dtype=float)
+        X, Y = np.meshgrid(x, x)
+        flat = 100.0 + 2.0 * np.exp(-((X - 60)**2 + (Y - 150)**2) / (2 * 15**2))
+        hill = flat + 40.0 * np.exp(-((X - 260)**2 + (Y - 150)**2) / (2 * 20**2))
+        results = []
+        for name, dem in (("flat", flat), ("hill", hill)):
+            f = tmp_path / f"{name}.tif"
+            with rasterio.open(f, 'w', driver='GTiff', height=size, width=size,
+                               count=1, dtype='float32', crs='EPSG:2154',
+                               transform=from_bounds(660000, 6700000, 660300, 6700300,
+                                                     size, size)) as dst:
+                dst.write(dem.astype('float32'), 1)
+            out = generate_openness(f, name, tmp_output_dir, 1.0, positive=positive)
+            with rasterio.open(out) as src:
+                results.append(src.read(1))
+        # Tolérance : résidu d'interpolation de la grille décimée (≈0,01) ;
+        # un z-score par dalle décalerait toute la zone de plusieurs dixièmes.
+        west = np.s_[:, :100]
+        np.testing.assert_allclose(results[0][west], results[1][west], atol=0.05)
+
+
+def _write_dem(path, dem, res=1.0):
+    import rasterio
+    from rasterio.transform import from_origin
+    with rasterio.open(path, 'w', driver='GTiff', height=dem.shape[0], width=dem.shape[1],
+                       count=1, dtype='float32', crs='EPSG:2154',
+                       transform=from_origin(660000, 6700300, res, res)) as dst:
+        dst.write(dem.astype('float32'), 1)
+    return path
+
+
+class TestReliefOriente:
+    def test_generates_rgb_uint8(self, synthetic_dem, tmp_output_dir):
+        import rasterio
+        from lidar_pipeline.visualizations import generate_relief_oriente
+        result = generate_relief_oriente(synthetic_dem, "test", tmp_output_dir, 5.0)
+        assert result is not None and result.name == "test_relief_oriente.tif"
+        with rasterio.open(result) as src, rasterio.open(synthetic_dem) as dem:
+            assert src.count == 3 and src.dtypes[0] == 'uint8'
+            assert (src.height, src.width) == (dem.height, dem.width)
+            rgb = src.read()
+        assert rgb.std() > 5, "image uniforme : ni relief ni orientation rendus"
+
+    def test_nodata_gets_fixed_color(self, tmp_path, tmp_output_dir):
+        import rasterio
+        from lidar_pipeline.visualizations import generate_relief_oriente, RELIEF_NODATA_RGB
+        x = np.arange(120, dtype=float)
+        dem = 100 + 0.05 * x[None, :] + 0.02 * x[:, None]
+        dem[10:20, 10:20] = np.nan
+        out = generate_relief_oriente(_write_dem(tmp_path / "d.tif", dem), "t", tmp_output_dir, 1.0)
+        with rasterio.open(out) as src:
+            rgb = src.read()
+        assert tuple(rgb[:, 15, 15]) == RELIEF_NODATA_RGB
+
+    def test_horizon_kernels_agree(self):
+        """numba et numpy (et le noyau CUDA, même code) donnent le même angle."""
+        pytest.importorskip("numba")
+        from lidar_pipeline.visualizations import (
+            _horizon_rays, _mean_horizon_numba, _mean_horizon_numpy)
+        rng = np.random.default_rng(0)
+        dem = rng.normal(0, 0.3, (60, 70)).astype(np.float32)
+        dem[20:30, 30:40] += 2.0
+        offs, dist, cps = _horizon_rays(0.8, 16, (5, 10, 20))
+        a = _mean_horizon_numba(dem, offs, dist, cps)
+        b = _mean_horizon_numpy(dem, offs, dist, cps)
+        np.testing.assert_allclose(a, b, atol=1e-5)
+
+    def test_matches_legacy_ray_trace_geometry(self):
+        """Même géométrie de rayons que _ray_trace_horizons (8 directions)."""
+        from lidar_pipeline.visualizations import (
+            _horizon_rays, _mean_horizon_numpy, _ray_trace_horizons)
+        rng = np.random.default_rng(1)
+        dem = rng.normal(0, 0.5, (50, 50)).astype(np.float32)
+        radii = (5, 10, 20)
+        pos, _ = _ray_trace_horizons(dem, 50, 50, 1.0, 8, 20, list(radii))
+        legacy = np.mean(pos, axis=(0, 1))
+        offs, dist, cps = _horizon_rays(1.0, 8, radii)
+        np.testing.assert_allclose(_mean_horizon_numpy(dem, offs, dist, cps), legacy, atol=1e-5)
+
+    def test_seamless_independent_of_rest_of_tile(self, tmp_path, tmp_output_dir):
+        """Même relief local = mêmes couleurs, quel que soit le reste de la dalle
+        (support : rayon 20 m + détendance 4σ = 40 m, loin sous la bande de 100 m)."""
+        import rasterio
+        from lidar_pipeline.visualizations import generate_relief_oriente
+        size = 300
+        X, Y = np.meshgrid(np.arange(size, dtype=float), np.arange(size, dtype=float))
+        flat = 100.0 + 1.5 * np.exp(-((X - 60)**2 + (Y - 150)**2) / (2 * 6**2))
+        hill = flat + 40.0 * np.exp(-((X - 260)**2 + (Y - 150)**2) / (2 * 10**2))
+        imgs = []
+        for name, dem in (("flat", flat), ("hill", hill)):
+            out = generate_relief_oriente(_write_dem(tmp_path / f"{name}.tif", dem),
+                                          name, tmp_output_dir, 1.0)
+            with rasterio.open(out) as src:
+                imgs.append(src.read().astype(int))
+        diff = np.abs(imgs[0][:, :, :150] - imgs[1][:, :, :150])
+        assert diff.max() <= 1, f"écart de couleur loin de la colline : {diff.max()}"
+
+    def test_numba_colorize_matches_vectorized(self):
+        """Noyau CPU fusionné = chemin vectorisé (CuPy/numpy) à l'arrondi près."""
+        pytest.importorskip("numba")
+        from lidar_pipeline.gpu import xp_zoom
+        from lidar_pipeline.visualizations import (
+            _relief_colorize_numba, _relief_colorize_xp, _relief_lut, _pad_to)
+        rng = np.random.default_rng(2)
+        open_c = rng.uniform(0.3, 15, (30, 25)).astype(np.float32)
+        dx = rng.normal(0, 0.3, (120, 100)).astype(np.float32)
+        dy = rng.normal(0, 0.3, (120, 100)).astype(np.float32)
+        lut = _relief_lut()
+        a = _relief_colorize_numba(open_c, 4, dx, dy, lut).astype(int)
+        b = _relief_colorize_xp(np, _pad_to(np, xp_zoom(open_c, 4), 120, 100), dx, dy, lut).astype(int)
+        diff = np.abs(a - b).max(axis=2)
+        assert (diff > 3).mean() < 0.01, f"{(diff > 3).mean():.3%} pixels divergent"
+
+    def test_lut_lightness_is_monotonic_and_hue_neutral(self):
+        """Clarté croissante avec L* ; à L* fixé, toutes les teintes ont la même
+        luminance perçue (pas de faux relief dû à la couleur)."""
+        from lidar_pipeline.visualizations import _relief_lut
+        lut = _relief_lut().astype(float) / 255
+        lin = np.where(lut <= 0.04045, lut / 12.92, ((lut + 0.055) / 1.055) ** 2.4)
+        Y = lin @ np.array([0.2126, 0.7152, 0.0722])          # (256, 360)
+        assert np.all(np.diff(Y.mean(axis=1)) >= -1e-6)
+        Lstar = 116 * np.cbrt(Y[100:180]) - 16                # L* ≈ 40–70
+        # Écart résiduel : écrêtage de gamme sRGB de quelques teintes à C* 60
+        assert (Lstar.max(axis=1) - Lstar.min(axis=1)).max() < 6
+
 
 class TestMSLRM:
     def test_generates_tif(self, synthetic_dem, tmp_output_dir):