Line data    Source code

       1             : /**
       2             :  * @file test_L2NormPow2.cpp
       3             :  *
       4             :  * @brief Tests for the L2NormPow2 class
       5             :  *
       6             :  * @author Matthias Wieczorek - initial code
       7             :  * @author David Frank - rewrite
       8             :  * @author Tobias Lasser - modernization
       9             :  */
      10             : 
      11             : #include <doctest/doctest.h>
      12             : 
      13             : #include "testHelpers.h"
      14             : #include "L2NormPow2.h"
      15             : #include "LinearResidual.h"
      16             : #include "Identity.h"
      17             : #include "VolumeDescriptor.h"
      18             : #include "TypeCasts.hpp"
      19             : 
      20             : using namespace elsa;
      21             : using namespace doctest;
      22             : 
      23             : TYPE_TO_STRING(complex<float>);
      24             : TYPE_TO_STRING(complex<double>);
      25             : 
      26             : TEST_SUITE_BEGIN("functionals");
      27             : 
      28             : TEST_CASE_TEMPLATE("WeightedL2NormPow2: Testing without residual", TestType, float, double,
      29             :                    complex<float>, complex<double>)
      30          24 : {
      31          24 :     using Vector = Eigen::Matrix<TestType, Eigen::Dynamic, 1>;
      32             : 
      33          24 :     GIVEN("just data (no residual)")
      34          24 :     {
      35          12 :         IndexVector_t numCoeff(2);
      36          12 :         numCoeff << 11, 13;
      37          12 :         VolumeDescriptor dd(numCoeff);
      38             : 
      39          12 :         WHEN("instantiating")
      40          12 :         {
      41          12 :             L2NormPow2<TestType> func(dd);
      42             : 
      43          12 :             THEN("the functional is as expected")
      44          12 :             {
      45           4 :                 REQUIRE_EQ(func.getDomainDescriptor(), dd);
      46             : 
      47           4 :                 auto* linRes = downcast_safe<LinearResidual<TestType>>(&func.getResidual());
      48           4 :                 REQUIRE_UNARY(linRes);
      49           4 :                 REQUIRE_UNARY_FALSE(linRes->hasOperator());
      50           4 :                 REQUIRE_UNARY_FALSE(linRes->hasDataVector());
      51           4 :             }
      52             : 
      53          12 :             THEN("a clone behaves as expected")
      54          12 :             {
      55           4 :                 auto l2Clone = func.clone();
      56           4 :                 ;
      57             : 
      58           4 :                 REQUIRE_NE(l2Clone.get(), &func);
      59           4 :                 REQUIRE_EQ(*l2Clone, func);
      60           4 :             }
      61             : 
      62          12 :             THEN("the evaluate, gradient and Hessian work as expected")
      63          12 :             {
      64           4 :                 Vector dataVec(dd.getNumberOfCoefficients());
      65           4 :                 dataVec.setRandom();
      66           4 :                 DataContainer<TestType> x(dd, dataVec);
      67             : 
      68           4 :                 REQUIRE_UNARY(checkApproxEq(func.evaluate(x), 0.5f * dataVec.squaredNorm()));
      69           4 :                 REQUIRE_EQ(func.getGradient(x), x);
      70             : 
      71           4 :                 Identity<TestType> idOp(dd);
      72           4 :                 REQUIRE_EQ(func.getHessian(x), leaf(idOp));
      73           4 :             }
      74          12 :         }
      75          12 :     }
      76             : 
      77          24 :     GIVEN("a residual with data")
      78          24 :     {
      79          12 :         IndexVector_t numCoeff(2);
      80          12 :         numCoeff << 47, 11;
      81          12 :         VolumeDescriptor dd(numCoeff);
      82             : 
      83          12 :         Vector randomData(dd.getNumberOfCoefficients());
      84          12 :         randomData.setRandom();
      85          12 :         DataContainer<TestType> b(dd, randomData);
      86             : 
      87          12 :         Identity<TestType> A(dd);
      88             : 
      89          12 :         LinearResidual<TestType> linRes(A, b);
      90             : 
      91          12 :         WHEN("instantiating")
      92          12 :         {
      93          12 :             L2NormPow2<TestType> func(linRes);
      94             : 
      95          12 :             THEN("the functional is as expected")
      96          12 :             {
      97           4 :                 REQUIRE_EQ(func.getDomainDescriptor(), dd);
      98             : 
      99           4 :                 auto* lRes = downcast_safe<LinearResidual<TestType>>(&func.getResidual());
     100           4 :                 REQUIRE_UNARY(lRes);
     101           4 :                 REQUIRE_EQ(*lRes, linRes);
     102           4 :             }
     103             : 
     104          12 :             THEN("a clone behaves as expected")
     105          12 :             {
     106           4 :                 auto l2Clone = func.clone();
     107             : 
     108           4 :                 REQUIRE_NE(l2Clone.get(), &func);
     109           4 :                 REQUIRE_EQ(*l2Clone, func);
     110           4 :             }
     111             : 
     112          12 :             THEN("the evaluate, gradient and Hessian work was expected")
     113          12 :             {
     114           4 :                 Vector dataVec(dd.getNumberOfCoefficients());
     115           4 :                 dataVec.setRandom();
     116           4 :                 DataContainer<TestType> x(dd, dataVec);
     117             : 
     118           4 :                 REQUIRE_UNARY(
     119           4 :                     checkApproxEq(func.evaluate(x), 0.5f * (dataVec - randomData).squaredNorm()));
     120             : 
     121           4 :                 DataContainer<TestType> grad(dd, (dataVec - randomData).eval());
     122           4 :                 REQUIRE_EQ(func.getGradient(x), grad);
     123             : 
     124           4 :                 auto hessian = func.getHessian(x);
     125           4 :                 REQUIRE_EQ(hessian.apply(x), x);
     126           4 :             }
     127          12 :         }
     128          12 :     }
     129          24 : }
     130             : 
     131             : TEST_SUITE_END();