Reduce figures size a bit to make the text larger

Géographie/Contours.md

@@ -636,7 +636,7 @@ seulement un article à la fois («fenêtre» de taille 1) comme l'illustre la
 figure \ref{fig:dichotomy_window_comparisons} (l'effet de «décrochage» est bien
 sûr dû à la fonction partie entière supérieure dans la formule précédente).
 
-![Nombre total de comparaisons requis dans le pire des cas en fonction de la taille de la fenêtre utilisée](figure/dichotomy_window_comparisons.png){#fig:dichotomy_window_comparisons width=80%}
+![Nombre total de comparaisons requis dans le pire des cas en fonction de la taille de la fenêtre utilisée](figure/dichotomy_window_comparisons.png){#fig:dichotomy_window_comparisons width=60%}
 
 Au milieu des paires candidates classées par similarité, entre les rangs 2931 et
 2940 on trouve une unique fausse paire, celle pour SPIEGELBERG — une contrée

Géographie/Introduction.md

@@ -57,7 +57,7 @@ distinction à l'esprit.
     la fréquence F on peut récupérer sans déformation toutes les composantes de
     fréquence $< \frac{F}{2}$ dans le signal initial
 
-![Échantillonage d'un processus sinusoïdal par un ensemble de points répartis aléatoirement](figure/sampling.png){#fig:sampling width=80%}
+![Échantillonage d'un processus sinusoïdal par un ensemble de points répartis aléatoirement](figure/sampling.png){#fig:sampling width=60%}
 
 ### Faire correspondre des époques {#sec:mapping_ages}
 
@@ -138,7 +138,7 @@ deuxième pour voir ce qui a changé, un peu comme la figure \ref{fig:derivative
 approxime localement une fonction par sa tangente au voisinage d'un point pour
 simplifier son étude.
 
-![Visualisation de l'erreur commise en assimilant localement une courbe à sa tangente](figure/derivative.png){#fig:derivative width=80%}
+![Visualisation de l'erreur commise en assimilant localement une courbe à sa tangente](figure/derivative.png){#fig:derivative width=60%}
 
 ### Plan de l'étude
 

generator/derivative.py

@@ -19,7 +19,7 @@ def showDelta(ax):
 
 def drawDerivative(outputPath):
     os.makedirs(os.path.dirname(outputPath), exist_ok=True)
-    plot.figure(figsize=(16,9))
+    plot.figure(figsize=(8,4))
     xs = [i/50 for i in range(0, 100)]
     ax = seaborn.lineplot(x=xs, y=[exp(x) for x in xs], color='mediumpurple')
     seaborn.lineplot(x=xs, y=[tangent(x) for x in xs], color='deeppink')

generator/dichotomy_window_comparisons.py

@@ -11,7 +11,7 @@ def comparisons(n):
 
 def drawDichotomyWindowComparisons(outputPath):
     os.makedirs(os.path.dirname(outputPath), exist_ok=True)
-    plot.figure(figsize=(16,9))
+    plot.figure(figsize=(8,4))
     xs = [2**(i/100) for i in range(0, 670)]
     ax = seaborn.lineplot(x=xs, y=[comparisons(x) for x in xs], color='mediumpurple')
     ax.set_xscale('log')

generator/sampling.py

@@ -13,7 +13,7 @@ def getCos(legend, points):
 
 def drawSampler(outputPath):
     os.makedirs(os.path.dirname(outputPath), exist_ok=True)
-    plot.figure(figsize=(16,9))
+    plot.figure(figsize=(8,4))
     curve = getCos('Vrai signal', [k*pi/600 for k in range(-200, 1500)])
     measure = getCos('Mesures', [randrange(-20, 150)/20 for _ in range(40)])
     seaborn.lineplot(data=curve, x='x', y='y', hue='Légende', palette=['mediumpurple'])

visualisation/SizeDistribution.py

@@ -23,7 +23,7 @@ def splitAssoc(s):
 
 def sizeDistribution(inputTSV, key, metric, outputPath):
     measures = tabular(inputTSV)
-    fig = plot.subplots(figsize=(14, 14))
+    fig = plot.subplots(figsize=(12, 12))
     backKey, frontKey = splitAssoc(key)
     backMetric, frontMetric = splitAssoc(metric)
     ax = seaborn.violinplot(data=measures,