update example with rst titles

1 files changed, 33 insertions, 33 deletions

diff --git a/docs/source/auto_examples/plot_otda_color_images.py b/docs/source/auto_examples/plot_otda_color_images.py
index 46ad44b..f1df9d9 100644
--- a/docs/source/auto_examples/plot_otda_color_images.py
+++ b/docs/source/auto_examples/plot_otda_color_images.py
@@ -1,8 +1,8 @@
 # -*- coding: utf-8 -*-
 """
-========================================================
-OT for domain adaptation with image color adaptation [6]
-========================================================
+=============================
+OT for image color adaptation
+=============================
 
 This example presents a way of transferring colors between two image
 with Optimal Transport as introduced in [6]
@@ -41,7 +41,7 @@ def minmax(I):
 
 
 ##############################################################################
-# generate data
+# Generate data
 ##############################################################################
 
 # Loading images
@@ -61,33 +61,7 @@ Xt = X2[idx2, :]
 
 
 ##############################################################################
-# Instantiate the different transport algorithms and fit them
-##############################################################################
-
-# EMDTransport
-ot_emd = ot.da.EMDTransport()
-ot_emd.fit(Xs=Xs, Xt=Xt)
-
-# SinkhornTransport
-ot_sinkhorn = ot.da.SinkhornTransport(reg_e=1e-1)
-ot_sinkhorn.fit(Xs=Xs, Xt=Xt)
-
-# prediction between images (using out of sample prediction as in [6])
-transp_Xs_emd = ot_emd.transform(Xs=X1)
-transp_Xt_emd = ot_emd.inverse_transform(Xt=X2)
-
-transp_Xs_sinkhorn = ot_emd.transform(Xs=X1)
-transp_Xt_sinkhorn = ot_emd.inverse_transform(Xt=X2)
-
-I1t = minmax(mat2im(transp_Xs_emd, I1.shape))
-I2t = minmax(mat2im(transp_Xt_emd, I2.shape))
-
-I1te = minmax(mat2im(transp_Xs_sinkhorn, I1.shape))
-I2te = minmax(mat2im(transp_Xt_sinkhorn, I2.shape))
-
-
-##############################################################################
-# plot original image
+# Plot original image
 ##############################################################################
 
 pl.figure(1, figsize=(6.4, 3))
@@ -104,7 +78,7 @@ pl.title('Image 2')
 
 
 ##############################################################################
-# scatter plot of colors
+# Scatter plot of colors
 ##############################################################################
 
 pl.figure(2, figsize=(6.4, 3))
@@ -126,7 +100,33 @@ pl.tight_layout()
 
 
 ##############################################################################
-# plot new images
+# Instantiate the different transport algorithms and fit them
+##############################################################################
+
+# EMDTransport
+ot_emd = ot.da.EMDTransport()
+ot_emd.fit(Xs=Xs, Xt=Xt)
+
+# SinkhornTransport
+ot_sinkhorn = ot.da.SinkhornTransport(reg_e=1e-1)
+ot_sinkhorn.fit(Xs=Xs, Xt=Xt)
+
+# prediction between images (using out of sample prediction as in [6])
+transp_Xs_emd = ot_emd.transform(Xs=X1)
+transp_Xt_emd = ot_emd.inverse_transform(Xt=X2)
+
+transp_Xs_sinkhorn = ot_emd.transform(Xs=X1)
+transp_Xt_sinkhorn = ot_emd.inverse_transform(Xt=X2)
+
+I1t = minmax(mat2im(transp_Xs_emd, I1.shape))
+I2t = minmax(mat2im(transp_Xt_emd, I2.shape))
+
+I1te = minmax(mat2im(transp_Xs_sinkhorn, I1.shape))
+I2te = minmax(mat2im(transp_Xt_sinkhorn, I2.shape))
+
+
+##############################################################################
+# Plot new images
 ##############################################################################
 
 pl.figure(3, figsize=(8, 4))