Removed authentication

Corriger.py

@@ -7,8 +7,6 @@ import cv2
 import numpy as np
 from io import BytesIO
 import copy
-import yaml
-from yaml.loader import SafeLoader
 
 logo = Image.open("seguinmoreau.png")
 st.set_page_config(
@@ -18,160 +16,147 @@ st.set_page_config(
     initial_sidebar_state="expanded"
 )
 
-# Authentication
-
-with open('users.yaml') as file:
-    config = yaml.load(file, Loader=SafeLoader)
-
-authenticator = stauth.Authenticate(
-    config['credentials'],
-    config['cookie']['name'],
-    config['cookie']['key'],
-    config['cookie']['expiry_days'],
-    config['preauthorized']
+inch_value = 2.54
+
+logo = Image.open('seguinmoreau.png')
+st.image(logo, width=200)
+st.markdown(
+    """
+    # Boîte à Outils de correction de logos :wrench:
+    
+    Bienvenue dans la boîte à outils de correction de logos de Seguin Moreau.
+    
+    ### :hammer: Les outils
+    Dans cette boîte à outils, vous trouverez:
+    * Un outil de Correction automatique de logo (enlever les petits défauts, lissage, vectorisation, grossissement des traits trop fins).
+    
+    ### :bulb: Mode d'emploi
+    * Cliquer sur 'Browse files'
+    * Sélectionner un logo
+    * La correction est automatique. Si la correction ne vous convient pas, il est possible de régler les paramètres en cliquant sur 'Paramétrage' à droite de l'image.
+        * Les deux paramètres permettent de corriger les défauts liés à la présence de gris sur le logo ou la 'pixélisation' du logo trop importante.
+    
+    """
 )
 
-name, authentication_status, username = authenticator.login('Login', 'main')
-
-if not authentication_status:
-    st.error("Nom d'utilisateur ou mot de passe incorrect")
-elif authentication_status is None:
-    st.warning("Rentrer nom d'utilisateur et mot de passe")
-elif authentication_status:
-    authenticator.logout('Logout', 'main')
-    # ------------------------------
-
-    inch_value = 2.54
-
-    logo = Image.open('seguinmoreau.png')
-    st.image(logo, width=200)
-    st.markdown(
-        """
-        # Boîte à Outils de correction de logos :wrench:
-        
-        Bienvenue dans la boîte à outils de correction de logos de Seguin Moreau.
-        
-        ### :hammer: Les outils
-        Dans cette boîte à outils, vous trouverez:
-        * Un outil de Correction automatique de logo (enlever les petits défauts, lissage, vectorisation, grossissement des traits trop fins).
-        
-        ### :bulb: Mode d'emploi
-        * Cliquer sur 'Browse files'
-        * Sélectionner un logo
-        * La correction est automatique. Si la correction ne vous convient pas, il est possible de régler les paramètres en cliquant sur 'Paramétrage' à droite de l'image.
-            * Les deux paramètres permettent de corriger les défauts liés à la présence de gris sur le logo ou la 'pixélisation' du logo trop importante.
-        
-        """
+uploaded_files = st.file_uploader("Choisir un logo", accept_multiple_files=True)
+
+image_width = 500
+size_value = st.slider("Largeur de trait minimum", min_value=1, max_value=21, value=7, step=2)
+
+size_value = (size_value - 1) // 2
+
+# kernel_type_str = st.selectbox("Kernel type", ["Ellipse", "Rectangle", "Cross"])
+kernel_type_str = "Ellipse"
+dict_kernel_type = {"Ellipse": cv2.MORPH_ELLIPSE, "Rectangle": cv2.MORPH_RECT, "Cross": cv2.MORPH_CROSS}
+kernel_type = dict_kernel_type[kernel_type_str]
+
+for uploaded_file in uploaded_files:
+    col1, col2, col3 = st.columns([1, 1, 1])
+    col3.markdown("---")
+
+    image = Image.open(uploaded_file).convert('L')
+    image_input = np.array(image)
+    image = copy.deepcopy(image_input)
+    col1.image(image_input / 255.0, caption="Image d'entrée", use_column_width='auto')
+
+    with col3:
+        with st.expander(":gear: Paramétrage"):
+            st.write("Si l'image contient du gris, faire varier le seuil ci-dessous:")
+            threshold = st.slider("Seuil pour convertir l'image en noir&blanc.", min_value=0, max_value=255,
+                                  value=0,
+                                  step=1, key=f"{uploaded_file}_slider_threshold")
+            st.write("Si l'image est pixelisée, ou contient trop de détails, "
+                     "augmenter la valeur ci-dessous:")
+            blur_value = st.slider("Seuil pour lisser l'image", min_value=1, max_value=11, value=1, step=2,
+                                   key=f"{uploaded_file}_slider_gaussian_sigma")
+            st.write("Si l'image contient des traits très fin (de l'odre du pixel),"
+                     " augmenter le seuil ci-dessous, de 1 par 1:")
+            dilate_lines_value = st.slider("Dilatation de l'image d'origine: (en pixels)", min_value=0, max_value=5,
+                                           value=0, step=1, key=f"{uploaded_file}_slider_dilation_image")
+
+            st.write("Taille d'exportation d'image:")
+
+            dpi_value = st.number_input("Valeur dpi:", key=f"{uploaded_file}_number_dpi_value", value=200)
+
+            st.write("---")
+            st.write("Spécifier la taille maximum d'un côté, en cm:")
+            side_width_value = st.number_input("Taille max de côté cible (cm):",
+                                               key=f"{uploaded_file}_number_target_value", value=20.0)
+            new_largest_side_value = int(side_width_value / inch_value * dpi_value)
+
+            h, w, *_ = image.shape
+
+            # Resize image
+            ratio = w / h
+            if ratio > 1:
+                width = new_largest_side_value
+                height = int(width / ratio)
+            else:
+                height = new_largest_side_value
+                width = int(ratio * height)
+
+            st.write("---")
+            st.write("Ou, spécifier la largeur OU la hauteur cible, en cm:")
+
+            target_width_value = st.number_input("Largeur cible (cm):", key=f"{uploaded_file}_number_width_value",
+                                                 value=0.0)
+            target_height_value = st.number_input("Hauteur cible (cm):", key=f"{uploaded_file}_number_height_value",
+                                                  value=0.0)
+
+            if target_width_value > 0 and target_height_value == 0:
+                width = int(target_width_value / inch_value * dpi_value)
+                height = int(width / ratio)
+            elif target_height_value > 0 and target_width_value == 0:
+                height = int(target_height_value / inch_value * dpi_value)
+                width = int(height * ratio)
+            elif target_height_value > 0 and target_width_value > 0:
+                st.warning("Vous ne pouvez pas modifier la largeur et la hauteur simultanément.")
+
+            st.info(f"Le logo sera redimensionné de :")
+            st.info(f"hauteur={h} pixels et largeur={w} pixels vers "
+                    f"hauteur={height} pixels et largeur={width} pixels.")
+
+    if threshold > 0:
+        image = (image > threshold) * 255
+        image = image.astype('uint8')
+
+    if blur_value > 0:
+        image = cv2.GaussianBlur(image, (blur_value, blur_value), blur_value - 1)
+
+    # Process image cv32f ==> cv32f
+    img_final = pipeline_svg(image, size_value=size_value, level=1, threshold=threshold, kernel_type=kernel_type,
+                             dilate_lines_value=dilate_lines_value)
+
+    col2.image(img_final, caption="Image corrigée", use_column_width='auto')
+
+    # Check for grayscale
+    tolerance = 10
+    ratio_of_gray_pixels = int(np.sum((tolerance < image) * (image < 255 - tolerance)) / np.size(image) * 100)
+    if ratio_of_gray_pixels > 1:
+        col3.warning(f":warning: Le nombre de pixels gris est élevé: {ratio_of_gray_pixels} % > 1%")
+
+    # Check reconstruction fidelity
+    distance = np.mean((np.array(image) - img_final) ** 2)
+    if distance > 10:
+        col3.warning(
+            f":warning: Le logo est peut-être trop dégradé (MSE={distance:.2f} > 10).\nVérifier visuellement.")
+
+    dim = (width, height)
+    # resize image
+    resized_img_final = cv2.resize(img_final, dim, interpolation=cv2.INTER_AREA)
+    resized_image_input = cv2.resize(image_input, dim, interpolation=cv2.INTER_AREA)
+
+    buf = BytesIO()
+    # img_stacked = np.hstack((resized_image_input, resized_img_final))
+    img_final = Image.fromarray(resized_img_final).convert("L")
+
+    img_final.save(buf, format="PNG")
+    byte_im = buf.getvalue()
+
+    btn = col3.download_button(
+        label=":inbox_tray: Télécharger l'image",
+        data=byte_im,
+        file_name=f"corrected_{uploaded_file.name}",
+        mime="image/png"
     )
-
-    uploaded_files = st.file_uploader("Choisir un logo", accept_multiple_files=True)
-
-    image_width = 500
-    size_value = st.slider("Largeur de trait minimum", min_value=1, max_value=21, value=7, step=2)
-
-    size_value = (size_value - 1) // 2
-
-    # kernel_type_str = st.selectbox("Kernel type", ["Ellipse", "Rectangle", "Cross"])
-    kernel_type_str = "Ellipse"
-    dict_kernel_type = {"Ellipse": cv2.MORPH_ELLIPSE, "Rectangle": cv2.MORPH_RECT, "Cross": cv2.MORPH_CROSS}
-    kernel_type = dict_kernel_type[kernel_type_str]
-
-    for uploaded_file in uploaded_files:
-        col1, col2, col3 = st.columns([1, 1, 1])
-        col3.markdown("---")
-
-        image = Image.open(uploaded_file).convert('L')
-        image_input = np.array(image)
-        image = copy.deepcopy(image_input)
-        col1.image(image_input / 255.0, caption="Image d'entrée", use_column_width='auto')
-
-        with col3:
-            with st.expander(":gear: Paramétrage"):
-                st.write("Si l'image contient du gris, faire varier le seuil ci-dessous:")
-                threshold = st.slider("Seuil pour convertir l'image en noir&blanc.", min_value=0, max_value=255,
-                                      value=0,
-                                      step=1, key=f"{uploaded_file}_slider_threshold")
-                st.write("Si l'image est pixelisée, ou contient trop de détails, "
-                         "augmenter la valeur ci-dessous:")
-                blur_value = st.slider("Seuil pour lisser l'image", min_value=1, max_value=11, value=1, step=2,
-                                       key=f"{uploaded_file}_slider_gaussian_sigma")
-                st.write("Si l'image contient des traits très fin (de l'odre du pixel),"
-                         " augmenter le seuil ci-dessous, de 1 par 1:")
-                dilate_lines_value = st.slider("Dilatation de l'image d'origine: (en pixels)", min_value=0, max_value=5,
-                                               value=0, step=1, key=f"{uploaded_file}_slider_dilation_image")
-
-                st.write("Taille d'exportation d'image:")
-
-                dpi_value = st.number_input("Valeur dpi:", key=f"{uploaded_file}_number_dpi_value", value=200)
-                side_width_value = st.number_input("Taille max de côté cible (cm):",
-                                                   key=f"{uploaded_file}_number_target_value", value=20)
-                new_largest_side_value = int(side_width_value / inch_value * dpi_value)
-
-                h, w, *_ = image.shape
-
-                # Resize image
-                ratio = w / h
-                if ratio > 1:
-                    width = new_largest_side_value
-                    height = int(new_largest_side_value / ratio)
-                else:
-                    height = new_largest_side_value
-                    width = int(ratio * new_largest_side_value)
-
-                target_width_value = st.number_input("Largeur cible (cm):", key=f"{uploaded_file}_number_width_value",
-                                                     value=0)
-                target_height_value = st.number_input("Hauteur cible (cm):", key=f"{uploaded_file}_number_height_value",
-                                                      value=0)
-
-                if target_width_value > 0 and target_height_value == 0:
-                    width = int(target_width_value / inch_value * dpi_value)
-                    height = int(width / ratio)
-                elif target_height_value > 0 and target_width_value == 0:
-                    height = int(target_height_value / inch_value * dpi_value)
-                    width = int(height * ratio)
-                elif target_height_value > 0 and target_width_value > 0:
-                    st.warning("Vous ne pouvez pas modifier la largeur et la hauteur simultanément.")
-
-        if threshold > 0:
-            image = (image > threshold) * 255
-            image = image.astype('uint8')
-
-        if blur_value > 0:
-            image = cv2.GaussianBlur(image, (blur_value, blur_value), blur_value - 1)
-
-        # Process image cv32f ==> cv32f
-        img_final = pipeline_svg(image, size_value=size_value, level=1, threshold=threshold, kernel_type=kernel_type,
-                                 dilate_lines_value=dilate_lines_value)
-
-        col2.image(img_final, caption="Image corrigée", use_column_width='auto')
-
-        # Check for grayscale
-        tolerance = 10
-        ratio_of_gray_pixels = int(np.sum((tolerance < image) * (image < 255 - tolerance)) / np.size(image) * 100)
-        if ratio_of_gray_pixels > 1:
-            col3.warning(f":warning: Le nombre de pixels gris est élevé: {ratio_of_gray_pixels} % > 1%")
-
-        # Check reconstruction fidelity
-        distance = np.mean((np.array(image) - img_final) ** 2)
-        if distance > 10:
-            col3.warning(
-                f":warning: Le logo est peut-être trop dégradé (MSE={distance:.2f} > 10).\nVérifier visuellement.")
-
-        dim = (width, height)
-        # resize image
-        resized_img_final = cv2.resize(img_final, dim, interpolation=cv2.INTER_AREA)
-        resized_image_input = cv2.resize(image_input, dim, interpolation=cv2.INTER_AREA)
-
-        buf = BytesIO()
-        # img_stacked = np.hstack((resized_image_input, resized_img_final))
-        img_final = Image.fromarray(resized_img_final).convert("L")
-
-        img_final.save(buf, format="PNG")
-        byte_im = buf.getvalue()
-
-        btn = col3.download_button(
-            label=":inbox_tray: Télécharger l'image",
-            data=byte_im,
-            file_name=f"corrected_{uploaded_file.name}",
-            mime="image/png"
-        )