initial commit

app.py

@@ -0,0 +1,167 @@
+import gradio as gr
+from PIL import Image
+import numpy as np
+import cv2
+import matplotlib.pyplot as plt
+
+# Fonctions de traitement d'image
+def load_image(image):
+    return image
+
+def apply_negative(image):
+    """
+    Transforme l'image en son négatif en inversant les valeurs de chaque pixel.
+    En résumé chaque pixel est soustrait de 255.
+    """
+    img = np.array(image)
+    negative = 255 - img
+    return Image.fromarray(negative)
+
+def binarize_image(image, threshold):
+    """
+    D'abord l'image est convertie en niveau de gris. 
+    Puis on utilise un seuil moyen pour la binarison de l'image.
+    """
+    img = np.array(image)
+    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+    img_binary = np.where( img_gray < threshold, 0, 255).astype(np.uint8)
+    return Image.fromarray(img_binary)
+
+def resize_image(image, width, height):
+    """
+    Demande à l'utilisateur de choisir la hauteur et la largeur finale de l'image.
+    Ensuite resize cette image à partir de ces informations
+    """
+    return image.resize((width, height))
+
+def rotate_image(image, angle):
+    """
+    Faire tourner l'image sur des angles données
+    """
+    return image.rotate(angle)
+
+def histogramme(image):
+    """
+    Afficher l'histogramme de l'image. 
+    La fonction fait la différence entre les images à un canal et celles à trois
+    """
+    img_array = np.array(image)
+    fig, axis = plt.subplots(figsize=(8, 4))
+    axis.set_title("Histogramme")
+
+    if len(img_array.shape) == 2:  
+        histo = cv2.calcHist([img_array], [0], None, [256], [0, 256])
+        axis.plot(histo, color='black')
+    else:
+        rgbcolors = ["blue", "green", "red"]
+        for i, col in enumerate(rgbcolors):
+            histo = cv2.calcHist([img_array], [i], None, [256], [0, 256])
+            axis.plot(histo, color=col)
+
+    fig.canvas.draw()
+    data = np.frombuffer(fig.canvas.buffer_rgba(), dtype=np.uint8)
+    data = data.reshape(fig.canvas.get_width_height()[::-1] + (4,))
+    plt.close(fig)
+
+    return Image.fromarray(data[:,:,:3])
+
+def contours_detector(image):
+    """
+    Détecter et afficher les contours des images
+    """
+    img = np.array(image)
+    gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
+    edge = cv2.Canny(gray, 100, 200)
+    return Image.fromarray(edge)
+
+def floutage(image, kernel_size=5):
+    """
+    Appliquer un floutage avec une matrice définissable par l'utilisateur à l'image
+    """
+    img = np.array(image)
+    flou = cv2.GaussianBlur(img, (kernel_size, kernel_size), 0)
+    return Image.fromarray(flou)
+
+def all_chanels(image):
+    pass
+
+
+def update_fields(operation):
+    if operation == "Redimensionner":
+        return (gr.update(visible=True), 
+                gr.update(visible=True), 
+                gr.update(visible=False), 
+                gr.update(visible=False),
+                gr.update(visible=False))
+    elif operation == "Binarisation":
+        return (gr.update(visible=False), 
+                gr.update(visible=False), 
+                gr.update(visible=True), 
+                gr.update(visible=False), 
+                gr.update(visible=False))
+    elif operation == "Rotation":
+        return (gr.update(visible=False), 
+                gr.update(visible=False), 
+                gr.update(visible=False), 
+                gr.update(visible=True), 
+                gr.update(visible=False))
+    elif operation == "Floutage":
+        return (gr.update(visible=False), 
+                gr.update(visible=False), 
+                gr.update(visible=False), 
+                gr.update(visible=False), 
+                gr.update(visible=True))
+    else:
+        return (gr.update(visible=False), 
+                gr.update(visible=False), 
+                gr.update(visible=False), 
+                gr.update(visible=False), 
+                gr.update(visible=False))
+
+
+def image_processing(image, operation, threshold=128, width=100, height=100, angle=0, kernel_size=5):
+    if operation == "Négatif":
+        return apply_negative(image)
+    elif operation == "Binarisation":
+        return binarize_image(image, threshold)
+    elif operation == "Redimensionner":
+        return resize_image(image, width, height)
+    elif operation == "Rotation":
+        return rotate_image(image, angle)
+    elif operation == "Détection de Contours":
+        return contours_detector(image)
+    elif operation == "Floutage":
+        return floutage(image, kernel_size)
+
+    return image
+
+def load_image_and_histogram(image):
+    hist_image = histogramme(image)
+    return hist_image
+
+# Interface Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("## Image Master")
+
+    with gr.Row():
+        image_input = gr.Image(type="pil", label="Charger Image")
+        operation = gr.Radio(["Négatif", "Binarisation", "Redimensionner", "Rotation", "Channel", "Détection de Contours", "Floutage"], label="Opération")
+        threshold = gr.Slider(0, 255, 128, label="Seuil de binarisation", visible=False)
+        width = gr.Slider(minimum=50, maximum=1000, value=100, step=10, label="Largeur", visible=False)
+        height = gr.Slider(minimum=50, maximum=1000, value=100, step=10, label="Hauteur", visible=False)
+        angle = gr.Slider(minimum=-180, maximum=180, value=0, step=1, label="Angle de Rotation", visible=False)
+        kernel_size = gr.Slider(minimum=1, maximum=21, value=5, step=2, label="Taille du Noyau (Flou)", visible=False)
+
+    image_output = gr.Image(label="Image Modifiée")
+
+    histogram_output = gr.Image(label="Histogramme")
+
+    submit_button = gr.Button("Appliquer")
+
+    operation.change(update_fields, inputs=[operation], outputs=[width, height, threshold, angle, kernel_size])
+
+    image_input.change(load_image_and_histogram, inputs=image_input, outputs=histogram_output)
+
+    submit_button.click(image_processing, inputs=[image_input, operation, threshold, width, height, angle, kernel_size], outputs=image_output)
+
+demo.launch()

requirements.txt

@@ -0,0 +1,5 @@
+gradio
+Pillow
+opencv-python-headless
+matplotlib
+numpy