Update app.py

app.py

@@ -135,13 +135,42 @@ def main():
     add_custom_css()
     add_custom_js()
 
-
     logo_path = "logo.jpg"  
     logo = Image.open(logo_path)
     st.image(logo, width=150, caption="ADS VISOR")
 
     st.title("ADS VISOR - Un autre regard")
 
+    # Affichage du descriptif de l'application avant l'upload
+    st.header("Bienvenue sur ADS VISOR")
+    st.markdown(
+        """
+        <div class="stMarkdown">
+            <h2>ADS VISOR est une application innovante pour analyser, transformer et explorer vos images. 🖼️✨</h2>
+            <p>Que vous soyez un professionnel ou un passionné, découvrez un large éventail de fonctionnalités interactives !</p>
+            <ul>
+                <li><b>Transformations d'image :</b> Couleurs, niveaux de gris, etc.</li>
+                <li><b>Découpage & Rotation :</b> Ajustez vos images à la perfection.</li>
+                <li><b>Détection Faciale :</b> Identifiez les visages automatiquement.</li>
+                <li><b>Codes-barres & QR Codes :</b> Génération rapide pour vos projets.</li>
+            </ul>
+        </div>
+        """,
+        unsafe_allow_html=True
+    )
+
+    st.write("### Équipe :")
+    st.markdown(
+        """
+        | **Nom**                | **Niveau**                  |
+        |------------------------|---------------------------|
+        | **Ngoue David**        | Master 2 Intelligence Artificielle et Big Data      |
+        | **Bidzanga Armel**     | Master 2 Intelligence Artificielle et Big Data       |
+        | **Nziou Serena**       | Master 2 Administration de Systèmes d'Information     |
+        """,
+        unsafe_allow_html=True
+    )
+
     st.sidebar.header("Chargement de l'image")
     if "default_image" not in st.session_state:
         st.session_state["default_image"] = None
@@ -156,6 +185,7 @@ def main():
         st.sidebar.warning("Veuillez charger une image pour commencer.")
         return
 
+    # La section des fonctionnalités est affichée uniquement après l'upload
     st.sidebar.header("Fonctionnalités")
     menu_option = st.sidebar.selectbox(
         "Choisissez une fonctionnalité",
@@ -175,35 +205,8 @@ def main():
     image_np = st.session_state["default_image"]
 
     if menu_option == "Accueil":
-        st.header("Bienvenue sur ADS VISOR")
-        st.markdown(
-            """
-            <div class="stMarkdown">
-                <h2>ADS VISOR est une application innovante pour analyser, transformer et explorer vos images. 🖼️✨</h2>
-                <p>Que vous soyez un professionnel ou un passionné, découvrez un large éventail de fonctionnalités interactives !</p>
-                <ul>
-                    <li><b>Transformations d'image :</b> Couleurs, niveaux de gris, etc.</li>
-                    <li><b>Découpage & Rotation :</b> Ajustez vos images à la perfection.</li>
-                    <li><b>Détection Faciale :</b> Identifiez les visages automatiquement.</li>
-                    <li><b>Codes-barres & QR Codes :</b> Génération rapide pour vos projets.</li>
-                </ul>
-            </div>
-            """,
-            unsafe_allow_html=True
-        )
-
-        st.write("### Équipe :")
-        st.markdown(
-            """
-            | **Nom**                | **Niveau**                  |
-            |------------------------|---------------------------|
-            | **Ngoue David**        | Master 2 Intelligence Artificielle et Big Data      |
-            | **Bidzanga Armel**     | Master 2 Intelligence Artificielle et Big Data       |
-            | **Nziou Serena**       | Master 2 Administration de Systèmes d'Information     |
-            """,
-            unsafe_allow_html=True
-        )
-
+        pass
+    
     elif menu_option == "Transformations d'image":
         st.subheader("Transformations d'image")
 
@@ -391,51 +394,72 @@ def main():
     elif menu_option == "Détection Faciale":
         st.subheader("Détection Faciale")
 
+        # Sélectionner la source de l'image
+        source_option = st.radio("Choisissez la source", ("Image Importée", "Autre Image", "Webcam", "Vidéo"))
+
+        # Charger le classificateur de visages pré-entrainé de OpenCV
         face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_default.xml")
 
-        detection_option = st.radio(
-            "Choisis la source pour la détection faciale",
-            options=["Webcam", "Vidéo téléversée"]
-        )
+        if source_option == "Image Importée":
+            if st.session_state["default_image"] is not None:
+                img = image_np
+                gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+                faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
 
-        if detection_option == "Webcam":
-            if st.button("Lancer la détection via webcam"):
-                cap = cv2.VideoCapture(0)
+                # Dessiner des rectangles autour des visages
+                for (x, y, w, h) in faces:
+                    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
 
-                if not cap.isOpened():
-                    st.error("Impossible d'accéder à la webcam, Hugging Face et le navigateur bloquent l'accès.")
-                else:
-                    st.info("Appuyez sur Ctrl+C pour arrêter la détection.")
-                    frame_placeholder = st.empty()
+                st.image(img, caption="Image avec Visages Détectés", use_container_width=True)
 
-                    while True:
-                        ret, frame = cap.read()
-                        if not ret:
-                            st.error("Erreur lors de la capture vidéo.")
-                            break
+        elif source_option == "Autre Image":
+            uploaded_file_2 = st.file_uploader("Charge une autre image", type=["png", "jpg", "jpeg"])
+            if uploaded_file_2 is not None:
+                image_2 = Image.open(uploaded_file_2)
+                img = np.array(image_2)
+                gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+                faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
 
-                        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
-                        faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
+                # Dessiner des rectangles autour des visages
+                for (x, y, w, h) in faces:
+                    cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)
 
-                        for (x, y, w, h) in faces:
-                            cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
+                st.image(img, caption="Autre Image avec Visages Détectés", use_container_width=True)
 
-                        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
-                        frame_placeholder.image(frame, channels="RGB", use_container_width=True)
+        elif source_option == "Webcam":
+            stframe = st.empty()
+            cap = cv2.VideoCapture(0)
 
-                    cap.release()
+            while True:
+                ret, frame = cap.read()
+                if not ret:
+                    st.write("Erreur dans la lecture de la webcam.")
+                    break
 
-        elif detection_option == "Vidéo téléversée":
-            uploaded_video = st.file_uploader("Charge une vidéo", type=["mp4", "avi", "mov"])
-            if uploaded_video is not None:
-                video_bytes = uploaded_video.read()
-                tfile = tempfile.NamedTemporaryFile(delete=False)
-                tfile.write(video_bytes)
-                tfile.close()
+                gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+                faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
 
-                cap = cv2.VideoCapture(tfile.name)
-                frame_placeholder = st.empty()
+                # Dessiner des rectangles autour des visages
+                for (x, y, w, h) in faces:
+                    cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
 
+                # Affichage dans le streamlit
+                stframe.image(frame, channels="BGR", use_container_width=True)
+
+                if cv2.waitKey(1) & 0xFF == ord("q"):  # Quitter avec la touche 'q'
+                    break
+
+            cap.release()
+
+        elif source_option == "Vidéo":
+            video_file = st.file_uploader("Charge une vidéo", type=["mp4", "avi", "mov"])
+            if video_file is not None:
+                video_bytes = video_file.read()
+                with tempfile.NamedTemporaryFile(delete=False) as tmp_file:
+                    tmp_file.write(video_bytes)
+                    video_path = tmp_file.name
+
+                cap = cv2.VideoCapture(video_path)
                 while cap.isOpened():
                     ret, frame = cap.read()
                     if not ret:
@@ -444,13 +468,14 @@ def main():
                     gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
                     faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))
 
+                    # Dessiner des rectangles autour des visages
                     for (x, y, w, h) in faces:
                         cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 0, 0), 2)
 
-                    frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
-                    frame_placeholder.image(frame, channels="RGB", use_container_width=True)
+                    st.image(frame, caption="Vidéo avec Visages Détectés", use_container_width=True)
 
                 cap.release()
 
+
 if __name__ == "__main__":
     main()