Corriger.py

import streamlit as st
import os
import streamlit_authenticator as stauth
from code.functions import pipeline_svg
from PIL import Image
import cv2
import numpy as np
from io import BytesIO
import copy

logo = Image.open("seguinmoreau.png")
st.set_page_config(
    page_title="Moulinette Logos",
    page_icon=logo,
    layout="wide",
    initial_sidebar_state="expanded"
)

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", dpi=(dpi_value, dpi_value))
    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"
    )