Create app.py

app.py

@@ -0,0 +1,52 @@
+import cv2
+import numpy as np
+import gradio as gr
+
+def create_edge_map(image, scale_value):
+    # Convertir l'image en niveaux de gris si ce n'est pas déjà le cas
+    if len(image.shape) > 2 and image.shape[2] == 3:
+        gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
+    else:
+        gray = image  # L'image est déjà en niveaux de gris
+
+    # Appliquer un flou gaussien pour réduire le bruit
+    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
+
+    # Calculer le gradient horizontal
+    gradient_x = cv2.Sobel(blurred, cv2.CV_64F, 1, 0, ksize=5)
+
+    # Calculer le gradient vertical
+    gradient_y = cv2.Sobel(blurred, cv2.CV_64F, 0, 1, ksize=5)
+
+    # Calculer la magnitude du gradient
+    magnitude = np.sqrt(gradient_x**2 + gradient_y**2)
+
+    # Normaliser la magnitude pour une meilleure visualisation
+    edge_map = cv2.normalize(magnitude, None, alpha=0, beta=255, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_8U)
+
+    # Ajouter un ajustement basé sur le paramètre scale_value
+    edge_map = cv2.addWeighted(edge_map, scale_value, np.zeros_like(edge_map), 0, 0)
+
+    return edge_map
+
+# Fonction Gradio pour générer la carte de profondeur
+def edge_map_function(image, scale_value):
+    # Convertir l'image PIL en numpy array
+    image_np = np.array(image)
+
+    # Générer la carte de profondeur
+    edge_map = create_edge_map(image_np, scale_value)
+
+    # Retourner l'image résultante
+    return edge_map
+
+# Créer une interface Gradio pour tester la fonction edge_map_function
+inputs = [
+    gr.inputs.Image(label="Upload Image"),  # Utilisation de l'entrée d'image par défaut
+    gr.inputs.Slider(minimum=1, maximum=10, default=1, label="Edges Scale")
+]
+
+output = gr.outputs.Image(label="Edges Map")  # Utilisation de la sortie d'image par défaut
+
+# Créer une interface Gradio
+gr.Interface(fn=edge_map_function, inputs=inputs, outputs=output, title="Edges Generator").launch()