app.py

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)
    gray_image = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY)
    fig, axis = plt.subplots(figsize=(8, 4))
    axis.set_title("Histogramme des niveaux de gris")
    histo = cv2.calcHist([img_array], [0], None, [256], [0, 256])
    axis.plot(histo, color='black')

    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_Sobel(image):
    """

    Détecter et afficher les contours des images

    """
    img = np.array(image)
    gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
    sobel_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=5)
    sobel_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=5)
    sobel = np.sqrt(sobel_x**2 + sobel_y**2)
    sobel = np.uint8(sobel)
    return Image.fromarray(sobel)

def filtre_Gaussien(image, kernel_size=5):
    """

    Appliquer un Filtre Gaussien 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 erosion(image):
    croix = np.array([
                  [0,1,0],
                  [1,1,1],
                  [0,1,0]], dtype=np.uint8)
    croix = croix*255
    image_test = np.array(image)
    img_erosion = cv2.erode(image_test, croix)
    return Image.fromarray(img_erosion)

def dilatation(image):
    croix = np.array([
                  [0,1,0],
                  [1,1,1],
                  [0,1,0]], dtype=np.uint8)
    croix = croix*255
    image_test = np.array(image)
    img_dilate = cv2.dilate(image_test, croix)
    return Image.fromarray(img_dilate)

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 == "Filtre Gaussien":
        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 == "Contours Sobel":
        return contours_Sobel(image)
    elif operation == "Filtre Gaussien":
        return filtre_Gaussien(image, kernel_size)
    elif operation == "Erosion":
        return erosion(image)
    elif operation == "Dilatation":
        return dilatation(image)

    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", 
                             "Contours Sobel", 
                             "Filtre Gaussien", 
                             "Erosion",
                             "Dilatation"
                             ], 
                            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")

    submit_button = gr.Button("Appliquer")

    histogram_output = gr.Image(label="Histogramme")

    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()