Update app.py

app.py

@@ -6,59 +6,90 @@ from io import BytesIO
 import random
 import time
 
-# Initialisation des données
-if "images" not in st.session_state:
-    st.session_state.images = []
-if "validated_data" not in st.session_state:
-    st.session_state.validated_data = []
-if "animal_data" not in st.session_state:
-    st.session_state.animal_data = {
-        "chat": [],
-        "chien": [],
-        "cheval": []
-    }
-
 # Fonction pour télécharger une image aléatoire
 def download_random_image(animal):
-    # Liste d'URLs d'images fictives à remplacer par de vraies images
     animal_images = {
         "chat": [
-            "https://i.ibb.co/2FnDthw/IMG-6419.jpg",
-            "https://placekitten.com/300/300"  # Exemple d'URL fictive
+            "https://placekitten.com/300/300",
+            "https://placekitten.com/301/301",
+            "https://placekitten.com/302/302"
         ],
         "chien": [
-            "https://placedog.net/300/300",  # Exemple d'URL fictive
+            "https://images.dog.ceo/breeds/hound-afghan/n02096585_1034.jpg",
             "https://dog.ceo/api/breeds/image/random"
         ],
         "cheval": [
-            "https://placehorse.com/300/300"  # Exemple d'URL fictive
+            "https://cdn.pixabay.com/photo/2015/09/20/10/07/horse-557133_1280.jpg",
+            "https://cdn.pixabay.com/photo/2018/05/07/17/24/horse-3380533_1280.jpg"
         ]
     }
-    
+
     url = random.choice(animal_images[animal])
-    response = requests.get(url)
-    img = Image.open(BytesIO(response.content)).resize((300, 300))
-    return img
-
-# Fonction pour analyser l'image (simulée)
-def analyze_image(img):
-    arr = np.array(img)
-    avg_color = arr.mean(axis=(0, 1))
-    return avg_color
-
-# Fonction pour redémarrer le processus
-def reset_process():
-    st.session_state.images = []
-    st.session_state.validated_data = []
-    st.session_state.animal_data = {
-        "chat": [],
-        "chien": [],
-        "cheval": []
-    }
+    try:
+        response = requests.get(url)
+        response.raise_for_status()  # Vérifie si la requête a réussi
+        img = Image.open(BytesIO(response.content)).resize((300, 300))
+        return img
+    except (requests.exceptions.RequestException, UnidentifiedImageError) as e:
+        st.error(f"Erreur lors du téléchargement ou de l'ouverture de l'image : {e}")
+        return None
+
+# Fonction pour transformer les pixels
+def transform_image(original_image, method):
+    width, height = original_image.size
+    img_array = np.array(original_image)
+
+    # Crée une nouvelle image vide
+    new_img_array = np.zeros_like(img_array)
+
+    for x in range(width):
+        for y in range(height):
+            if method == "moyenne":
+                # Moyenne des voisins
+                neighbors = []
+                for dx in [-1, 0, 1]:
+                    for dy in [-1, 0, 1]:
+                        if dx == 0 and dy == 0:
+                            continue
+                        nx, ny = x + dx, y + dy
+                        if 0 <= nx < width and 0 <= ny < height:
+                            neighbors.append(img_array[ny, nx])
+                if neighbors:
+                    avg_color = np.mean(neighbors, axis=0)
+                    new_img_array[y, x] = avg_color
+            
+            elif method == "inversion":
+                # Inversion des couleurs
+                new_img_array[y, x] = 255 - img_array[y, x]
+
+            elif method == "flou":
+                # Filtre de flou simple
+                neighbors = []
+                for dx in [-1, 0, 1]:
+                    for dy in [-1, 0, 1]:
+                        nx, ny = x + dx, y + dy
+                        if 0 <= nx < width and 0 <= ny < height:
+                            neighbors.append(img_array[ny, nx])
+                new_img_array[y, x] = np.mean(neighbors, axis=0)
+
+            elif method == "luminosite":
+                # Augmentation de la luminosité
+                new_img_array[y, x] = np.clip(img_array[y, x] + 50, 0, 255)
+
+            elif method == "detec_bords":
+                # Détection des bords simple
+                if x > 0 and y > 0 and x < width - 1 and y < height - 1:
+                    gx = (img_array[y-1, x+1] + 2 * img_array[y, x+1] + img_array[y+1, x+1] -
+                          img_array[y-1, x-1] - 2 * img_array[y, x-1] - img_array[y+1, x-1])
+                    gy = (img_array[y+1, x-1] + 2 * img_array[y+1, x] + img_array[y+1, x+1] -
+                          img_array[y-1, x-1] - 2 * img_array[y-1, x] - img_array[y-1, x+1])
+                    new_img_array[y, x] = np.clip(np.sqrt(gx**2 + gy**2), 0, 255)
+
+    return Image.fromarray(new_img_array.astype('uint8'))
 
 # Interface Streamlit
-st.title("Générateur d'Images Auto-Entrant")
-st.write("Choisissez un animal pour générer une image et analyser ses pixels.")
+st.title("Transformateur d'Images")
+st.write("Choisissez un animal pour générer et transformer une image.")
 
 # Boutons pour les animaux
 col1, col2, col3 = st.columns(3)
@@ -66,61 +97,32 @@ col1, col2, col3 = st.columns(3)
 with col1:
     if st.button("Chat"):
         img = download_random_image("chat")
-        st.session_state.images.append(img)
-        avg_color = analyze_image(img)
-        st.write(f"Couleur moyenne : {avg_color}")
+        if img:
+            st.session_state.image = img
+            st.image(img, caption="Image d'origine", use_column_width=True)
 
 with col2:
     if st.button("Chien"):
         img = download_random_image("chien")
-        st.session_state.images.append(img)
-        avg_color = analyze_image(img)
-        st.write(f"Couleur moyenne : {avg_color}")
+        if img:
+            st.session_state.image = img
+            st.image(img, caption="Image d'origine", use_column_width=True)
 
 with col3:
     if st.button("Cheval"):
         img = download_random_image("cheval")
-        st.session_state.images.append(img)
-        avg_color = analyze_image(img)
-        st.write(f"Couleur moyenne : {avg_color}")
-
-# Affichage des images générées
-for idx, img in enumerate(st.session_state.images):
-    st.image(img, caption=f"Image {idx + 1}", width=300)
-
-# Boutons de validation
-if st.button("Oui"):
-    if st.session_state.images:
-        avg_color = analyze_image(st.session_state.images[-1])
-        st.session_state.validated_data.append(avg_color)
-        st.session_state.animal_data["chat" if "chat" in st.session_state.images[-1].filename else "chien" if "chien" in st.session_state.images[-1].filename else "cheval"].append(avg_color)
-
-if st.button("Non"):
-    if st.session_state.images:
-        st.session_state.images.pop()  # Ignore l'image
-        # Modifier les données précédentes pour éviter la même erreur
-        # Implémentez votre logique ici pour ajuster les données
-
-# Champ de données manuelles
-if st.button("Don"):
-    st.session_state.don_field_visible = True
-
-if "don_field_visible" in st.session_state and st.session_state.don_field_visible:
-    don_text = st.text_area("Entrez vos données manuelles :")
-    if st.button("Envoyer"):
-        if don_text:
-            # Traitement des données du champ "Don"
-            st.session_state.animal_data["chat"].append(don_text)  # Exemple d'utilisation
-            st.session_state.don_field_visible = False
+        if img:
+            st.session_state.image = img
+            st.image(img, caption="Image d'origine", use_column_width=True)
 
-# Bouton pour redémarrer le processus
-if st.button("Redémarrer"):
-    reset_process()
+# Sélection de la méthode de transformation
+method = st.selectbox("Choisissez une méthode de transformation", ["moyenne", "inversion", "flou", "luminosite", "detec_bords"])
 
-# Démarrer automatiquement après 3 secondes si le champ "Don" n'a pas été rempli
-if "don_field_visible" not in st.session_state:
-    st.session_state.don_field_visible = False
+# Transformation de l'image
+if "image" in st.session_state:
+    transformed_image = transform_image(st.session_state.image, method)
+    st.image(transformed_image, caption="Image Transformée", use_column_width=True)
 
-if not st.session_state.don_field_visible:
-    time.sleep(3)
-    # Vous pouvez ajouter ici le code pour relancer le processus ou une action de votre choix
+# Bouton pour redémarrer le processus
+if st.button("Redémarrer"):
+    st.session_state.image = None