Update app.py

app.py

@@ -1,127 +1,99 @@
 import streamlit as st
 import numpy as np
 from PIL import Image
-import requests
-from io import BytesIO
 import random
 import time
-
-# Fonction pour télécharger une image aléatoire
-def download_random_image(animal):
-    animal_images = {
-        "chat": [
-            "https://i.ibb.co/2FnDthw/IMG-6419.jpg",
-            "https://i.ibb.co/QHpP9D4/IMG-6420.jpg",
-        ],
-        "chien": [
-            "https://images.dog.ceo/breeds/hound-afghan/n02096585_1034.jpg",
-            "https://dog.ceo/api/breeds/image/random"
-        ],
-        "cheval": [
-            "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])
-    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("Transformateur d'Images")
-st.write("Choisissez un animal pour générer et transformer une image.")
-
-# Boutons pour les animaux
-col1, col2, col3 = st.columns(3)
-
-with col1:
-    if st.button("Chat"):
-        img = download_random_image("chat")
-        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")
-        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")
-        if img:
-            st.session_state.image = img
-            st.image(img, caption="Image d'origine", use_column_width=True)
-
-# Sélection de la méthode de transformation
-method = st.selectbox("Choisissez une méthode de transformation", ["moyenne", "inversion", "flou", "luminosite", "detec_bords"])
-
-# 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)
-
-# Bouton pour redémarrer le processus
-if st.button("Redémarrer"):
-    st.session_state.image = None
+import io
+
+# Configuration de la page Streamlit
+st.title("Générateur d'images d'animaux")
+st.write("Choisissez un animal pour générer une image ou téléchargez une image à déchiffrer.")
+
+# Initialisation des variables
+image_data = []
+validation_data = {}
+auto_training_data = {}
+
+# Fonction pour créer une image aléatoire
+def create_image(label):
+    width, height = 300, 300
+    image = np.zeros((height, width, 3), dtype=np.uint8)
+    
+    if label == "chat":
+        for i in range(height):
+            for j in range(width):
+                image[i, j] = [random.randint(150, 255), random.randint(150, 255), random.randint(150, 255)]
+    elif label == "chien":
+        for i in range(height):
+            for j in range(width):
+                image[i, j] = [random.randint(100, 200), random.randint(50, 150), random.randint(0, 100)]
+    elif label == "cheval":
+        for i in range(height):
+            for j in range(width):
+                image[i, j] = [random.randint(0, 50), random.randint(0, 50), random.randint(0, 50)]
+
+    return Image.fromarray(image)
+
+# Fonction pour traiter l'image téléchargée
+def process_uploaded_image(uploaded_file):
+    # Ouvrir l'image
+    image = Image.open(uploaded_file)
+    # Redimensionner l'image à 300x300
+    image = image.resize((300, 300))
+    return image
+
+# Fonction pour gérer la validation des images
+def validate_image(is_valid, label):
+    if is_valid:
+        validation_data[label] = validation_data.get(label, 0) + 1
+    else:
+        if label in validation_data:
+            del validation_data[label]
+
+# Interface utilisateur
+animal = st.radio("Sélectionnez un animal :", ("chat", "chien", "cheval"))
+uploaded_file = st.file_uploader("Ou téléchargez une image (JPG, PNG)", type=["jpg", "jpeg", "png"])
+
+if st.button("Générer une image"):
+    img = create_image(animal)
+    st.image(img, caption=f"Image générée pour un {animal}", use_column_width=True)
+
+    if st.button("Oui"):
+        validate_image(True, animal)
+        st.success("Image validée!")
+    elif st.button("Non"):
+        validate_image(False, animal)
+        st.error("Image rejetée!")
+
+# Si une image est téléchargée, la traiter et l'afficher
+if uploaded_file is not None:
+    uploaded_image = process_uploaded_image(uploaded_file)
+    st.image(uploaded_image, caption="Image téléchargée", use_column_width=True)
+
+    # Validation de l'image téléchargée
+    if st.button("Valider l'image téléchargée"):
+        validate_image(True, "image téléchargée")
+        st.success("Image téléchargée validée!")
+    if st.button("Rejeter l'image téléchargée"):
+        validate_image(False, "image téléchargée")
+        st.error("Image téléchargée rejetée!")
+
+# Bouton pour réinitialiser le processus
+if st.button("Réinitialiser"):
+    validation_data.clear()
+    st.success("Le processus a été réinitialisé.")
+
+# Champ de texte pour données manuelles
+if st.button("Don"):
+    don_text = st.text_area("Entrez vos données :", "")
+    if st.button("Envoyer"):
+        if don_text:
+            auto_training_data['data'] = don_text
+            st.success("Données envoyées!")
+        else:
+            st.error("Le champ de texte ne peut pas être vide.")
+
+# Démarrer le processus automatiquement après 3 secondes si le champ 'Don' n'est pas rempli
+if 'data' not in auto_training_data:
+    time.sleep(3)
+    st.success("Démarrage automatique du processus d'apprentissage...")