Update app.py

app.py

@@ -10,77 +10,88 @@ 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 = {}
+rejected_pixel_data = {}
 
-# Fonction pour créer une image aléatoire
-def create_image(label):
+# Fonction pour créer une image aléatoire basée sur les données de pixels de l'image importée
+def create_image_from_data(base_data, 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)
+
+    for i in range(height):
+        for j in range(width):
+            # Utilisation des gradients de couleurs autour de pixels voisins
+            if (i, j) in base_data:
+                avg_color = base_data[(i, j)]
+            else:
+                # Génère une couleur aléatoire proche du thème
+                avg_color = [random.randint(100, 200), random.randint(100, 200), random.randint(100, 200)]
+                
+            # Appliquer les valeurs du dégradé en fonction de la proximité des pixels rejetés
+            if (i, j) in rejected_pixel_data:
+                avg_color = np.clip(np.array(avg_color) * 0.8, 0, 255)
+
+            image[i, j] = avg_color
+
+    return Image.fromarray(image.astype(np.uint8))
+
+# Fonction pour extraire les données de pixels de l'image téléchargée
+def extract_pixel_data(image):
+    width, height = image.size
+    pixels = image.load()
+    pixel_data = {}
+
+    for i in range(width):
+        for j in range(height):
+            pixel_data[(i, j)] = pixels[i, j]  # Enregistrer la couleur du pixel
+
+    return pixel_data
 
 # 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
+    image = Image.open(uploaded_file).resize((300, 300))
+    return extract_pixel_data(image)
 
 # Fonction pour gérer la validation des images
-def validate_image(is_valid, label):
+def validate_image(is_valid, label, base_data):
     if is_valid:
-        validation_data[label] = validation_data.get(label, 0) + 1
+        validation_data[label] = base_data
     else:
-        if label in validation_data:
-            del validation_data[label]
+        rejected_pixel_data.update(base_data)  # Enregistre les pixels de l'image rejetée
 
 # 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"])
 
+# Génération de l'image à partir de données de pixels de l'image importée
+if uploaded_file:
+    base_data = process_uploaded_image(uploaded_file)
+    st.image(Image.fromarray(np.array([[base_data.get((i, j), (255, 255, 255)) for i in range(300)] for j in range(300)], dtype=np.uint8)), caption="Image importée décryptée", use_column_width=True)
+else:
+    base_data = None
+
 if st.button("Générer une image"):
-    img = create_image(animal)
+    if base_data:
+        img = create_image_from_data(base_data, animal)
+    else:
+        st.warning("Veuillez d'abord importer une image pour guider la génération.")
+        img = create_image_from_data({}, animal)  # Génération aléatoire si aucune image n'est importée
+    
     st.image(img, caption=f"Image générée pour un {animal}", use_column_width=True)
 
+    # Boutons de validation
     if st.button("Oui"):
-        validate_image(True, animal)
+        validate_image(True, animal, base_data)
         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!")
+        validate_image(False, animal, base_data)
+        st.error("Image rejetée et données enregistrées pour améliorer la génération future!")
 
 # Bouton pour réinitialiser le processus
 if st.button("Réinitialiser"):
     validation_data.clear()
+    rejected_pixel_data.clear()
     st.success("Le processus a été réinitialisé.")
 
 # Champ de texte pour données manuelles