Spaces:
Sleeping
Sleeping
Download app.py from lemonada/repo_samdev: direct link, hf CLI and curl.
- Browser
- Download file 3.8 kB
-
https://huggingface.co/spaces/lemonada/repo_samdev/resolve/main/app.py
- Command line
-
hf download hf://spaces/lemonada/repo_samdev/app.py
-
curl -L -o app.py https://huggingface.co/spaces/lemonada/repo_samdev/resolve/main/app.py
3.8 kB
| import requests | |
| import streamlit as st | |
| from PIL import Image | |
| from io import BytesIO | |
| import numpy as np | |
| import cv2 | |
| # Configuration de l'API Hugging Face (Inpainting model) | |
| API_URL = "https://api-inference.huggingface.co/models/stabilityai/stable-diffusion-2-inpainting" | |
| # Fonction pour redimensionner l'image | |
| def resize_image(image, max_size=(512, 512)): | |
| return image.resize(max_size, Image.LANCZOS) | |
| # Fonction pour appeler l'API Hugging Face et générer une image avec inpainting | |
| def inpaint_image(prompt, image, mask): | |
| # Convertir l'image et le masque en JPEG pour réduire la taille des données | |
| image = Image.fromarray(image) | |
| mask = Image.fromarray(mask) | |
| # Redimensionner pour éviter les problèmes de taille | |
| image = resize_image(image) | |
| mask = resize_image(mask) | |
| # Convertir en bytes | |
| buffered_image = BytesIO() | |
| image.save(buffered_image, format="PNG") | |
| buffered_image.seek(0) # Rewind the BytesIO object | |
| buffered_mask = BytesIO() | |
| mask.save(buffered_mask, format="PNG") | |
| buffered_mask.seek(0) # Rewind the BytesIO object | |
| # Envoyer la requête avec l'image et le masque en multipart/form-data | |
| files = { | |
| 'image': ('image.png', buffered_image, 'image/png'), | |
| 'mask': ('mask.png', buffered_mask, 'image/png') | |
| } | |
| data = { | |
| 'prompt': prompt | |
| } | |
| response = requests.post(API_URL, files=files, data=data) | |
| if response.status_code == 200: | |
| return response.content | |
| else: | |
| st.error(f"Erreur : {response.status_code}, {response.text}") | |
| return None | |
| # Fonction pour détecter et générer le masque du visage | |
| def detect_face_and_create_mask(uploaded_image): | |
| # Convertir l'image uploadée en format OpenCV | |
| image = np.array(Image.open(uploaded_image).convert('RGB')) | |
| gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) | |
| # Utiliser le modèle de détection de visages de OpenCV | |
| face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + 'haarcascade_frontalface_default.xml') | |
| faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)) | |
| if len(faces) == 0: | |
| st.error("Aucun visage détecté dans l'image téléchargée.") | |
| return None, None | |
| # Créer un masque pour le visage détecté | |
| mask = np.zeros_like(image) | |
| for (x, y, w, h) in faces: | |
| mask[y:y + h, x:x + w] = [255, 255, 255] # Zone du visage à remplacer en blanc | |
| return image, mask | |
| # Interface principale | |
| def main(): | |
| st.title("Fusion réaliste du visage dans une image générée") | |
| prompt = st.text_input( | |
| "Entrez une description pour générer une image :", | |
| "A professional LinkedIn profile picture of a person in business attire." | |
| ) | |
| # Télécharger l'image de l'utilisateur | |
| uploaded_image = st.file_uploader("Téléchargez une photo de votre visage (JPEG/PNG)", type=["jpg", "jpeg", "png"]) | |
| if uploaded_image is not None: | |
| st.image(uploaded_image, caption="Votre photo téléchargée", use_column_width=True) | |
| # Détecter le visage et créer le masque | |
| image, mask = detect_face_and_create_mask(uploaded_image) | |
| if image is not None and mask is not None: | |
| st.image(mask, caption="Masque généré pour le visage", use_column_width=True) | |
| if st.button("Générer et remplacer le visage"): | |
| # Utiliser le modèle d'inpainting pour remplacer le visage | |
| result = inpaint_image(prompt, image, mask) | |
| if result: | |
| final_image = Image.open(BytesIO(result)) | |
| st.image(final_image, caption="Image finale avec le visage remplacé", use_column_width=True) | |
| if __name__ == "__main__": | |
| main() | |