repo_samdev / app.py
lemonada's picture
wip
ae92ac0
Raw History Blame Contribute Delete
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()