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()