def filter_message(image, msg):
'''
:param image: L'image sur laquelle on va appliquer le filtre
:param msg: Le message récupéré et ecris sur l'image
:return: L'image avec le filtre appliqué
'''
image_message = cv2.putText(image, msg, (10, 150),
cv2.FONT_HERSHEY_TRIPLEX, 1, (255, 255, 255))
logger.log_in_file(' Applying a blur filter...')
return image_message
def filter_grayscale(image):
"""
:param image: L'image sur laquelle on va appliquer le filtre
:return: L'image avec le filtre appliqué
"""
# Applique un filtre Noir&Blanc sur l'image
image_gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
logger.log_in_file(' Applying a grayscale filter...')
# retourne l'image avec le filtre
return image_gray
def filter_blur(image, value):
"""
:param image: L'image sur laquelle on va appliquer le filtre
:param value: Intensité du filtre
:return: L'image avec le filtre appliqué
"""
# Applique un filtre de flou
image_blur = cv2.GaussianBlur(image, (value, value), 9)
logger.log_in_file(' Applying a blur filter...')
# retourne l'image avec le filtre
return image_blur
def filter_dilate(image, value):
"""
:param image: L'image sur laquelle on va appliquer le filtre
:param value: Le nombre de fois qu'on va appliquer le filtre sur l'image
:return: L'image avec le filtre appliqué
"""
# Applique un filtre Dilatation
kernel = np.ones((5, 5), np.uint8)
image_dilate = cv2.dilate(image, kernel, iterations=value)
logger.log_in_file(' Applying a dilate filter...')
# retourne l'image avec le filtre
return image_dilate
path_input = args[i + 1] # Prends l'argument qui suit le '-i'
if os.path.exists(path_input): # Vérifie que le dossier existe
input_dir = path_input # Chemin dossier 'input'
files = os.listdir(input_dir) # Retourne une liste de ce qui se trouve dans le dossier 'input'
else:
print('Chemin incorrect')
except IndexError as e:
print(e)
if arg == '--filters':
for f in files:
try:
file_path = f"{input_dir}/{f}" # Va cherche un element de la liste à chaque tour de boucle
image = cv2.imread(file_path)
logger.log_in_file(f'Opening image = ' + file_path)
# récupère l'image de base
filters = args[i + 1]
split_filters = filters.split("|")
for s in split_filters:
# Application des filtres
if 'blur' in s:
split_filter = s.split(":")
value = split_filter[1]
value_int = int(value)
image = gaussianblur.filter_blur(image,value_int)
if 'dilate' in s:
split_filter = s.split(":")
value = split_filter[1]
value_int = int(value)