Phosgenite (Photographs of Stained Glasses Identifier) est un système de reconnaissance de vitraux d'églises.
Afin d'utiliser Phosgenite il faut installer les librairies suivantes:
- Orange 3 :
pip install orange3-imageanalytics - Pandas :
pip install pandas - Numpy :
pip install numpy - OpenCV :
pip install opencv-contrib-python - SKlearn :
pip install scikit-learn
Phosgenite a été développé avec des images de vitraux provenant de l'église Saint Jean au marché (SJ). Ces images sont trouvable dans le dossier data/SJ et sont séparés en plusieurs sous dossiers:
- Les données d'entrainements stockées dans
data/SJ/Vitraux baies - Les données de tests stockées dans
data/SJ/test images
Appeler la fonction find_label du script main.py avec comme paramètre le chemin relatif de l'image à prédire.
Exemple:
find_label("/data/SJ/test images/SJ 000 1.jpg")
La fonction find_label appelle la fonction TSNE_KNN_model qui permet de prédire le label de l'image passée en paramètres.
Afin de mieux comprendre comment fonctionne le modèle nous allons le detailler dans un diagramme de flux :
Voici le role de chaque script:
- La transformation des images en HSV est realisé par le script
rgb2hsv.py - L'embedding est fait grace au script
embedder.py - Le reste du traitement des données (reduction de dimensions avec TSNE et prediction du label avec un KNN) est realisé dans le script
TSNE_KNN_model.py
Le script cropper.py implémente un outil de rognagne automatique des images de vitraux. Ce script est expérimental et ne présente pas tout le temps des résultats satisfaisants. Ce script n'a pas été ajouté a la chaine de traitement des données. Il est possible d'appeler la fonction crop() de ce script dans le constructeur de la classe TSNE_KNN_model avant l'appel de la fonction self.transform_test()