Merge branch 'main' of gitlab-student.centralesupelec.fr:antonin.decouvelaere/ia-detection-leucemie

K-clustering.py

+import cv2
+import numpy as np
+
+def K_clustering(image,K=2):
+    # Applatir l'image pour K-means (transformation en tableau 1D)
+    pixels = image.reshape((-1,1)).astype(np.float32)
+
+    # Définir les critères d'arrêt du K-means
+    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.2)
+
+    # Application du K-means
+    _, labels, centers = cv2.kmeans(pixels, K, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
+
+    # Reconstruction de l'image segmentée
+    segmented = labels.reshape(image.shape)
+
+    # Affichage de l'image segmentée (binaire)
+    segmented_display = (segmented * 255).astype(np.uint8)
+    return segmented_display
\ No newline at end of file

README.md

-## Name
-HemAI
+## Name : HemAI
 
 ## Description
 Créer une intelligence artificielle de reconnaissance d’image pour diagnostiquer la leucémie lymphoblastique à partir de frotti sanguin.
@@ -18,12 +17,13 @@ Pendant ce temps, les techniques d’intelligence artificielle (IA) permettent d
 
 
 # Etapes du traitement de l'image : 
-1 : Conversion RGB-->LAB (Maté doit ajouter le fichier)
-2 : formatage des images en tailles 224 x 224 resizing fonctionalité (déja merge dans le main par Antonin)
-3 : K-clustering --> à creuser,
-4: Binary Thresholding
-5 : Création du masque
-6 : Nettoyage : Comparaison avec l’image originale pour garder uniquement les éléments importants
+1. : Conversion RGB-->LAB (Maté doit ajouter le fichier)
+2. : Extraction de a (canal de couleur) fait par maté dans le même fichier 
+3. : formatage des images en tailles 224 x 224 resizing fonctionalité (déja merge dans le main par Antonin)
+4. : K-clustering --> à creuser,
+5. : Binary Thresholding
+6. : Création du masque
+7. : Nettoyage : Comparaison avec l’image originale pour garder uniquement les éléments importants
 
 
 Images Initiales 
@@ -35,8 +35,9 @@ Origine : Images provenant des hôpitaux de Téhéran
 ## Authors and acknowledgment
 Show your appreciation to those who have contributed to the project.
 
-## License
-For open source projects, say how it is licensed.
+## literrature
+
+http://neuralnetworksanddeeplearning.com/chap1.html 
 
 ## Project status
 If you have run out of energy or time for your project, put a note at the top of the README saying that development has slowed down or stopped completely. Someone may choose to fork your project or volunteer to step in as a maintainer or owner, allowing your project to keep going. You can also make an explicit request for maintainers.

RGB_LAB.py

+import cv2
+import numpy as np
+
+def RGB_LAB(image):
+    # Convertir l'image de RGB à LAB
+    lab_image = cv2.cvtColor(image, cv2.COLOR_BGR2LAB)
+    # Extraire le canal A (qui met en évidence les cellules B-ALL)
+    lab_a = lab_image[:,:,1]
+    return lab_a
\ No newline at end of file

binary_thresholding.py

+import cv2
+import numpy as np
+
+def Binary_tresholding(image, seuil=127):
+    # Appliquer un seuil binaire sur l'image segmentée
+    _, binary_image = cv2.threshold(image, seuil, 255, cv2.THRESH_BINARY)
+    return binary_image