Bonjour ! Pour compter le nombre de pixels d'une couleur spécifique dans une image, voici quelques solutions gratuites et accessibles :

1. Logiciels dédiés (sans code)

• GIMP (Gratuit, open-source) Utilisez l'outil "Sélection par couleur" (Outil de sélection → Par couleur), puis "Histogramme" (Fenêtre → Dockables → Histogramme) pour voir le nombre de pixels sélectionnés. Astuce : Après la sélection, copiez (Ctrl+C) et collez dans un nouveau calque (Ctrl+V) pour voir le nombre de pixels dans la barre d'état.

• Photopea (En ligne, gratuit) Ouvrez votre image, utilisez l'outil "Baguette magique" (sélection par couleur), puis vérifiez le nombre de pixels sélectionnés dans la barre d'état en bas.

• Paint.NET (Gratuit, Windows) Avec le plugin "Color Count" (à installer via le gestionnaire de plugins), vous pouvez compter les pixels par couleur.

2. Outils en ligne

• Image Color Picker (imagecolorpicker.com) Permet de sélectionner une couleur et d'obtenir des statistiques basiques, mais pas toujours le compte exact de pixels.

• Online Image Color Counter (ex: this tool) Téléchargez votre image pour obtenir un décompte par couleur.

3. Solutions par code (si vous êtes à l'aise avec la programmation)

• Python + OpenCV/Pillow Un script simple peut le faire. Exemple :

  python
  Copy
  from PIL import Image
  img = Image.open("votre_image.jpg")
  pixels = img.getdata()
  couleur_cible = (255, 0, 0)  # Rouge en RVB
  count = sum(1 for pixel in pixels if pixel == couleur_cible)
  print(f"Nombre de pixels {couleur_cible}: {count}")

  Je peux vous générer un script complet si besoin !

4. Extensions navigateur

• "ColorZilla" (pour Chrome/Firefox) Permet de sélectionner une couleur et d'obtenir des infos, mais pas de compte de pixels. À combiner avec un outil comme GIMP.

Quel est votre niveau technique ? Je peux vous guider vers la solution la plus adaptée ou même vous fournir un script clé en main. 😊

Absolument, Gérard ! Je peux tout à fait convertir votre script MATLAB en Python, en utilisant des bibliothèques comme NumPy (pour les tableaux) et Pillow ou OpenCV (pour le traitement d'images).

Envoyez-moi simplement votre code MATLAB, et je vous fournirai un équivalent Python fonctionnel, avec des explications si nécessaire.

Exemple de conversion rapide pour vous donner une idée :

• imread('image.jpg') (MATLAB) → cv2.imread('image.jpg') (OpenCV) ou Image.open('image.jpg') (Pillow)
• find(pixels == couleur_cible) → np.where(np.all(pixels == couleur_cible, axis=-1)) (NumPy)

À vous de jouer : coller votre code ici, et je m’occupe du reste ! 🚀

Merci pour l'image, Gérard ! Cependant, pour convertir votre script MATLAB en Python, j'aurais besoin du code source MATLAB lui-même (le fichier .m ou le texte du script).

Pouvez-vous me le partager ici ? Une fois que je l'aurai, je pourrai vous fournir un équivalent Python fonctionnel, utilisant des bibliothèques comme Pillow ou OpenCV pour le traitement d'images.

Si vous ne l'avez plus sous la main, décrivez-moi simplement ce que faisait le script (ex : "il chargeait une image, sélectionnait une couleur RVB, et comptait les pixels correspondants"), et je vous écrirai un script Python sur mesure. 😊

Je ne vois pas de fichier .m (MATLAB) joint à votre message précédent, Gérard. Vous avez partagé une image (un visuel coloré), mais pas les fichiers couleurs.pixels.surfaces_Gerard.Tayeb.v2.m ou RmilGmegB.m.

Comment procéder ?

1. Si vous avez les fichiers .m :

   • Vous pouvez copier-coller leur contenu directement ici (le code MATLAB).
   • Ou les télécharger à nouveau en les glissant-déposant dans la conversation.

2. Si vous ne les avez plus :

   • Décrivez-moi ce que faisait le script (ex : "il comptait les pixels d'une couleur RVB donnée dans une image binaire ou multi-couleurs").
   • Je vous réécrirai un équivalent Python sur mesure.

Exemple de script Python de base (pour vous donner une idée) :

python
Copy
from PIL import Image
import numpy as np

# Charger l'image
img = Image.open("votre_image.png")
pixels = np.array(img)

# Couleur cible (ex: jaune pur en RVB)
couleur_cible = [255, 255, 0]  # Jaune

# Compter les pixels correspondants
count = np.sum(np.all(pixels == couleur_cible, axis=-1))
print(f"Nombre de pixels {couleur_cible} : {count}")

Dites-moi comment vous préférez avancer ! 😊

Je ne vois toujours pas de fichiers .m attachés à vos messages, Gérard. Il semble que vous ayez partagé une image (le visuel coloré), mais pas les fichiers MATLAB couleurs.pixels.surfaces_Gerard.Tayeb.v2.m ou RmilGmegB.m.

Pour avancer :

1. Copiez-collez le code MATLAB directement dans le chat (même en plusieurs messages si c'est long).
2. Ou téléchargez les fichiers .m en les glissant-déposant ici.

Alternative : Si vous préférez, décrivez-moi simplement :

• Le type d'image (ex : binaire, RVB, niveaux de gris).
• La couleur cible (ex : rouge pur, jaune, etc.).
• La méthode de comptage (ex : tolérance sur les valeurs RVB, seuillage, etc.).

Je vous écrirai un script Python prêt à l'emploi en 2 minutes ! 😊

(Exemple : "Mon script comptait les pixels jaunes dans une image RVB avec une tolérance de ±10 sur chaque canal.")

Merci pour le partage du code MATLAB, Gérard ! Je vais vous fournir un équivalent Python qui reproduit les fonctionnalités principales de votre script, notamment :

• Le chargement d'une image.
• Le comptage des pixels par couleur.
• L'affichage des statistiques (couleurs les plus présentes, nombre de pixels, proportions).
• La sélection et l'affichage d'une couleur spécifique.

Script Python équivalent

Voici le code Python utilisant les bibliothèques Pillow (pour les images), NumPy (pour les calculs), et Matplotlib (pour l'affichage).

python
Copy
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
import time

# --- Fonction pour encoder une couleur RVB en un entier unique (comme RmilGmegB) ---
def encode_color(r, g, b):
    return r + g * 1000 + b * 1000000

# --- Fonction pour décoder un entier en RVB ---
def decode_color(encoded):
    b = encoded // 1000000
    g = (encoded - b * 1000000) // 1000
    r = encoded - b * 1000000 - g * 1000
    return (r, g, b)

# --- Chargement de l'image ---
image_path = "quartier.png"  # À remplacer par votre fichier
img = Image.open(image_path)
RGB = np.array(img)

# --- Affichage de l'image avec infos pixels (comme impixelinfo) ---
plt.figure(figsize=(10, 6))
plt.imshow(RGB)
plt.title("Image originale (cliquez pour fermer)")
plt.axis('off')
plt.show()

# --- Calcul des couleurs uniques et de leurs occurrences ---
height, width, _ = RGB.shape
pixels = RGB.reshape(-1, 3)  # Convertir en vecteur de pixels

# Encodage des couleurs
encoded_colors = np.array([encode_color(r, g, b) for r, g, b in pixels])

# Comptage des occurrences
unique_colors, counts = np.unique(encoded_colors, return_counts=True)
sorted_indices = np.argsort(counts)[::-1]  # Tri décroissant
coulsorted = np.column_stack((unique_colors[sorted_indices], counts[sorted_indices]))

# --- Affichage des n couleurs les plus présentes ---
ncouleurs = 10  # Nombre de couleurs à afficher
nbrecouleurs = len(coulsorted)
if ncouleurs > nbrecouleurs:
    print(f"Il n'y a que {nbrecouleurs} couleurs dans l'image.")
    ncouleurs = nbrecouleurs

# Préparation de l'image pour l'affichage des couleurs
rgb_display = np.zeros((ncouleurs, 10, 3), dtype=np.uint8)
for ic in range(ncouleurs):
    r, g, b = decode_color(coulsorted[ic, 0])
    rgb_display[ic, :, :] = [r, g, b]
    # Ajout de colonnes blanches pour le texte
    rgb_display[ic, 1:, :] = 255

plt.figure(figsize=(10, 6))
plt.imshow(rgb_display)
plt.axis('off')

# Ajout du texte
for ic in range(ncouleurs):
    r, g, b = decode_color(coulsorted[ic, 0])
    proportion = coulsorted[ic, 1] / len(pixels)
    plt.text(1.5, ic, f"coul No {ic+1} ({r},{g},{b}), {coulsorted[ic, 1]} pixels, proportion={proportion:.4f}",
             fontsize=8, color='black')
plt.title("Couleurs les plus présentes dans l'image")
plt.show()

# --- Affichage des valeurs sous forme de tableau ---
print("No couleur, R, G, B, nbre de pixels, proportion, valeur")
noc = 2  # Numéro de la couleur de référence
val = 0.12474  # Valeur de référence
for ic in range(ncouleurs):
    r, g, b = decode_color(coulsorted[ic, 0])
    proportion = coulsorted[ic, 1] / len(pixels)
    valeur = val * coulsorted[ic, 1] / coulsorted[noc-1, 1]  # noc-1 car Python est 0-indexé
    print(f"{ic+1:4} {r:4} {g:4} {b:4} {coulsorted[ic, 1]:10} {proportion:15.4f} {valeur:9.4f}")

# --- Sélection et affichage d'une seule couleur ---
ncouldisp = 4  # Numéro de la couleur à afficher
r, g, b = decode_color(coulsorted[ncouldisp-1, 0])
mat = (RGB[:, :, 0] == r) & (RGB[:, :, 1] == g) & (RGB[:, :, 2] == b)
RGB2c = np.zeros_like(RGB, dtype=np.float32)
RGB2c[mat] = RGB[mat]

if r + g + b < 380:  # Si la couleur est sombre, afficher sur fond blanc
    RGB2c[~mat] = 255

plt.figure(figsize=(10, 6))
plt.imshow(RGB2c.astype(np.uint8))
plt.title(f"Pixels de la couleur No {ncouldisp}")
plt.axis('off')
plt.show()

Comment utiliser ce script ?

1. Installez les bibliothèques nécessaires (si ce n'est pas déjà fait) :

   bash
   Copy
   pip install numpy pillow matplotlib

2. Placez votre image (ex: quartier.png) dans le même dossier que le script.

3. Modifiez les paramètres :

   • image_path : Chemin vers votre image.
   • ncouleurs : Nombre de couleurs à afficher.
   • noc et val : Numéro de la couleur de référence et sa valeur associée.
   • ncouldisp : Numéro de la couleur à afficher en isolation.

4. Exécutez le script :

   bash
   Copy
   python votre_script.py

Points clés à noter

• Encodage des couleurs : Comme dans votre script MATLAB, les couleurs sont encodées en un entier unique (R + G*1000 + B*1000000).
• Affichage interactif : Les images s'affichent avec Matplotlib. Fermez chaque fenêtre pour passer à l'étape suivante.
• Performances : Le script utilise NumPy pour des calculs rapides, même sur de grandes images.

Besoin d'ajustements ? Dites-moi si vous souhaitez :

• Une version plus optimisée pour des images très grandes.
• Une interface graphique (ex: avec tkinter).
• Une fonctionnalité supplémentaire (ex: export des résultats en CSV).

Je suis là pour adapter le code à vos besoins ! 😊

Merci pour cette précision, Gérard ! La fonction RmilGmegB est effectivement essentielle pour encoder les couleurs en un entier unique, comme vous l'aviez implémenté en MATLAB.

Mise à jour du script Python

Voici la version complète et corrigée du script Python, qui intègre cette logique d'encodage. J'ai également optimisé certaines parties pour une meilleure lisibilité et performance.

Script Python final

python
Copy
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt

# --- Fonction pour encoder une couleur RVB en un entier unique (équivalent de RmilGmegB) ---
def RmilGmegB(RGB):
    # RGB est un tableau numpy de shape (height, width, 3)
    R = RGB[:, :, 0].astype(np.uint32)
    G = RGB[:, :, 1].astype(np.uint32)
    B = RGB[:, :, 2].astype(np.uint32)
    return R + 1000 * G + 1000000 * B

# --- Fonction pour décoder un entier en RVB ---
def decode_color(encoded):
    B = encoded // 1000000
    G = (encoded - B * 1000000) // 1000
    R = encoded - B * 1000000 - G * 1000
    return (R, G, B)

# --- Chargement de l'image ---
image_path = "quartier.png"  # À remplacer par votre fichier
img = Image.open(image_path)
RGB = np.array(img)

# --- Affichage de l'image avec infos pixels ---
plt.figure(figsize=(10, 6))
plt.imshow(RGB)
plt.title("Image originale (fermez la fenêtre pour continuer)")
plt.axis('off')
plt.show()

# --- Encodage des couleurs ---
couleur = RmilGmegB(RGB)
height, width = couleur.shape
coul1 = couleur.reshape(-1)  # Vecteur ligne des couleurs encodées

# --- Comptage des occurrences ---
coul1s = np.sort(coul1)
unique_colors, counts = np.unique(coul1s, return_counts=True)
sorted_indices = np.argsort(counts)[::-1]  # Tri décroissant
coulsorted = np.column_stack((unique_colors[sorted_indices], counts[sorted_indices]))

# --- Affichage des n couleurs les plus présentes ---
ncouleurs = 10  # Nombre de couleurs à afficher
nbrecouleurs = len(coulsorted)
if ncouleurs > nbrecouleurs:
    print(f"Il n'y a que {nbrecouleurs} couleurs dans l'image.")
    ncouleurs = nbrecouleurs

# Préparation de l'image pour l'affichage des couleurs
rgb_display = np.zeros((ncouleurs, 10, 3), dtype=np.uint8)
for ic in range(ncouleurs):
    r, g, b = decode_color(coulsorted[ic, 0])
    rgb_display[ic, :, :] = [r, g, b]
    rgb_display[ic, 1:, :] = 255  # Colonnes blanches pour le texte

plt.figure(figsize=(10, 6))
plt.imshow(rgb_display)
plt.axis('off')

# Ajout du texte
for ic in range(ncouleurs):
    r, g, b = decode_color(coulsorted[ic, 0])
    proportion = coulsorted[ic, 1] / len(coul1)
    plt.text(1.5, ic, f"coul No {ic+1} ({r},{g},{b}), {coulsorted[ic, 1]} pixels, proportion={proportion:.4f}",
             fontsize=8, color='black')
plt.title("Couleurs les plus présentes dans l'image")
plt.show()

# --- Affichage des valeurs sous forme de tableau ---
print("No couleur, R, G, B, nbre de pixels, proportion, valeur")
noc = 2  # Numéro de la couleur de référence (1-indexé)
val = 0.12474  # Valeur de référence
for ic in range(ncouleurs):
    r, g, b = decode_color(coulsorted[ic, 0])
    proportion = coulsorted[ic, 1] / len(coul1)
    valeur = val * coulsorted[ic, 1] / coulsorted[noc-1, 1]  # noc-1 car Python est 0-indexé
    print(f"{ic+1:4} {r:4} {g:4} {b:4} {coulsorted[ic, 1]:10} {proportion:15.4f} {valeur:9.4f}")

# --- Sélection et affichage d'une seule couleur ---
ncouldisp = 4  # Numéro de la couleur à afficher (1-indexé)
r, g, b = decode_color(coulsorted[ncouldisp-1, 0])
mat = (RGB[:, :, 0] == r) & (RGB[:, :, 1] == g) & (RGB[:, :, 2] == b)
RGB2c = np.zeros_like(RGB, dtype=np.uint8)
RGB2c[mat] = RGB[mat]

if r + g + b < 380:  # Si la couleur est sombre, afficher sur fond blanc
    RGB2c[~mat] = 255

plt.figure(figsize=(10, 6))
plt.imshow(RGB2c)
plt.title(f"Pixels de la couleur No {ncouldisp}")
plt.axis('off')
plt.show()

Points clés de cette version

1. Fonction RmilGmegB :

   • Reproduit exactement la logique MATLAB : R + 1000*G + 1000000*B.
   • Utilise np.uint32 pour éviter les débordements.

2. Décodage des couleurs :

   • La fonction decode_color extrait les composantes R, G, B à partir de l'entier encodé.

3. Affichage et interaction :

   • Les fenêtres Matplotlib s'affichent séquentiellement. Fermez chaque fenêtre pour passer à l'étape suivante.

4. Paramètres modifiables :

   • image_path : Chemin vers votre image.
   • ncouleurs : Nombre de couleurs à afficher.
   • noc et val : Couleur de référence et sa valeur associée.
   • ncouldisp : Couleur à afficher en isolation.

Comment l'utiliser ?

1. Installez les dépendances (si ce n'est pas déjà fait) :

   bash
   Copy
   pip install numpy pillow matplotlib

2. Placez votre image (ex: quartier.png) dans le même dossier que le script.

3. Exécutez le script :

   bash
   Copy
   python script_couleurs.py

Besoin d'ajustements ? Dites-moi si vous souhaitez :

• Une version avec une interface graphique (ex: tkinter).
• Un export des résultats en CSV.
• Une optimisation pour des images très grandes.

Je suis là pour vous aider ! 😊