feat(pipeline-b): ajout de reading_picture et blob_detector avec tests partiels

.gitignore

@@ -0,0 +1,4 @@
+venv/
+__pycache__/
+*.pyc
+.pytest_cache/

ARCHITECTURE.md

@@ -130,6 +130,37 @@ L'identifiant `id` suit la nomenclature standardisée de l'Union Astronomique In
 ]
 ```
 
+## Arborescence du projet
+
+```
+data/
+    pictures_test/              # images de test, Pipeline B
+    messier_classifier/         # dataset C0/C1/C2
+        manifest.csv            # colonnes : nom;label (label = "messier" ou "ngc")
+    dataset_hipparcos.csv
+    dataset_constellations.json
+pipeline_a/
+    skymap_generator.py
+pipeline_b/
+    star_detector.py
+pipeline_c/
+    c0_dataset_acquisition.py
+    c1_model_training.py
+    c2_operational_model.py
+tests/
+    tests_pipeline_a.py
+    tests_pipeline_b.py
+    tests_pipeline_c0.py
+    tests_pipeline_c1.py
+    tests_pipeline_c2.py
+app.py
+CONTRIBUTING.md
+ARCHITECTURE.md
+README.md
+```
+
+Chaque pipeline (A/B/C) vit dans son propre dossier, reflétant l'indépendance actée en phase de Découpage. Le pipeline C conserve la séparation C0/C1/C2 jusque dans les fichiers de test, ces trois sous-étapes ayant des natures très différentes (scraping, entraînement, inférence). Pas de fichier `utils.py` créé par anticipation : le code partagé entre pipelines, s'il s'avère nécessaire, sera extrait au moment où un besoin concret de duplication apparaîtra, plutôt que par anticipation.
+
 ## Décisions techniques actées
 
 - Catalogue source : Hipparcos, pré-traité offline via `astropy` en CSV propre (RA, Dec, magnitude, nom) plutôt que parsé à la volée dans l'application

pipeline_b/star_detector.py

@@ -0,0 +1,29 @@
+import numpy as np # Je le laisse pour plus tard
+import cv2
+import os
+
+def reading_picture(path):
+    if not os.path.exists(path):
+        raise FileNotFoundError(f"{path} n'existe pas.")
+    pic = cv2.imread(path, cv2.IMREAD_GRAYSCALE)
+    if pic is None:
+        raise ValueError(f"{path} est corrompu ou n'est pas une image valide.")
+    return pic
+
+def blob_detector(picture):
+    params = cv2.SimpleBlobDetector_Params()
+    params.minThreshold = 10
+    params.maxThreshold = 200
+    params.filterByArea = True
+    params.minArea = 4
+    params.filterByCircularity = True
+    params.minCircularity = 0.1
+    params.filterByConvexity = True
+    params.minConvexity = 0.87
+    params.filterByInertia = True
+    params.minInertiaRatio = 0.01
+    # TODO: valeurs provisoires, à recalibrer avec de vraies images de test cette semaine.
+    detector = cv2.SimpleBlobDetector.create(params)
+    stars = detector.detect(picture)
+    result = [star.pt for star in stars]
+    return result

tests/tests_pipeline_b.py

@@ -0,0 +1,29 @@
+import pytest
+import cv2
+import numpy as np
+from pipeline_b import star_detector
+
+def test_file_exists_and_is_an_image(tmp_path):
+    file = tmp_path / "image.jpg"
+    tableau_image = np.random.randint(0, 256, (64, 64), dtype=np.uint8)
+    cv2.imwrite(str(file), tableau_image)
+    assert isinstance(star_detector.reading_picture(file), np.ndarray)
+
+def test_file_exists_not_an_image(tmp_path):
+    file = tmp_path / "file.txt"
+    file.write_text("Not an image.")
+    with pytest.raises(ValueError):
+        star_detector.reading_picture(file)
+
+def test_file_does_not_exists(tmp_path):
+    with pytest.raises(FileNotFoundError):
+        star_detector.reading_picture(tmp_path/"do_I_exist.txt")
+
+@pytest.mark.skip(reason="A corriger : égalité stricte sur flottants, canall couleur incohérent, détour disque inutile")
+def test_blob_detector_actually_detects_a_blob(tmp_path):
+    file = tmp_path / "image.jpg"
+    tableau_image = np.full((64,64), 0, dtype=np.uint8)
+    cv2.imwrite(str(file), tableau_image)
+    src = cv2.imread(file)
+    cv2.circle(src, center=(23, 31), radius = 5, color= (255, 255, 255), thickness=-1)
+    assert star_detector.blob_detector(src) == [(23, 31)]