Sage est un logiciel formidable : un grand ensemble de langages et de librairies de mathématiques, avec Python pour faire la glue. Tout cela est assez remarquable, mais j'utilise beaucoup Java pour développer mes applications de traitement et d'analyse d'images. En particulier j'exploite la plateforme ImageJ qui permet de construire des plugins assez facilement distribuables. Il s'agit donc de pouvoir utiliser (facilement) une librairie Java avec Python, donc Sage. La méthode complète est décrite dans ce billet, permettant d'exploiter ImageJ dans Sage.
Comme Sage s'appuie sur Python, il suffit de trouver une méthode pour appeler du code Java depuis Python. Plusieurs solutions existent (si j'exclue les trucs bricolables avec du RMI):
- Javaclass : pas réussi à le faire fonctionner. Le passage de valeurs me semblant de toute façon nécessiter du travail.
- JCC : un peu lourd à mettre en place, en particulier le nécessité d'ajouter des options longues comme le bras au lancement de python.
- JPype : le plus simple, se présentant comme un module python et d'une utilisation très aisée.
Installation de JPype
L'installation de JPype est assez classique :unzip JPype-0.5.4.1.zip cd JPype-0.5.4.1 sage -python setup.py buildIci cela peut coincer car JPype utilise le module
sets qui n'est plus inclu dans les versions récentes de python. Il n'y a pas beaucoup de modifications à apporter. Vous pouvez télécharger la version modifiée. Attention il faut tout de même suivre les instructions données dans le README.TXT pour donner le chemin vers votre installation JDK. Si la compilation se passe bien (sinon m'envoyer un mail), il suffit d'installer le module :
sage -python setup.py installMaintenant nous allons travailler dans un notebook Sage (téléchargeable ici).
Utilisation de JPype
C'est assez direct :- importer le module,
- lancer la machine virtuelle,
- importer un ou plusieurs packages java.
from jpype import *
startJVM('/usr/lib/jvm/java-6-openjdk/jre/lib/i386/client/libjvm.so', '-Djava.class.path=/home/fredn/.libjar/ij.jar')
ij = JPackage('ij')
Le premier paramètre de
startJVM() est le chemin vers la librairie dynamique de la machine virtuelle. Pour la trouver, faire
locate libjvm.soLe second paramètre permet d'étendre le classpath pour ajouter des librairies, ici ImageJ. L'ensemble des méthodes du package java
ij sont maintenant accessible, directement. Récupérons une image et affichons la dans le notebook :im = ij.IJ.openImage("http://rsb.info.nih.gov/ij/images/lena.jpg")
ij.IJ.save(im, os.getcwd()+'/tmp.png')
 |
JPype permet de passer des objets java en objets python très facilement (et vis versa). Ainsi un objet python à créé à partir d'un objet java, avec toutes les méthodes de cet objet :
lena = ij.IJ.openImage("http://rsb.info.nih.gov/ij/images/lena.jpg").getProcessor().convertToByte(True)
lena
<jpype._jclass.ij.process.ByteProcessor object at 0xb7ad52c> <jpype._jclass.ij.process.ByteProcessor object at 0xb7ad52c> |
Je peux maintenant m'amuser à trouver les contours de Lena en appelant une méthode du ByteProcessor :
lenaedges = lena.duplicate()
lenaedges.findEdges()
lenaedges
<jpype._jclass.ij.process.ByteProcessor object at 0xb313652c> <jpype._jclass.ij.process.ByteProcessor object at 0xb313652c> |
Si je souhaite afficher cote à cote Lena et ses contours, je peux récupérer le tableau des pixels de chaque ImageProcessor en appelant la méthode getIntArrray().
lenaedges.getIntArray()
<jpype._jarray.int[][] object at 0xb313a20c> <jpype._jarray.int[][] object at 0xb313a20c> |
L'objet renvoyé est un objet indexable en Python, je peux donc directement le passer à des fonctions python pour afficher mes images. La conversion des types primitifs étant réalisée implicitement par JPype :
import pylab as pl
pl.gray()
pl.figure()
pl.subplot(1,2,1)
pl.imshow(lena.getIntArray())
pl.subplot(1,2,2)
pl.imshow(lenaedges.getIntArray())
pl.savefig('tmp.png')
 |
