trombinoscope

Un dossier de photos brutes, une liste CSV, un PDF prêt à imprimer.

pip install trombinoscope
trombinoscope build photos/ classe.csv -o trombinoscope.pdf

Le paquet détecte le visage sur chaque photo, recadre au même endroit et à la même taille pour tout le monde, homogénéise les couleurs à l'échelle du lot, puis compose une grille paginée.

Ce qu'il fait

• Recadrage à proportion de visage constante. Que la photo ait été prise à deux mètres ou à cinquante centimètres, le visage occupe la même fraction du cadre. C'est ce qui rend une planche regardable.
• Homogénéisation colorimétrique du lot. Chaque portrait est ramené vers l'illuminant et la luminance médians de la séance, pas vers un gris neutre arbitraire. Sur une séance dont la balance des blancs dérive, la dispersion chromatique chute de 78 %. C'est la seule chose que ce paquet fait et que les bibliothèques de correction couleur existantes ne font pas — elles travaillent toutes image par image. Voir docs/color.md.
• Appariement positionnel. Les photos triées par nom de fichier suivent l'ordre de la liste. Aucun renommage manuel.
• Mise en page soignée. Pagination automatique, dernière ligne centrée, étiquettes pivotées dans les gouttières, silhouette de remplacement pour les absents.
• Aucune dépendance système. Ni LaTeX, ni LibreOffice, ni ImageMagick : que des roues Python. Installable en conteneur et en CI. La mise en page s'appuie sur reportlab-layout.
• Détecteur léger et remplaçable. YuNet en ONNX, 227 Ko, embarqué dans la roue. Le détecteur est un protocole : branchez le vôtre si vous préférez.

Ce qu'il ne fait pas

Il ne fait pas de reconnaissance faciale. Il détecte qu'il y a un visage et où, jamais qui c'est. C'est une frontière volontaire.

Il ne ramène pas les carnations vers une teinte de référence : cela reviendrait à modifier la couleur de peau des personnes photographiées. Seul l'illuminant — une propriété de l'éclairage — est estimé.

Démarrage

# 1. Un modèle de liste, pour voir le format attendu
trombinoscope template classe.csv

# 2. Vérifier la détection avant de tout lancer
trombinoscope inspect photos/ -o detections/

# 3. Produire le PDF
trombinoscope build photos/ classe.csv -o trombi.pdf \
    --title "MP2 — 2026-2027" --columns 6 --align-eyes

Le fichier de liste :

nom,prenom,tags,groupes,badge
HOPPER,Grace,Maths;LV2 ALL,Gr1;Tr3,1
JOHNSON,Katherine,Info,Gr2;Tr1,

Seule la colonne nom est obligatoire. tags s'affiche dans la gouttière gauche, groupes dans la gouttière droite, badge place une étoile en coin. Les en-têtes sont reconnus sans tenir compte de la casse ni des accents, et les colonnes inconnues sont ignorées : donnez directement votre export d'ENT.

Depuis Python

from trombinoscope import BuildOptions, TrombinoscopeBuilder, FramingConfig, GridConfig

options = BuildOptions(
    title="Promotion 2026",
    absent=("DUPONT",),                       # dans la liste, mais pas photographié
    face_choice={"MARTIN": 1},                # deux visages sur sa photo : prendre le second
    framing=FramingConfig(face_ratio=0.5, align_eyes=True),
    grid=GridConfig(columns=6, landscape=True),
)

report = TrombinoscopeBuilder(options).build("photos/", "classe.csv", "trombi.pdf")
print(report.summary())

build renvoie toujours un BuildReport : personnes sans photo, photos sans personne, photos sans visage détecté, photos à plusieurs visages. Rien n'est avalé silencieusement.

Les briques s'utilisent aussi séparément — PortraitFramer pour recadrer sans produire de PDF, BatchColorHarmonizer pour harmoniser un lot d'images quelconques, GridPaginator pour la mise en page seule.

La liste peut aussi venir d'une base SQLite, via une requête libre dont les colonnes sont nommées avec AS :

from trombinoscope import load_sqlite

people = load_sqlite("base.db", "SELECT nom, prenom, redoublant AS badge FROM eleves ORDER BY nom")

Les examples/ vont du minimal en trois lignes au tour complet des options, jusqu'à un cas réel branché sur une base SQLite.

Quand utiliser autre chose

Ce paquet occupe une case étroite. L'étude d'originalité est détaillée et n'édulcore rien ; en résumé :

WhosWho mérite d'être mentionné d'emblée : c'est un logiciel libre, vivant, qui couvre l'essentiel du même besoin. Si une application de bureau vous convient, utilisez-la. Les différences réelles sont l'absence d'harmonisation colorimétrique inter-photos de son côté, et l'absence d'interface graphique du nôtre.

Documentation

• DOC.md — référence complète : options, API, formats, recettes
• color.md — l'étude colorimétrique, mesures à l'appui
• prior-art.md — état de l'art et étude d'originalité
• improvements.md — pistes examinées et décisions
• legacy-review.md — revue du module de 2020 dont ce paquet est issu, et ce que la réécriture en a tiré
• CREDITS.md — modèles, images et travaux réutilisés

Installation

pip install trombinoscope           # cœur
pip install 'trombinoscope[heic]'   # + lecture des .heic de l'iPhone

Python 3.11 et suivants, testé sur Linux, macOS et Windows.

La dépendance OpenCV est opencv-python-headless : aucune bibliothèque graphique système n'est requise. Si votre environnement contient déjà opencv-python, installez avec --no-deps pour éviter que les deux distributions ne se disputent le module cv2.

Développement

git clone https://github.com/antnardo/trombinoscope
cd trombinoscope
uv sync --group dev

uv run pytest -m "not integration"    # rapide, sans réseau
uv run ruff format src tests scripts
uv run ruff check src tests scripts

uv run python scripts/fetch_samples.py   # portraits d'exemple, non versionnés
uv run pytest -m integration
uv run python scripts/color_bench.py --output artifacts

Le dépôt ne contient aucune photographie. Les portraits utilisés par les tests d'intégration sont téléchargés à la demande depuis Wikimedia Commons et la CI vérifie qu'aucun fichier image n'apparaît ni dans le dépôt ni dans la roue.

Licence

MIT — voir LICENSE. Les composants tiers embarqués ou téléchargés ont leurs propres licences, toutes recensées dans CREDITS.md.