Spaces:
Runtime error
Runtime error
Update app.py
Browse files
app.py
CHANGED
@@ -1,7 +1,14 @@
|
|
1 |
import gradio as gr
|
|
|
|
|
|
|
2 |
from huggingface_hub import hf_hub_download
|
|
|
|
|
3 |
model_path = hf_hub_download(repo_id="Bmo411/DenoisingAutoencoder", filename="autoencoder_complete_model_Fourier.keras")
|
4 |
-
|
|
|
|
|
5 |
|
6 |
def degrade_image(image, downscale_factor=4):
|
7 |
"""Reduce la calidad de la imagen reduciendo su tamaño y volviéndola a escalar."""
|
@@ -35,10 +42,31 @@ def preprocess_image(image, std_dev=0.1, downscale_factor=4, target_size=(256, 2
|
|
35 |
return noisy_img
|
36 |
|
37 |
def Denoiser(imagen):
|
38 |
-
|
39 |
-
image = preprocess_image(imagen)
|
40 |
-
reconstruct = model.predict(image)
|
41 |
-
return image,recostruct
|
42 |
|
43 |
-
|
44 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
import gradio as gr
|
2 |
+
import tensorflow as tf
|
3 |
+
import numpy as np
|
4 |
+
import cv2 # Faltaba importar OpenCV
|
5 |
from huggingface_hub import hf_hub_download
|
6 |
+
|
7 |
+
# Descargar modelo desde Hugging Face
|
8 |
model_path = hf_hub_download(repo_id="Bmo411/DenoisingAutoencoder", filename="autoencoder_complete_model_Fourier.keras")
|
9 |
+
|
10 |
+
# Cargar el modelo una sola vez para evitar recargas en cada ejecución
|
11 |
+
model = tf.keras.models.load_model(model_path, compile=True)
|
12 |
|
13 |
def degrade_image(image, downscale_factor=4):
|
14 |
"""Reduce la calidad de la imagen reduciendo su tamaño y volviéndola a escalar."""
|
|
|
42 |
return noisy_img
|
43 |
|
44 |
def Denoiser(imagen):
|
45 |
+
"""Aplica el modelo autoencoder para eliminar ruido de la imagen."""
|
|
|
|
|
|
|
46 |
|
47 |
+
# Convertir imagen de entrada a array NumPy y asegurarse de que está en formato correcto
|
48 |
+
imagen = np.array(imagen) # Convertir de PIL a NumPy
|
49 |
+
|
50 |
+
# Preprocesar imagen (degradarla y agregar ruido)
|
51 |
+
noisy_image = preprocess_image(imagen)
|
52 |
+
|
53 |
+
# Expandir dimensiones para que tenga el formato correcto para el modelo (batch_size, h, w, c)
|
54 |
+
noisy_image_input = np.expand_dims(noisy_image, axis=0)
|
55 |
+
|
56 |
+
# Predecir con el autoencoder
|
57 |
+
reconstructed = model.predict(noisy_image_input)[0] # Quitar batch_size
|
58 |
+
|
59 |
+
return noisy_image, reconstructed
|
60 |
+
|
61 |
+
# Crear interfaz en Gradio con dos salidas de imagen
|
62 |
+
demo = gr.Interface(
|
63 |
+
fn=Denoiser,
|
64 |
+
inputs=gr.Image(type="numpy"), # Para que Gradio pase la imagen como un array de NumPy
|
65 |
+
outputs=[gr.Image(type="numpy", label="Imagen con Ruido"),
|
66 |
+
gr.Image(type="numpy", label="Imagen Restaurada")],
|
67 |
+
title="Autoencoder para Denoising",
|
68 |
+
description="Este modelo de autoencoder reduce el ruido en imágenes. Sube una imagen y el modelo generará una versión restaurada."
|
69 |
+
)
|
70 |
+
|
71 |
+
# Lanzar la aplicación en Gradio
|
72 |
+
demo.launch()
|