File size: 84,946 Bytes
61a2a11 6db455d 61a2a11 a850477 61a2a11 073e1ec 61a2a11 073e1ec daa230d e8ce19b f749287 fa3db93 073e1ec f749287 073e1ec 7e166d0 073e1ec 7e166d0 073e1ec 7e166d0 073e1ec 61a2a11 3a6d54d 61a2a11 5a39fae e8ce19b 6db455d 1992f31 6db455d e8ce19b 6db455d e8ce19b 6db455d f749287 6db455d f749287 e8ce19b f749287 abf8b12 f749287 041ccf6 6db455d e8ce19b 6db455d e8ce19b 6db455d f749287 6db455d e8ce19b 6db455d e8ce19b 6db455d e8ce19b 6db455d e8ce19b 6db455d e8ce19b 6db455d 1356e3f e8ce19b 48aa073 5981968 1356e3f 5981968 1356e3f 5981968 1356e3f 5981968 5dfeb3d 0902eb1 5981968 105bc86 5981968 4e659cc 5981968 1356e3f 5981968 1356e3f 5981968 1356e3f 5981968 1356e3f 5981968 4e659cc 5981968 1356e3f 5981968 1356e3f 5981968 1356e3f 5dd8744 5981968 1356e3f 5981968 9d87026 5981968 9d87026 5981968 9d87026 5981968 9d87026 5981968 9d87026 a1d70f8 3c1d04d 5dfeb3d a1d70f8 9d87026 9b6035e 00943b9 9d87026 ffc2cf7 9d87026 5981968 9d87026 5dd8744 9b6035e 5dd8744 9b6035e 9d87026 c376570 aa73d1f 25cf647 9d87026 8a2a600 9d87026 5981968 9d87026 5981968 9d87026 5981968 5dd8744 5981968 5dd8744 ab06849 9dd01fc 4e659cc 5981968 1cc296c 63c398d 5981968 4e659cc 1356e3f 5981968 740ff76 5981968 1356e3f 5981968 1356e3f 5981968 740ff76 4e659cc 740ff76 ec9b93f 4e659cc 5981968 ed472aa 5981968 ed472aa 5981968 ed472aa 105bc86 6109ac9 5981968 f5de775 5981968 9578715 5981968 58d3997 f5de775 58d3997 5981968 105bc86 5981968 105bc86 5981968 3f93994 045fdda 8cad168 286da5e f9ce97e 3f93994 80cc578 3f93994 f9ce97e 105bc86 f388846 5981968 421ffe3 5981968 421ffe3 796c226 740ff76 5981968 286da5e 421ffe3 f5de775 740ff76 4e659cc 5981968 045fdda 796c226 41db10e dfd2a1f 41db10e ab06849 421ffe3 5981968 0b3661f 5981968 9a68db5 f1f853a 9a68db5 9c09208 9a68db5 9c09208 9a68db5 0b3661f 862d1fa 5981968 862d1fa 5981968 862d1fa 5981968 862d1fa 5981968 862d1fa 5981968 862d1fa 5981968 862d1fa 5981968 862d1fa 1356e3f 862d1fa 5981968 862d1fa 5981968 2d965c6 5981968 2d965c6 5981968 2d965c6 5981968 2d965c6 5981968 2d965c6 5981968 2d965c6 5981968 2d965c6 1356e3f f1ee312 5981968 f1ee312 5981968 f1ee312 5981968 f1ee312 5981968 f1ee312 5981968 f1ee312 a0a84b3 5981968 f1ee312 a0a84b3 5981968 f1ee312 a0a84b3 5981968 f1ee312 649947a a0a84b3 649947a 5981968 0b3661f f1ee312 5981968 f1ee312 2b65f18 7019011 1c81a46 7019011 1c81a46 7019011 1c81a46 4a2ffe6 93b98d4 2037ae9 1c81a46 7019011 1c81a46 2b65f18 1356e3f 5981968 0b3661f 6ef28c0 5981968 2b65f18 5981968 1c81a46 5981968 421ffe3 6621478 5981968 7e1ad8c 5981968 c92ac43 7e1ad8c c92ac43 7e1ad8c c92ac43 7e1ad8c c92ac43 7e1ad8c 5981968 c1196be 5981968 4e659cc 5981968 4e659cc 5981968 ee78137 5981968 d2da557 336f598 5981968 c3a1b22 5981968 336f598 5981968 c3a1b22 d2da557 6988dd8 5981968 6988dd8 5981968 421ffe3 ee78137 ec1a06a 421ffe3 0b3661f 1356e3f 1c81a46 2b65f18 ee78137 5981968 2b65f18 5981968 1e6ef05 5981968 1e6ef05 0b3661f 5981968 ee78137 5981968 88706fc 5981968 88706fc 2c7d8e9 88706fc 5981968 1356e3f 5981968 529ee05 1356e3f 529ee05 b417ab1 5981968 478ac9e 2e982b5 5981968 1c5a6aa 5981968 421ffe3 5981968 1356e3f 5981968 2b65f18 5981968 36af379 5981968 4a2ffe6 5981968 4a2ffe6 5981968 4a2ffe6 5981968 1356e3f 4a2ffe6 5981968 1356e3f 5981968 67ffca8 5981968 67ffca8 5981968 1356e3f 5981968 1356e3f 5981968 59f8710 5981968 5a77243 59f8710 1356e3f 5a77243 5981968 5a77243 5981968 5a77243 f499d42 5a77243 74e4b35 17727b2 74e4b35 ecc91ab 74e4b35 ecc91ab 74e4b35 6439728 74e4b35 59f8710 c546297 59f8710 c546297 59f8710 c546297 59f8710 c546297 59f8710 6621478 519b893 59f8710 519b893 e9345f5 519b893 59f8710 0ac2546 9dfacd3 59f8710 5981968 b85b028 5981968 b85b028 74e4b35 b85b028 d2da557 2ca3107 b85b028 5981968 b85b028 d756400 b85b028 5981968 b85b028 5981968 d2da557 5981968 b85b028 5981968 b85b028 17727b2 2cb2270 17727b2 5981968 1356e3f 5981968 1356e3f 5981968 f749287 5981968 1356e3f 5981968 1356e3f f749287 6db455d f749287 6db455d e8ce19b 6db455d f749287 e8ce19b 6db455d e8ce19b 6db455d f749287 6db455d f749287 e8ce19b f749287 6db455d e8ce19b 61a2a11 f749287 61a2a11 7e166d0 5a39fae 61a2a11 5a39fae 61a2a11 e8ce19b 5a39fae f749287 5a39fae e8ce19b 5a39fae e8ce19b 5a39fae e8ce19b 5a39fae e8ce19b 5a39fae e8ce19b 5a39fae e8ce19b 5a39fae 7e166d0 61a2a11 d18cc2e f749287 61a2a11 d18cc2e 61a2a11 7e166d0 61a2a11 f749287 61a2a11 f749287 61a2a11 d18cc2e 8d8dd67 1162791 29daa53 8d8dd67 61a2a11 7e166d0 7bbb34d d18cc2e f749287 7bbb34d e8ce19b 7bbb34d 202d583 e8ce19b 7bbb34d e8ce19b 336c145 7bbb34d d18cc2e 7bbb34d 336c145 5a39fae f749287 5a39fae e8ce19b 5a39fae e8ce19b 5a39fae e8ce19b 5a39fae f749287 5a39fae 6db455d 5a39fae e8ce19b 5a39fae f749287 e8ce19b 5a39fae e8ce19b 5a39fae e8ce19b 5a39fae e8ce19b 1fd9dad 5a39fae e8ce19b 5a39fae e8ce19b 5a39fae 1fd9dad ffb4be7 f749287 e8ce19b ffb4be7 f749287 d761a9d ffb4be7 f749287 d761a9d f749287 d761a9d 61a2a11 7e166d0 d18cc2e 61a2a11 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330 1331 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 1354 1355 1356 1357 1358 1359 1360 1361 1362 1363 1364 1365 1366 1367 1368 1369 1370 1371 1372 1373 1374 1375 1376 1377 1378 1379 1380 1381 1382 1383 1384 1385 1386 1387 1388 1389 1390 1391 1392 1393 1394 1395 1396 1397 1398 1399 1400 1401 1402 1403 1404 1405 1406 1407 1408 1409 1410 1411 1412 1413 1414 1415 1416 1417 1418 1419 1420 1421 1422 1423 1424 1425 1426 1427 1428 1429 1430 1431 1432 1433 1434 1435 1436 1437 1438 1439 1440 1441 1442 1443 1444 1445 1446 1447 1448 1449 1450 1451 1452 1453 1454 1455 1456 1457 1458 1459 1460 1461 1462 1463 1464 1465 1466 1467 1468 1469 1470 1471 1472 1473 1474 1475 1476 1477 1478 1479 1480 1481 1482 1483 1484 1485 1486 1487 1488 1489 1490 1491 1492 1493 1494 1495 1496 1497 1498 1499 1500 1501 1502 1503 1504 1505 1506 1507 1508 1509 1510 1511 1512 1513 1514 1515 1516 1517 1518 1519 1520 1521 1522 1523 1524 1525 1526 1527 1528 1529 1530 1531 1532 1533 1534 1535 1536 1537 1538 1539 1540 1541 1542 1543 1544 1545 1546 1547 1548 1549 1550 1551 1552 1553 1554 1555 1556 1557 1558 1559 1560 1561 1562 1563 1564 1565 1566 1567 1568 1569 1570 1571 1572 1573 1574 1575 1576 1577 1578 1579 1580 1581 1582 1583 1584 1585 1586 1587 1588 1589 1590 1591 1592 1593 1594 1595 1596 1597 1598 1599 1600 1601 1602 1603 1604 1605 1606 1607 1608 1609 1610 1611 1612 1613 1614 1615 1616 1617 1618 1619 1620 1621 1622 1623 1624 1625 1626 1627 1628 1629 1630 1631 1632 1633 1634 1635 1636 1637 | import torch
from diffusers import StableDiffusionControlNetPipeline, ControlNetModel
from controlnet_aux import OpenposeDetector
from PIL import Image, ImageFilter, ImageEnhance # NEU: ImageEnhance für Kontrast
import random
import cv2
import numpy as np
import gradio as gr
import torch.nn.functional as F
from transformers import Sam2Model, Sam2Processor
from scipy import ndimage
from skimage import measure, morphology
# === CONTROLNET FORTSCHRITTS-CALLBACK (Für Gradio-UI) ===
class ControlNetProgressCallback:
def __init__(self, progress, total_steps):
self.progress = progress
self.total_steps = total_steps
self.current_step = 0
def __call__(self, pipe, step_index, timestep, callback_kwargs):
self.current_step = step_index + 1
progress_percentage = self.current_step / self.total_steps
if self.progress is not None:
self.progress(progress_percentage, desc=f"ControlNet: Schritt {self.current_step}/{self.total_steps}")
print(f"ControlNet Fortschritt: {self.current_step}/{self.total_steps} ({progress_percentage:.1%})")
return callback_kwargs
class ControlNetProcessor:
def __init__(self, device="cuda", torch_dtype=torch.float32):
self.device = device
self.torch_dtype = torch_dtype
self.pose_detector = None
self.midas_model = None
self.midas_transform = None
self.sam_processor = None
self.sam_model = None
self.sam_initialized = False
def _lazy_load_sam(self):
"""Lazy Loading von SAM 2 über 🤗 Transformers API"""
if self.sam_initialized:
return True
try:
print("#" * 80)
print("# 🔄 LADE SAM 2 (Segment Anything Model 2)")
print("#" * 80)
model_id = "facebook/sam2-hiera-tiny"
print(f"📥 Modell-ID: {model_id}")
print(f"📥 Lade Processor...")
self.sam_processor = Sam2Processor.from_pretrained(model_id)
print(f"📥 Lade Modell...")
self.sam_model = Sam2Model.from_pretrained(model_id, torch_dtype=torch.float32).to(self.device)
self.sam_model.eval()
self.sam_initialized = True
print("✅ SAM 2 erfolgreich geladen (via Transformers)")
return True
except Exception as e:
print(f"❌ FEHLER beim Laden von SAM 2: {str(e)[:200]}")
self.sam_initialized = True
return False
def _validate_bbox(self, image, bbox_coords):
"""Validiert und korrigiert BBox-Koordinaten"""
width, height = image.size
if isinstance(bbox_coords, (list, tuple)) and len(bbox_coords) == 4:
x1, y1, x2, y2 = bbox_coords
else:
x1, y1, x2, y2 = bbox_coords
x1, x2 = min(x1, x2), max(x1, x2)
y1, y2 = min(y1, y2), max(y1, y2)
x1 = max(0, min(x1, width - 1))
y1 = max(0, min(y1, height - 1))
x2 = max(0, min(x2, width - 1))
y2 = max(0, min(y2, height - 1))
if x2 - x1 < 10 or y2 - y1 < 10:
size = min(width, height) * 0.3
x1 = max(0, width/2 - size/2)
y1 = max(0, height/2 - size/2)
x2 = min(width, width/2 + size/2)
y2 = min(height, height/2 + size/2)
return int(x1), int(y1), int(x2), int(y2)
def create_sam_mask(self, image, bbox_coords, mode, is_front_face=False, is_back_head=False):
"""
ERWEITERTE Funktion: Erstellt präzise Maske mit SAM 2
"""
try:
print("#" * 80)
print("# 🎯 STARTE SAM 2 SEGMENTIERUNG")
print("#" * 80)
print(f"📐 Eingabebild-Größe: {image.size}")
print(f"🎛️ Ausgewählter Modus: {mode}")
# ============================================================
# VORBEREITUNG FÜR ALLE MODI
# ============================================================
original_image = image
# 1. SAM2 laden
if not self.sam_initialized:
print("📥 SAM 2 ist noch nicht geladen, starte Lazy Loading...")
self._lazy_load_sam()
if self.sam_model is None or self.sam_processor is None:
print("⚠️ SAM 2 Model nicht verfügbar, verwende Fallback")
return self._create_rectangular_mask(image, bbox_coords, mode)
# 2. Validiere BBox
x1, y1, x2, y2 = self._validate_bbox(image, bbox_coords)
original_bbox = (x1, y1, x2, y2)
print(f"📏 Original-BBox Größe: {x2-x1} × {y2-y1} px")
# ============================================================
# BLOCK 1: ENVIRONMENT_CHANGE
# ============================================================
if mode == "environment_change":
print("-" * 60)
print("🌳 MODUS: ENVIRONMENT_CHANGE")
print("-" * 60)
# Der Prozessor von SAM erwartet ein NumPy-Array kein PIL
image_np = np.array(image.convert("RGB"))
# Packt die BBox-Koordinaten in eine 3D-Liste
input_boxes = [[[x1, y1, x2, y2]]]
# Aufruf des SAM-Prozessors mit Originalbild in Form NumPy-Array und BBox.Der Processor verarbeitet Bild und BBox
# in die für SAM erforderlichen Tensoren und speichert sie in inputs.
inputs = self.sam_processor(
image_np,
input_boxes=input_boxes,
return_tensors="pt"
).to(self.device) # Ohne .to(self.device) werden die Tensoren standardmäßig im CPU-RAM erzeugt und gespeichert! Da GPU-Fehler!
print(f" - 'input_boxes' Shape: {inputs['input_boxes'].shape}")
# SAM2 Vorhersage
print("-" * 60)
print("🧠 SAM 2 INFERENZ (Vorhersage)")
with torch.no_grad():
print(" Führe Vorhersage durch...")
outputs = self.sam_model(**inputs) #führt die Segmentierung mit SAM aus
print(f"✅ Vorhersage abgeschlossen")
print(f" Anzahl der Vorhersagemasken: {outputs.pred_masks.shape[2]}")
num_masks = outputs.pred_masks.shape[2]
print(f" SAM lieferte {num_masks} verschiedene Masken")
# Sammlung aller Masken in all_masks
all_masks = []
for i in range(num_masks):
single_mask = outputs.pred_masks[:, :, i, :, :]
resized_mask = F.interpolate(
single_mask,
size=(image.height, image.width),
mode='bilinear',
align_corners=False
).squeeze()
mask_np = resized_mask.sigmoid().cpu().numpy() #wandelt Modellausgaben in Wahrscheinlichkeiten und bewegt Daten von GPU nach CPU
all_masks.append(mask_np) #fügt die aktuelle Maske der Liste all_masks hinzu
bbox_center = ((x1 + x2) // 2, (y1 + y2) // 2)
bbox_area = (x2 - x1) * (y2 - y1)
print(f" Erwartetes BBox-Zentrum: {bbox_center}")
print(f" Erwartete BBox-Fläche: {bbox_area:,} Pixel")
print("🤔 HEURISTIK: Beste Maske auswählen")
best_mask_idx = 0
best_score = -1
# Alle 3 Masken analysieren (OHNE sie alle zu skalieren!)
for i in range(num_masks):
mask_np_temp = all_masks[i] #verwende Maske auf Original-Bildgröße
# Adaptive Vor-Filterung (prüft ob Maske überhaupt gültig ist)
mask_max = mask_np_temp.max()
if mask_max < 0.3:
continue # Maske überspringen
adaptive_threshold = max(0.3, mask_max * 0.7)
mask_binary = (mask_np_temp > adaptive_threshold).astype(np.uint8)
# wenn nur schwarze Pixel (keine Segmentierung) nimm die nächste Maske
if np.sum(mask_binary) == 0:
print(f" ❌ Maske {i+1}: Keine Pixel nach adaptive_threshold {adaptive_threshold:.3f}")
continue
# Heuristik-Berechnung
mask_area_pixels = np.sum(mask_binary)
#Berechnung von Überlappung SAM-Maske und ursprünglicher BBox
bbox_mask = np.zeros((image.height, image.width), dtype=np.uint8)
bbox_mask[y1:y2, x1:x2] = 1
overlap = np.sum(mask_binary & bbox_mask)
bbox_overlap_ratio = overlap / np.sum(bbox_mask) if np.sum(bbox_mask) > 0 else 0
# Schwerpunkt berechnen
y_coords, x_coords = np.where(mask_binary > 0)
if len(y_coords) > 0:
centroid_y = np.mean(y_coords)
centroid_x = np.mean(x_coords)
centroid_distance = np.sqrt((centroid_x - bbox_center[0])**2 + (centroid_y - bbox_center[1])**2)
normalized_distance = centroid_distance / max(image.width, image.height)
else:
normalized_distance = 1.0
# Flächen-Ratio
area_ratio = mask_area_pixels / bbox_area
area_score = 1.0 - min(abs(area_ratio - 1.0), 1.0)
# Konfidenz
confidence_score = mask_max
# Standard-Score
score = (
bbox_overlap_ratio * 0.4 +
(1.0 - normalized_distance) * 0.25 +
area_score * 0.25 +
confidence_score * 0.1
)
print(f" 📊 STANDARD-SCORES für Maske {i+1}:")
print(f" • BBox-Überlappung: {bbox_overlap_ratio:.3f}")
print(f" • Zentrums-Distanz: {centroid_distance if 'centroid_distance' in locals() else 'N/A'}")
print(f" • Flächen-Ratio: {area_ratio:.3f}")
print(f" • GESAMTSCORE: {score:.3f}")
if score > best_score:
best_score = score
best_mask_idx = i
print(f" 🏆 Neue beste Maske: Nr. {i+1} mit Score {score:.3f}")
print(f"✅ Beste Maske ausgewählt: Nr. {best_mask_idx+1} mit Score {best_score:.3f}")
# Beste Maske verwenden - mask_np beste Maske
mask_np = all_masks[best_mask_idx]
max_val = mask_np.max()
print(f" 🔍 Maximaler SAM-Konfidenzwert der besten Maske: {max_val:.3f}")
if max_val < 0.6:
dynamic_threshold = 0.3
print(f" ⚠️ SAM ist unsicher (max_val={max_val:.3f} < 0.6)")
else:
dynamic_threshold = max_val * 0.85
print(f" ✅ SAM ist sicher (max_val={max_val:.3f} >= 0.6)")
# Binärmaske erstellen in Originalgröße
mask_array = (mask_np > dynamic_threshold).astype(np.uint8) * 255
# Fallback bei leerer Maske, der höchste Wert ist 0 also schwarz
if mask_array.max() == 0:
print(" ⚠️ Maske leer, erstelle rechteckige Fallback-Maske")
mask_array = np.zeros((512, 512), dtype=np.uint8) * 255 # weiße 512x512-Maske
# Skaliere BBox auf 512x512
scale_x = 512 / image.width
scale_y = 512 / image.height
fb_x1 = int(x1 * scale_x)
fb_y1 = int(y1 * scale_y)
fb_x2 = int(x2 * scale_x)
fb_y2 = int(y2 * scale_y)
# Schwarzes Rechteck für Person bzw. BBox
cv2.rectangle(mask_array, (fb_x1, fb_y1), (fb_x2, fb_y2), 0, -1)
# Damit wird die Rohmaske für die UI-Anzeige gespeichert
raw_mask_array = mask_array.copy()
##########################################################
# POSTPROCESSING
##########################################################
print("🌳 ENVIRONMENT-CHANGE POSTPROCESSING")
# Konvertierung zu PIL, hochskalieren auf Originalgröße (korrekte Überlagerung mit O-Bild),
# Konvertierung NumPy für weitere Verarbeitung da mathematisch korrekter als PIL.
if image.size != original_image.size: #Vergleich SAM-Maskengröße und Original-Bildgröße
print(f" ⚠️ Bildgröße angepasst: {image.size} → {original_image.size}")
temp_mask = Image.fromarray(mask_array).convert("L") #wandelt NumPy-Array in PIL-Bild
temp_mask = temp_mask.resize(original_image.size, Image.Resampling.NEAREST) #skaliert auf Originalgröße
mask_array = np.array(temp_mask) #np. heißt mache aus PIL-Image wieder numPy-Array
print(f" ✅ Maske auf Originalgröße skaliert: {mask_array.shape}")
working_mask = mask_array.copy() # Person = Weiß, Hintergrund = Schwarz - working_mask muß vor Nutzung definiert werden!
print(f"working_mask shape: {working_mask.shape}")
# DILATE auf der weißen Person - dadurch wird Person etwas vergrößert
kernel_dilate = np.ones((5, 5), np.uint8)
working_mask = cv2.dilate(working_mask, kernel_dilate, iterations=1)
print(f" ✅ Dilate (5x5) - Person leicht erweitert")
# MORPH_CLOSE auf dem schwarzen Hintergrund (feine Löcher)- kleiner Kernel filigrane Heranarbeitung an Person,
# es werden aber auch nur kleine Löcher in Umgebung von weiß nach schwarz geändert!
kernel_close_small = np.ones((3, 3), np.uint8)
working_mask = cv2.morphologyEx(working_mask, cv2.MORPH_CLOSE, kernel_close_small, iterations=1)
print(f" ✅ MORPH_CLOSE (3x3) - Feine Löcher im Hintergrund geschlossen")
# KONTURENFILTER auf der weißen Person - arbeitet filigraner als MORPH-CLOSE
# Finde Konturen (nur äußere)
contours, _ = cv2.findContours(working_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
if len(contours) > 0:
# Finde die größte Kontur (sollte die Person sein)
largest_contour = max(contours, key=cv2.contourArea)
# Erstelle eine saubere Maske mit nur der größten Kontur
clean_mask = np.zeros_like(working_mask)
cv2.drawContours(clean_mask, [largest_contour], -1, 255, -1)
# Optional: Kleine weiße Punkte IN der Person entfernen
# Dazu invertieren wir temporär, um "Löcher" (schwarze Pixel) in der Person zu finden
temp_inverted = 255 - clean_mask
hole_contours, _ = cv2.findContours(temp_inverted, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
for hole in hole_contours:
area = cv2.contourArea(hole)
if area < 100: # Sehr kleine Löcher füllen
cv2.drawContours(clean_mask, [hole], -1, 255, -1)
working_mask = clean_mask
print(f" ✅ Konturenfilter - Größte Kontur behalten, {len(contours)-1} kleine entfernt")
#Inpaint darf auch nur eine schwarz/weiß Maske (Binärmaske 0,255) bekommen. Bei
#weichen/grauen Pixeln könnte Inpaint etwas anderes generieren.
inpaint_binary_mask = working_mask.copy() #Person weiß
#Invertieren da SAM segmentierte Person/Gegenstand weiß ausgibt
inpaint_binary_mask = 255 - inpaint_binary_mask
# Gaussian-BLUR für weiche Kanten für Composition
#working_mask = cv2.GaussianBlur(working_mask, (5, 5), 1.2)
working_mask = cv2.GaussianBlur(working_mask, (7, 7), 1.5)
print(f" ✅ Gaussian Blur (7x7 , sigma=1.5) für weiche Kanten")
# GAMMA-Korrektur für präzisere Ränder
working_mask_float = working_mask.astype(np.float32) / 255.0
working_mask_float = np.clip(working_mask_float, 0.0, 1.0)
working_mask_float = working_mask_float ** 0.85 # Gamma 0.85
working_mask = (working_mask_float * 255).astype(np.uint8)
print(f" ✅ Gamma-Korrektur (0.85) gegen milchige Ränder")
# Erst binäre Maske erzeugen und dann invertieren
binary_mask = (working_mask > 128).astype(np.uint8) * 255
final_mask = 255 - binary_mask
print(f" ✅ Finale Invertierung für environment_change")
# Qualitätskontrolle - Debug
white_pixels = np.sum(final_mask > 127)
black_pixels = np.sum(final_mask <= 127)
total_pixels = final_mask.size
print(f" 📊 FINALE MASKE:")
print(f" • Weiße Pixel (Hintergrund): {white_pixels:,} ({white_pixels/total_pixels*100:.1f}%)")
print(f" • Schwarze Pixel (Person): {black_pixels:,} ({black_pixels/total_pixels*100:.1f}%)")
# Zurück zu PIL Image
mask = Image.fromarray(final_mask).convert("L")
raw_mask = Image.fromarray(raw_mask_array).convert("L")
inpaint_binary_pil = Image.fromarray(inpaint_binary_mask).convert("L")
print("#" * 80)
print(f"✅ SAM 2 SEGMENTIERUNG ABGESCHLOSSEN")
print(f"📐 Finale Maskengröße: {mask.size}")
print(f"🎛️ Verwendeter Modus: {mode}")
print("#" * 80)
return mask, raw_mask, inpaint_binary_pil
# in mask steht die invertierte nachbearbeitete Maske, in raw_mask die Rohmaske.Wichtig: mask (SAM-Maske)
# muß immer in Originalgröße zurück! in inpaint_binary_pil steht die harte, nachgearbeitete Binärmaske in Originalgröße
# ============================================================
# BLOCK 2: FOCUS_CHANGE
# ============================================================
elif mode == "focus_change":
print("-" * 60)
print("🎯 MODUS: FOCUS_CHANGE (OPTIMIERT)")
print("-" * 60)
# Originalgröße speichern
# original_size = image.size
# print(f"💾 Originalgröße gespeichert: {original_size}")
# Konvertierung O-Bild in NumPy-Array für SAM
image_np = np.array(image.convert("RGB"))
# Packt die BBox-Koordinaten in eine 3D-Liste
input_boxes = [[[x1, y1, x2, y2]]]
# Nur Mittelpunkt als positiver Prompt
center_x = (x1 + x2) // 2
center_y = (y1 + y2) // 2
input_points = [[[[center_x, center_y]]]] # NUR EIN PUNKT in 4D-Liste
input_labels = [[[1]]] # Markiert Punkt als Positiver Prompt also der Bereich muß segmentiert werden
print(f" 🎯 SAM-Prompt: BBox [{x1},{y1},{x2},{y2}]")
print(f" 👁️ Punkt: Nur Mitte ({center_x},{center_y})")
# SAM Inputs vorbereiten
inputs = self.sam_processor(
image_np,
input_boxes=input_boxes,
input_points=input_points,
input_labels=input_labels,
return_tensors="pt"
).to(self.device)
# SAM Vorhersage (alle 3 Masken)
print("🧠 SAM 2 INFERENZ (3 Masken-Varianten)")
with torch.no_grad():
print(" Führe Vorhersage durch...")
outputs = self.sam_model(**inputs)
print(f"✅ Vorhersage abgeschlossen")
print(f" Anzahl der Vorhersagemasken: {outputs.pred_masks.shape[2]}")
num_masks = outputs.pred_masks.shape[2]
# Sammlung aller Masken in all_masks
all_masks = []
for i in range(num_masks):
single_mask = outputs.pred_masks[:, :, i, :, :]
# Interpolation auf Originalgröße
resized_mask = F.interpolate(
single_mask,
size=(image.height, image.width),
mode='bilinear',
align_corners=False
).squeeze()
mask_np = resized_mask.sigmoid().cpu().numpy()
all_masks.append(mask_np) #fügt die aktuelle Maske der Liste all_masks hinzu
# BBox-Information für Heuristik
bbox_center = ((x1 + x2) // 2, (y1 + y2) // 2)
bbox_area = (x2 - x1) * (y2 - y1)
print("🤔 HEURISTIK: Beste Maske auswählen")
best_mask_idx = 0
best_score = -1
# Alle 3 Masken analysieren
for i in range(num_masks):
# Maske in Original-Bildgröße -vorher interpolate- analysieren
mask_np_temp = all_masks[i]
# Adaptive Vor-Filterung (prüft ob Maske überhaupt gültig ist)
mask_max = mask_np_temp.max()
if mask_max < 0.3:
continue # Maske überspringen
adaptive_threshold = max(0.3, mask_max * 0.7)
mask_binary = (mask_np_temp > adaptive_threshold).astype(np.uint8)
# wenn nur schwarze Pixel (keine Segmentierung) nimm die nächste Maske
if np.sum(mask_binary) == 0:
continue
# Heuristik-Berechnung
mask_area_pixels = np.sum(mask_binary) # zählt alle weißen Pixel in der Binärmaske
# Berechnet wie gut die SAM-Maske mit der ursprünglichen BBox überlappt
bbox_mask = np.zeros((image.height, image.width), dtype=np.uint8)
bbox_mask[y1:y2, x1:x2] = 1
overlap = np.sum(mask_binary & bbox_mask)
bbox_overlap_ratio = overlap / np.sum(bbox_mask) if np.sum(bbox_mask) > 0 else 0
# Schwerpunkt
y_coords, x_coords = np.where(mask_binary > 0)
if len(y_coords) > 0:
centroid_y = np.mean(y_coords)
centroid_x = np.mean(x_coords)
centroid_distance = np.sqrt((centroid_x - bbox_center[0])**2 +
(centroid_y - bbox_center[1])**2)
normalized_distance = centroid_distance / max(image.width, image.height)
else:
normalized_distance = 1.0
# Flächen-Ratio
area_ratio = mask_area_pixels / bbox_area
area_score = 1.0 - min(abs(area_ratio - 1.0), 1.0)
# FOCUS_CHANGE spezifischer Score
score = (
bbox_overlap_ratio * 0.4 + # 40% BBox-Überlappung
(1.0 - normalized_distance) * 0.25 + # 25% Zentrumsnähe
area_score * 0.25 + # 25% Flächenpassung
mask_max * 0.1 # 10% SAM-Konfidenz
)
print(f" Maske {i+1}: Score={score:.3f}, "
f"Überlappung={bbox_overlap_ratio:.3f}, "
f"Fläche={mask_area_pixels:,}px")
if score > best_score:
best_score = score
best_mask_idx = i
print(f"✅ Beste Maske: Nr. {best_mask_idx+1} mit Score {best_score:.3f}")
best_mask_original = all_masks[best_mask_idx]
mask_np = best_mask_original
print(f" ✅ Beste Maske in Originalgröße: {image.width}×{image.height}")
# ============================================================
# DYNAMISCHER THRESHOLD
# SAM gibt nur Wahrscheinlichkeiten aus!
# Nachdem das Modell eine Maske für eine Person vorhersagt (wo jeder Pixel einen Wert zwischen 0 und 1 hat,
# wie "wahrscheinlich gehört dieser Pixel zur Person"), wird diese Maske binarisiert (0 oder 1), indem alle
# Pixel unter 0.05 auf 0 gesetzt werden, alle darüber auf 1.
# ============================================================
mask_max = mask_np.max() #höchster Wahrscheinlichkeitswert in SAM-Maske
if best_score < 0.6: # Schlechte Maskenqualität
dynamic_threshold = 0.15 # SEHR NIEDRIG für maximale Abdeckung
print(f" ⚠️ Masken-Score niedrig ({best_score:.3f}). "
f"Threshold=0.15 für bessere Präzision")
elif best_score < 0.8:
dynamic_threshold = max(0.25, mask_max * 0.5) # Vorher 0.15/0.3 - JETZT 0.25/0.5
print(f" ℹ️ Mittlere Maskenqualität. Threshold={dynamic_threshold:.3f}")
else:
dynamic_threshold = max(0.35, mask_max * 0.7) # sehr hoher Threshold für gute Masken
print(f" ✅ Excellente Maske. Threshold={dynamic_threshold:.3f}")
# Binärmaske erstellen
mask_array = (mask_np > dynamic_threshold).astype(np.uint8) * 255
# Fallback bei leerer Maske, der höchste Wert ist 0 also schwarz
if mask_array.max() == 0:
print(" ⚠️ Maske leer, erstelle rechteckige Fallback-Maske")
mask_array = np.zeros((image.height, image.width), dtype=np.uint8)
# BBox auf 512x512 skalieren für Fallback
cv2.rectangle(mask_array, (x1, y1), (x2, y2), 255, -1) #weiße Box
# Damit wird die Rohmaske für die UI-Anzeige gespeichert
raw_mask_array = mask_array.copy()
print(f"🔧 FOCUS_CHANGE POSTPROCESSING (auf {image.width}×{image.height})")
###################################################
# POSTPROCESSING (Originalgröße)
###################################################
print("🔧 FOCUS_CHANGE POSTPROCESSING (Originalgröße)")
print(f" mask_array - Min/Max: {mask_array.min()}/{mask_array.max()}")
print(f" mask_array - Weiße Pixel: {np.sum(mask_array > 0)}")
print(f" mask_array - Shape: {mask_array.shape}")
print(f" mask_array - dtype: {mask_array.dtype}")
# 1. Findet und behält nur die größte zusammenhängende Komponente der Maske
labeled_array, num_features = ndimage.label(mask_array)
if num_features > 1:
sizes = ndimage.sum(mask_array, labeled_array, range(1, num_features + 1))
largest_component = np.argmax(sizes) + 1
mask_array = np.where(labeled_array == largest_component, mask_array, 0)
print(f" ✅ Größte Komponente behalten ({num_features}→1)")
# 2. Morphologische Operationen
kernel_close = np.ones((5, 5), np.uint8)
mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_CLOSE, kernel_close, iterations=2)
# Für jeweils einen anderen Dilate-Wert für Inpaint und Composition
clean_mask = mask_array.copy()
# 1. FÜR INPAINT: 5×5 Dilate auf clean_mask auf 3x3 herunter da Rahmen von SAM-Maske bei 512x512 zu sehen
inpaint_binary_mask = cv2.dilate(clean_mask, np.ones((3,3), np.uint8), 1)
print(f"🔳 [FOCUS] Inpainting-Maske gespeichert: {np.unique(inpaint_binary_mask)}")
# 2. FÜR COMPOSITING: 15×15 Dilate + Blur AUF mask_array (nach close)
kernel_dilate = np.ones((15, 15), np.uint8)
mask_array = cv2.dilate(mask_array, kernel_dilate, iterations=1)
# 3. Weiche Übergänge mittlerer Blur für natürliche Übergänge bei Composition
mask_array = cv2.GaussianBlur(mask_array, (9, 9), 2.0)
# 4. Gamma-Korrektur
mask_array_float = mask_array.astype(np.float32) / 255.0
mask_array_float = np.clip(mask_array_float, 0.0, 1.0)
mask_array_float = mask_array_float ** 0.85
mask_array = (mask_array_float * 255).astype(np.uint8)
# Konvertierung von NumPy-Array auf PIL-Image
mask_original = Image.fromarray(mask_array).convert("L")
raw_mask = Image.fromarray(raw_mask_array).convert("L")
inpaint_binary_pil = Image.fromarray(inpaint_binary_mask).convert("L")
# Finale Maske für ControlNet
mask = mask_original
print(f"✅ FOCUS_CHANGE Maske erstellt: {mask.size}")
return mask, raw_mask, inpaint_binary_pil
#Wichtig: mask (SAM-Maske) muß in Originalgröße zurück sonst Probleme in Funktion scaled_image_and_mask_together
#Und raw_mask auch in Originalgröße sonst Anzeige-Problem UI, inpaint_binary_pil auch in Originalgröße da
#die Maske auch über die Funktion scaled_image_and_mask_together für Inpaint herunterskaliert wird.
# ============================================================
# BLOCK 3: FACE_ONLY_CHANGE
# ============================================================
elif mode == "face_only_change":
print("-" * 60)
print("👤 SPEZIALMODUS: NUR GESICHT - ROBUSTER WORKFLOW")
print("-" * 60)
# ============================================================
# Originalbild sichern
# Andere Vorgehensweise da SAM bei kleinen Köpfen sonst keine Chance hat!
# Bild ausschneiden auf eine vergrößerte quadratische Box - Crops
# ============================================================
original_image = image
print(f"💾 Originalbild gesichert: {original_image.size}")
original_bbox = (x1, y1, x2, y2)
print(f"💾 Original-BBox gespeichert: {original_bbox}")
#512x512-Bilder ohne Crop für mehr Kontext für SAM
use_crop_strategy = True #Flag
if original_image.width <= 512 and original_image.height <= 512:
print("Bild ist 512x512 oder kleiner, verwende Originalgröße für SAM")
print(f" Originalgröße: {original_image.width}×{original_image.height}")
use_crop_strategy = False
else:
print(f"📏 Bild ist größer als 512x512 ({original_image.size}) → Verwende Crop-Strategie")
use_crop_strategy = True
if use_crop_strategy:
# ============================================================
# Crop = BBox × 2.5 (ERHÖHT für mehr Kontext)
# ============================================================
print("✂️ SCHRITT 2: ERSTELLE QUADRATISCHEN AUSSCHNITT (BBox × 2.5)")
# BBox-Zentrum berechnen
bbox_center_x = (x1 + x2) // 2
bbox_center_y = (y1 + y2) // 2
print(f" 📍 BBox-Zentrum: ({bbox_center_x}, {bbox_center_y})")
# Größte Dimension der BBox finden
bbox_width = x2 - x1
bbox_height = y2 - y1
bbox_max_dim = max(bbox_width, bbox_height)
print(f" 📏 BBox Dimensionen: {bbox_width} × {bbox_height} px")
print(f" 📐 Maximale BBox-Dimension: {bbox_max_dim} px")
# Crop-Größe berechnen (BBox × 2.5)
crop_size = int(bbox_max_dim * 2.5)
print(f" 🎯 Ziel-Crop-Größe: {crop_size} × {crop_size} px (BBox × 2.5)")
# Crop-Koordinaten berechnen (zentriert um BBox)
crop_x1 = bbox_center_x - crop_size // 2
crop_y1 = bbox_center_y - crop_size // 2
crop_x2 = crop_x1 + crop_size
crop_y2 = crop_y1 + crop_size
# Sicherstellen, dass Crop innerhalb der Bildgrenzen bleibt
crop_x1 = max(0, crop_x1)
crop_y1 = max(0, crop_y1)
crop_x2 = min(original_image.width, crop_x2)
crop_y2 = min(original_image.height, crop_y2)
# ITERATIVE ANPASSUNG für bessere Crop-Größe
max_iterations = 3
print(f" 🔄 Iterative Crop-Anpassung (max. {max_iterations} Versuche)")
for iteration in range(max_iterations):
actual_crop_width = crop_x2 - crop_x1
actual_crop_height = crop_y2 - crop_y1
# Prüfen ob Crop groß genug ist
if actual_crop_width >= crop_size and actual_crop_height >= crop_size:
print(f" ✅ Crop-Größe OK nach {iteration} Iteration(en): {actual_crop_width}×{actual_crop_height} px")
break
print(f" 🔄 Iteration {iteration+1}: Crop zu klein ({actual_crop_width}×{actual_crop_height})")
# BREITE anpassen (falls nötig)
if actual_crop_width < crop_size:
if crop_x1 == 0: # Am linken Rand
crop_x2 = min(original_image.width, crop_x1 + crop_size)
print(f" ← Breite angepasst (linker Rand): crop_x2 = {crop_x2}")
elif crop_x2 == original_image.width: # Am rechten Rand
crop_x1 = max(0, crop_x2 - crop_size)
print(f" → Breite angepasst (rechter Rand): crop_x1 = {crop_x1}")
else:
# Nicht am Rand - zentriert erweitern
missing_width = crop_size - actual_crop_width
expand_left = missing_width // 2
expand_right = missing_width - expand_left
crop_x1 = max(0, crop_x1 - expand_left)
crop_x2 = min(original_image.width, crop_x2 + expand_right)
print(f" ↔ Zentriert erweitert um {missing_width}px")
# HÖHE anpassen (falls nötig)
if actual_crop_height < crop_size:
if crop_y1 == 0: # Am oberen Rand
crop_y2 = min(original_image.height, crop_y1 + crop_size)
print(f" ↑ Höhe angepasst (oberer Rand): crop_y2 = {crop_y2}")
elif crop_y2 == original_image.height: # Am unteren Rand
crop_y1 = max(0, crop_y2 - crop_size)
print(f" ↓ Höhe angepasst (unterer Rand): crop_y1 = {crop_y1}")
else:
# Nicht am Rand - zentriert erweitern
missing_height = crop_size - actual_crop_height
expand_top = missing_height // 2
expand_bottom = missing_height - expand_top
crop_y1 = max(0, crop_y1 - expand_top)
crop_y2 = min(original_image.height, crop_y2 + expand_bottom)
print(f" ↕ Zentriert erweitert um {missing_height}px")
# Sicherstellen, dass innerhalb der Bildgrenzen
crop_x1 = max(0, crop_x1)
crop_y1 = max(0, crop_y1)
crop_x2 = min(original_image.width, crop_x2)
crop_y2 = min(original_image.height, crop_y2)
# Letzte Iteration erreicht?
if iteration == max_iterations - 1:
actual_crop_width = crop_x2 - crop_x1
actual_crop_height = crop_y2 - crop_y1
print(f" ⚠️ Max. Iterationen erreicht. Finaler Crop: {actual_crop_width}×{actual_crop_height} px")
# Warnung wenn immer noch zu klein
if actual_crop_width < crop_size or actual_crop_height < crop_size:
min_acceptable = int(bbox_max_dim * 1.8) # Mindestens 1.8× BBox
if actual_crop_width < min_acceptable or actual_crop_height < min_acceptable:
print(f" 🚨 KRITISCH: Crop immer noch zu klein ({actual_crop_width}×{actual_crop_height})")
print(f" 🚨 SAM könnte Probleme haben!")
print(f" 🔲 Finaler Crop-Bereich: [{crop_x1}, {crop_y1}, {crop_x2}, {crop_y2}]")
print(f" 📏 Finale Crop-Größe: {crop_x2-crop_x1} × {crop_y2-crop_y1} px")
# Bild ausschneiden- mit besten verfügbaren Crop der nach 3 Iterationen berechnet wurde
cropped_image = original_image.crop((crop_x1, crop_y1, crop_x2, crop_y2))
print(f" ✅ Quadratischer Ausschnitt erstellt: {cropped_image.size}")
# ============================================================
# BBox-Koordinaten transformieren wegen neuer Koordinatenausrichtung (anderer Nullpunkt)
# ============================================================
print("📐 SCHRITT 3: BBox-KOORDINATEN TRANSFORMIEREN")
rel_x1 = x1 - crop_x1
rel_y1 = y1 - crop_y1
rel_x2 = x2 - crop_x1
rel_y2 = y2 - crop_y1
# Sicherstellen, dass BBox innerhalb des Crops liegt
rel_x1 = max(0, rel_x1)
rel_y1 = max(0, rel_y1)
rel_x2 = min(cropped_image.width, rel_x2)
rel_y2 = min(cropped_image.height, rel_y2)
print(f" 🎯 Relative BBox im Crop: [{rel_x1}, {rel_y1}, {rel_x2}, {rel_y2}]")
print(f" 📏 Relative BBox Größe: {rel_x2-rel_x1} × {rel_y2-rel_y1} px")
# ============================================================
# INTENSIVE BILDAUFBEREITUNG FÜR GESICHTSERKENNUNG
# ============================================================
print("🔍 SCHRITT 4: ERWEITERTE BILDAUFBEREITUNG FÜR GESICHTSERKENNUNG")
# 1. Kontrast verstärken
contrast_enhancer = ImageEnhance.Contrast(cropped_image)
enhanced_image = contrast_enhancer.enhance(1.3) # 30% mehr Kontrast
# 2. Schärfe erhöhen für bessere Kantenerkennung
sharpness_enhancer = ImageEnhance.Sharpness(enhanced_image)
enhanced_image = sharpness_enhancer.enhance (1.4) # 40% mehr Schärfe
# 3. Helligkeit anpassen
brightness_enhancer = ImageEnhance.Brightness(enhanced_image)
enhanced_image = brightness_enhancer.enhance(1.05) # 5% heller
print(f" ✅ Erweiterte Bildaufbereitung abgeschlossen")
print(f" • Kontrast: +30%")
print(f" • Schärfe: +40%")
print(f" • Helligkeit: +5%")
# Für SAM: Verwende aufbereitetes Crop-Bild und transformierte BBox-Koordinaten
image = enhanced_image
x1, y1, x2, y2 = rel_x1, rel_y1, rel_x2, rel_y2
print(" 🔄 SAM wird auf aufbereitetem Ausschnitt ausgeführt")
print(f" 📊 SAM-Eingabegröße: {image.size}")
else: #use_crop_strategy=False (Bild <=512)
print("🎯 SCHRITT 2: VERWENDE ORIGINALBILD UND ORIGINAL-BBOX FÜR SAM")
print(f" Originalbild-Größe: {original_image.size}")
print(f" Original-BBox: [{x1}, {y1}, {x2}, {y2}]")
# Keine Bildverbesserung für 512x512 - Original verwenden
image = original_image
#x1, y1, x2, y2 bleiben Originalkoordinaten sind zu Beginn des Blockes gespeichert
##########################################################
#BBox-Berechnung für Heuristik immer Oroginal-BBox
##########################################################
if use_crop_strategy:
bbox_x1, bbox_y1, bbox_x2, bbox_y2 = rel_x1, rel_y1, rel_x2, rel_y2
print(f" 🎯 Heuristik-BBox im Crop: [{bbox_x1}, {bbox_y1}, {bbox_x2}, {bbox_y2}]")
else:
# Für Original: Direkt Original-BBox verwenden
bbox_x1, bbox_y1, bbox_x2, bbox_y2 = original_bbox
#########das folgende ist für beide Fälle####################
# Heuristik-Parameter berechnen (konsistent für beide Fälle)
bbox_width = bbox_x2 - bbox_x1
bbox_height = bbox_y2 - bbox_y1
bbox_area = bbox_width * bbox_height
bbox_center = ((bbox_x1 + bbox_x2) // 2, (bbox_y1 + bbox_y2) // 2)
print(f"📏 HEURISTIK-BBOX: [{bbox_x1}, {bbox_y1}, {bbox_x2}, {bbox_y2}]")
print(f"📐 HEURISTIK-BBOX-Größe: {bbox_width}×{bbox_height}px = {bbox_area:,}px²")
print(f"📍 HEURISTIK-BBOX-Zentrum: {bbox_center}")
print(f" ✅ SAM verwendet Original-BBox-Koordinaten")
# ============================================================
# SAM-AUSFÜHRUNG mit transformierter BBox und aufbereiteten Crop-Bild für Bild >512 oder
# SAM-AUSFÜHRUNG mit Originalbild und Original-BBox für Bilder <=512
# ============================================================
print("-" * 60)
print(f"📦 BOUNDING BOX DETAILS FÜR SAM:")
# Vorbereitung für SAM2 - WICHTIG: NUR EINE BBOX
print("-" * 60)
print("🖼️ BILDAUFBEREITUNG FÜR SAM 2")
# SAM erwartet NumPy-Array, kein PIL
image_np = np.array(image.convert("RGB"))
# SAM bekommt die aktuelle BBox entweder Original oder transformiert
input_boxes = [[[x1, y1, x2, y2]]]
# Punkt in der BBox-Mitte (zur Ünterstützung von SAM damit BBox nicht zu dicht um Kopf gezogen werden muß!)
center_x = (x1 + x2) // 2
center_y = (y1 + y2) // 2
# Punkt im Gesicht (30% höher vom Mittelpunkt)(auch für größere BBox)
#bbox_height = y2 - y1
#face_offset = int(bbox_height * 0.3)
#face_x = center_x
#face_y = center_y - face_offset
#face_y = max(y1 + 10, min(face_y, y2 - 10)) # In BBox halten
if is_back_head:
# 🔥 HINTERKOPF: ZWEI Punkte
back_offset = int(bbox_height * 0.4)
back_x = center_x
back_y = center_y + back_offset
back_y = min(back_y, y2 - 10)
input_points = [[[[center_x,center_y], [back_x, back_y]]]]
input_labels = [[[1, 0]]]
print(f" 🎯 HINTERKOPF-SAM: Positiv ({center_x},{center_y}), Negativ ({back_x},{back_y})")
else:
# 😊 GESICHT: NUR EIN positiver Punkt
input_points = [[[[center_x, center_y]]]]
input_labels = [[[1]]]
print(f" 🎯 GESICHTS-SAM: Punkt ({center_x},{center_y})")
# Aufruf des SAM-Prozessors mit den Variablen. Der Processor verpackt diese Rohdaten
# in die für das SAM-Modell erforderlichen Tensoren und speichert sie in inputs.
inputs = self.sam_processor(
image_np,
input_boxes=input_boxes,
input_points=input_points, # Ein Punkt oder bei Hinterkopf 2
input_labels=input_labels, # Ein Label oder bei Hinterkopf 2
return_tensors="pt"
).to(self.device) # Ohne .to(self.device) werden die Tensoren standardmäßig im CPU-RAM erzeugt und gespeichert! Da GPU-Fehler!
print(f"✅ Processor-Ausgabe: Dictionary mit {len(inputs)} Schlüsseln: {list(inputs.keys())}")
print(f" - 'pixel_values' Shape: {inputs['pixel_values'].shape}")
print(f" - 'input_boxes' Shape: {inputs['input_boxes'].shape}")
if 'input_points' in inputs:
print(f" - 'input_points' Shape: {inputs['input_points'].shape}")
# 4. SAM2 Vorhersage
print("-" * 60)
print("🧠 SAM 2 INFERENZ (Vorhersage)")
with torch.no_grad():
print(" Führe Vorhersage durch...")
outputs = self.sam_model(**inputs)
print(f"✅ Vorhersage abgeschlossen")
print(f" Anzahl der Vorhersagemasken: {outputs.pred_masks.shape[2]}")
# 5. Maske extrahieren
print("📏 SCHRITT 6: MASKE EXTRAHIEREN")
num_masks = outputs.pred_masks.shape[2]
print(f" SAM lieferte {num_masks} verschiedene Masken")
# Masken speichern in Array
all_masks_crop = [] #Weiterverarbeitung in Crop-Größe oder Bildgröße <= 512
for i in range(num_masks):
single_mask = outputs.pred_masks[:, :, i, :, :]
# 2. FÜR VERARBEITUNG: Auf CROP-GRÖSSE interpolieren
resized_mask_crop = F.interpolate(
single_mask,
size=(image.height, image.width), # CROP-Größe bei Crop-Eingang sonst <= 512er-Größe
mode='bilinear',
align_corners=False
).squeeze()
mask_np = resized_mask_crop.sigmoid().cpu().numpy()
all_masks_crop.append(mask_np)
# Debug-Info
mask_binary = (mask_np > 0.5).astype(np.uint8)
print(f" Maske {i+1}: {np.sum(mask_binary):,}px (Crop-Größe)")
# ============================================================
# HEURISTIK (zur Bestimmung der besten Maske) bei Bild>512 wird die beste Maske auf Crop-Größe ermittelt bei Bild<=512 auf Originalgröße
# Es wird die Maske mit dem besten Score gewählt (und nicht mehr, wie vorher die Maske mit der größten Fläche!)
# ============================================================
print("🤔 HEURISTIK BERECHNEN")
# Heuristik-BBox für alle weiteren Berechnungen verwenden
# (bbox_center und bbox_area sind korrekt für beide Fälle)
best_mask_idx = 0
best_score = -1
for i, mask_np in enumerate(all_masks_crop):
mask_max = mask_np.max()
# Grundlegende Filterung
if mask_max < 0.3:
print(f" ❌ Maske {i+1}: Zu niedrige Konfidenz ({mask_max:.3f}), überspringe")
continue
# Adaptiver Threshold
adaptive_threshold = max(0.3, mask_max * 0.7)
mask_binary = (mask_np > adaptive_threshold).astype(np.uint8)
if np.sum(mask_binary) == 0:
print(f" ❌ Maske {i+1}: Keine Pixel nach Threshold {adaptive_threshold:.3f}")
continue
#Maskenfläche in Pixeln
mask_area_pixels = np.sum(mask_binary)
# ============================================================
# SPEZIALHEURISTIK
# ============================================================
print(f" 🔍 Analysiere Maske {i+1} auf {'Crop-' if use_crop_strategy else 'Original-'}Größe")
# 1. FLÄCHENBASIERTE BEWERTUNG (40%)
area_ratio = mask_area_pixels / bbox_area if bbox_area > 0 else 0
print(f" 📐 Flächen-Ratio: {area_ratio:.3f} ({mask_area_pixels:,} / {bbox_area:,} Pixel)")
optimal_min, optimal_max = 0.8, 1.2
if optimal_min <= area_ratio <= optimal_max:
area_score = 1.0
elif area_ratio < optimal_min:
area_score = area_ratio / optimal_min
else:
area_score = optimal_max / area_ratio # Starke Bestrafung für zu groß
# 2. BBOX-ÜBERLAPPUNG (wie gut überlappt die SAM-Maske die BBox)
bbox_mask = np.zeros((image.height, image.width), dtype=np.uint8)
bbox_mask[bbox_y1:bbox_y2, bbox_x1:bbox_x2] = 1
overlap = np.sum(mask_binary & bbox_mask)
bbox_overlap_ratio = overlap / bbox_area if bbox_area > 0 else 0 # WICHTIG: durch bbox_area!
# 2. KOMPAKTHEIT/SOLIDITÄT (30%)
labeled_mask = measure.label(mask_binary)
regions = measure.regionprops(labeled_mask)
if len(regions) == 0:
compactness_score = 0.1
print(f" ❌ Keine zusammenhängenden Regionen gefunden")
else:
# Größte Region finden (sollte der Kopf sein)
largest_region = max(regions, key=lambda r: r.area)
# Solidität = Fläche / konvexe Hüllenfläche
solidity = largest_region.solidity if hasattr(largest_region, 'solidity') else 0.7
# Exzentrizität (wie elliptisch) - Köpfe sind tendenziell elliptisch
eccentricity = largest_region.eccentricity if hasattr(largest_region, 'eccentricity') else 0.5
# Perfekt runde Formen (Kreis) sind 0, Linie wäre 1
# Köpfe haben typischerweise 0.5-0.8
if 0.4 <= eccentricity <= 0.9:
eccentricity_score = 1.0 - abs(eccentricity - 0.65) * 2
else:
eccentricity_score = 0.2
compactness_score = (solidity * 0.6 + eccentricity_score * 0.4)
print(f" 🎯 Kompaktheits-Analyse:")
print(f" • Solidität (Fläche/Konvex): {solidity:.3f}")
print(f" • Exzentrizität (Form): {eccentricity:.3f}")
print(f" • Kompaktheits-Score: {compactness_score:.3f}")
confidence_score = mask_max
score = (
bbox_overlap_ratio * 0.65 + # 50% BBox-Überlappung (vorher 20%, 65%)
compactness_score * 0.20 + # 30% Kompaktheit (vorher 30%)
area_score * 0.10 + # 15% Flächenpassung (vorher 40%)
confidence_score * 0.05 # 5% Konfidenz (vorher 10%)
)
print(f" 📊 GESICHTS-SCORES für Maske {i+1}:")
print(f" • BBox-Überlappung: {bbox_overlap_ratio:.1%}")
print(f" • Flächen-Score: {area_score:.3f}")
print(f" • Kompaktheits-Score: {compactness_score:.3f}")
print(f" • Konfidenz-Score: {confidence_score:.3f}")
print(f" • GESAMTSCORE: {score:.3f}")
if score > best_score:
best_score = score
best_mask_idx = i
print(f" 🏆 Neue beste Maske: Nr. {i+1} mit Score {score:.3f}")
print(f"✅ Beste Maske ausgewählt: Nr. {best_mask_idx+1} mit Score {best_score:.3f}")
# Beste Maske verwenden
mask_np = all_masks_crop[best_mask_idx]
max_val = mask_np.max()
print(f"🔍 Maximaler SAM-Konfidenzwert der besten Maske: {max_val:.3f}")
# ============================================================
# THRESHOLD-BESTIMMUNG Wahrscheinlichkeiten -> Binär (0,1)
# ============================================================
# Spezieller Threshold für Gesichter speziell Anime brauchen dickere Maske!
# Aber auch allgemein für Kopf sind dicke Masken besser!
if max_val < 0.5:
dynamic_threshold = 0.15 #anstatt 0.25
print(f" ⚠️ SAM ist unsicher für Gesicht (max_val={max_val:.3f} < 0.5)")
elif max_val < 0.8:
dynamic_threshold = max_val * 0.45 # anstatt 0.65 Mittlerer Threshold
print(f" ℹ️ SAM ist mäßig sicher für Gesicht (max_val={max_val:.3f})")
else:
dynamic_threshold = max_val * 0.55 # anstatt 0.75 Hoher Threshold
print(f" ✅ SAM ist sicher für Gesicht (max_val={max_val:.3f} >= 0.8)")
print(f" 🎯 Gesichts-Threshold: {dynamic_threshold:.3f}")
# Binärmaske erstellen
print("🐛 DEBUG THRESHOLD:")
print(f" mask_np Min/Max: {mask_np.min():.3f}/{mask_np.max():.3f}")
print(f" dynamic_threshold: {dynamic_threshold:.3f}")
mask_array = (mask_np > dynamic_threshold).astype(np.uint8) * 255
print(f"🚨 DEBUG BINÄRMASKE:")
print(f" mask_array Min/Max: {mask_array.min()}/{mask_array.max()}")
print(f" Weiße Pixel in mask_array: {np.sum(mask_array > 0)}")
print(f" Anteil weiße Pixel: {np.sum(mask_array > 0) / mask_array.size:.1%}")
# Fallback wenn Maske leer
if mask_array.max() == 0:
print("⚠️ KRITISCH: Binärmaske ist leer! Erzwinge Testmaske (BBox).")
print(f" 🚨 BBox für Fallback: x1={x1}, y1={y1}, x2={x2}, y2={y2}")
test_mask = np.zeros((image.height, image.width), dtype=np.uint8)
cv2.rectangle(test_mask, (x1, y1), (x2, y2), 255, -1)
mask_array = test_mask
print(f"🐛 DEBUG ERZWUNGENE MASKE: Weiße Pixel: {np.sum(mask_array > 0)}")
# Rohmaske speichern
raw_mask_array = mask_array.copy()
# ============================================================
# POSTPROCESSING unterschiedlich für Crop/Original
# ============================================================
labeled_array, num_features = ndimage.label(mask_array)
if num_features > 0:
# ERSTER SCHRITT: Nur Komponenten behalten, die in/nah der HEURISTIK-BBOX liegen
regions = measure.regionprops(labeled_array)
valid_regions = []
for region in regions:
centroid_y, centroid_x = region.centroid
bbox_distance = np.sqrt((centroid_x - bbox_center[0])**2 +
(centroid_y - bbox_center[1])**2)
# Maximaler Abstand: 50% der BBox-Diagonale
max_distance = np.sqrt(bbox_width**2 + bbox_height**2) * 0.5
if bbox_distance <= max_distance:
valid_regions.append(region)
if valid_regions:
# Größte valide Region finden
largest_region = max(valid_regions, key=lambda r: r.area)
mask_array = np.where(labeled_array == largest_region.label, mask_array, 0)
print(f" ✅ {len(valid_regions)}/{num_features} Regionen in/nah BBox, größte behalten")
else:
print(f" ⚠️ Keine Region in/nah BBox gefunden, alle behalten")
# Binärmaske für Inpaint speichern (VOR weiteren Operationen!)
inpaint_binary_mask = mask_array.copy()
if use_crop_strategy:
print("👤 POSTPROCESSING AUF CROP-GRÖSSE")
# MORPHOLOGISCHE OPERATIONEN FÜR SAUBEREN KOPF
print(" ⚙️ Morphologische Operationen für sauberen Kopf")
# Zuerst CLOSE, um kleine Löcher im Kopf zu füllen
kernel_close = np.ones((7, 7), np.uint8)
mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_CLOSE, kernel_close, iterations=1)
print(" • MORPH_CLOSE (7x7) - Löcher im Kopf füllen")
# Dann OPEN, um kleine Ausreißer zu entfernen
kernel_open = np.ones((5, 5), np.uint8)
mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_OPEN, kernel_open, iterations=1)
print(" • MORPH_OPEN (5x5) - Rauschen entfernen")
# LEICHTER DILATE FÜR MEHR ABDECKUNG (wichtig für Gesicht!)
print(" 🔲 Leichter Dilate für natürliche Abdeckung")
kernel_dilate = np.ones((15, 15), np.uint8) # Größerer Kernel für Gesicht
mask_array = cv2.dilate(mask_array, kernel_dilate, iterations=1)
#Speicherung der Binärmaske für Inpaint da keine Graupixel
inpaint_binary_mask = mask_array.copy() # ← Bereinigt, aber scharfkantig
print(f"🔳 [FACE] Inpainting-Maske gespeichert: {np.unique(inpaint_binary_mask)}")
# WEICHER GAUSSIAN BLUR FÜR NATÜRLICHE ÜBERGÄNGE
print(" 🔷 Gaussian Blur für weiche Hautübergänge (15x15, sigma=3.0)")
mask_array = cv2.GaussianBlur(mask_array, (15, 15), 3.0)
# GAMMA-KORREKTUR FÜR GLATTE, NATÜRLICHE KANTEN
print(" 🎨 Gamma-Korrektur (0.7) für glatte Übergänge")
mask_array_float = mask_array.astype(np.float32) / 255.0
mask_array_float = np.clip(mask_array_float, 0.0, 1.0)
mask_array_float = mask_array_float ** 0.7 # Stärkeres Gamma für weichere Kanten
mask_array = (mask_array_float * 255).astype(np.uint8)
# NOCH EIN WEICHER BLUR FÜR EXTRA-GLÄTTE KANTEN
print(" 💫 Finaler weicher Blur (9x9, sigma=1.5)")
mask_array = cv2.GaussianBlur(mask_array, (9, 9), 1.5)
# SICHERSTELLEN, DASS MASKE NICHT ZU DÜNN IST (speziell für Gesicht!)
print(" 📏 Prüfe Maskendichte...")
white_pixels = np.sum(mask_array > 128)
bbox_area = (x2 - x1) * (y2 - y1)
coverage_ratio = white_pixels / bbox_area if bbox_area > 0 else 0
print(f" 📊 Aktuelle Abdeckung: {white_pixels:,}px / {bbox_area:,}px = {coverage_ratio:.1%}")
# Wenn Maske zu dünn (unter 90% der BBox), weiter erweitern
if coverage_ratio < 0.9:
print(f" ⚠️ Maske zu dünn für Gesicht (<90%)")
print(f" 📈 Zusätzlicher Dilate...")
kernel_extra = np.ones((9, 9), np.uint8)
mask_array = cv2.dilate(mask_array, kernel_extra, iterations=1)
# Nochmal weichzeichnen
mask_array = cv2.GaussianBlur(mask_array, (11, 11), 2.0)
# ============================================================
# Maske und Rohmaske auf Originalgröße transformieren (nur für Crop)
# ============================================================
print("🔄 MASKE AUF ORIGINALGRÖSSE TRANSFORMIEREN")
# 1. Maske in Crop-Größe wird konveriert von NumPy nach PIL
mask_crop_pil = Image.fromarray(mask_array).convert("L")
# Leere Maske in Originalgröße
mask_original = Image.new("L", original_image.size, 0)
# Crop-Maske an richtiger Position in leerem Originalbild einfügen
# da Hauptprogramm Originalgröße erwartet.
mask_original.paste(mask_crop_pil, (crop_x1, crop_y1))
# 2. Rohmaske ebenfalls transformieren
raw_mask_crop_pil = Image.fromarray(raw_mask_array).convert("L")
raw_mask_original = Image.new("L", original_image.size, 0)
raw_mask_original.paste(raw_mask_crop_pil, (crop_x1, crop_y1))
#Binärmaske für Inpaint auf Originalgröße bringen
#konvertieren zu PIL-Image
inpaint_binary_crop_pil = Image.fromarray(inpaint_binary_mask).convert("L")
#Leeres schwarzes Bild in Originalgröße erstellen
inpaint_binary_original = Image.new("L", original_image.size, 0)
#Klebe Crop-SAM-Maske auf schwarzes Bild in Originalgröße
inpaint_binary_original.paste(inpaint_binary_crop_pil, (crop_x1, crop_y1))
else: #keine use_crop_stategy Bild<=512
print("👤 POSTPROCESSING AUF ORIGINALGRÖSSE (≤512px)")
# ANGEPASSTE Morphologische Operationen für Originalgröße
kernel_close = np.ones((5, 5), np.uint8)
mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_CLOSE, kernel_close, iterations=1)
print(" • MORPH_CLOSE (5x5) - Löcher im Kopf füllen")
kernel_open = np.ones((3, 3), np.uint8)
mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_OPEN, kernel_open, iterations=1)
print(" • MORPH_OPEN (3x3) - Rauschen entfernen")
# Leichter Dilate für mehr Abdeckung
kernel_dilate = np.ones((9, 9), np.uint8)
mask_array = cv2.dilate(mask_array, kernel_dilate, iterations=1)
print(" • DILATE (3x3) - Natürliche Abdeckung")
# Binärmaske für Inpaint speichern (vor Blur)
inpaint_binary_mask = mask_array.copy()
# ANGEPASSTER Gaussian Blur für Originalgröße
mask_array = cv2.GaussianBlur(mask_array, (11, 11), 2.0)
print(" • GAUSSIAN BLUR (11x11, sigma=2.0) - Weiche Übergänge")
# Gamma-Korrektur
mask_array_float = mask_array.astype(np.float32) / 255.0
mask_array_float = np.clip(mask_array_float, 0.0, 1.0)
mask_array_float = mask_array_float ** 0.8
mask_array = (mask_array_float * 255).astype(np.uint8)
print(" • GAMMA (0.8) - Glatte Übergänge")
# Finaler weicher Blur
mask_array = cv2.GaussianBlur(mask_array, (7, 7), 1.0)
print(" • FINALER BLUR (7x7, sigma=1.0)")
# Prüfe Maskendichte
white_pixels = np.sum(mask_array > 128)
coverage_ratio = white_pixels / bbox_area if bbox_area > 0 else 0
print(f" 📊 Aktuelle Abdeckung: {white_pixels:,}px / {bbox_area:,}px = {coverage_ratio:.1%}")
if coverage_ratio < 0.9:
print(f" ⚠️ Maske zu dünn für Gesicht (<90%)")
kernel_extra = np.ones((5, 5), np.uint8)
mask_array = cv2.dilate(mask_array, kernel_extra, iterations=1)
mask_array = cv2.GaussianBlur(mask_array, (7, 7), 1.5)
# Masken sind bereits in Originalgröße
mask_original = Image.fromarray(mask_array).convert("L")
raw_mask_original = Image.fromarray(raw_mask_array).convert("L")
inpaint_binary_original = Image.fromarray(inpaint_binary_mask).convert("L")
# ============================================================
# ABSCHLIESSENDE STATISTIK
# ============================================================
print("📊 FINALE MASKEN-STATISTIK FÜR FEHLERANALYSE")
# Berechnungen (bleiben gleich)
final_white = np.sum(mask_array > 128)
final_coverage = final_white / bbox_area if bbox_area > 0 else 0
final_array = np.array(mask_original)
white_pixels = np.sum(final_array > 0)
total_pixels = final_array.size
white_ratio = white_pixels / total_pixels * 100 if total_pixels > 0 else 0
original_bbox_width = original_bbox[2] - original_bbox[0]
original_bbox_height = original_bbox[3] - original_bbox[1]
original_face_area = original_bbox_width * original_bbox_height
coverage_ratio = white_pixels / original_face_area if original_face_area > 0 else 0
# Fehlende Variablen für den else-Fall definieren
if not use_crop_strategy:
crop_size = "N/A" # not available
crop_x1 = crop_y1 = crop_x2 = crop_y2 = "N/A"
# Strukturierte Ausgabe
print(f" 🖼️ Bildgröße: {original_image.size[0]}×{original_image.size[1]} | "
f"Crop-Strategie: {'JA' if use_crop_strategy else 'NEIN'}")
print(f" 📦 Original-BBox: {original_bbox} | "
f"Fläche: {original_face_area:,} px² ({original_bbox_width}×{original_bbox_height})")
print(f" 🎯 SAM-Ergebnis: Beste Maske #{best_mask_idx+1} | Score: {best_score:.3f} | "
f"Konfidenz: {max_val:.3f} | Verfügbare Masken: {num_masks}")
print(f" 👤 Gesichtsabdeckung: {coverage_ratio:.1%} der BBox "
f"({'OPTIMAL' if 0.8 <= coverage_ratio <= 1.2 else 'UNTER' if coverage_ratio < 0.7 else 'ÜBER'})")
print(f" 📐 Maskenpixel: {white_pixels:,} weiß ({white_ratio:.1f}%) | "
f"{total_pixels-white_pixels:,} schwarz ({100-white_ratio:.1f}%)")
print(f" ⚙️ Postprocessing: {num_features} Komponenten → 1 behalten | "
f"Operationen: MORPH_CLOSE, MORPH_OPEN, DILATE, GAUSSIAN_BLUR, GAMMA")
if use_crop_strategy:
print(f" 🔄 Crop-Größe: {crop_size}×{crop_size}px | "
f"Position: [{crop_x1},{crop_y1},{crop_x2},{crop_y2}]")
print(f" 📏 Crop-interne Abdeckung: {final_coverage:.1%} (technisch)")
else:
print(f" 🔄 Direktverarbeitung auf Originalgröße")
print(f" 🎛️ Modus: {mode} | Threshold: {dynamic_threshold:.3f}")
# Warnungen
if coverage_ratio < 0.7:
print(f" ⚠️ WARNUNG: Geringe Gesichtsabdeckung ({coverage_ratio:.1%})")
elif coverage_ratio > 1.3:
print(f" ⚠️ WARNUNG: Sehr hohe Gesichtsabdeckung ({coverage_ratio:.1%})")
elif 0.8 <= coverage_ratio <= 1.2:
print(f" ✅ OPTIMALE Gesichtsabdeckung ({coverage_ratio:.1%})")
print("#" * 80)
print(f"✅ SAM 2 SEGMENTIERUNG ABGESCHLOSSEN")
print(f"📐 Finale Maskengröße: {mask_original.size}")
print(f"🎛️ Verwendeter Modus: {mode}")
if use_crop_strategy:
print(f"👤 Crop={crop_size}×{crop_size}px, Heuristik-Score={best_score:.3f}")
else:
print(f"👤 Direktverarbeitung, Heuristik-Score={best_score:.3f}")
print(f"👤 Kopfabdeckung: {coverage_ratio:.1%} der BBox")
print("#" * 80)
return mask_original, raw_mask_original, inpaint_binary_original
#Maske, Raw_mask und Binärmaske in Originalgröße zurück!
# ============================================================
# UNBEKANNTER MODUS
# ============================================================
else:
print(f"❌ Unbekannter Modus: {mode}")
return self._create_rectangular_mask(image, bbox_coords, "focus_change")
except Exception as e:
print("❌" * 40)
print("❌ FEHLER IN SAM 2 SEGMENTIERUNG")
print(f"Fehler: {str(e)[:200]}")
print("❌" * 40)
import traceback
traceback.print_exc()
# Fallback
fallback_mask = self._create_rectangular_mask(original_image, original_bbox, mode)
if fallback_mask.size != original_image.size:
print(f" ⚠️ Fallback-Maske angepasst: {fallback_mask.size} → {original_image.size}")
fallback_mask = fallback_mask.resize(original_image.size, Image.Resampling.NEAREST)
return fallback_mask, fallback_mask
def _create_rectangular_mask(self, image, bbox_coords, mode):
"""Fallback: Erstellt rechteckige Maske"""
print("#" * 80)
print("# ⚠️ FALLBACK: ERSTELLE RECHTECKIGE MASKE")
print("#" * 80)
from PIL import ImageDraw
mask = Image.new("L", image.size, 0)
print(f"📐 Erstelle leere Maske: {mask.size}")
if bbox_coords and all(coord is not None for coord in bbox_coords):
x1, y1, x2, y2 = self._validate_bbox(image, bbox_coords)
draw = ImageDraw.Draw(mask)
if mode == "environment_change":
draw.rectangle([0, 0, image.size[0], image.size[1]], fill=255)
draw.rectangle([x1, y1, x2, y2], fill=0)
print(f" Modus: Umgebung ändern - BBox geschützt: [{x1}, {y1}, {x2}, {y2}]")
else:
draw.rectangle([x1, y1, x2, y2], fill=255)
print(f" Modus: Focus/Gesicht ändern - BBox verändert: [{x1}, {y1}, {x2}, {y2}]")
print("✅ Rechteckige Maske erstellt")
return mask
def load_pose_detector(self):
"""Lädt nur den Pose-Detector"""
if self.pose_detector is None:
print("#" * 80)
print("# 📥 LADE POSE DETECTOR")
print("#" * 80)
try:
self.pose_detector = OpenposeDetector.from_pretrained("lllyasviel/ControlNet")
print("✅ Pose-Detector geladen")
except Exception as e:
print(f"⚠️ Pose-Detector konnte nicht geladen werden: {e}")
return self.pose_detector
def load_midas_model(self):
"""Lädt MiDaS Model für Depth Maps"""
if self.midas_model is None:
print("#" * 80)
print("# 📥 LADE MIDAS MODELL FÜR DEPTH MAPS")
print("#" * 80)
try:
import torchvision.transforms as T
self.midas_model = torch.hub.load(
"intel-isl/MiDaS",
"DPT_Hybrid",
trust_repo=True
)
self.midas_model.to(self.device)
self.midas_model.eval()
self.midas_transform = T.Compose([
T.Resize(384),
T.ToTensor(),
T.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5]),
])
print("✅ MiDaS Modell erfolgreich geladen")
except Exception as e:
print(f"❌ MiDaS konnte nicht geladen werden: {e}")
print("ℹ️ Verwende Fallback-Methode")
self.midas_model = None
return self.midas_model
def extract_pose_simple(self, image):
"""Einfache Pose-Extraktion ohne komplexe Abhängigkeiten"""
print("#" * 80)
print("# ⚠️ ERSTELLE EINFACHE POSE-MAP (FALLBACK)")
print("#" * 80)
try:
img_array = np.array(image.convert("RGB"))
edges = cv2.Canny(img_array, 100, 200)
pose_image = Image.fromarray(edges).convert("RGB")
print("⚠️ Verwende Kanten-basierte Pose-Approximation")
return pose_image
except Exception as e:
print(f"Fehler bei einfacher Pose-Extraktion: {e}")
return image.convert("RGB").resize((512, 512))
def extract_pose(self, image):
"""Extrahiert Pose-Map aus Bild mit Fallback"""
print("#" * 80)
print("# 🕺 ERSTELLE POSE-MAP")
print("#" * 80)
try:
detector = self.load_pose_detector()
if detector is None:
print("⚠️ Kein Pose-Detector verfügbar, verwende Fallback")
return self.extract_pose_simple(image)
print(" Extrahiere Pose mit OpenPose und allen Gelenkpunkten")
pose_image = detector(
image,
include_body=True,
include_hand=True, # 🔥 Hände einschließen (21 Punkte pro Hand)
include_face=True, # 🔥 Gesicht einschließen (70 Punkte)
hand_and_face=True, # 🔥 Beide gleichzeitig
include_foot=True,
detect_resolution=896, # 🔥 Höhere Detektionsauflösung für Details
image_resolution=512, # Ausgabegröße
return_pil=True
)
print("✅ Detaillierte Pose-Map erstellt")
print(f" 🔥 137 Gelenkpunkte (statt nur 25)")
print(f" 🔥 Enthält: Körper (25) + Hände (42) + Gesicht (70)")
print(f" 🔥 Detektionsauflösung: 768px für mehr Details")
return pose_image
except Exception as e:
print(f"Fehler bei Pose-Extraktion: {e}")
return self.extract_pose_simple(image)
def extract_canny_edges(self, image):
"""Extrahiert Canny Edges für Umgebungserhaltung"""
print("#" * 80)
print("# 🎨 ERSTELLE CANNY EDGE MAP")
print("#" * 80)
try:
img_array = np.array(image.convert("RGB"))
gray = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY)
edges = cv2.Canny(gray, 100, 200)
edges_rgb = cv2.cvtColor(edges, cv2.COLOR_GRAY2RGB)
edges_image = Image.fromarray(edges_rgb)
print("✅ Canny Edge Map erstellt")
return edges_image
except Exception as e:
print(f"Fehler bei Canny Edge Extraction: {e}")
return image.convert("RGB").resize((512, 512))
def extract_depth_map(self, image):
"""
Extrahiert Depth Map mit MiDaS (Fallback auf Filter)
"""
print("#" * 80)
print("# 🏔️ ERSTELLE DEPTH MAP")
print("#" * 80)
try:
midas = self.load_midas_model()
if midas is not None:
print("🎯 Verwende MiDaS für Depth Map...")
import torchvision.transforms as T
img_transformed = self.midas_transform(image).unsqueeze(0).to(self.device)
with torch.no_grad():
print(" Führe MiDaS Inferenz durch...")
prediction = midas(img_transformed)
prediction = torch.nn.functional.interpolate(
prediction.unsqueeze(1),
size=image.size[::-1],
mode="bicubic",
align_corners=False,
).squeeze()
depth_np = prediction.cpu().numpy()
depth_min, depth_max = depth_np.min(), depth_np.max()
print(f" Tiefenwerte: Min={depth_min:.3f}, Max={depth_max:.3f}")
if depth_max > depth_min:
depth_np = (depth_np - depth_min) / (depth_max - depth_min)
depth_np = (depth_np * 255).astype(np.uint8)
depth_image = Image.fromarray(depth_np).convert("RGB")
print("✅ MiDaS Depth Map erfolgreich erstellt")
return depth_image
else:
raise Exception("MiDaS nicht geladen")
except Exception as e:
print(f"⚠️ MiDaS Fehler: {e}. Verwende Fallback...")
try:
img_array = np.array(image.convert("RGB"))
gray = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY)
depth_map = cv2.GaussianBlur(gray, (5, 5), 0)
depth_rgb = cv2.cvtColor(depth_map, cv2.COLOR_GRAY2RGB)
depth_image = Image.fromarray(depth_rgb)
print("✅ Fallback Depth Map erstellt")
return depth_image
except Exception as fallback_error:
print(f"❌ Auch Fallback fehlgeschlagen: {fallback_error}")
return image.convert("RGB").resize((512, 512))
def prepare_controlnet_maps(self, image, keep_environment=False):
"""
ERSTELLT NUR CONDITIONING-MAPS, generiert KEIN Bild.
"""
print("#" * 80)
print("# 🎯 STARTE CONTROLNET CONDITIONING-MAP ERSTELLUNG")
print("#" * 80)
print(f"📐 Eingabebild-Größe: {image.size}")
print(f"🎛️ Modus: {'Depth + Canny' if keep_environment else 'OpenPose + Canny'}")
if keep_environment:
print(" Modus: Depth + Canny")
print(" Schritt 1/2: Extrahiere Depth Map...")
depth_map = self.extract_depth_map(image)
print(" Schritt 2/2: Extrahiere Canny Edges...")
canny_map = self.extract_canny_edges(image)
conditioning_images = [depth_map, canny_map]
extra_maps = {"depth": depth_map, "canny": canny_map} # NEU
else:
print(" Modus: OpenPose + Canny")
print(" Schritt 1/2: Extrahiere Pose Map...")
pose_map = self.extract_pose(image)
print(" Schritt 2/2: Extrahiere Canny Edges...")
canny_map = self.extract_canny_edges(image)
conditioning_images = [pose_map, canny_map]
extra_maps = {"pose": pose_map, "canny": canny_map}
print("-" * 60)
print(f"✅ {len(conditioning_images)} CONDITIONING-MAPS ERSTELLT")
for i, img in enumerate(conditioning_images):
print(f" Map {i+1}: {img.size}, Modus: {img.mode}")
print("#" * 80)
return conditioning_images, extra_maps
# Globale Instanz
device = "cuda" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if device == "cuda" else torch.float32
controlnet_processor = ControlNetProcessor(device=device, torch_dtype=torch_dtype) |