Update sam_module.py

sam_module.py

@@ -208,7 +208,7 @@ def create_sam_mask(self, image, bbox_coords, mode):
             mask_np = resized_mask.sigmoid().cpu().numpy()
             print(f"   🔄 Beste Maske skaliert auf 512×512 für ControlNet")
             
-        
+            
             # ============================================================
             # DYNAMISCHER THRESHOLD 
             # SAM gibt nur Wahrscheinlichkeiten aus!
@@ -225,8 +225,9 @@ def create_sam_mask(self, image, bbox_coords, mode):
                 dynamic_threshold = max(0.15, mask_max * 0.3)  # Moderater Threshold
                 print(f"   ✅ Gute Maske. Threshold={dynamic_threshold:.3f}")
             
-            # Binärmaske erstellen
+            # Binärmaske erstellen (256x256)
             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:
@@ -240,6 +241,9 @@ def create_sam_mask(self, image, bbox_coords, mode):
                 fb_x2 = int(x2 * scale_x)
                 fb_y2 = int(y2 * scale_y)
                 cv2.rectangle(mask_array, (fb_x1, fb_y1), (fb_x2, fb_y2), 255, -1)
+
+            # Damit wird die Rohmaske für die UI-Anzeige gespeichert
+            raw_mask_array = mask_array.copy()
             
             # FOCUS_CHANGE POSTPROCESSING (angepasst für 512x512)
             print("🔧 FOCUS_CHANGE POSTPROCESSING (auf 512×512)")
@@ -263,7 +267,7 @@ def create_sam_mask(self, image, bbox_coords, mode):
             kernel_dilate = np.ones((15, 15), np.uint8)
             mask_array = cv2.dilate(mask_array, kernel_dilate, iterations=1)
             
-            # 3. Weiche Übergänge
+            # 3. Weiche Übergänge mittlerer Blur für natürliche Übergänge
             mask_array = cv2.GaussianBlur(mask_array, (9, 9), 2.0)
             
             # 4. Gamma-Korrektur
@@ -274,7 +278,8 @@ def create_sam_mask(self, image, bbox_coords, mode):
             
             # 5. Auf Originalgröße für Rückgabe (falls benötigt)
             mask_512 = Image.fromarray(mask_array).convert("L")
-            raw_mask = mask_512.copy()  # Rohmaske = finale Maske bei focus_change
+            #raw_mask = mask_512.copy()  # Rohmaske = finale Maske bei focus_change
+            raw_mask = Image.fromarray(raw_mask_array).convert("L")
             
             # Finale Maske für ControlNet ist 512x512
             mask = mask_512