Update app.py

app.py

@@ -244,7 +244,7 @@ def scale_image_and_mask_together(image, mask, target_size=512, bbox_coords=None
     return padded_image, padded_mask, padding_info
 
 
-
+# Composition Workflow nach Ausgabe ControlnetInpaint-Pipeline
 def enhanced_composite_with_sam(original_image, inpaint_result, original_mask, 
                                 padding_info, bbox_coords, mode):
     """
@@ -437,139 +437,6 @@ def enhanced_composite_with_sam(original_image, inpaint_result, original_mask,
     return final_image.convert("RGB")
 
 
-# Composition Workflow nach Ausgabe ControlnetInpaint-Pipeline
-def enhanced_composite_with_sam(original_image, inpaint_result, original_mask, 
-                                padding_info, bbox_coords, mode):
-    """
-    COMPOSITING MIT SAM-MASKEN UND BBox-KOORDINATEN
-    Berücksichtigt die präzisen Kanten der SAM-Maske
-    """
-    print(f"🎨 Verbessertes Compositing für Modus: {mode}")
-    
-    # Extrahiere Padding-Info
-    x_offset = padding_info['x_offset']
-    y_offset = padding_info['y_offset']
-    scaled_width = padding_info['scaled_width']
-    scaled_height = padding_info['scaled_height']
-    scale_factor = padding_info['scale_factor']
-    original_width = padding_info['original_width']
-    original_height = padding_info['original_height']
-    
-    # ==============================================
-    # FALL 1: Bild war bereits 512×512 (keine Skalierung)
-    # ==============================================
-    if scale_factor == 1.0 and x_offset == 0 and y_offset == 0:
-        print(f"✅ FALL 1: Bild 512×512 - kein Compositing nötig")
-        return inpaint_result
-    
-    # ==============================================
-    # FALL 2 & 3: Bild wurde skaliert
-    # ==============================================
-    print(f"🔄 FALL 2/3: Bild skaliert - Compositing mit SAM-Maske")
-    
-    # 1. PADDING ENTFERNEN von 512×512 Ergebnis
-    downscaled_result = inpaint_result.crop(
-        (x_offset, y_offset, x_offset + scaled_width, y_offset + scaled_height)
-    )
-    
-    # 2. AUF ORIGINALGRÖßE SKALIEREN
-    final_image = original_image.copy()
-    
-    if mode == "environment_change":
-        # ==============================================
-        # MODUS: UMWELT ÄNDERN (Objekt bleibt original)
-        # In dem Fall muß die BBox nicht berücksichtigt werden da Originalbild ausgeschnitten wird
-        # anhand der SAM-Maske
-        # ==============================================
-        print("🌳 Modus: Umwelt ändern mit SAM-Maske")
-        
-        # Gesamtes bearbeitetes Bild hochskalieren
-        new_background = downscaled_result.resize(
-            (original_width, original_height), 
-            Image.Resampling.LANCZOS
-        )
-        
-        # Originalbild mit SAM-Maske einfügen
-        original_with_alpha = original_image.copy().convert("RGBA")
-        
-        # Invertierte Maske für Objekterhalt
-        mask_inverted = Image.eval(original_mask, lambda x: 255 - x)
-        
-        # Weiche Kanten für natürlichen Übergang
-        soft_mask = mask_inverted.filter(ImageFilter.GaussianBlur(3))
-        original_with_alpha.putalpha(soft_mask)
-        
-        # Compositing
-        final_image = new_background.copy().convert("RGBA")
-        final_image.paste(original_with_alpha, (0, 0), original_with_alpha)
-        
-    else:
-        # ==============================================
-        # MODUS: FOCUS oder GESICHT ÄNDERN
-        # Hier muß die BBox berücksichtigt werden da generiertes Bild ausgeschnitten wird
-        # ohne die BBox wird entlang der SAM-Maske geschnitten -> ungenau!
-        # ==============================================
-        mode_name = "Focus" if mode == "focus_change" else "Gesicht"
-        print(f"👤 Modus: {mode_name} ändern mit SAM-Maske")
-        
-        if not bbox_coords or not all(c is not None for c in bbox_coords):
-            # Keine BBox: gesamtes Bild zurückgeben
-            final_image = downscaled_result.resize(
-                (original_width, original_height), 
-                Image.Resampling.LANCZOS
-            )
-            return final_image.convert("RGB")
-
-
-        #BBox-Koordinaten korrekt transformieren
-        #Die BBox-Koordinaten müssen vom Originalbild nach 512x512 transformiert werden
-        bbox_scaled = (
-            int(bbox_coords[0] * scale_factor),
-            int(bbox_coords[1] * scale_factor),
-            int(bbox_coords[2] * scale_factor),
-            int(bbox_coords[3] * scale_factor)         
-         )
-
-
-        #Mit den Padding-Offsets wird bei nicht quadratischen 512x512 Bildern
-        #das Padding hinzugefügt
-        bbox_in_512 = (
-            bbox_scaled[0] + x_offset,
-            bbox_scaled[1] + y_offset,
-            bbox_scaled[2] + x_offset,
-            bbox_scaled[3] + y_offset
-        )
-
-        if bbox_in_512[2] > bbox_in_512[0] and bbox_in_512[3] > bbox_in_512[1]:
-            # Bearbeiteten Bereich aus dem 512×512-Ergebnis ausschneiden
-            edited_region = inpaint_result.crop(bbox_in_512)
-
-            
-            # Auf ORIGINAL-BBox-Größe skalieren
-            original_bbox_size = (bbox_coords[2] - bbox_coords[0], 
-                                  bbox_coords[3] - bbox_coords[1])
-            edited_region_fullsize = edited_region.resize(
-                original_bbox_size, 
-                Image.Resampling.LANCZOS
-            )
-            
-            # SAM-Maske für den Bereich zuschneiden und weichzeichnen
-            mask_cropped = original_mask.crop(bbox_coords)
-            soft_mask = mask_cropped.filter(ImageFilter.GaussianBlur(3))
-            
-            # Alpha-Compositing mit präziser SAM-Maske
-            edited_rgba = edited_region_fullsize.convert("RGBA")
-            mask_rgba = soft_mask.convert("L") # SAM-Maske als Alpha-Kanal
-            
-            temp_image = Image.new("RGBA", original_bbox_size, (0, 0, 0, 0))
-            temp_image.paste(edited_rgba, (0, 0), mask_rgba)
-            
-            final_image.paste(temp_image, (bbox_coords[0], bbox_coords[1]), temp_image)
-    
-    print(f"✅ Korrektes Compositing abgeschlossen. Finale Größe: {final_image.size}")
-    
-    return final_image.convert("RGB")
-
 
 def auto_detect_face_area(image):
     """Optimierten Vorschlag für Gesichtsbereich ohne externe Bibliotheken"""