File size: 2,773 Bytes
93785e4 8b8a156 93785e4 8b8a156 93785e4 | 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 | import os
import numpy as np
import streamlit as st
import tensorflow as tf
from PIL import Image
IMG_HEIGHT = 128
IMG_WIDTH = 128
st.set_page_config(
page_title="BSDS500 Denoising Autoencoder",
layout="centered"
)
st.title("🧼 BSDS500 Denoising Autoencoder")
st.write(
"""
Deze app gebruikt een **convolutionele autoencoder** om ruis uit afbeeldingen te halen.
Upload een foto (JPG/PNG), kies hoeveel ruis je wilt toevoegen, en bekijk het resultaat.
"""
)
@st.cache_resource(show_spinner=True)
def load_model():
# model staat in dezelfde map als dit bestand (src/)
current_dir = os.path.dirname(os.path.abspath(__file__))
model_path = os.path.join(current_dir, "bsds500_denoising_autoencoder.h5")
if not os.path.exists(model_path):
st.error(f"Modelbestand niet gevonden op pad:\n`{model_path}`")
return None
try:
model = tf.keras.models.load_model(model_path, compile=False)
return model
except Exception as e:
st.error(f"❌ Kon het model niet laden: {e}")
return None
model = load_model()
if model is None:
st.stop()
def preprocess_image(image: Image.Image):
image = image.convert("RGB")
image = image.resize((IMG_WIDTH, IMG_HEIGHT))
img_array = np.array(image).astype("float32") / 255.0
return img_array
def add_noise(img_array: np.ndarray, noise_factor: float):
noise = np.random.normal(0.0, 1.0, img_array.shape)
noisy = img_array + noise_factor * noise
return np.clip(noisy, 0.0, 1.0)
def denoise_image(noisy_array: np.ndarray):
inp = np.expand_dims(noisy_array, axis=0)
reconstructed = model.predict(inp, verbose=0)[0]
return reconstructed
uploaded_file = st.file_uploader(
"📁 Upload een afbeelding",
type=["jpg", "jpeg", "png"]
)
noise_factor = st.slider(
"📉 Hoeveel ruis toevoegen?",
min_value=0.0,
max_value=0.5,
value=0.1,
step=0.01
)
run_button = st.button("✨ Maak reconstructie")
if uploaded_file is not None:
pil_image = Image.open(uploaded_file)
clean_img = preprocess_image(pil_image)
col1, col2, col3 = st.columns(3)
with col1:
st.subheader("Origineel")
st.image(clean_img, use_container_width=True)
if run_button:
noisy_img = add_noise(clean_img, noise_factor)
reconstructed_img = denoise_image(noisy_img)
with col2:
st.subheader("Noisy")
st.image(noisy_img, use_container_width=True)
with col3:
st.subheader("Reconstructed")
st.image(reconstructed_img, use_container_width=True)
else:
st.info("Klik op **'✨ Maak reconstructie'** om de autoencoder te gebruiken.")
else:
st.warning("Upload eerst een afbeelding (JPG/PNG).")
|