Update app.py

app.py

@@ -1,7 +1,44 @@
 import gradio as gr
+from huggingface_hub import hf_hub_download
+model_path = hf_hub_download(repo_id="Bmo411/DenoisingAutoencoder", filename="autoencoder_complete_model_Fourier.keras")
+import tensorflow as tf
 
-def greet(imagen):
-    return imagen
+def degrade_image(image, downscale_factor=4):
+    """Reduce la calidad de la imagen reduciendo su tamaño y volviéndola a escalar."""
+    h, w = image.shape[:2]
 
-demo = gr.Interface(fn=greet, inputs="image", outputs="image")
+    # Reducir tamaño (forzando pérdida de calidad)
+    small_img = cv2.resize(image, (w // downscale_factor, h // downscale_factor), interpolation=cv2.INTER_AREA)
+
+    # Volver a escalarla al tamaño original SIN mejorar calidad (interpolación brusca)
+    degraded_img = cv2.resize(small_img, (w, h), interpolation=cv2.INTER_NEAREST)
+
+    return degraded_img
+
+def preprocess_image(image, std_dev=0.1, downscale_factor=4, target_size=(256, 256)):
+    """Recibe una imagen en numpy array, la degrada en calidad, le agrega ruido y la normaliza."""
+    
+    # Reducir calidad primero
+    degraded_img = degrade_image(image, downscale_factor)
+
+    # Redimensionar a tamaño esperado por el modelo
+    resized_img = cv2.resize(degraded_img, target_size, interpolation=cv2.INTER_AREA)
+    
+    # Normalizar
+    resized_img = resized_img.astype(np.float32) / 255.0
+
+    # Agregar ruido gaussiano
+    noise = np.random.normal(0, std_dev, resized_img.shape)  # Media=0, desviación estándar=std_dev
+    noisy_img = resized_img + noise  # Sumar el ruido a la imagen
+    noisy_img = np.clip(noisy_img, 0, 1)  # Asegurar valores en el rango [0,1]
+
+    return noisy_img
+
+def Denoiser(imagen):
+    model = tf.keras.models.load_model("autoencoder_complete_model_Fourier.keras", compile=True) 
+    image = preprocess_image(imagen)
+    reconstruct = model.predict(image)
+    return image,recostruct 
+    
+demo = gr.Interface(fn=greet, inputs="image", outputs=["image","reconstruct"], ou)
 demo.launch()