Update app.py

app.py

@@ -17,32 +17,34 @@ def process_image(
     업로드된 이미지를 파라미터(노이즈 제거, 샤프닝, 감마 보정, 밝기, 대비, 채도)에 따라
     최종적으로 흑백 사진으로 변환하여 반환합니다.
     """
-    
+    # 혹시 모를 Alpha 채널 문제 방지 (4채널 -> 3채널)
+    img = img.convert("RGB")  # RGBA인 경우에도 RGB로 강제 변환
+
     # Pillow Image -> Numpy array 변환
     img_np = np.array(img)
 
     # ================ 1. 노이즈 제거 ================
-    # 이미지를 RGB(3차원)인지, 흑백(2차원)인지 판별
+    # 이미지가 RGB(3차원)인지, 흑백(2차원)인지 판별
     if len(img_np.shape) == 3:
-        # RGB 이미지의 경우 channel_axis=-1 사용
+        # RGB 이미지의 경우 channel_axis=-1
         sigma_est = np.mean(estimate_sigma(img_np, channel_axis=-1))
         denoised = denoise_nl_means(
             img_np,
             h=denoise_strength * sigma_est,
             patch_size=5,
             patch_distance=3,
-            channel_axis=-1,   # multichannel=True 대신 channel_axis=-1
+            channel_axis=-1,  
             fast_mode=True
         )
     else:
-        # 흑백(2차원) 이미지의 경우 channel_axis=None
+        # 흑백(2차원) 이미지인 경우 channel_axis=None
         sigma_est = np.mean(estimate_sigma(img_np, channel_axis=None))
         denoised = denoise_nl_means(
             img_np,
             h=denoise_strength * sigma_est,
             patch_size=5,
             patch_distance=3,
-            channel_axis=None,  # multichannel=False 대신 channel_axis=None
+            channel_axis=None,  
             fast_mode=True
         )
 
@@ -56,7 +58,6 @@ def process_image(
     sharpened_img = enhancer_sharpness.enhance(sharpen_strength)
 
     # ================ 3. 감마 보정 ================
-    # Pillow에 감마 보정이 없으므로, NumPy로 처리
     gamma_np = np.array(sharpened_img).astype(np.float32) / 255.0
     gamma_corrected = np.power(gamma_np, 1.0 / gamma)
     gamma_corrected = (gamma_corrected * 255).astype(np.uint8)
@@ -95,7 +96,7 @@ def generate_output(
     if input_image is None:
         return None, None
     
-    # 1) 변환된 이미지 (PIL)
+    # 변환된 이미지
     transformed = process_image(
         input_image, 
         denoise_strength, 
@@ -106,7 +107,7 @@ def generate_output(
         saturation
     )
     
-    # 2) 다운로드 가능한 JPG 파일 생성
+    # 다운로드 가능한 JPG 파일 생성
     with io.BytesIO() as output:
         transformed.save(output, format="JPEG")
         contents = output.getvalue()
@@ -114,7 +115,7 @@ def generate_output(
     # Gradio의 File 형식: (파일 바이트, MIME 타입, 다운로드 시 표시될 파일명)
     file_data = (contents, "image/jpeg", "transformed.jpg")
 
-    # 변환된 이미지를 Gradio의 Image로 보여주고, 다운로드도 할 수 있게끔 두 가지를 반환
+    # 변환된 이미지를 그리디오 Image로 보여주고, 다운로드 파일도 함께 반환
     return transformed, file_data
 
 def main():
@@ -198,6 +199,7 @@ def main():
         ):
             if input_image is None:
                 return None
+            # 변환
             transformed = process_image(
                 input_image, 
                 denoise_strength, 
@@ -207,16 +209,18 @@ def main():
                 contrast, 
                 saturation
             )
-            # 두 이미지를 가로로 합쳐 하나의 이미지로 만든다
-            input_w, input_h = input_image.size
-            transformed_w, transformed_h = transformed.size
+            # 두 이미지를 가로로 합침
+            input_image_rgb = input_image.convert("RGB")
+            transformed_rgb = transformed.convert("RGB")
+
+            input_w, input_h = input_image_rgb.size
+            transformed_w, transformed_h = transformed_rgb.size
             new_w = input_w + transformed_w
             new_h = max(input_h, transformed_h)
 
             new_image = Image.new("RGB", (new_w, new_h))
-            # 원본(RGB), 변환본(RGB)
-            new_image.paste(input_image.convert("RGB"), (0, 0))
-            new_image.paste(transformed.convert("RGB"), (input_w, 0))
+            new_image.paste(input_image_rgb, (0, 0))
+            new_image.paste(transformed_rgb, (input_w, 0))
 
             return new_image