Update app.py

app.py

@@ -13,35 +13,41 @@ def process_image(
     contrast, 
     saturation
 ):
+    """
+    업로드된 이미지를 파라미터(노이즈 제거, 샤프닝, 감마 보정, 밝기, 대비, 채도)에 따라
+    최종적으로 흑백 사진으로 변환하여 반환합니다.
+    """
+    
     # Pillow Image -> Numpy array 변환
     img_np = np.array(img)
+
     # ================ 1. 노이즈 제거 ================
-    # 채널 정보가 2D(흑백) 또는 3D(RGB)인지 확인
+    # 이미지를 RGB(3차원)인지, 흑백(2차원)인지 판별
     if len(img_np.shape) == 3:
-        # RGB 이미지인 경우
-        # scikit-image의 denoise 함수는 (H, W, C) 형태를 지원
-        sigma_est = np.mean(estimate_sigma(img_np, multichannel=True))
-        # denoise_strength를 h 값으로 사용 (임의 설정 가능)
+        # RGB 이미지의 경우 channel_axis=-1 사용
+        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,
-            multichannel=True,
+            channel_axis=-1,   # multichannel=True 대신 channel_axis=-1
             fast_mode=True
         )
     else:
-        # 그레이스케일(흑백)인 경우
-        sigma_est = np.mean(estimate_sigma(img_np, multichannel=False))
+        # 흑백(2차원) 이미지의 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,
-            multichannel=False,
+            channel_axis=None,  # multichannel=False 대신 channel_axis=None
             fast_mode=True
         )
-    denoised = np.clip(denoised, 0, 1)  # [0,1] 범위로 클리핑
+
+    # denoise 결과는 [0,1] 범위이므로, 다시 [0,255]로 변환
+    denoised = np.clip(denoised, 0, 1)
     denoised = (denoised * 255).astype(np.uint8)
     denoised_img = Image.fromarray(denoised)
 
@@ -50,6 +56,7 @@ 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)
@@ -81,10 +88,14 @@ def generate_output(
     contrast, 
     saturation
 ):
+    """
+    Gradio에서 호출되는 함수로, 변환된 흑백 이미지를 
+    바로 표시할 이미지와 다운로드용 파일로 함께 반환합니다.
+    """
     if input_image is None:
         return None, None
     
-    # 변환된 이미지
+    # 1) 변환된 이미지 (PIL)
     transformed = process_image(
         input_image, 
         denoise_strength, 
@@ -95,19 +106,21 @@ def generate_output(
         saturation
     )
     
-    # 다운로드 가능한 JPG 파일 생성
+    # 2) 다운로드 가능한 JPG 파일 생성
     with io.BytesIO() as output:
         transformed.save(output, format="JPEG")
         contents = output.getvalue()
     
-    # 변환된 이미지와 함께, Gradio의 File 형식으로 (파일 bytes, MIME 타입, 다운로드 시 파일명) 반환
-    return transformed, (contents, "image/jpeg", "transformed.jpg")
+    # 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
+    return transformed, file_data
 
 def main():
     with gr.Blocks() as demo:
         gr.Markdown("## 흑백 분위기 사진 변환 데모")
 
-        # 이미지 업로드
         with gr.Row():
             input_image = gr.Image(
                 label="원본 이미지 업로드",
@@ -140,10 +153,15 @@ def main():
             label="채도 (saturation)"
         )
 
-        # 결과 영역
+        # 결과(변환된 이미지, 다운로드 버튼)
         with gr.Row():
-            output_image = gr.Image(label="변환된 이미지", height=300)
-            download_file = gr.File(label="JPG 다운로드")
+            output_image = gr.Image(
+                label="변환된 이미지", 
+                height=300
+            )
+            download_file = gr.File(
+                label="JPG 다운로드"
+            )
 
         # 변환 실행 버튼
         btn = gr.Button("변환 실행")
@@ -161,10 +179,10 @@ def main():
             outputs=[output_image, download_file]
         )
         
-        # 원본 vs 결과 비교 버튼
+        # 원본 vs 결과 비교
         compare_output = gr.Image(
             type="pil", 
-            label="비교 결과 이미지", 
+            label="원본 vs 변환본 비교 결과",
             height=300
         )
         compare_btn = gr.Button("원본 vs 변환본 비교")
@@ -189,13 +207,14 @@ def main():
                 contrast, 
                 saturation
             )
-            # 두 이미지를 가로로 합쳐서 하나의 이미지로 만들기
+            # 두 이미지를 가로로 합쳐 하나의 이미지로 만든다
             input_w, input_h = input_image.size
             transformed_w, transformed_h = transformed.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))