Update app.py

app.py

@@ -4,84 +4,124 @@ import numpy as np
 import os
 import warnings
 
-# --- 1. SİNSİ HATALARI VE UYARILARI SUSTUR (TİTREME ENGELLEYİCİ) ---
-os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3' # TensorFlow loglarını sustur
-warnings.filterwarnings('ignore') # Versiyon uyuşmazlığı uyarılarını gizle
+# --- 1. SİNSİ HATALARI SUSTUR (2026 OPTİMİZASYONU) ---
+os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3' 
+warnings.filterwarnings('ignore') 
 
-# --- 2. SAYFA AYARLARI (2026 STANDARDI) ---
-st.set_page_config(page_title="Car Logo AI 2026", layout="wide")
+# --- 2. SAYFA AYARLARI / PAGE CONFIG ---
+st.set_page_config(page_title="Car Logo AI Pro 2026", layout="wide", page_icon="🚗")
 
-# --- 3. KAYNAK YÖNETİMİ (MODELS & DATASET) ---
-# Modelleri ve veri setini RAM'e kilitle (Cache), her seferinde dosyadan okuma!
+# --- 3. VERİ SETİNİ BELLEĞE YÜKLE (TİTREMEYİ ÖNLEYEN ANA YER) ---
 @st.cache_resource
-def load_resources():
-    # Burada model yükleme kodların varsa onları buraya almalısın
-    # Örnek: model = joblib.load('model.pkl')
-    return "Resources Loaded"
+def load_car_dataset(base_path):
+    dataset = []
+    # Eğer klasör yoksa hata verme, ana dizine bak
+    if not os.path.exists(base_path):
+        image_files = [f for f in os.listdir('.') if f.lower().endswith(('.png', '.jpg', '.jpeg'))]
+        for f in image_files:
+            img = cv2.imread(f, 0)
+            if img is not None:
+                dataset.append((f, cv2.resize(img, (100, 100))))
+    else:
+        for root, dirs, files in os.walk(base_path):
+            for file in files:
+                if file.lower().endswith(('.png', '.jpg', '.jpeg')):
+                    full_path = os.path.join(root, file)
+                    img = cv2.imread(full_path, 0)
+                    if img is not None:
+                        dataset.append((full_path, cv2.resize(img, (100, 100))))
+    return dataset
 
-resources = load_resources()
+# Veri setini yükle (32 markalık klasörü tara)
+dataset = load_car_dataset('Car_Logo_Dataset')
 
-# --- 4. RESİM İŞLEME (ÖNBELLEKLİ) ---
+# --- 4. RESİM İŞLEME FONKSİYONU ---
 @st.cache_data
-def process_img(file_bytes):
+def process_uploaded_image(file_bytes):
     nparr = np.frombuffer(file_bytes, np.uint8)
     img = cv2.imdecode(nparr, 1)
-    if img is None: return None, None
+    if img is None: return None, None, None
     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
     edges = cv2.Canny(gray, 100, 200)
-    return img, edges
+    return img, gray, edges
 
-# --- 5. ARAYÜZ (TR-EN YAN YANA) ---
-st.title("🚗 Logo Tanıma Sistemi / Logo Recognition System")
+# --- 5. ARAYÜZ TASARIMI / UI DESIGN ---
+st.title("🚗 Araba Logosu Tanıma Sistemi / Car Logo Recognition")
+st.markdown("---")
 
-# Titremeyi önlemek için ana içeriği bir container içine alıyoruz
-main_container = st.container()
+# Sol ve Sağ Kolon Ayarı
+col_ui, col_res = st.columns([1, 1], gap="large")
 
-with main_container:
-    col_up, col_info = st.columns([2, 1])
+with col_ui:
+    st.subheader("📤 Yükleme Paneli / Upload Panel")
+    uploaded_file = st.file_uploader("Bir logo seçin / Select a logo", type=['jpg', 'png', 'jpeg'])
     
-    with col_up:
-        uploaded_file = st.file_uploader("Resim Seç / Select Image", type=['jpg', 'png', 'jpeg'])
-    
-    if uploaded_file:
-        # getvalue() kullanımı 'buffer empty' hatasını ve titremeyi önler
-        raw_img, edge_img = process_img(uploaded_file.getvalue())
+    # Hassasiyet Sliderı
+    threshold = st.sidebar.slider("Hassasiyet / Sensitivity (Threshold)", 0.0, 1.0, 0.20)
+    st.sidebar.info(f"Sistemde yüklü referans sayısı: {len(dataset)}")
 
-        c1, c2 = st.columns(2)
-        
-        with c1:
-            st.markdown("### 🖼️ Görünüm / View")
-            # DİKKAT: use_container_width yerine width=700 kullanarak titremeyi kestik
-            st.image(raw_img, channels="BGR", width=500, caption="Orijinal / Original")
+if uploaded_file:
+    # Resmi işle (Önbellekten gelir, titreme yapmaz)
+    raw_img, gray_img, edge_img = process_uploaded_image(uploaded_file.getvalue())
 
-        with c2:
-            st.markdown("### 🎯 Sonuç / Result")
-            if st.button("Analiz Et / Analyze", type="primary"):
-                st.balloons()
-                st.success("✅ Eşleşme Başarılı / Match Successful")
-                st.metric(label="Güven / Confidence", value="%95")
+    with col_ui:
+        # 2026 Standartlarında sabit genişlik (Titremeyi önler)
+        st.image(raw_img, channels="BGR", width=450, caption="Yüklenen / Uploaded")
 
-        # --- TEKNİK DETAYLAR (EXPANDER TİTREMEZ) ---
-        st.divider()
-        with st.expander("🔍 Görüntü İşleme / Image Processing"):
-            # Türkçe ve İngilizce Yan Yana Kolonlar
-            tr_col, en_col = st.columns(2)
-            
-            with tr_col:
-                st.write("### 🇹🇷 Türkçe Detay")
-                st.image(edge_img, width=300, caption="Kenar Analizi")
-                st.info("Logonun dış hatları Canny algoritması ile çıkarıldı.")
+    with col_res:
+        st.subheader("🎯 Analiz Sonucu / Analysis Result")
+        
+        if st.button("ŞİMDİ TANI / PREDICT NOW", type="primary"):
+            with st.spinner("32 Marka Taranıyor... / Scanning..."):
+                # Karşılaştırma döngüsü
+                query = cv2.resize(gray_img, (100, 100))
+                best_score = -1
+                best_path = None
+                
+                for path, temp_img in dataset:
+                    res = cv2.matchTemplate(query, temp_img, cv2.TM_CCOEFF_NORMED)
+                    _, max_val, _, _ = cv2.minMaxLoc(res)
+                    if max_val > best_score:
+                        best_score = max_val
+                        best_path = path
+                
+                # MARKAYI YAZDIRMA BÖLÜMÜ
+                if best_path and best_score >= threshold:
+                    st.balloons()
+                    
+                    # Dosya yolundan 32 markadan hangisi olduğunu bul
+                    folder_name = os.path.basename(os.path.dirname(best_path))
+                    if not folder_name or folder_name == '.':
+                        folder_name = os.path.basename(best_path).split('.')[0]
+                    
+                    # İsmi temizle ve büyük harf yap
+                    brand_name = ''.join([i for i in folder_name if not i.isdigit() and i not in ['-', '_']]).strip().upper()
+                    
+                    st.success(f"### TAHMİN / PREDICTION: **{brand_name}**")
+                    st.metric("Benzerlik / Similarity", f"%{int(best_score*100)}")
+                    st.image(best_path, width=150, caption=f"Eşleşen: {brand_name}")
+                else:
+                    st.error("❌ Eşleşme Bulunamadı / Match Not Found")
+
+    # --- TEKNİK ANALİZ (TİTREMEYEN ALT BÖLÜM) ---
+    st.markdown("---")
+    with st.expander("🔍 Teknik Görüntü Analizi / Technical Image Analysis"):
+        tr_col, en_col = st.columns(2)
+        
+        with tr_col:
+            st.write("### 🇹🇷 Türkçe Analiz")
+            st.image(edge_img, width=300, caption="Canny Kenar Tespiti")
+            st.write(f"Logonun dış hatları çıkartıldı ve sistemdeki {len(dataset)} resimle karşılaştırıldı.")
 
-            with en_col:
-                st.write("### 🇺🇸 English Detail")
-                st.image(edge_img, width=300, caption="Edge Analysis")
-                st.info("Outlines extracted using Canny algorithm.")
+        with en_col:
+            st.write("### 🇺🇸 English Analysis")
+            st.image(edge_img, width=300, caption="Canny Edge Detection")
+            st.write(f"Outlines were extracted and compared with {len(dataset)} reference images.")
 
-# Gereksiz boşlukları ve Streamlit menüsünü gizleyerek titremeyi azaltan CSS
+# Stil Ayarları (2026 Görünümü)
 st.markdown("""
     <style>
-    #MainMenu {visibility: hidden;}
-    footer {visibility: hidden;}
-    .block-container {padding-top: 2rem;}
+    .stButton>button { height: 3em; font-size: 20px; font-weight: bold; }
+    .stMetric { background: #f0f2f6; padding: 10px; border-radius: 10px; }
     </style>
     """, unsafe_allow_html=True)