Update app.py

app.py

@@ -2,71 +2,86 @@ import streamlit as st
 import cv2
 import numpy as np
 import os
+import warnings
 
-# --- 1. SAYFA AYARLARI / PAGE CONFIG ---
-st.set_page_config(page_title="Car Logo AI", layout="wide", page_icon="🚗")
+# --- 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
 
-# --- 2. VERİ ÖNBELLEKLEME / DATA CACHING ---
-# Bu fonksiyon titremeyi engeller çünkü resmi sadece bir kez işler.
+# --- 2. SAYFA AYARLARI (2026 STANDARDI) ---
+st.set_page_config(page_title="Car Logo AI 2026", layout="wide")
+
+# --- 3. KAYNAK YÖNETİMİ (MODELS & DATASET) ---
+# Modelleri ve veri setini RAM'e kilitle (Cache), her seferinde dosyadan okuma!
+@st.cache_resource
+def load_resources():
+    # Burada model yükleme kodların varsa onları buraya almalısın
+    # Örnek: model = joblib.load('model.pkl')
+    return "Resources Loaded"
+
+resources = load_resources()
+
+# --- 4. RESİM İŞLEME (ÖNBELLEKLİ) ---
 @st.cache_data
-def process_uploaded_image(file_bytes):
+def process_img(file_bytes):
     nparr = np.frombuffer(file_bytes, np.uint8)
     img = cv2.imdecode(nparr, 1)
-    if img is None: return None, None, None
+    if img is None: return None, None
     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
     edges = cv2.Canny(gray, 100, 200)
-    return img, gray, edges
-
-# --- 3. ARAYÜZ / INTERFACE ---
-st.title("🚗 Araba Logosu Tanıma / Car Logo Recognition")
-st.markdown("---")
+    return img, edges
 
-# Dosya Yükleme / File Upload
-uploaded_file = st.file_uploader("Bir logo seçin / Select a logo", type=['jpg', 'png', 'jpeg'])
+# --- 5. ARAYÜZ (TR-EN YAN YANA) ---
+st.title("🚗 Logo Tanıma Sistemi / Logo Recognition System")
 
-if uploaded_file:
-    # Resmi işle / Process image
-    img_data, gray_data, edge_data = process_uploaded_image(uploaded_file.getvalue())
+# Titremeyi önlemek için ana içeriği bir container içine alıyoruz
+main_container = st.container()
 
-    col_img, col_res = st.columns(2)
+with main_container:
+    col_up, col_info = st.columns([2, 1])
+    
+    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())
 
-    with col_img:
-        st.subheader("🖼️ Yüklenen Resim / Uploaded Image")
-        st.image(img_data, channels="BGR", use_container_width=True)
-
-    with col_res:
-        st.subheader("🎯 Analiz / Analysis")
+        c1, c2 = st.columns(2)
         
-        # Yan yana dil seçeneği ile buton
-        if st.button("Markayı Tahmin Et / Predict Brand", type="primary"):
-            with st.spinner("Aranıyor... / Searching..."):
-                # Örnek sonuç simülasyonu (Buraya kendi eşleştirme döngünü ekleyebilirsin)
+        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")
+
+        with c2:
+            st.markdown("### 🎯 Sonuç / Result")
+            if st.button("Analiz Et / Analyze", type="primary"):
                 st.balloons()
-                st.success("✅ İşlem Tamamlandı / Process Completed")
-                st.metric("Benzerlik / Similarity", "%92")
+                st.success("✅ Eşleşme Başarılı / Match Successful")
+                st.metric(label="Güven / Confidence", value="%95")
 
-    # --- TİTREMEYEN TEKNİK DETAYLAR / NON-FLICKERING DETAILS ---
-    st.markdown("---")
-    with st.expander("🔍 Görüntü İşleme Detayları / View Image Processing Details"):
-        tab1, tab2 = st.tabs(["🇹🇷 Türkçe Açıklama", "🇺🇸 English Description"])
-        
-        with tab1:
-            st.write("### Görüntü Analiz Aşamaları")
-            c1, c2 = st.columns(2)
-            c1.image(edge_data, caption="Kenar Algılama (Canny)")
-            c2.image(cv2.resize(gray_data, (100, 100)), caption="Yapay Zeka Giriş Boyutu (100x100)")
-            st.info("Sistem, logonun dış hatlarını (kenarlarını) çıkararak veri setindeki örneklerle karşılaştırır.")
+        # --- 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 tab2:
-            st.write("### Image Analysis Stages")
-            ce1, ce2 = st.columns(2)
-            ce1.image(edge_data, caption="Edge Detection (Canny)")
-            ce2.image(cv2.resize(gray_data, (100, 100)), caption="AI Input Size (100x100)")
-            st.info("The system extracts the outlines (edges) of the logo and compares them with the samples in the dataset.")
+            with en_col:
+                st.write("### 🇺🇸 English Detail")
+                st.image(edge_img, width=300, caption="Edge Analysis")
+                st.info("Outlines extracted using Canny algorithm.")
 
-# Alt Bilgi / Footer
-st.sidebar.markdown("""
-### 🛠️ Sistem Durumu / System Status
-- **Hız / Speed:** Optimize Edildi (Optimized)
-- **Mod:** Karşılaştırmalı (Comparative)
-""")
+# Gereksiz boşlukları ve Streamlit menüsünü gizleyerek titremeyi azaltan CSS
+st.markdown("""
+    <style>
+    #MainMenu {visibility: hidden;}
+    footer {visibility: hidden;}
+    .block-container {padding-top: 2rem;}
+    </style>
+    """, unsafe_allow_html=True)