Edit app.py

app.py

@@ -9,6 +9,12 @@ from tensorflow.keras.preprocessing import image
 from preprocessing.zoom import apply_zoom
 from preprocessing.hair_removal import quitar_pelos
 from preprocessing.segmentation import segmentar_lesion
+from preprocessing.metrics import (
+    calcular_area,
+    calcular_perimetro,
+    calcular_circularidad,
+    calcular_simetria
+)
 
 # Tamaño de entrada del modelo
 ROWS, COLS = 224, 224
@@ -42,10 +48,23 @@ def preprocess_and_predict(img_input):
     classes = ["Benign", "Malignant"]
     pred_idx = np.argmax(probs)
     pred_label = classes[pred_idx]
-
     result_text = f"Predicción: {pred_label} ({probs[pred_idx]*100:.2f}%)"
 
-    return mask, lesion_rgb, result_text
+    # 6. Calcular métricas geométricas
+    area = calcular_area(mask)
+    perim = calcular_perimetro(mask)
+    circ = calcular_circularidad(mask)
+    sim_v, sim_h = calcular_simetria(mask)
+
+    metrics_text = (
+        f"Área: {area}\n"
+        f"Perímetro: {perim}\n"
+        f"Circularidad: {circ}\n"
+        f"Simetría Vertical: {sim_v}\n"
+        f"Simetría Horizontal: {sim_h}"
+    )
+
+    return mask, lesion_rgb, result_text, metrics_text
 
 # === Interfaz Gradio ===
 demo = gr.Interface(
@@ -54,12 +73,12 @@ demo = gr.Interface(
     outputs=[
         gr.Image(type="numpy", label="Máscara Binaria"),
         gr.Image(type="numpy", label="Lesión Segmentada"),
-        gr.Textbox(label="Resultado del Modelo")
+        gr.Textbox(label="Resultado del Modelo"),
+        gr.Textbox(label="Métricas de la Lesión")
     ],
     title="DermaScan - Clasificación de Lesiones",
-    description="Sube una imagen de piel. El sistema segmenta la lesión, muestra la máscara y la predicción (benigno vs maligno)."
+    description="Sube una imagen de piel. El sistema segmenta la lesión, muestra la máscara, la predicción y métricas geométricas."
 )
 
 if __name__ == "__main__":
     demo.launch()
-