Update app.py

app.py

@@ -1,31 +1,33 @@
-import streamlit as st
-import numpy as np
-from tensorflow.keras.models import load_model
-from tensorflow.keras.preprocessing import image
-
-# Modeli yükle
-model = load_model('model.h5')  # Modelinizi burada yükleyin
-
-# Uygulama başlığı
-st.title("🩺 Pneumonia Classification App")
-st.write("📷 **X-ray görüntüsünü yükleyin ve pnömoni olup olmadığını kontrol edin.**")
-
-# Dosya yükleme alanı
-uploaded_file = st.file_uploader("🖼️ Resim yükle", type=["jpeg", "jpg", "png"])
-
-if uploaded_file is not None:
-    # Resmi yükle
-    img = image.load_img(uploaded_file, target_size=(150, 150))
-    st.image(img, caption='Yüklenen Resim', use_column_width=True)
-    st.write("")
-    st.write("🔍 **Tahmin ediliyor...**")
-
-    # Resmi işleyin ve model ile tahmin yapın
-    img_array = image.img_to_array(img)
-    img_array = np.expand_dims(img_array, axis=0) / 255.0  # Normalizasyon
-
-    prediction = model.predict(img_array)
-    class_names = ['🟢 Normal', '🔴 Pneumonia']
-    predicted_class = class_names[int(prediction[0] > 0.5)]
-
-    st.success(f"✅ **Tahmin: {predicted_class}**" if predicted_class == '🟢 Normal' else f"🚨 **Tahmin: {predicted_class}**")
+import streamlit as st
+import numpy as np
+from tensorflow.keras.models import load_model
+from tensorflow.keras.preprocessing import image
+from PIL import Image  # Pillow'u import edin
+
+# Modeli yükle
+model = load_model('model.h5')  # Modelinizi burada yükleyin
+
+# Uygulama başlığı
+st.title("🩺 Pneumonia Classification App")
+st.write("📷 **X-ray görüntüsünü yükleyin ve pnömoni olup olmadığını kontrol edin.**")
+
+# Dosya yükleme alanı
+uploaded_file = st.file_uploader("🖼️ Resim yükle", type=["jpeg", "jpg", "png"])
+
+if uploaded_file is not None:
+    # Resmi yükle ve Pillow kullanarak aç
+    img = Image.open(uploaded_file)  
+    img = img.resize((150, 150))  # Resmi hedef boyuta yeniden boyutlandırın
+    st.image(img, caption='Yüklenen Resim', use_column_width=True)
+    st.write("")
+    st.write("🔍 **Tahmin ediliyor...**")
+
+    # Resmi işleyin ve model ile tahmin yapın
+    img_array = image.img_to_array(img)
+    img_array = np.expand_dims(img_array, axis=0) / 255.0  # Normalizasyon
+
+    prediction = model.predict(img_array)
+    class_names = ['🟢 Normal', '🔴 Pneumonia']
+    predicted_class = class_names[int(prediction[0] > 0.5)]
+
+    st.success(f"✅ **Tahmin: {predicted_class}**" if predicted_class == '🟢 Normal' else f"🚨 **Tahmin: {predicted_class}**")