Update app.py

app.py

@@ -5,29 +5,29 @@ from PIL import Image, ImageOps
 
 # Cargar modelo
 model = tf.keras.models.load_model("quickdraw_model.keras")
-etiquetas = ['car', 'cloud', 'moon']  # AJUSTA según tu modelo
+etiquetas = ['car', 'cloud', 'moon']  # Ajusta según tu modelo
 
 def preprocesar_imagen(image):
-    if image is None:
-        raise ValueError("No se recibió imagen.")
+    # Si la imagen viene como np.ndarray, conviértela a PIL
+    if isinstance(image, np.ndarray):
+        image = Image.fromarray(image)
     if image.mode in ('RGBA', 'LA'):
         image = image.convert('RGB')
     image = image.convert('L')
     image = ImageOps.invert(image)
     image = image.resize((28, 28), Image.NEAREST)
     arr = np.array(image) / 255.0
-    return arr
+    return arr, image  # Regresamos el array (para el modelo) y el PIL (para mostrar)
 
 def predict(image):
     try:
-        arr = preprocesar_imagen(image)
-        imagen_procesada = (arr * 255).astype(np.uint8)
+        arr, img_procesada_pil = preprocesar_imagen(image)
         entrada = arr.reshape(1, 784)
         preds = model.predict(entrada)
         class_idx = np.argmax(preds)
-        return {etiquetas[class_idx]: float(preds[0][class_idx])}, imagen_procesada
+        # Devolvemos: predicción, imagen preprocesada (como PIL)
+        return {etiquetas[class_idx]: float(preds[0][class_idx])}, img_procesada_pil
     except Exception as e:
-        # Esto muestra el error en la interfaz de Gradio
         return f"Error: {str(e)}", None
 
 iface = gr.Interface(