Update app.py

app.py

@@ -1,45 +1,49 @@
 import gradio as gr
 import tensorflow as tf
 import numpy as np
-import cv2
+from PIL import Image, ImageOps
 
-# Lista de etiquetas (ajusta según tus clases)
-etiquetas = ['apple', 'car', 'cloud', 'moon', 'stop sign']
-
-# Carga el modelo
+# Cargar el modelo
 model = tf.keras.models.load_model("quickdraw_model.keras")
 
-def procesar_imagen(image):
-    # Convertir a escala de grises si es necesario
-    if image.ndim == 3:
-        image = np.mean(image, axis=2)
-    # Redimensionar a 28x28
-    image = cv2.resize(image, (28, 28), interpolation=cv2.INTER_AREA)
-    # Normalizar (0-1)
-    image = image / 255.0
-    # Invertir colores: fondo negro, trazo blanco
-    image = 1.0 - image
-    return image  # NO lo aplanes aquí, así puedes mostrarlo
+# Tus etiquetas en el mismo orden de entrenamiento (ajusta si usaste otro orden)
+etiquetas = ['car', 'cloud', 'moon']
+
+def preprocesar_imagen(image):
+    # Si viene con canal alfa, elimina alfa
+    if image.mode in ('RGBA', 'LA'):
+        image = image.convert('RGB')
+    # Convertir a escala de grises
+    image = image.convert('L')
+    # Invertir (fondo blanco, trazo negro)
+    image = ImageOps.invert(image)
+    # Redimensionar a 28x28, SIN suavizar
+    image = image.resize((28, 28), Image.NEAREST)
+    # Normalizar a 0-1
+    arr = np.array(image) / 255.0
+    # (Opcional) Reinvertir si tu modelo espera trazo blanco y fondo negro
+    # arr = 1 - arr
+    return arr
 
 def predict(image):
-    image_proc = procesar_imagen(image)
-    # Para el modelo, sí lo aplanas
-    image_for_model = image_proc.reshape(1, 784)
-    preds = model.predict(image_for_model)
+    arr = preprocesar_imagen(image)
+    # Mostrar lo que ve la IA
+    imagen_procesada = (arr * 255).astype(np.uint8)
+    # Redimensionar para la IA (aplanar)
+    entrada = arr.reshape(1, 784)
+    preds = model.predict(entrada)
     class_idx = np.argmax(preds)
-    return etiquetas[class_idx], image_proc
+    return etiquetas[class_idx], imagen_procesada
 
 iface = gr.Interface(
     fn=predict,
-    inputs=gr.Image(image_mode='L', label="Dibuja o sube una imagen (trazo negro, fondo blanco)"),
+    inputs=gr.Image(label="Dibuja o sube una imagen (fondo blanco, trazo negro)"),
     outputs=[
         gr.Label(num_top_classes=1, label="Predicción"),
-        gr.Image(image_mode='L', label="Imagen preprocesada (lo que ve la IA)")
-
+        gr.Image(shape=(28, 28), label="Imagen preprocesada (lo que ve la IA)")
     ],
-    title="QuickDraw API (con imagen preprocesada)",
-    description="Sube tu dibujo (fondo blanco, trazo negro). La IA mostrará la predicción y la imagen final con la que realmente predice."
+    title="QuickDraw API",
+    description="API para reconocer dibujos estilo QuickDraw. Muestra la imagen preprocesada."
 )
 
-if __name__ == "__main__":
-    iface.launch()
+iface.launch()