Update app.py

app.py

@@ -1,7 +1,7 @@
 import gradio as gr
 import tensorflow as tf
 import numpy as np
-from PIL import Image, ImageOps
+from PIL import Image
 
 # Cargar modelo
 model = tf.keras.models.load_model("quickdraw_model.keras")
@@ -12,35 +12,32 @@ def preprocesar_imagen(image):
         image = Image.fromarray(image)
     if image.mode in ('RGBA', 'LA'):
         image = image.convert('RGB')
-    
+    image = image.convert('L')
     image = image.resize((28, 28), Image.NEAREST)
     arr = np.array(image) / 255.0
-    arr_bin = (arr < 0.5).astype(np.uint8)  # binariza, 1=negro, 0=blanco
-    img_binarizada = Image.fromarray((arr_bin * 255).astype(np.uint8), mode='L')
-    arr_bin = arr_bin.reshape(1, 28, 28, 1).astype(np.float32)
-    return arr_bin, img_binarizada
-
-
+    arr_bin = (arr < 0.5).astype(np.float32)  # Binariza: 0 o 1 en float32
+    arr_bin_4d = arr_bin.reshape(1, 28, 28, 1)
+    # Para mostrar, devolvemos el arreglo 2D 0-1
+    return arr_bin_4d, arr_bin
 
 def predict(image):
     try:
-        arr, img_procesada_pil = preprocesar_imagen(image)
+        arr, img_preprocesada = preprocesar_imagen(image)
         preds = model.predict(arr)
         class_idx = np.argmax(preds)
-        return {etiquetas[class_idx]: float(preds[0][class_idx])}, img_procesada_pil
+        return {etiquetas[class_idx]: float(preds[0][class_idx])}, img_preprocesada
     except Exception as e:
         return f"Error: {str(e)}", None
 
-
 iface = gr.Interface(
     fn=predict,
     inputs=gr.Image(label="Dibuja o sube una imagen (fondo blanco, trazo negro)"),
     outputs=[
         gr.Label(num_top_classes=1, label="Predicción"),
-        gr.Image(label="Imagen preprocesada (lo que ve la IA)")
+        gr.Image(label="Imagen preprocesada (0-1 en escala de grises)")
     ],
     title="QuickDraw API",
-    description="API para reconocer dibujos estilo QuickDraw. Muestra la imagen preprocesada."
+    description="API para reconocer dibujos estilo QuickDraw. Muestra la imagen preprocesada en escala 0-1."
 )
 
 iface.launch()