Spaces:
Runtime error
Runtime error
File size: 2,256 Bytes
52bd289 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 | """
Utilidades de validación y preprocesamiento de imágenes.
Flujo de defensa:
1. validar_archivo: extensión, tipo MIME, tamaño mínimo
2. validar_imagen: integridad PIL, dimensiones 32-4000px
3. preprocess_image: resize 224x224 + normalización ImageNet
Cada función retorna (bool, mensaje) para manejo de errores consistente.
"""
import os
import numpy as np
from PIL import Image, UnidentifiedImageError
from app.config import ALLOWED_EXTENSIONS, ALLOWED_MIMES, IMG_MIN_SIZE, IMG_MAX_SIZE, MIN_FILE_SIZE
def validar_archivo(nombre: str, content_type: str, tamaño: int = -1) -> tuple[bool, str]:
ext = os.path.splitext(nombre)[1].lower()
if ext not in ALLOWED_EXTENSIONS:
return False, f"Formato no soportado: {ext}. Usa: {', '.join(ALLOWED_EXTENSIONS)}"
if content_type and content_type not in ALLOWED_MIMES:
return False, f"Tipo MIME no válido: {content_type}"
if tamaño >= 0 and tamaño < MIN_FILE_SIZE:
return False, "La imagen es demasiado pequeña o está vacía"
return True, ""
def validar_imagen(ruta: str) -> tuple[bool, str]:
try:
with Image.open(ruta) as img:
img.verify()
with Image.open(ruta) as img:
img.load()
w, h = img.size
except (UnidentifiedImageError, Exception):
return False, "La imagen está corrupta o no es válida"
if w < IMG_MIN_SIZE or h < IMG_MIN_SIZE:
return False, f"La imagen es muy pequeña ({w}x{h}). Mínimo: {IMG_MIN_SIZE}px"
if w > IMG_MAX_SIZE or h > IMG_MAX_SIZE:
return False, f"La imagen es muy grande ({w}x{h}). Máximo: {IMG_MAX_SIZE}px"
return True, ""
def preprocess_image(ruta: str) -> np.ndarray:
"""
Preprocesa imagen para ONNX inference sin torch/torchvision.
Resize 224x224 + normalizacion ImageNet usando PIL + numpy.
"""
from PIL import Image
img = Image.open(ruta).convert('RGB')
img = img.resize((224, 224), Image.BILINEAR)
arr = np.array(img, dtype=np.float32) / 255.0
mean = np.array([0.485, 0.456, 0.406], dtype=np.float32)
std = np.array([0.229, 0.224, 0.225], dtype=np.float32)
arr = (arr - mean) / std
arr = arr.transpose(2, 0, 1)
arr = np.expand_dims(arr, axis=0)
return arr
|