Update app.py

app.py

@@ -39,18 +39,24 @@ max_length = 50  # Ganti sesuai dengan panjang label teks maksimal yang diingink
 
 # Function to preprocess the image
 def prepare_image(img):
-    img = img.resize((img_width, img_height))  # Resize to the expected input size
+    # Resize gambar sesuai dengan ukuran yang diharapkan oleh model
+    img = img.resize((img_width, img_height))  # Resize to (200, 50)
+    
+    # Konversi gambar ke array
     img_array = img_to_array(img)
-    img_array = np.expand_dims(img_array, axis=0)
-
+    
+    # Tambahkan dimensi untuk batch (menjadi 1, 50, 200) dan reshape ke bentuk (1, 50, 200, 1)
+    img_array = np.expand_dims(img_array, axis=0)  # Tambahkan dimensi untuk batch
+    img_array = np.transpose(img_array, (0, 2, 1, 3))  # Mengubah urutan dimensi menjadi (1, 200, 50, 1)
+    
     # Menyusun input_length dan label_length untuk model OCR
     input_length = np.ones((img_array.shape[0], 1)) * (img_width // 4)  # Sesuaikan dengan input panjang
     label_length = np.ones((img_array.shape[0], 1)) * max_length  # Example label length
 
-    # Tambahkan input dummy untuk label (jika perlu untuk prediksi)
+    # Menambahkan input dummy untuk label (jika perlu untuk prediksi)
     dummy_label = np.zeros((img_array.shape[0], max_length))  # Input dummy jika model mengharapkan label input
     
-    # Melakukan prediksi (sesuaikan dengan logika model Anda)
+    # Melakukan prediksi
     preds = model.predict([img_array, input_length, label_length, dummy_label])  # Berikan 4 input
     pred_texts = decode_batch_predictions(preds)