Update app.py

app.py

@@ -1,36 +1,84 @@
 import gradio as gr
-from controlnet_aux import OpenposeDetector
+import mediapipe as mp
 from PIL import Image
 import numpy as np
 import cv2
 
-# بارگذاری مدل OpenPose
-print("در حال بارگذاری مدل OpenPose...")
-model = OpenposeDetector.from_pretrained("lllyasviel/ControlNet")
+# راه‌اندازی MediaPipe Holistic (دقیق‌تر از OpenPose)
+print("در حال بارگذاری MediaPipe Holistic...")
+mp_holistic = mp.solutions.holistic
+mp_drawing = mp.solutions.drawing_utils
+mp_drawing_styles = mp.solutions.drawing_styles
 
 def process_image(image):
-    """استخراج پوز از تصویر با دقت بالا"""
+    """استخراج پوز کامل با MediaPipe - دقت بسیار بالا برای بدن، دست‌ها و صورت"""
     if image is None:
         return None
     
     try:
-        # تبدیل به numpy array
+        # تبدیل PIL به numpy array و BGR
         if isinstance(image, Image.Image):
             image = np.array(image)
         
-        # بهبود کیفیت تصویر قبل از پردازش
-        image = cv2.resize(image, None, fx=2, fy=2, interpolation=cv2.INTER_CUBIC)
+        image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
+        h, w, c = image_rgb.shape
         
-        # استخراج پوز با بالاترین دقت ممکن
-        pose_image = model(
-            image,
-            hand_and_face=True,        # فعال‌سازی کامل دست و صورت
-            detect_resolution=1024,    # بالاترین رزولوشن برای دقت حداکثری
-            image_resolution=1024,     # رزولوشن خروجی بالا
-            output_type="pil"
-        )
+        # ایجاد تصویر خروجی سیاه
+        output_image = np.zeros((h, w, 3), dtype=np.uint8)
         
-        return pose_image
+        # تشخیص پوز با MediaPipe Holistic
+        with mp_holistic.Holistic(
+            static_image_mode=True,
+            model_complexity=2,           # بالاترین کیفیت (0, 1, یا 2)
+            enable_segmentation=False,
+            refine_face_landmarks=True,   # جزئیات بیشتر صورت
+            min_detection_confidence=0.3, # حساسیت بیشتر برای کاراکترها
+            min_tracking_confidence=0.3
+        ) as holistic:
+            results = holistic.process(image_rgb)
+            
+            # رسم پوز بدن (33 نقطه)
+            if results.pose_landmarks:
+                mp_drawing.draw_landmarks(
+                    output_image,
+                    results.pose_landmarks,
+                    mp_holistic.POSE_CONNECTIONS,
+                    landmark_drawing_spec=mp_drawing_styles.get_default_pose_landmarks_style()
+                )
+            
+            # رسم دست چپ (21 نقطه)
+            if results.left_hand_landmarks:
+                mp_drawing.draw_landmarks(
+                    output_image,
+                    results.left_hand_landmarks,
+                    mp_holistic.HAND_CONNECTIONS,
+                    mp_drawing_styles.get_default_hand_landmarks_style(),
+                    mp_drawing_styles.get_default_hand_connections_style()
+                )
+            
+            # رسم دست راست (21 نقطه)
+            if results.right_hand_landmarks:
+                mp_drawing.draw_landmarks(
+                    output_image,
+                    results.right_hand_landmarks,
+                    mp_holistic.HAND_CONNECTIONS,
+                    mp_drawing_styles.get_default_hand_landmarks_style(),
+                    mp_drawing_styles.get_default_hand_connections_style()
+                )
+            
+            # رسم صورت (468 نقطه!)
+            if results.face_landmarks:
+                mp_drawing.draw_landmarks(
+                    output_image,
+                    results.face_landmarks,
+                    mp_holistic.FACEMESH_CONTOURS,
+                    landmark_drawing_spec=None,
+                    connection_drawing_spec=mp_drawing_styles.get_default_face_mesh_contours_style()
+                )
+        
+        # تبدیل به RGB برای نمایش
+        output_image = cv2.cvtColor(output_image, cv2.COLOR_BGR2RGB)
+        return Image.fromarray(output_image)
         
     except Exception as e:
         print(f"خطا در پردازش: {str(e)}")
@@ -40,20 +88,24 @@ def process_image(image):
 demo = gr.Interface(
     fn=process_image,
     inputs=gr.Image(type="pil", label="📷 آپلود عکس"),
-    outputs=gr.Image(type="pil", label="🎯 پوز استخراج شده"),
-    title="🎯 OpenPose - استخراج پوز از تصویر",
+    outputs=gr.Image(type="pil", label="🎯 پوز استخراج شده (MediaPipe Holistic)"),
+    title="🎯 MediaPipe Holistic - استخراج پوز با دقت فوق‌العاده",
     description="""
-    ### استخراج پوز کامل بدن، دست‌ها و صورت
+    ### 🚀 استخراج پوز با MediaPipe (دقیق‌تر از OpenPose)
     
     این ابزار تشخیص می‌دهد:
-    - ✅ **بدن کامل**: 18 نقطه کلیدی اسکلت بدن
-    - ✅ **دست‌ها**: 21 نقطه برای هر دست (42 نقطه کل)
-    - ✅ **صورت**: 70 نقطه حالت صورت و لبخند
+    - ✅ **بدن کامل**: 33 نقطه کلیدی (بیشتر از OpenPose)
+    - ✅ **دست چپ**: 21 نقطه با جزئیات کامل انگشتان
+    - ✅ **دست راست**: 21 نقطه با جزئیات کامل انگشتان
+    - ✅ **صورت**: 468 نقطه! (شامل لبخند، چشم‌ها، ابرو و...)
     
-    💡 **نکته**: برای بهترین نتایج از عکس با نور خوب و کیفیت بالا استفاده کنید.
+    💡 **مزایا**:
+    - دقت بسیار بالاتر از OpenPose
+    - مناسب برای کاراکترهای کارتونی و انیمیشنی
+    - تشخیص پوزهای پیچیده (مثل دست روی شکم)
+    - تشخیص حالات صورت و لبخند
     
-    ⚠️ **توجه**: OpenPose گاهی در تشخیص پوزهای پیچیده (مثل دست روی شکم) ممکن است 100٪ دقیق نباشد.
-    برای دقت بیشتر می‌توانید از مدل‌های پیشرفته‌تر مانند MediaPipe یا MMPose استفاده کنید.
+    📌 **نکته**: این مدل برای انسان‌ها و کاراکترهای شبیه انسان طراحی شده است.
     """,
     examples=[],
     allow_flagging="never"