Spaces:
Sleeping
Sleeping
File size: 3,492 Bytes
cafe3c7 fa540b9 3f2722f fa540b9 7b1ea11 fa540b9 3f2722f fa540b9 3f2722f fa540b9 3f2722f fa540b9 3f2722f fa540b9 3f2722f fa540b9 | 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 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 | import streamlit as st
import cv2
import numpy as np
from PIL import Image
# Configuración de la página con límite de carga
st.set_page_config(
page_title="CV Edge Detector - Beau's Lab",
layout="wide"
)
# Configuración para Hugging Face Spaces
MAX_FILE_SIZE = 5 * 1024 * 1024 # 5 MB en bytes
def process_image(image, low_threshold, high_threshold):
"""
Aplica el algoritmo de Canny para detección de bordes.
"""
# Convertir imagen de PIL a formato OpenCV (numpy array BGR)
img_array = np.array(image.convert('RGB'))
img_cv = cv2.cvtColor(img_array, cv2.COLOR_RGB2BGR)
# Convertir a escala de grises
gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)
# Aplicar Canny
edges = cv2.Canny(gray, low_threshold, high_threshold)
return edges
def main():
st.set_page_config(page_title="CV Edge Detector - Beau's Lab", layout="wide")
st.title("🛠️ Computer Vision Lab: Edge Detection")
st.write("Bienvenido. Sube una imagen para analizar sus gradientes espaciales.")
# Sidebar para parámetros (Hiperparámetros del algoritmo)
st.sidebar.header("Configuración de Algoritmo")
low_thresh = st.sidebar.slider("Umbral Bajo (Low)", 0, 255, 100)
high_thresh = st.sidebar.slider("Umbral Alto (High)", 0, 255, 200)
uploaded_file = st.file_uploader("Elige una imagen...( max size 4MB )", type=["jpg", "jpeg", "png"])
if uploaded_file is not None:
# Validar tamaño del archivo
file_size = uploaded_file.size
if file_size > MAX_FILE_SIZE:
st.error(f"⚠️ El archivo es demasiado grande ({file_size / 1024 / 1024:.2f} MB). Por favor, sube una imagen menor a 5 MB.")
return
try:
# Cargar imagen
image = Image.open(uploaded_file)
# Redimensionar si es muy grande (optimización adicional)
max_dimension = 1920
if max(image.size) > max_dimension:
st.warning(f"Imagen grande detectada. Redimensionando para mejor rendimiento...")
ratio = max_dimension / max(image.size)
new_size = tuple([int(x * ratio) for x in image.size])
image = image.resize(new_size, Image.Resampling.LANCZOS)
# Crear dos columnas para comparar
col1, col2 = st.columns(2)
with col1:
st.header("Imagen Original")
st.image(image, use_container_width=True)
with col2:
st.header("Detección de Bordes (Canny)")
# Procesamiento
with st.spinner('Procesando...'):
processed_img = process_image(image, low_thresh, high_thresh)
st.image(processed_img, use_container_width=True, clamp=True)
st.success("¡Procesamiento completado con éxito!")
except Exception as e:
st.error(f"Error al procesar la imagen: {str(e)}")
st.info("Por favor, intenta con otra imagen.")
else:
st.info("Esperando que se suba una imagen...")
st.markdown("""
### Instrucciones:
- Formatos soportados: JPG, JPEG, PNG
- Tamaño máximo: 5 MB
- Para mejores resultados, usa imágenes con objetos definidos
""")
if __name__ == "__main__":
main() |