Upload 2 files

app.py

@@ -16,50 +16,14 @@ torch.set_num_threads(4)
 sam_vit_pipeline = None
 
 
-# ── Suavizado de bordes ───────────────────────────────────────────────────────
-def _smooth_mask(mask_raw, img_h: int, img_w: int) -> np.ndarray:
-    """
-    Limpia una máscara SAM para obtener bordes más rectos y sin rasgados:
-      1. Closing  → rellena huecos y suaviza concavidades
-      2. Opening  → elimina picos y ruido en los bordes
-      3. approxPolyDP → convierte el contorno en segmentos rectos
-    """
-    mask_u8 = (np.array(mask_raw) > 0).astype(np.uint8) * 255
-
-    # Kernel adaptado al tamaño de la imagen
-    k = max(5, min(21, (img_h + img_w) // 200) | 1)  # siempre impar
-    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (k, k))
-
-    mask_u8 = cv2.morphologyEx(mask_u8, cv2.MORPH_CLOSE, kernel, iterations=2)
-    mask_u8 = cv2.morphologyEx(mask_u8, cv2.MORPH_OPEN,  kernel, iterations=1)
-
-    # Aproximar contorno para bordes rectos
-    contours, _ = cv2.findContours(mask_u8, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
-    if contours:
-        clean = np.zeros_like(mask_u8)
-        # Procesar cada contorno (puede haber varios fragmentos)
-        for cnt in contours:
-            if cv2.contourArea(cnt) < 200:
-                continue
-            peri  = cv2.arcLength(cnt, True)
-            # eps 0.008: buen balance entre recto y fiel a la forma real
-            approx = cv2.approxPolyDP(cnt, 0.008 * peri, True)
-            cv2.fillPoly(clean, [approx], 255)
-        mask_u8 = clean
-
-    return mask_u8 > 0
-
-
 # ── Renderizado ───────────────────────────────────────────────────────────────
 def _render_masks(imagen_rgb: Image.Image, masks: list) -> Image.Image:
     img_arr = np.array(imagen_rgb).copy()
-    h, w = img_arr.shape[:2]
     overlay = img_arr.copy()
     for i, mask in enumerate(masks):
-        smooth = _smooth_mask(mask, h, w)
-        hx = hashlib.md5(str(i).encode()).hexdigest()[:6]
-        color = (int(hx[0:2], 16), int(hx[2:4], 16), int(hx[4:6], 16))
-        overlay[smooth] = color
+        h = hashlib.md5(str(i).encode()).hexdigest()[:6]
+        color = (int(h[0:2], 16), int(h[2:4], 16), int(h[4:6], 16))
+        overlay[np.array(mask) > 0] = color
     blended = cv2.addWeighted(img_arr, 0.5, overlay, 0.5, 0)
     return Image.fromarray(blended)
 
@@ -131,7 +95,7 @@ def segment_for_backend(image_np: np.ndarray):
             resultado = resultado[0]
 
         all_masks_raw = resultado.get("masks", [])
-        masks_bool = [_smooth_mask(m, h, w) for m in all_masks_raw]
+        masks_bool = [np.array(m).astype(bool) for m in all_masks_raw]
 
         # Label map: cada píxel contiene el índice de la máscara (1-based)
         label_map = np.zeros((h, w), dtype=np.uint8)