api created

app.py

@@ -1,39 +1,115 @@
 import gradio as gr
 import requests
-
+from PIL import Image
+import io
 # URL of the API created with FastAPI
 API_URL = "https://predictor-api-4pbm.onrender.com"
 
 
-# Function to execute when clicking the "Compute button"
-def calcular(a, b, operacion):
+
+def solicitar_prediccion(image_path):
+    """
+    Envía la imagen al endpoint /predict
+    """
+    if image_path is None:
+        return "Por favor, sube una imagen primero."
+    
     try:
-        payload = {"a": float(a), "b": float(b), "op": operacion}
-        response = requests.post(f"{API_URL}/calculate", data=payload, timeout=5)
+        # Abrimos la imagen en modo binario para enviarla
+        with open(image_path, "rb") as f:
+            files = {"file": f}
+            response = requests.post(f"{API_URL}/predict", files=files, timeout=10)
+            
         response.raise_for_status()
         data = response.json()
-        return data.get("result")
-    except requests.exceptions.HTTPError as e:
-        return f"Error: {response.json().get('detail', str(e))}"
-
-
-# GUI creted using Gradio
-iface = gr.Interface(
-    fn=calcular,
-    inputs=[
-        gr.Number(label="Number X"),
-        gr.Number(label="Number Y"),
-        gr.Dropdown(
-            choices=["add", "subtract", "multiply", "divide", "power"],
-            value="add",
-            label="Arithmetical operation",
-        ),
-    ],
-    outputs=gr.Textbox(label="Result"),
-    title="Calculator created with FastAPI and Gradio",
-    description="Interactive calculator using the endpoint /calculate",
-)
-
-# Launch the GUI
+        
+        # Devolvemos la predicción
+        return f"Predicción: {data.get('prediction')}"
+        
+    except requests.exceptions.RequestException as e:
+        return f"Error en la conexión con la API: {str(e)}"
+    except Exception as e:
+        return f"Error desconocido: {str(e)}"
+
+def solicitar_resize(image_path, width, height):
+    """
+    Envía la imagen y dimensiones al endpoint /resize
+    """
+    if image_path is None:
+        return None
+    
+    try:
+        # Validar inputs
+        if width <= 0 or height <= 0:
+            print("El ancho y alto deben ser positivos.")
+            return None
+
+        payload = {"width": int(width), "height": int(height)}
+        
+        with open(image_path, "rb") as f:
+            files = {"file": f}
+            # Nota: 'data' se usa para los campos del Form (width, height)
+            # y 'files' para el archivo
+            response = requests.post(f"{API_URL}/resize", data=payload, files=files, timeout=10)
+            
+        response.raise_for_status()
+        
+        # La API devuelve una imagen en bytes (StreamingResponse)
+        # La convertimos a objeto PIL Image para que Gradio la pueda mostrar
+        image_stream = io.BytesIO(response.content)
+        return Image.open(image_stream)
+        
+    except requests.exceptions.RequestException as e:
+        print(f"Error API: {e}")
+        return None
+
+# --- Construcción de la Interfaz con Blocks ---
+with gr.Blocks(title="Predictor & Resizer API Client") as demo:
+    gr.Markdown("# Cliente para API de Imágenes")
+    gr.Markdown("Sube una imagen y elige si quieres obtener una predicción o redimensionarla.")
+
+    with gr.Row():
+        # Columna Izquierda: Entrada
+        with gr.Column():
+            gr.Markdown("### 1. Entrada")
+            # Selector de imágenes. 'type="filepath"' guarda la imagen temporalmente y nos da la ruta
+            input_image = gr.Image(label="Sube tu imagen", type="filepath")
+
+        # Columna Derecha: Acciones
+        with gr.Column():
+            
+            # --- Sección de Predicción ---
+            gr.Markdown("### 2. Predicción")
+            predict_btn = gr.Button("🔍 Obtener Predicción", variant="primary")
+            predict_output = gr.Textbox(label="Resultado de la API")
+
+            gr.Html("<hr>") # Separador visual
+
+            # --- Sección de Resize ---
+            gr.Markdown("### 3. Redimensionar (Resize)")
+            with gr.Row():
+                w_input = gr.Number(label="Ancho (Width)", value=200, precision=0)
+                h_input = gr.Number(label="Alto (Height)", value=200, precision=0)
+            
+            resize_btn = gr.Button("🖼️ Redimensionar Imagen")
+            resize_output = gr.Image(label="Imagen Redimensionada")
+
+    # --- Conectar la lógica ---
+    
+    # Botón Predicción
+    predict_btn.click(
+        fn=solicitar_prediccion,
+        inputs=[input_image],
+        outputs=predict_output
+    )
+
+    # Botón Resize
+    resize_btn.click(
+        fn=solicitar_resize,
+        inputs=[input_image, w_input, h_input],
+        outputs=resize_output
+    )
+
+# Lanzar la aplicación
 if __name__ == "__main__":
-    iface.launch()
+    demo.launch()