File size: 4,225 Bytes
f993b97 |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 |
import gradio as gr
from PIL import Image
import numpy as np
from scipy.ndimage import label, find_objects
# Función para generar la máscara
def generate_mask(image):
# Convertir la entrada en un objeto PIL.Image si no lo es
if isinstance(image, np.ndarray):
image = Image.fromarray(image)
# Convertir la imagen a RGB y array de numpy
image_rgb = image.convert("RGB")
np_image = np.array(image_rgb)
# Aplicar los límites RGB basados en los análisis anteriores
min_red, max_red = 21, 183
min_green, max_green = 0, 142
min_blue, max_blue = 0, 124
# Generar la máscara binaria
mask = (
(np_image[:, :, 0] >= min_red) & (np_image[:, :, 0] <= max_red) &
(np_image[:, :, 1] >= min_green) & (np_image[:, :, 1] <= max_green) &
(np_image[:, :, 2] >= min_blue) & (np_image[:, :, 2] <= max_blue)
).astype(np.uint8)
# Invertir la máscara para que los objetos de fondo (valor 0) se conviertan en 1 y se etiqueten
inverted_mask = 1 - mask
labeled_mask, num_features = label(inverted_mask)
# Filtrar objetos pequeños de valor 0
for i, region in enumerate(find_objects(labeled_mask)):
if region is not None:
# Calcular el área del objeto con valor 0
area = np.sum(labeled_mask[region] == i + 1)
# Si el área es menor a 3000 píxeles, establece el objeto en blanco
if area < 3000:
inverted_mask[region] = np.where(labeled_mask[region] == i + 1, 0, inverted_mask[region])
# Invertir de nuevo para restaurar los valores de la máscara original
filtered_mask = 1 - inverted_mask
# Convertir la máscara modificada a una imagen en blanco y negro
mask_image = Image.fromarray((filtered_mask * 255).astype(np.uint8))
return mask_image
# Crear la interfaz con ejemplos
examples = [["cacao_1.png"], ["cacao_2.jpg"]] # Asegúrate de que estos archivos estén en la misma carpeta que el script
# CSS personalizado para la interfaz
css = """
.app-container { background-color: white; }
.title-container {
background-color: white;
display: flex;
align-items: center;
justify-content: center;
height: 300px;
font-size: 24px;
font-weight: bold;
text-align: center;
}
.centered-image {
display: block;
margin: auto;
}
"""
# Configuración de la interfaz con elementos adicionales
with gr.Blocks(css=css) as demo:
# Logo y título en la parte superior
with gr.Row():
gr.Image(value="Cacaotin.png", width=300, height=300, elem_id="centered-image")
gr.Markdown("<div class='title-container'>Fermentation Level Classification for Cocoa Beans</div>")
# Botón de GitHub centrado
gr.Markdown("<center><a href='https://github.com/kebincontreras/cocoa_beans_interfaces' target='_blank'><button style='background-color: #007bff; color: white; padding: 10px 20px; border: none; border-radius: 5px; font-size: 16px;'>View on GitHub</button></a></center>")
# Fila para cargar la imagen y mostrar la salida procesada
with gr.Row():
img_input = gr.Image(label="Upload Image")
img_output = gr.Image(label="Image with Generated Mask")
# Botón para generar la máscara
btn_classify = gr.Button("Generate Mask for Fermentation Level")
btn_classify.click(generate_mask, inputs=img_input, outputs=img_output)
# Añadir las imágenes de ejemplo
gr.Examples(
examples=examples,
inputs=img_input,
label="Example Images"
)
# Descripción de las clases de cacao
gr.Markdown("""
**Cacao Classes According to NTC1252:2021:**
- **a) Well-fermented:** Optimal fermentation process.
- **b) Partially fermented:** Incomplete fermentation process.
- **c) Non-fermented:** Lack of adequate fermentation.
""")
gr.Image(value="cacao.png", label="a) Well-fermented, b) Partially fermented, c) Non-fermented")
# Explicación final según la norma
gr.Markdown("**Explanation According to NTC1252:2021:** Here you can explain how the NTC1252:2021 norm applies to the classification of fermentation levels.")
# Ejecutar la aplicación
if __name__ == "__main__":
demo.launch()
|