Create app.py

app.py

@@ -0,0 +1,111 @@
+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()