import streamlit as st
from tensorflow.keras.models import load_model
from PIL import Image
import numpy as np

model = load_model('src/skin_cancer_model.h5') 

def process_image(img):
    img = img.convert("RGB")
    img = img.resize(170, 170)
    img = np.array(img, dtype=np.float32) / 255.0
    return np.expand_dims(img, axis=0)


st.title("Skin Cancer Classification :cancer:")
st.write("Upload an image of a skin lesion to classify it as benign or malignant.")
file = st.file_uploader("Choose an image...", type=["jpg", "jpeg", "png"])

if file is not None: # Eğer kullanıcı bir dosya yüklediyse
    # Yüklenen dosyayı PIL ile açtık
    img = Image.open(file) 
    
    # Yüklenen görüntüyü Streamlit uygulamasında gösterdik
    st.image(img, caption='Uploaded Image', use_column_width=True) 
    
    # Yüklenen görüntüyü işledik
    img = process_image(img) 
    
    # İşlenmiş görüntüyü modelimize verdik ve tahmin sonucunu aldık
    prediction = model.predict(img) 
    
    # Modelin çıktısı 0 ile 1 arasında bir değer olduğu için, 0.5'ten büyükse sınıfı 1 (Cancer), değilse 0 (Non-Cancer) olarak belirledik
    prediction_class = 1 if prediction > 0.5 else 0 
    
    class_names = ['Cancer', 'Non-Cancer'] # Sınıf isimlerini tanımladık
    st.write(f'The lesion is classified as {class_names[prediction_class]}.') # Lezyonun sınıfını belirten bir mesaj yazdık