Update app.py

app.py

@@ -85,7 +85,7 @@ def analizar_manipulacion(imagen, metadatos):
     return manipulada, razones
 
 def realizar_ela(imagen, quality=95, scale=15):
-    """Realiza ELA y devuelve imagen en color sobre fondo oscuro para resaltar errores."""
+    """Realiza ELA y devuelve imagen en blanco sobre negro para resaltar errores."""
     try:
         img_np = np.array(imagen.convert("RGB"))
         img_cv = cv2.cvtColor(img_np, cv2.COLOR_RGB2BGR)
@@ -100,32 +100,33 @@ def realizar_ela(imagen, quality=95, scale=15):
         diferencia = cv2.absdiff(img_cv, img_comprimida)
         ela_imagen = scale * diferencia
 
-        # Aplicar mapa de color JET (rojo/amarillo = alto error)
-        ela_color = cv2.applyColorMap(ela_imagen, cv2.COLORMAP_JET)
+        # Convertir a escala de grises
+        ela_gray = cv2.cvtColor(ela_imagen, cv2.COLOR_BGR2GRAY)
 
-        # Crear fondo oscuro (gris-negro) para mejorar contraste
-        background = np.zeros_like(ela_color) + 20  # Gris muy oscuro
-        mask = ela_imagen > 5  # Solo resaltar donde hay error significativo
-        mask = np.any(mask, axis=2, keepdims=True)
-        result = np.where(mask, ela_color, background)
+        # Invertir y normalizar para que las áreas modificadas sean BLANCAS sobre NEGRO
+        ela_gray = cv2.normalize(ela_gray, None, 0, 255, cv2.NORM_MINMAX)
+        _, ela_thresh = cv2.threshold(ela_gray, 30, 255, cv2.THRESH_BINARY)
+
+        # Convertir a 3 canales para Gradio
+        ela_result = cv2.merge([ela_thresh, ela_thresh, ela_thresh])
 
         os.remove(temp_path)
-        return result
+        return ela_result
 
     except Exception as e:
         logger.error(f"Error en ELA: {str(e)}")
-        # Devolver imagen de error con fondo oscuro y texto blanco
-        error_img = np.zeros((300, 600, 3), dtype=np.uint8) + 30
-        cv2.putText(error_img, "Error al procesar ELA", (50, 150), cv2.FONT_HERSHEY_SIMPLEX, 1, (255,255,255), 2)
+        error_img = np.zeros((300, 600, 3), dtype=np.uint8)
+        cv2.putText(error_img, "ERROR AL PROCESAR ELA", (50, 150), cv2.FONT_HERSHEY_SIMPLEX, 1, (255,255,255), 2)
         return error_img
 
 def procesar_imagen(archivo_imagen):
-    """Procesa la imagen y devuelve ZIP + texto de análisis + imagen ELA."""
+    """Procesa la imagen y devuelve ZIP + texto de análisis + imagen ELA + URL de Google Maps (si aplica)."""
     try:
         img = Image.open(archivo_imagen)
         logger.info(f"Imagen cargada: {archivo_imagen}")
 
-        nombre = os.path.splitext(os.path.basename(archivo_imagen))[0]
+        nombre_original = os.path.basename(archivo_imagen)
+        nombre = os.path.splitext(nombre_original)[0]
 
         original_path = os.path.join(evidence_dir, f"{nombre}_original.jpg")
         ela_path = os.path.join(evidence_dir, f"{nombre}_ela.jpg")
@@ -136,48 +137,54 @@ def procesar_imagen(archivo_imagen):
         ela_result = realizar_ela(img)
         cv2.imwrite(ela_path, ela_result)
 
-        info_basica = f"Formato: {img.format}\nTamaño: {img.size} píxeles\nModo: {img.mode}\n"
+        # Información básica
+        info_basica = f"**Nombre del archivo:** {nombre_original}\n"
+        info_basica += f"**Formato:** {img.format}\n"
+        info_basica += f"**Tamaño:** {img.size[0]} x {img.size[1]} píxeles\n"
+        info_basica += f"**Modo:** {img.mode}\n\n"
 
         metadatos = obtener_metadatos(img)
-        info_metadatos = "ANÁLISIS FORENSE DE LOS METADATOS:\n"
+        info_metadatos = "**ANÁLISIS FORENSE DE LOS METADATOS:**\n"
+
+        google_maps_url = None
 
         if metadatos:
             for tag, value in metadatos.items():
                 if tag == "DateTime":
-                    info_metadatos += f"Fecha y hora de captura: {value}\n"
+                    info_metadatos += f"- Fecha y hora de captura: {value}\n"
                 elif tag == "Make":
-                    info_metadatos += f"Fabricante de cámara: {value}\n"
+                    info_metadatos += f"- Fabricante de cámara: {value}\n"
                 elif tag == "Model":
-                    info_metadatos += f"Modelo de cámara: {value}\n"
+                    info_metadatos += f"- Modelo de cámara: {value}\n"
                 elif tag == "Software":
-                    info_metadatos += f"Software de edición: {value}\n"
+                    info_metadatos += f"- Software de edición: {value}\n"
                 elif tag == "GPSInfo":
-                    info_metadatos += "Ubicación GPS:\n"
                     coords = obtener_coordenadas(metadatos)
                     if coords:
                         lat, lon = coords
-                        info_metadatos += f"- Coordenadas: {lat:.5f}, {lon:.5f}\n"
-                        info_metadatos += f"- Enlace a Google Maps: https://www.google.com/maps?q={lat},{lon}\n"
+                        info_metadatos += f"- Coordenadas GPS: {lat:.6f}, {lon:.6f}\n"
+                        google_maps_url = f"https://www.google.com/maps?q={lat},{lon}"
+                        info_metadatos += f"- Enlace a Google Maps: {google_maps_url}\n"
                     else:
-                        info_metadatos += "- No se encontraron coordenadas GPS\n"
+                        info_metadatos += "- No se encontraron coordenadas GPS válidas\n"
                 else:
-                    info_metadatos += f"{tag}: {value}\n"
+                    info_metadatos += f"- {tag}: {value}\n"
         else:
-            info_metadatos += "No se encontraron metadatos EXIF\n"
+            info_metadatos += "- No se encontraron metadatos EXIF\n"
 
         sha3_hash = calcular_hash(img)
-        info_metadatos += f"\nSHA3-256: {sha3_hash}\n"
+        info_metadatos += f"\n- SHA3-256: {sha3_hash}\n\n"
 
         manipulada, razones = analizar_manipulacion(img, metadatos)
-        info_manipulacion = "\nANÁLISIS DE MANIPULACIÓN:\n"
+        info_manipulacion = "**ANÁLISIS DE MANIPULACIÓN:**\n"
         if manipulada:
-            info_manipulacion += "LA IMAGEN HA SIDO MANIPULADA.\nRazones:\n"
+            info_manipulacion += "⚠️ **LA IMAGEN HA SIDO MANIPULADA.**\nRazones:\n"
             for r in razones:
                 info_manipulacion += f"- {r}\n"
         else:
-            info_manipulacion += "LA IMAGEN NO HA SIDO MANIPULADA.\n"
+            info_manipulacion += "✅ **LA IMAGEN NO HA SIDO MANIPULADA.**\n"
 
-        analysis_text = f"{info_basica}\n{info_metadatos}\n{info_manipulacion}"
+        analysis_text = info_basica + info_metadatos + info_manipulacion
 
         with open(text_path, "w") as f:
             f.write(analysis_text)
@@ -189,18 +196,18 @@ def procesar_imagen(archivo_imagen):
 
         logger.info(f"Análisis completado. Archivo ZIP: {zip_path}")
 
-        # Convertir imagen ELA de BGR a RGB para mostrar en Gradio
+        # Convertir imagen ELA a RGB para Gradio
         ela_rgb = cv2.cvtColor(ela_result, cv2.COLOR_BGR2RGB)
 
-        return zip_path, analysis_text, ela_rgb
+        return zip_path, analysis_text, ela_rgb, google_maps_url or ""
 
     except Exception as e:
         logger.error(f"Error en procesamiento: {str(e)}")
         error_img = np.zeros((300, 600, 3), dtype=np.uint8)
         cv2.putText(error_img, f"ERROR: {str(e)[:50]}", (10, 150), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255,255,255), 2)
-        return f"Error: {str(e)}", f"Error al procesar la imagen: {str(e)}", error_img
+        return f"Error: {str(e)}", f"Error al procesar la imagen: {str(e)}", error_img, ""
 
-# 🎨 Tema moderno y compatible
+# 🎨 Tema moderno
 theme = gr.themes.Soft(primary_hue="blue", secondary_hue="slate", neutral_hue="stone")
 
 # 🖥️ Interfaz Gradio
@@ -212,23 +219,19 @@ with gr.Blocks(title="Análisis Forense de Imágenes con ELA", theme=theme) as d
 
     with gr.Row():
         with gr.Column():
-            # 👇 SIN WEBCAM — Solo carga de archivo
             input_image = gr.Image(
                 label="Subir imagen (JPG/PNG)",
                 type="filepath",
                 height=400,
-                sources=["upload"]  # ← ¡Esto elimina la webcam!
+                sources=["upload"]
             )
             process_btn = gr.Button("Analizar imagen", variant="primary")
-
-            # 👇 ZIP aparece SOLO después del análisis
             download_zip = gr.File(label="⬇️ Descargar resultados (ZIP)", interactive=False, visible=False)
 
         with gr.Column():
             with gr.Accordion("Resultado del Análisis ELA", open=True):
-                # 👇 Aquí SÍ se muestra la imagen ELA procesada
                 ela_image = gr.Image(
-                    label="🔍 Áreas resaltadas = posibles manipulaciones",
+                    label="🔍 Blanco = áreas con posible manipulación",
                     type="numpy",
                     height=400,
                     show_label=True
@@ -236,21 +239,51 @@ with gr.Blocks(title="Análisis Forense de Imágenes con ELA", theme=theme) as d
 
             with gr.Accordion("Informe Detallado", open=True):
                 analysis_text = gr.Textbox(label="📝 Resultados del análisis forense", lines=15, max_lines=25)
-
-    # ⚙️ Evento de análisis — ahora devuelve 3 valores
+                google_maps_btn = gr.Button("📍 Ver ubicación en Google Maps", visible=False)
+                google_maps_url_state = gr.State("")
+
+    # Función para resetear todo al cargar nueva imagen
+    def reset_on_upload():
+        return (
+            gr.update(value=None),           # Limpiar texto
+            gr.update(value=None),           # Limpiar imagen ELA
+            gr.update(visible=False),        # Ocultar ZIP
+            gr.update(visible=False),        # Ocultar botón Google Maps
+            ""                               # Limpiar URL
+        )
+
+    # Evento de análisis
     process_btn.click(
         fn=procesar_imagen,
         inputs=input_image,
-        outputs=[download_zip, analysis_text, ela_image],
+        outputs=[download_zip, analysis_text, ela_image, google_maps_url_state],
         api_name="analyze_image"
     ).then(
-        # 👇 Hacer visible el ZIP después del análisis
+        fn=lambda url: gr.update(visible=bool(url)),
+        inputs=google_maps_url_state,
+        outputs=google_maps_btn
+    ).then(
         fn=lambda: gr.update(visible=True),
         inputs=None,
         outputs=download_zip
     )
 
-    # 👇 Línea de crédito solicitada
+    # Evento para abrir Google Maps
+    google_maps_btn.click(
+        fn=lambda url: url,
+        inputs=google_maps_url_state,
+        outputs=None,
+        js="(url) => { window.open(url, '_blank'); }"
+    )
+
+    # Resetear al subir nueva imagen
+    input_image.upload(
+        fn=reset_on_upload,
+        inputs=None,
+        outputs=[analysis_text, ela_image, download_zip, google_maps_btn, google_maps_url_state]
+    )
+
+    # 👇 Línea de crédito
     gr.Markdown("Desarrollado por José R. Leonett para el Grupo de Peritos Forenses Digitales de Guatemala - [www.forensedigital.gt](https://www.forensedigital.gt)")
 
 # ▶️ Ejecución