Update app.py

app.py

@@ -5,7 +5,6 @@ import numpy as np
 import os
 import zipfile
 import hashlib
-import matplotlib.pyplot as plt
 import logging
 from pathlib import Path
 from PIL import ExifTags
@@ -14,7 +13,7 @@ from PIL import ExifTags
 logging.basicConfig(level=logging.INFO)
 logger = logging.getLogger(__name__)
 
-# Usar el directorio de trabajo actual (seguro en Hugging Face Spaces)
+# Directorio de evidencia (seguro en Hugging Face Spaces)
 evidence_dir = "/home/user/app"
 os.makedirs(evidence_dir, exist_ok=True)
 logger.info(f"Directorio de evidencia creado en: {evidence_dir}")
@@ -29,7 +28,6 @@ def obtener_metadatos(imagen):
         metadata = {}
         for tag_id, value in exif_data.items():
             try:
-                # Convertir etiquetas EXIF a nombres legibles
                 tag = ExifTags.TAGS.get(tag_id, tag_id)
                 metadata[tag] = value
             except Exception as e:
@@ -49,7 +47,6 @@ def obtener_coordenadas(exif_data):
         if not gps_info:
             return None
         
-        # Convertir coordenadas a grados decimales
         def gps_to_degrees(coord):
             d, m, s = coord
             return d + (m / 60.0) + (s / 3600.0)
@@ -83,23 +80,18 @@ def analizar_manipulacion(imagen, metadatos):
     manipulada = False
     razones = []
     
-    # Verificar marcas de agua o formato indexado
     if imagen.mode == "P":
         razones.append("La imagen tiene marcas de agua o es una imagen indexada.")
         manipulada = True
     
-    # Verificar presencia de metadatos
     if not metadatos:
         razones.append("La imagen no tiene metadatos EXIF.")
         manipulada = True
     else:
-        # Verificar software de edición
         if "Software" in metadatos:
             razones.append(f"La imagen fue editada con: {metadatos['Software']}")
             manipulada = True
     
-    # Verificar hash (simulación)
-    # Hash SHA3-256 de ejemplo (64 caracteres hexadecimal)
     hash_conocido = "d8e3d0e0d7a5e2b2c9d5f9d1c8e7a6f5b0d4e7c3f9d1a2b3c4d5e6f7a8b9c0d1"
     hash_actual = calcular_hash(imagen)
     if hash_actual != hash_conocido:
@@ -111,29 +103,20 @@ def analizar_manipulacion(imagen, metadatos):
 def realizar_ela(imagen, quality=95, scale=100):
     """Realiza el Error Level Analysis (ELA) en la imagen."""
     try:
-        # Convertir a formato compatible con OpenCV
         img_np = np.array(imagen)
         img_cv = cv2.cvtColor(img_np, cv2.COLOR_RGB2BGR)
         
-        # Guardar imagen comprimida
         temp_path = "/tmp/temp_image.jpg"
         cv2.imwrite(temp_path, img_cv, [cv2.IMWRITE_JPEG_QUALITY, quality])
         
-        # Leer imagen comprimida
         img_comprimida = cv2.imread(temp_path)
         if img_comprimida is None:
             raise ValueError("Error al leer la imagen comprimida")
         
-        # Calcular diferencia absoluta
         diferencia = cv2.absdiff(img_cv, img_comprimida)
-        
-        # Escalar para resaltar áreas modificadas
         ela_imagen = scale * diferencia
-        
-        # Convertir a escala de grises
         ela_imagen_gray = cv2.cvtColor(ela_imagen, cv2.COLOR_BGR2GRAY)
         
-        # Limpiar archivo temporal
         os.remove(temp_path)
         
         return ela_imagen_gray
@@ -144,31 +127,21 @@ def realizar_ela(imagen, quality=95, scale=100):
 def procesar_imagen(archivo_imagen):
     """Procesa la imagen completa y genera resultados."""
     try:
-        # Cargar imagen
         img = Image.open(archivo_imagen)
         logger.info(f"Imagen cargada: {archivo_imagen}")
         
-        # Obtener nombre base sin extensión
         nombre = os.path.splitext(os.path.basename(archivo_imagen))[0]
         
-        # Rutas de archivos en directorio de evidencia
         original_path = os.path.join(evidence_dir, f"{nombre}_original.jpg")
         ela_path = os.path.join(evidence_dir, f"{nombre}_ela.jpg")
         text_path = os.path.join(evidence_dir, f"{nombre}_analisis.txt")
         zip_path = os.path.join(evidence_dir, f"{nombre}_errorELA.zip")
         
-        # Guardar resultados
         img.save(original_path)
         ela_imagen = realizar_ela(img)
-        
-        # Convertir ELA a imagen con colores para resaltar áreas modificadas
-        # Usamos un mapa de color para diferenciar las zonas con error
         ela_color = cv2.applyColorMap(ela_imagen, cv2.COLORMAP_JET)
-        
-        # Guardar imagen con ELA en color
         cv2.imwrite(ela_path, ela_color)
         
-        # Generar texto de análisis
         info_basica = f"Formato: {img.format}\nTamaño: {img.size} píxeles\nModo: {img.mode}\n"
         
         metadatos = obtener_metadatos(img)
@@ -198,11 +171,9 @@ def procesar_imagen(archivo_imagen):
         else:
             info_metadatos += "No se encontraron metadatos EXIF\n"
         
-        # Añadir SHA3-256 al análisis
         sha3_hash = calcular_hash(img)
         info_metadatos += f"\nSHA3-256: {sha3_hash}\n"
         
-        # Análisis de manipulación
         manipulada, razones = analizar_manipulacion(img, metadatos)
         info_manipulacion = "\nANÁLISIS DE MANIPULACIÓN:\n"
         if manipulada:
@@ -212,13 +183,11 @@ def procesar_imagen(archivo_imagen):
         else:
             info_manipulacion += "LA IMAGEN NO HA SIDO MANIPULADA.\n"
         
-        # Generar texto completo
         analysis_text = f"{info_basica}\n{info_metadatos}\n{info_manipulacion}"
         
         with open(text_path, "w") as f:
             f.write(analysis_text)
         
-        # Crear ZIP
         with zipfile.ZipFile(zip_path, "w") as zipf:
             zipf.write(original_path, os.path.basename(original_path))
             zipf.write(ela_path, os.path.basename(ela_path))
@@ -226,15 +195,26 @@ def procesar_imagen(archivo_imagen):
         
         logger.info(f"Análisis completado. Archivo ZIP: {zip_path}")
         
-        # Devolver el archivo ZIP como resultado
+        # Devolver solo 2 valores (coincide con los 2 outputs definidos)
         return zip_path, analysis_text
-    
+
     except Exception as e:
         logger.error(f"Error en procesamiento: {str(e)}")
         return f"Error: {str(e)}", f"Error al procesar la imagen: {str(e)}"
 
-# Interfaz Gradio con tema oscuro
-with gr.Blocks(title="Análisis Forense de Imágenes con ELA", theme=gr.themes.Dark()) as demo:
+# 🎨 Tema oscuro moderno para Gradio v4+
+theme = gr.themes.Base().set(
+    body_background_fill_dark="#121212",
+    block_background_fill_dark="#1e1e1e",
+    input_background_fill_dark="#2d2d2d",
+    button_primary_background_fill_dark="#0066cc",
+    button_secondary_background_fill_dark="#333333",
+    text_color_dark="#ffffff",
+    border_color_primary_dark="#444444"
+)
+
+# 🖥️ Interfaz Gradio
+with gr.Blocks(title="Análisis Forense de Imágenes con ELA", theme=theme) as demo:
     gr.Markdown("""
     # 📸 Análisis Forense de Imágenes con Error Level Analysis (ELA)
     Programa de computación forense para analizar imágenes en busca de evidencia de manipulación o edición.
@@ -242,44 +222,38 @@ with gr.Blocks(title="Análisis Forense de Imágenes con ELA", theme=gr.themes.D
     
     with gr.Row():
         with gr.Column():
-            # Eliminar opción de webcam
             input_image = gr.Image(label="Subir imagen (JPG/PNG)", type="filepath", height=400)
             process_btn = gr.Button("Analizar imagen", variant="primary")
         
         with gr.Column():
-            # Sección de resultados
             with gr.Accordion("Descargar resultados ZIP", open=True):
                 download_zip = gr.File(label="Descargar archivo ZIP", interactive=False)
                 metadata_text = gr.Textbox(label="Metadatos y SHA3-256", lines=10, max_lines=20)
             
-            # Sección de análisis detallado
             with gr.Accordion("Análisis detallado", open=True):
                 ela_image = gr.Image(label="Imagen con Error Level Analysis (ELA)", type="numpy", elem_id="ela_image")
                 analysis_text = gr.Textbox(label="Análisis detallado", lines=15, max_lines=25)
     
-    # Evento de procesamiento
+    # ⚙️ Conexión de eventos
     process_btn.click(
         fn=procesar_imagen,
         inputs=input_image,
-        outputs=[download_zip, metadata_text, ela_image, analysis_text],
+        outputs=[download_zip, analysis_text],  # 👈 Solo 2 outputs (ZIP y texto)
         api_name="analyze_image"
     )
     
-    # Evento de actualización
     input_image.change(
-        fn=lambda x: f"Análisis en progreso para: {os.path.basename(x)}",
+        fn=lambda x: f"Análisis en progreso para: {os.path.basename(x)}" if x else "",
         inputs=input_image,
         outputs=analysis_text
     )
 
-# Configuración de ejecución
+# ▶️ Ejecución
 if __name__ == "__main__":
-    # Configuración para Hugging Face Spaces
     demo.launch(
         server_name="0.0.0.0",
         server_port=7860,
         share=True,
         inbrowser=True,
         favicon_path="https://huggingface.co/datasets/huggingface/logo/resolve/main/hf-logo.png"
-    )
-    
+    )