Update app.py

app.py

@@ -1,14 +1,14 @@
+# -*- coding: utf-8 -*-
 import cv2
 import numpy as np
 from PIL import Image
 from PIL.ExifTags import TAGS, GPSTAGS
 import hashlib
 import gradio as gr
-import matplotlib.pyplot as plt
-import tempfile
 import os
 from datetime import datetime
 
+# Función para obtener metadatos
 def obtener_metadatos(imagen):
     metadatos = {}
     try:
@@ -21,9 +21,11 @@ def obtener_metadatos(imagen):
         print(f"Error al obtener metadatos: {e}")
     return metadatos
 
+# Función para obtener coordenadas GPS
 def obtener_coordenadas(exif_data):
     if not exif_data:
         return None
+
     gps_info = exif_data.get("GPSInfo", {})
     if not gps_info:
         return None
@@ -52,10 +54,12 @@ def obtener_coordenadas(exif_data):
 
     return None
 
+# Función para calcular hash
 def calcular_hash(imagen):
     imagen_bytes = imagen.tobytes()
     return hashlib.md5(imagen_bytes).hexdigest()
 
+# Función para analizar manipulación
 def analizar_manipulacion(imagen, metadatos):
     manipulada = False
     razones = []
@@ -80,17 +84,23 @@ def analizar_manipulacion(imagen, metadatos):
 
     return manipulada, razones
 
-def realizar_ela(imagen, quality=95, scale=100):
+# Función para realizar ELA
+def realizar_ela(imagen, quality=95, scale=15):
     imagen_cv = cv2.cvtColor(np.array(imagen), cv2.COLOR_RGB2BGR)
-    temp_path = "temp_image.jpg"
-    cv2.imwrite(temp_path, imagen_cv, [cv2.IMWRITE_JPEG_QUALITY, quality])
-    imagen_comprimida = cv2.imread(temp_path)
+    _, buffer = cv2.imencode(".jpg", imagen_cv, [cv2.IMWRITE_JPEG_QUALITY, quality])
+    imagen_comprimida = cv2.imdecode(buffer, cv2.IMREAD_COLOR)
+    
     diferencia = cv2.absdiff(imagen_cv, imagen_comprimida)
-    ela_imagen = scale * diferencia
-    ela_imagen = cv2.cvtColor(ela_imagen, cv2.COLOR_BGR2GRAY)
-    os.remove(temp_path)
+    diferencia = np.max(diferencia, axis=2)
+    diferencia = scale * diferencia
+    diferencia = np.clip(diferencia, 0, 255).astype(np.uint8)
+    
+    ela_imagen = cv2.applyColorMap(diferencia, cv2.COLORMAP_HOT)
+    ela_imagen = cv2.cvtColor(ela_imagen, cv2.COLOR_BGR2RGB)
+    
     return ela_imagen
 
+# Función principal de procesamiento
 def procesar_imagen(archivo_imagen):
     try:
         imagen = Image.open(archivo_imagen)
@@ -99,81 +109,177 @@ def procesar_imagen(archivo_imagen):
 
     nombre_archivo = os.path.basename(archivo_imagen)
     info_basica = f"""
-    Información básica de la imagen:
-    Nombre del archivo: {nombre_archivo}
-    Formato: {imagen.format}
-    Tamaño: {imagen.size} píxeles
-    Modo: {imagen.mode}
+    <div style='text-align: left;'>
+    <h3>Información básica</h3>
+    <b>Nombre del archivo:</b> {nombre_archivo}<br>
+    <b>Formato:</b> {imagen.format}<br>
+    <b>Tamaño:</b> {imagen.size[0]}x{imagen.size[1]} píxeles<br>
+    <b>Modo:</b> {imagen.mode}<br>
     """
+
     stats = os.stat(archivo_imagen)
     tamaño_archivo = stats.st_size / 1024
     fecha_creacion = datetime.fromtimestamp(stats.st_ctime).strftime('%Y-%m-%d %H:%M:%S')
     fecha_modificacion = datetime.fromtimestamp(stats.st_mtime).strftime('%Y-%m-%d %H:%M:%S')
 
     info_basica += f"""
-    Tamaño del archivo: {tamaño_archivo:.2f} KB
-    Fecha de creación: {fecha_creacion}
-    Fecha de modificación: {fecha_modificacion}
+    <b>Tamaño del archivo:</b> {tamaño_archivo:.2f} KB<br>
+    <b>Fecha de creación:</b> {fecha_creacion}<br>
+    <b>Fecha de modificación:</b> {fecha_modificacion}<br>
     """
 
     with open(archivo_imagen, "rb") as f:
         primeros_10_bytes = f.read(10)
         header_hex = " ".join(f"{byte:02x}" for byte in primeros_10_bytes)
-
-    info_basica += f"\nPrimeros 10 bytes del archivo (hex): {header_hex}\n"
+    info_basica += f"""
+    <b>Primeros 10 bytes (hex):</b> {header_hex}<br>
+    </div>
+    """
 
     metadatos = obtener_metadatos(imagen)
-    info_metadatos = "\n---\nANÁLISIS FORENSE DE METADATOS:\n"
+    info_metadatos = "<div style='text-align: left;'>"
+    info_metadatos += "<h3>ANÁLISIS FORENSE DE METADATOS</h3>"
+    
     if metadatos:
         for tag, value in metadatos.items():
             if tag == "DateTime":
-                info_metadatos += f"Fecha y hora de la captura: {value}\n"
+                info_metadatos += f"<b>Fecha y hora de captura:</b> {value}<br>"
             elif tag == "Make":
-                info_metadatos += f"Fabricante de la cámara: {value}\n"
+                info_metadatos += f"<b>Fabricante:</b> {value}<br>"
             elif tag == "Model":
-                info_metadatos += f"Modelo de la cámara: {value}\n"
+                info_metadatos += f"<b>Modelo:</b> {value}<br>"
             elif tag == "Software":
-                info_metadatos += f"Software utilizado para editar la imagen: {value}\n"
+                info_metadatos += f"<b>Software de edición:</b> {value}<br>"
             elif tag == "ExifImageWidth":
-                info_metadatos += f"Ancho de la imagen: {value} píxeles\n"
+                info_metadatos += f"<b>Ancho EXIF:</b> {value} píxeles<br>"
             elif tag == "ExifImageHeight":
-                info_metadatos += f"Alto de la imagen: {value} píxeles\n"
+                info_metadatos += f"<b>Alto EXIF:</b> {value} píxeles<br>"
             elif tag == "GPSInfo":
+                info_metadatos += "<b>Información GPS:</b><br>"
                 coordenadas = obtener_coordenadas(metadatos)
                 if coordenadas:
                     latitud, longitud = coordenadas
-                    enlace_google = f"https://www.google.com/maps?q={latitud},{longitud}"
-                    info_metadatos += f"Coordenadas GPS: {latitud}, {longitud}\nGoogle Maps: {enlace_google}\n"
+                    enlace_google_maps = f"https://www.google.com/maps?q={latitud},{longitud}"
+                    info_metadatos += f"- <b>Coordenadas:</b> {latitud}, {longitud}<br>"
+                    info_metadatos += f"- <b>Enlace Maps:</b> <a href='{enlace_google_maps}' target='_blank'>{enlace_google_maps}</a><br>"
                 else:
-                    info_metadatos += "No se encontraron coordenadas GPS.\n"
-            else:
-                info_metadatos += f"{tag}: {value}\n"
+                    info_metadatos += "- No se encontraron coordenadas GPS<br>"
     else:
-        info_metadatos += "No se encontraron metadatos.\n"
+        info_metadatos += "No se encontraron metadatos EXIF<br>"
+    info_metadatos += "</div>"
 
     manipulada, razones = analizar_manipulacion(imagen, metadatos)
-    info_manipulacion = "\n---\nAnálisis de manipulación:\n"
+    info_manipulacion = "<div style='text-align: left;'>"
+    info_manipulacion += "<h3>ANÁLISIS DE MANIPULACIÓN</h3>"
+    
     if manipulada:
-        info_manipulacion += "La imagen ha sido manipulada.\nRazones:\n"
+        info_manipulacion += "<span style='color: red; font-weight: bold;'>LA IMAGEN HA SIDO MANIPULADA</span><br>"
+        info_manipulacion += "<b>Razones:</b><ul>"
         for razon in razones:
-            info_manipulacion += f"- {razon}\n"
+            info_manipulacion += f"<li>{razon}</li>"
+        info_manipulacion += "</ul>"
     else:
-        info_manipulacion += "La imagen NO ha sido manipulada.\n"
+        info_manipulacion += "<span style='color: green; font-weight: bold;'>NO SE DETECTÓ MANIPULACIÓN</span><br>"
+    info_manipulacion += "</div>"
 
     ela_imagen = realizar_ela(imagen)
+    
+    return ela_imagen, info_basica + info_metadatos + info_manipulacion
 
-    with tempfile.NamedTemporaryFile(suffix=".png", delete=False) as tmp_file:
-        cv2.imwrite(tmp_file.name, ela_imagen)
-        ela_image_path = tmp_file.name
-
-    return ela_image_path, info_basica + info_metadatos + info_manipulacion
+# CSS personalizado para mejorar el diseño
+css = """
+.centered-image {
+    display: block;
+    margin-left: auto;
+    margin-right: auto;
+    max-width: 100%;
+    max-height: 400px;
+}
+.panel {
+    border: 1px solid #e0e0e0;
+    border-radius: 10px;
+    padding: 15px;
+    margin-bottom: 15px;
+    background-color: #f9f9f9;
+}
+.header {
+    text-align: center;
+    background: linear-gradient(135deg, #6a11cb 0%, #2575fc 100%);
+    color: white;
+    padding: 20px;
+    border-radius: 10px;
+    margin-bottom: 20px;
+}
+.footer {
+    text-align: center;
+    padding: 10px;
+    color: #666;
+    font-size: 0.9em;
+}
+.analysis-btn {
+    background: linear-gradient(135deg, #6a11cb 0%, #2575fc 100%) !important;
+    color: white !important;
+    border: none !important;
+    font-weight: bold !important;
+    padding: 12px 24px !important;
+    border-radius: 50px !important;
+    margin-top: 10px;
+}
+"""
 
-iface = gr.Interface(
-    fn=procesar_imagen,
-    inputs=gr.Image(type="filepath", label="Sube una imagen"),
-    outputs=[gr.Image(label="Imagen con ELA"), gr.Textbox(label="Informe Forense")],
-    title="Análisis de ELA y Metadatos en Imágenes Digitales",
-    description="Herramienta forense para verificar autenticidad de imágenes. Desarrollado por José R. Leonett - [forensedigital.gt](https://forensedigital.gt)"
-)
+# Interfaz Gradio con diseño mejorado
+with gr.Blocks(css=css) as demo:
+    with gr.Column():
+        gr.Markdown("""
+        <div class="header">
+        <h1>Análisis Forense de Imágenes Digitales</h1>
+        <p>Detección de manipulación mediante Error Level Analysis (ELA) y análisis de metadatos</p>
+        </div>
+        """)
+        
+        with gr.Row():
+            with gr.Column(scale=1):
+                gr.Markdown("### Imagen Original")
+                with gr.Column(elem_classes="panel"):
+                    input_image = gr.Image(
+                        type="filepath", 
+                        label="", 
+                        show_label=False,
+                        height=400,
+                        elem_classes="centered-image"
+                    )
+                    analyze_btn = gr.Button("Analizar Imagen", elem_classes="analysis-btn")
+            
+            with gr.Column(scale=1):
+                gr.Markdown("### Análisis ELA")
+                with gr.Column(elem_classes="panel"):
+                    output_ela = gr.Image(
+                        label="", 
+                        show_label=False,
+                        height=400,
+                        elem_classes="centered-image",
+                        interactive=False
+                    )
+        
+        with gr.Row():
+            with gr.Column():
+                gr.Markdown("### Resultados del Análisis")
+                with gr.Column(elem_classes="panel"):
+                    metadata_output = gr.HTML()
+    
+    gr.Markdown("""
+    <div class="footer">
+    <p>Desarrollado por José R. Leonett | Perito Forense Digital | www.forensedigital.gt</p>
+    <p>Este sistema analiza imágenes mediante Error Level Analysis (ELA) para detectar posibles manipulaciones</p>
+    </div>
+    """)
+    
+    analyze_btn.click(
+        fn=procesar_imagen,
+        inputs=[input_image],
+        outputs=[output_ela, metadata_output]
+    )
 
-iface.launch()
+# Iniciar la aplicación
+if __name__ == "__main__":
+    demo.launch()