Update app.py

app.py

@@ -100,40 +100,46 @@ def realizar_ela(imagen):
         img_np = np.array(imagen.convert("RGB"))
         img_cv = cv2.cvtColor(img_np, cv2.COLOR_RGB2BGR)
 
-        quality = 90
-        noise_level = 8
-        error_scale = 25
-        brightness_pct = 100
-        equalize_histogram = False
+        quality = 95
+        noise_level = 15  # Aumentado para mejor detección
+        error_scale = 30  # Aumentado para mejor visibilidad
 
         temp_path = "/tmp/temp_image.jpg"
         cv2.imwrite(temp_path, img_cv, [cv2.IMWRITE_JPEG_QUALITY, quality])
         img_comprimida = cv2.imread(temp_path)
+        
         if img_comprimida is None:
             raise ValueError("No se pudo leer la imagen comprimida.")
 
+        # Calcular diferencia
         diferencia = cv2.absdiff(img_cv.astype(np.float32), img_comprimida.astype(np.float32))
-        scaled_diff = diferencia * (noise_level / 10.0) * (error_scale / 100.0) * 20.0
+        
+        # Escalar la diferencia para mejor visualización
+        scaled_diff = diferencia * (noise_level / 10.0) * (error_scale / 10.0)
         scaled_diff = np.clip(scaled_diff, 0, 255).astype(np.uint8)
 
+        # Convertir a escala de grises para la máscara
         gray_diff = cv2.cvtColor(scaled_diff, cv2.COLOR_BGR2GRAY)
-        _, mask = cv2.threshold(gray_diff, 20, 255, cv2.THRESH_BINARY)
-        mask = mask.astype(np.uint8)
-
-        if equalize_histogram:
-            gray = cv2.cvtColor(scaled_diff, cv2.COLOR_BGR2GRAY)
-            gray_eq = cv2.equalizeHist(gray)
-            scaled_diff = cv2.cvtColor(gray_eq, cv2.COLOR_GRAY2BGR)
-
-        brightness_factor = min(1.1, brightness_pct / 100.0)
-        scaled_diff = cv2.convertScaleAbs(scaled_diff, alpha=brightness_factor, beta=0)
-
-        ela_color = scaled_diff.copy()
-        img_gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)
-        img_gray = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2BGR)
-        img_gray = cv2.convertScaleAbs(img_gray, alpha=0.5, beta=0)
-
-        result = np.where(mask[..., None] > 0, ela_color, img_gray)
+        
+        # Aplicar threshold más sensible
+        _, mask = cv2.threshold(gray_diff, 10, 255, cv2.THRESH_BINARY)
+        
+        # Mejorar la visualización de las áreas de error
+        # Crear imagen de resultado con colores visibles
+        result = scaled_diff.copy()
+        
+        # Resaltar áreas de error en amarillo/rojo
+        # Donde la máscara es blanca, poner color rojo/amarillo
+        mask_colored = cv2.merge([mask, mask, np.zeros_like(mask)])  # Crear máscara amarilla
+        
+        # Combinar la imagen original con las áreas resaltadas
+        background = cv2.addWeighted(img_cv, 0.3, np.zeros_like(img_cv), 0.7, 0)  # Fondo oscurecido
+        
+        # Donde hay máscara, mostrar color amarillo; donde no, mostrar fondo
+        result = np.where(mask[:, :, None] > 0, mask_colored, background)
+
+        # Aumentar contraste para mejor visualización
+        result = cv2.convertScaleAbs(result, alpha=1.2, beta=10)
 
         os.remove(temp_path)
         return result, mask
@@ -144,6 +150,7 @@ def realizar_ela(imagen):
         cv2.putText(error_img, "ERROR AL PROCESAR ELA", (50, 150), cv2.FONT_HERSHEY_SIMPLEX, 1, (255, 255, 255), 2)
         return error_img, None
 
+
 def procesar_imagen(archivo_imagen):
     if not archivo_imagen:
         return None, "❌ **ERROR: Por favor, cargue una imagen antes de analizar.**", None, ""