Update app.py

app.py

@@ -713,50 +713,99 @@ def get_model(token="", model_choice="", model_path=""):
     return model["model"]
 
 
-def run_outpaint(
-    sel_buffer_str,
-    prompt_text,
-    negative_prompt_text,
-    strength,
-    guidance,
-    step,
-    resize_check,
-    fill_mode,
-    enable_safety,
-    use_correction,
-    enable_img2img,
-    use_seed,
-    seed_val,
-    generate_num,
-    scheduler,
-    scheduler_eta,
-    state,
-):
-    data = base64.b64decode(str(sel_buffer_str))
-    pil = Image.open(io.BytesIO(data))
-    width, height = pil.size
-    sel_buffer = np.array(pil)
+def run_outpaint(sel_buffer_str, prompt_text, negative_prompt_text, strength, guidance, step, resize_check, fill_mode, enable_safety, use_correction, enable_img2img, use_seed, seed_val, generate_num, scheduler, scheduler_eta, state):
+    try:
+        # Decodifica los datos base64
+        data = base64.b64decode(sel_buffer_str)
+        
+        # Intenta abrir la imagen desde los datos decodificados
+        pil = Image.open(io.BytesIO(data))
+        
+        # Verifica si la imagen se abrió correctamente
+        if pil.mode in ("RGBA", "P"):
+            pil = pil.convert("RGB")
+        
+        # Obtén las dimensiones de la imagen
+        width, height = pil.size
+        
+        # Convierte la imagen PIL a un array numpy si es necesario
+        sel_buffer = np.array(pil)
+        
+    except (ValueError, TypeError, base64.binascii.Error) as e:
+        print(f"Error al decodificar base64: {e}")
+        return None
+    except IOError as e:
+        print(f"Error de IO al abrir la imagen: {e}")
+        return None
+    except UnidentifiedImageError as e:
+        print(f"Error al identificar la imagen: {e}")
+        return None
+    except Exception as e:
+        print(f"Error desconocido: {e}")
+        return None
+
+    # Carga del modelo
     cur_model = get_model()
-    images = cur_model.run(
-        image_pil=pil,
-        prompt=prompt_text,
-        negative_prompt=negative_prompt_text,
-        guidance_scale=guidance,
-        strength=strength,
-        step=step,
-        resize_check=resize_check,
-        fill_mode=fill_mode,
-        enable_safety=enable_safety,
-        use_seed=use_seed,
-        seed_val=seed_val,
-        generate_num=generate_num,
-        scheduler=scheduler,
-        scheduler_eta=scheduler_eta,
-        enable_img2img=enable_img2img,
-        width=width,
-        height=height,
-    )
+    if not cur_model:
+        print("Error: No se pudo cargar el modelo.")
+        return None
+
+    # Configuración de parámetros del modelo
+    inpaint = self.inpaint  # Asumiendo que `self.inpaint` está definido correctamente
+    selected_scheduler = scheduler_dict.get(scheduler, scheduler_dict["PLMS"])
+    for item in [inpaint]:
+        item.scheduler = selected_scheduler
+        if enable_safety:
+            item.safety_checker = self.safety_checker
+        else:
+            item.safety_checker = lambda images, **kwargs: (images, None)
+
+    # Ejecución del modelo para procesar la imagen
+    try:
+        images = cur_model.run(
+            image_pil=pil,
+            prompt=prompt_text,
+            negative_prompt=negative_prompt_text,
+            guidance_scale=guidance,
+            strength=strength,
+            step=step,
+            resize_check=resize_check,
+            fill_mode=fill_mode,
+            enable_safety=enable_safety,
+            use_seed=use_seed,
+            seed_val=seed_val,
+            generate_num=generate_num,
+            scheduler=scheduler,
+            scheduler_eta=scheduler_eta,
+            enable_img2img=enable_img2img,
+            width=width,
+            height=height,
+        )
+    except Exception as e:
+        print(f"Error al ejecutar el modelo de procesamiento de imágenes: {e}")
+        return None
+
+    # Procesamiento de las imágenes generadas y conversión a base64
     base64_str_lst = []
+    if enable_img2img:
+        use_correction = "border_mode"
+
+    for image in images:
+        # Ajusta la lógica de procesamiento de cada imagen según tu implementación
+        image = correction_func.run(pil.resize(image.size), image, mode=use_correction)
+        resized_img = image.resize((width, height), resample=SAMPLING_MODE,)
+        out = sel_buffer.copy()
+        out[:, :, 0:3] = np.array(resized_img)
+        out[:, :, -1] = 255
+        out_pil = Image.fromarray(out)
+        out_buffer = io.BytesIO()
+        out_pil.save(out_buffer, format="PNG")
+        out_buffer.seek(0)
+        base64_bytes = base64.b64encode(out_buffer.read())
+        base64_str = base64_bytes.decode("ascii")
+        base64_str_lst.append(base64_str)
+
+    return base64_str_lst
     if enable_img2img:
         use_correction = "border_mode"
     for image in images: