app2.py

# import gradio as gr
# import torch
# from torchvision import transforms
# from PIL import Image
# from generator2 import UNetGeneratorImproved  

# # Rutas de los modelos, todos los colores y 20 colores
# all_colors_model_path = "/home/maripau/Documents/ITESO/Semestre6/Deep/COLOURING/APP/Coloring2/unet_generator.pth"
# limited_colors_model_path = "/home/maripau/Documents/ITESO/Semestre6/Deep/COLOURING/APP/Coloring2/20color_generator.pth"

# # Selección de dispositivo (GPU si está disponible)
# device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# # Transformación de la imagen para el modelo
# transform = transforms.Compose([
#     transforms.Resize((512, 512)),
#     transforms.ToTensor(),
# ])

# def load_model(path):
#     """
#     Carga el modelo desde una ruta específica.
#     """
#     model = UNetGeneratorImproved().to(device)
#     model.load_state_dict(torch.load(path, map_location=device))
#     model.eval()
#     return model

# def process_image(image, model_type):
#     """
#     Convierte la imagen a escala de grises, la muestra, 
#     y luego genera una versión colorizada usando el modelo elegido.
#     """
#     # Convertir a escala de grises
#     gray_image = image.convert("L").convert("RGB")  # convertimos de L (1 canal) a RGB (3 canales) para que PIL la pueda mostrar bien
    
#     # Seleccionar el modelo según el tipo
#     model_path = all_colors_model_path if model_type == "Todos los colores" else limited_colors_model_path
#     generator = load_model(model_path)
    
#     # Preprocesar la imagen en escala de grises para el modelo
#     gray_tensor = transform(gray_image.convert("L")).unsqueeze(0).to(device)

#     # Generar la imagen colorizada
#     with torch.no_grad():
#         output = generator(gray_tensor)

#     output = output.squeeze(0).permute(1, 2, 0).clamp(0, 1).cpu().numpy()
#     colorized_image = Image.fromarray((output * 255).astype('uint8'))

#     # Devolver la imagen en escala de grises y la colorizada
#     return gray_image, colorized_image

# # Interfaz con dos salidas: escala de grises y color
# interface = gr.Interface(
#     fn=process_image,
#     inputs=[
#         gr.Image(type="pil", label="Imagen original"),
#         gr.Dropdown(
#             choices=["Todos los colores", "20 colores"],
#             value="Todos los colores",
#             label="Selecciona el modelo"
#         )
#     ],
#     outputs=[
#         gr.Image(type="pil", label="Imagen en blanco y negro"),
#         gr.Image(type="pil", label="Imagen colorizada")
#     ],
#     title="Colorizador de Imágenes"
# )

# interface.launch()

import gradio as gr
import torch
from torchvision import transforms
from PIL import Image

# Ruta a tus modelos exportados como TorchScript (.pt)
model_paths = {
    "Todos los colores": "unet_generator.pt",
    "Solo 20 colores": "20color_generator.pt"
}

# Verifica si hay GPU disponible
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# Transformaciones de la imagen (redimensionar y convertir a tensor)
transform = transforms.Compose([
    transforms.Resize((512, 512)),
    transforms.ToTensor(),
])

# Función que carga el modelo seleccionado
def load_model(path):
    model = torch.jit.load(path, map_location=device)
    model.eval()
    return model

# Función principal de colorización
def colorize(image, modelo_seleccionado):
    """
    Convierte la imagen a escala de grises, la muestra, y genera la imagen colorizada
    con el modelo seleccionado.
    """
    # Mostrar la imagen en blanco y negro
    gray = image.convert("L")

    # Preprocesar para el modelo
    gray_tensor = transform(gray).unsqueeze(0).to(device)

    # Cargar el modelo según la selección
    model = load_model(model_paths[modelo_seleccionado])

    # Generar la imagen colorizada
    with torch.no_grad():
        output = model(gray_tensor)

    # Procesar salida y convertir a imagen PIL
    output = output.squeeze(0).permute(1, 2, 0).clamp(0, 1).cpu().numpy()
    output_image = Image.fromarray((output * 255).astype('uint8'))

    return gray, output_image  # Regresa la imagen gris y la colorizada

# Crear interfaz con Gradio
gr.Interface(
    fn=colorize,
    inputs=[
        gr.Image(type="pil", label="Imagen de entrada"),
        gr.Radio(choices=["Todos los colores", "Solo 20 colores"], label="Modelo")
    ],
    outputs=[
        gr.Image(type="pil", label="Imagen en blanco y negro"),
        gr.Image(type="pil", label="Imagen colorizada")
    ],
    title="Colorización de Imágenes"
).launch()