requirement

app.py

@@ -7,10 +7,9 @@ from art.attacks.evasion import FastGradientMethod
 from art.estimators.classification import PyTorchClassifier
 from PIL import Image
 import numpy as np
+import os
 import io
-import base64
 from blind_watermark import WaterMark
-import matplotlib.pyplot as plt
 
 # Pretrained ResNet50 모델 불러오기 (ImageNet 사전 훈련)
 model = models.resnet50(pretrained=True)
@@ -73,26 +72,37 @@ def generate_adversarial_image(image, eps_value):
 def apply_watermark(image_pil):
     wm_text = "123"
     bwm = WaterMark(password_img=123, password_wm=456)
-    
-    # 이미지에 워터마크 삽입
-    img_bytes = io.BytesIO()
-    image_pil.save(img_bytes, format='PNG')
-    bwm.read_img(img_bytes)
+
+    # 이미지 바이트 데이터를 임시 파일로 저장
+    temp_image_path = "temp_image.png"
+    image_pil.save(temp_image_path)
+
+    # temp_image_path 경로로 워터마크 삽입 처리
+    bwm.read_img(temp_image_path)
     bwm.read_wm(wm_text, mode='str')
     
     # 워터마크 삽입
-    bwm.embed(img_bytes)
-    return img_bytes
+    output_path = "watermarked_image.png"
+    bwm.embed(output_path)
+
+    # 삽입된 워터마크 이미지 파일을 다시 읽어서 PIL 이미지로 변환
+    result_image = Image.open(output_path)
+
+    # 임시 파일 삭제
+    os.remove(temp_image_path)
+    os.remove(output_path)
+
+    return result_image
 
-# Gradio 함수 (이미지 처리 및 적대적 예제 생성)
+# 전체 이미지 처리 함수
 def process_image(image, eps_value):
     # 적대적 이미지 생성
     adv_image = generate_adversarial_image(image, eps_value)
 
     # 워터마크 적용
-    result_image = apply_watermark(adv_image)
+    watermarked_image = apply_watermark(adv_image)
 
-    return result_image.getvalue()
+    return watermarked_image
 
 # Gradio 인터페이스 정의
 gr.Interface(