app.py

import cv2
import numpy as np
import gradio as gr

# Farklı filtre fonksiyonları
def apply_gaussian_blur(frame):
    return cv2.GaussianBlur(frame, (15, 15), 0)

def apply_sharpening_filter(frame):
    kernel = np.array([[0, -1, 0], [-1, 5,-1], [0, -1, 0]])
    return cv2.filter2D(frame, -1, kernel)

def apply_edge_detection(frame):
    return cv2.Canny(frame, 100, 200)

def apply_invert_filter(frame):
    return cv2.bitwise_not(frame)

def adjust_brightness_contrast(frame, alpha=1.0, beta=50):
    return cv2.convertScaleAbs(frame, alpha=alpha, beta=beta)

def apply_grayscale_filter(frame):
    return cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

def apply_sepia_filter(frame):
    sepia_filter = np.array([[0.272, 0.534, 0.131],
                             [0.349, 0.686, 0.168],
                             [0.393, 0.769, 0.189]])
    return cv2.transform(frame, sepia_filter)

def apply_bilateral_filter(frame):
    return cv2.bilateralFilter(frame, 9, 75, 75)

def apply_darkening_filter(frame, alpha=0.5):
    return cv2.convertScaleAbs(frame, alpha=alpha, beta=0)

def apply_histogram_equalization(frame):
    if len(frame.shape) == 2:  # Grayscale
        return cv2.equalizeHist(frame)
    else:
        ycrcb = cv2.cvtColor(frame, cv2.COLOR_BGR2YCrCb)
        channels = cv2.split(ycrcb)
        cv2.equalizeHist(channels[0], channels[0])
        ycrcb = cv2.merge(channels)  # Burada düzeltme yapıldı
        return cv2.cvtColor(ycrcb, cv2.COLOR_YCrCb2BGR)

def apply_median_blur(frame):
    return cv2.medianBlur(frame, 15)

def apply_dilation(frame, kernel_size=5):
    kernel = np.ones((kernel_size, kernel_size), np.uint8)
    return cv2.dilate(frame, kernel, iterations=1)

def apply_erosion(frame, kernel_size=5):
    kernel = np.ones((kernel_size, kernel_size), np.uint8)
    return cv2.erode(frame, kernel, iterations=1)

def apply_line_detection(frame):
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    edges = cv2.Canny(gray, 50, 150, apertureSize=3)
    lines = cv2.HoughLines(edges, 1, np.pi/180, 200)
    if lines is not None:
        for rho, theta in lines[:,0]:
            a = np.cos(theta)
            b = np.sin(theta)
            x0 = a * rho
            y0 = b * rho
            x1 = int(x0 + 1000 * (-b))
            x2 = int(x0 - 1000 * (-b))
            y1 = int(y0 + 1000 * (a))
            y2 = int(y0 - 1000 * (a))
            cv2.line(frame, (x1, y1), (x2, y2), (0, 0, 255), 2)
    return frame

def apply_contour_detection(frame):
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    edged = cv2.Canny(blurred, 50, 150)
    contours, _ = cv2.findContours(edged, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    cv2.drawContours(frame, contours, -1, (0, 255, 0), 2)
    return frame

def apply_box_blur(frame):
    return cv2.blur(frame, (15, 15))

def apply_emboss_filter(frame):
    kernel = np.array([[-2, -1, 0], [-1, 1, 1], [0, 1, 2]])
    return cv2.filter2D(frame, -1, kernel)

def apply_sobel_edge_detection(frame):
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    sobelx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=5)
    sobely = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=5)
    sobel = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
    return cv2.convertScaleAbs(sobel)

def apply_thresholding(frame, threshold_value=127):
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    _, thresh = cv2.threshold(gray, threshold_value, 255, cv2.THRESH_BINARY)
    return thresh

def apply_color_quantization(frame, k=8):
    Z = frame.reshape((-1, 3))
    Z = np.float32(Z)
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
    _, label, center = cv2.kmeans(Z, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)
    center = np.uint8(center)
    res = center[label.flatten()]
    return res.reshape((frame.shape))

# Filtre açıklamaları
filter_descriptions = {
    "Gaussian Blur": "Resmi bulanıklaştırır. Bu filtre, resimdeki gürültüyü azaltmak için kullanılır.",
    "Sharpen": "Resmi netleştirir. Bu filtre, resimdeki kenarları daha belirgin hale getirir.",
    "Edge Detection": "Canny Edge Detection algoritmasını kullanarak resimdeki kenarları tespit eder.",
    "Invert": "Resmin renklerini tersine çevirir.",
    "Brightness": "Resmin parlaklığını ve kontrastını ayarlar.",
    "Grayscale": "Resmi gri tonlamalı hale getirir.",
    "Sepia": "Resmi sepiya tonlarıyla işler.",
    "Bilateral": "Kenar koruyarak resmi bulanıklaştırır.",
    "Darkening": "Resmi karartır.",
    "Histogram Equalization": "Resmin histogramını eşitleyerek kontrastı artırır.",
    "Median Blur": "Medyan filtresi ile resmi bulanıklaştırır. Bu filtre, gürültüyü azaltmak için kullanılır.",
    "Dilation": "Resimdeki beyaz bölgeleri genişletir.",
    "Erosion": "Resimdeki beyaz bölgeleri daraltır.",
    "Line Detection": "Hough dönüşümü ile resimdeki doğruları tespit eder.",
    "Contour Detection": "Resimdeki konturları tespit eder ve çizer.",
    "Box Blur": "Basit bir bulanıklaştırma filtresi.",
    "Emboss": "Resmi kabartma efektiyle işler.",
    "Sobel Edge Detection": "Sobel operatörü ile kenarları tespit eder.",
    "Thresholding": "Eşikleme ile resmi ikili (siyah-beyaz) hale getirir.",
    "Color Quantization": "Renk sayısını azaltarak resmi daha basit bir renk paletiyle gösterir."
}

# Filtre uygulama fonksiyonu
def apply_filter(filter_type, input_image=None):
    if input_image is not None:
        frame = input_image
    else:
        cap = cv2.VideoCapture(0)
        ret, frame = cap.read()
        cap.release()
        if not ret:
            return "Web kameradan görüntü alınamadı"
    
    if filter_type == "Gaussian Blur":
        return apply_gaussian_blur(frame)
    elif filter_type == "Sharpen":
        return apply_sharpening_filter(frame)
    elif filter_type == "Edge Detection":
        return apply_edge_detection(frame)
    elif filter_type == "Invert":
        return apply_invert_filter(frame)
    elif filter_type == "Brightness":
        return adjust_brightness_contrast(frame, alpha=1.0, beta=50)
    elif filter_type == "Grayscale":
        return apply_grayscale_filter(frame)
    elif filter_type == "Sepia":
        return apply_sepia_filter(frame)
    elif filter_type == "Bilateral":
        return apply_bilateral_filter(frame)
    elif filter_type == "Darkening":
        return apply_darkening_filter(frame)
    elif filter_type == "Histogram Equalization":
        return apply_histogram_equalization(frame)
    elif filter_type == "Median Blur":
        return apply_median_blur(frame)
    elif filter_type == "Dilation":
        return apply_dilation(frame)
    elif filter_type == "Erosion":
        return apply_erosion(frame)
    elif filter_type == "Line Detection":
        return apply_line_detection(frame)
    elif filter_type == "Contour Detection":
        return apply_contour_detection(frame)
    elif filter_type == "Box Blur":
        return apply_box_blur(frame)
    elif filter_type == "Emboss":
        return apply_emboss_filter(frame)
    elif filter_type == "Sobel Edge Detection":
        return apply_sobel_edge_detection(frame)
    elif filter_type == "Thresholding":
        return apply_thresholding(frame)
    elif filter_type == "Color Quantization":
        return apply_color_quantization(frame)

# Gradio arayüzü
with gr.Blocks() as demo:
    gr.Markdown("# Web Kameradan ya da Yüklenen Fotoğraftan Canlı Filtreleme")
    
    # Filtre seçenekleri
    filter_type = gr.Dropdown(
        label="Filtre Seçin",
        choices=list(filter_descriptions.keys()),
        value="Gaussian Blur"
    )
    
    # Filtre açıklaması
    filter_description = gr.Markdown(label="Filtre Açıklaması", value=filter_descriptions["Gaussian Blur"])
    
    # Görüntü yükleme alanı
    input_image = gr.Image(label="Resim Yükle", type="numpy", height=300, width=300)
    
    # Çıktı için görüntü
    output_image = gr.Image(label="Filtre Uygulandı", height=300, width=300)
    
    # Giriş ve çıkış resimlerini yan yana gösterme
    with gr.Row():
        with gr.Column(scale=1):
            gr.Markdown("### Giriş Resmi")
            input_image
        with gr.Column(scale=1):
            gr.Markdown("### Çıkış Resmi")
            output_image
    
    # Filtre seçildiğinde açıklamayı güncelleme
    def update_description(filter_type):
        return filter_descriptions[filter_type]
    
    filter_type.change(fn=update_description, inputs=filter_type, outputs=filter_description)
    
    # Resim yüklendiğinde veya filtre değiştirildiğinde otomatik olarak filtre uygulama
    input_image.change(fn=apply_filter, inputs=[filter_type, input_image], outputs=output_image)
    filter_type.change(fn=apply_filter, inputs=[filter_type, input_image], outputs=output_image)

# Gradio arayüzünü başlat
demo.launch()