Pamonha34/my-logo-remover

%%writefile app.py

===== Célula 2: Importações e carregamento do modelo de IA =====

import gradio as gr import numpy as np import cv2 from PIL import Image from simple_lama_inpainting import SimpleLama

print("Carregando modelo de IA (LaMa)... pode levar 1-2 minutos na primeira vez.") lama = SimpleLama() print("✅ Modelo carregado.")

===== Célula 3: Função principal de remoção =====

def extrair_mascara(editor_data): """ Extrai a máscara a partir do que o usuário pintou no ImageEditor. editor_data é um dicionário com 'background' e 'layers' (camada de desenho). """ if editor_data is None or editor_data.get("layers") is None or len(editor_data["layers"]) == 0: return None, None

background = editor_data["background"]
if background is None:
    return None, None

bg_img = Image.fromarray(background).convert("RGB") if isinstance(background, np.ndarray) else background.convert("RGB")

# Combina todas as camadas pintadas em uma única máscara
layer = editor_data["layers"][0]
layer_np = np.array(layer)

# Pixels com qualquer opacidade/cor pintada viram máscara (canal alfa ou soma de cores)
if layer_np.shape[-1] == 4:
    mask = (layer_np[:, :, 3] > 10).astype(np.uint8) * 255
else:
    mask = (layer_np.sum(axis=-1) > 10).astype(np.uint8) * 255

return bg_img, mask

def pre_visualizar(editor_data): bg_img, mask = extrair_mascara(editor_data) if bg_img is None or mask is None or mask.sum() == 0: return None, "⚠️ Pinte sobre a logo antes de pré-visualizar."

overlay = np.array(bg_img).copy()
overlay[mask > 0] = [255, 0, 0]
blended = cv2.addWeighted(np.array(bg_img), 0.6, overlay, 0.4, 0)
return Image.fromarray(blended), "✅ Área marcada em vermelho. Confira antes de confirmar a remoção."

def remover_logo(editor_data, margem, confirmar): if not confirmar: return None, "❌ Remoção não realizada — marque a confirmação para prosseguir."

bg_img, mask = extrair_mascara(editor_data)
if bg_img is None or mask is None or mask.sum() == 0:
    return None, "⚠️ Nenhuma área pintada. Use o pincel para marcar a logo primeiro."

if margem > 0:
    kernel = np.ones((int(margem), int(margem)), np.uint8)
    mask = cv2.dilate(mask, kernel, iterations=1)

mask_img = Image.fromarray(mask)

# IA generativa reconstrói apenas a área pintada, respeitando o formato exato da logo
resultado = lama(bg_img, mask_img)

return resultado, "✅ Logo removida com sucesso, mantendo a área ao redor intacta."

def salvar_resultado(imagem_resultado): if imagem_resultado is None: return None caminho = "imagem_sem_logo.png" imagem_resultado.save(caminho) return caminho

# ===== Célula 4: Interface HTML interativa com pincel (via Gradio) =====

with gr.Blocks(title="Remoção de Logo / Marca d'água") as app: gr.Markdown( "## 🧽 Remoção de Logo com IA\n" "1. Envie a imagem.\n" "2. Use o pincel para pintar exatamente sobre a logo (não precisa ser perfeito, dá pra errar um pouco pra fora).\n" "3. Pré-visualize a área marcada.\n" "4. Confirme e remova." )

with gr.Row():
    with gr.Column():
        editor = gr.ImageEditor(
            type="numpy",
            label="Pinte sobre a logo com o pincel",
            brush=gr.Brush(colors=["#FF0000"], default_size=20),
            canvas_size=(800, 800),
        )

        margem = gr.Slider(0, 30, value=6, step=1, label="Margem extra (px) — cobre bordas semitransparentes")

        btn_preview = gr.Button("👁️ Pré-visualizar área marcada")
        preview_output = gr.Image(label="Área que será removida")
        preview_status = gr.Textbox(label="Status da pré-visualização", interactive=False)

        confirmar = gr.Checkbox(label="✅ Confirmo a área marcada e desejo remover a logo", value=False)
        btn_remover = gr.Button("🧽 Remover logo", variant="primary")

    with gr.Column():
        resultado_output = gr.Image(label="Resultado final")
        status_output = gr.Textbox(label="Status da remoção", interactive=False)
        btn_baixar = gr.Button("⬇️ Preparar download")
        arquivo_output = gr.File(label="Arquivo para download")

btn_preview.click(
    pre_visualizar,
    inputs=editor,
    outputs=[preview_output, preview_status]
)

btn_remover.click(
    remover_logo,
    inputs=[editor, margem, confirmar],
    outputs=[resultado_output, status_output]
)

btn_baixar.click(
    salvar_resultado,
    inputs=resultado_output,
    outputs=arquivo_output
)

app.launch(share=False) # Important: set share=False for Hugging Face Spaces deployment

%%writefile requirements.txt gradio simple-lama-inpainting opencv-python-headless pillow numpy