app.py

print("[1/7] Importing streamlit...", end=" ", flush=True)
import streamlit as st
print("done")
print("[2/7] Importing something...", end=" ", flush=True)
import os
import pandas as pd
from datetime import datetime
from PIL import Image
from PIL import ImageFilter
from io import BytesIO
import zipfile
import base64
print("done")
print("[3/7] Importing deepdanbooru...", end=" ", flush=True)
import deepdanbooru as dd
print("done")
print("[4/7] Importing huggingface_hub...", end=" ", flush=True)
import huggingface_hub
print("done")
print("[5/7] Importing tensorflow...", end=" ", flush=True)
import tensorflow as tf
print("done")
print("[6/7] Importing numpy...", end=" ", flush=True)
import numpy as np
print("done")
print("[6/7] Importing transformers...", end=" ", flush=True)
from transformers import pipeline
print("done")

# ページごとの表示数
PAGE_SIZE = 20

# ファイルの保存先フォルダー
photos_folder = "photos"

# インデックスファイルのパス
index_file_path = "index.csv"

#blur_enabled = st.sidebar.checkbox("NSFW画像にブラーをかける", value=True, key=blur_toggle_key)
# ブラーのトグル用のキー
import random
import string

blur_toggle_key = "blurOrNot"

# st.session_stateにblur_enabledがない場合に定義
if "blur_enabled" not in st.session_state:
    st.session_state.blur_enabled = st.sidebar.checkbox("NSFW画像にブラーをかける", value=True, key=blur_toggle_key)

# blur_enabledの値を取得
blur_enabled = st.session_state.blur_enabled

# タグ付け関数
def predict_tags(image: Image.Image, score_threshold: float) -> tuple[dict[str, float], dict[str, float], str]:
    _, height, width, _ = model.input_shape
    image = np.asarray(image)
    image = tf.image.resize(image, size=(height, width), method=tf.image.ResizeMethod.AREA, preserve_aspect_ratio=True)
    image = image.numpy()
    image = dd.image.transform_and_pad_image(image, width, height)
    image = image / 255.
    probs = model.predict(image[None, ...])[0]
    probs = probs.astype(float)

    indices = np.argsort(probs)[::-1]
    result_all = dict()
    result_threshold = dict()
    for index in indices:
        label = labels[index]
        prob = probs[index]
        result_all[label] = prob
        if prob < score_threshold:
            break
        result_threshold[label] = prob
    result_text = ', '.join(result_all.keys())
    return result_threshold, result_all, result_text

# NSFW 判定関数
def predict_nsfw(image: Image.Image) -> dict[str, float]:
    classifier = pipeline("image-classification", model="Falconsai/nsfw_image_detection")
    result = classifier(image)[0]
    return {result['label']: result['score']}

# ブラーをかける関数
def blur_image(image: Image.Image, blur_enabled: bool, nsfw_score: float) -> Image.Image:
    if blur_enabled:
        nsfw_result = predict_nsfw(image)
        nsfw_score = nsfw_result.get('nsfw', 0.0)
        if nsfw_score >= 0.75:
            blur_radius=20*nsfw_score
            image = image.filter(ImageFilter.BLUR(radius=blur_radius))
    return image

# ページングと並び替えのためのデータを取得する関数
def load_data():
    if os.path.exists(index_file_path):
        return pd.read_csv(index_file_path)
    else:
        return pd.DataFrame(columns=["File Name", "Timestamp", "Tags"])

# ブラーのトグル用のキー

#blur_enabled = st.sidebar.checkbox("NSFW画像にブラーをかける", value=True, key=blur_toggle_key)
if "blur_enabled" not in st.session_state:
   st.session_state.blur_enabled = st.sidebar.checkbox("NSFW画像にブラーをかける", value=True, key=blur_toggle_key)
# アップロードされた写真を保存する関数
def save_uploaded_photo(uploaded_photo, file_name):
    if not os.path.exists(photos_folder):
        os.makedirs(photos_folder)
    
    # アップロードされた写真を保存
    image = Image.open(uploaded_photo)
    
    # ブラーの有効/無効をトグルで制御
    #blur_enabled = st.sidebar.checkbox("NSFW画像にブラーをかける", value=True, key=blur_toggle_key)
    
    # ブラーの適用
    image = blur_image(image, blur_enabled, 0.75)

    image.save(os.path.join(photos_folder, file_name), "PNG")

# アップロードされた写真を表示する関数
def display_photos(photos):
    for photo_info in photos.iterrows():
        row = photo_info[1]
        photo_path = os.path.join(photos_folder, row["File Name"])
        image = Image.open(photo_path)

        # タグを予測して表示
        result_threshold, result_all, result_text = predict_tags(image, 0.7)

        st.image(image, caption=row["File Name"], use_column_width=True)
        
        # タグを表示
        st.write("タグ:", ", ".join(result_all.keys()))

# フォルダーの中身を zip ファイルとしてダウンロード
def download_photos_as_zip(file_paths):
    # Zip ファイル作成
    with BytesIO() as zip_buffer:
        with zipfile.ZipFile(zip_buffer, "a", zipfile.ZIP_DEFLATED) as zip_file:
            for file_path in file_paths:
                zip_file.write(file_path, os.path.basename(file_path))
        
        # ダウンロードリンク表示
        st.markdown(
            f"**[ダウンロード ZIPファイル](data:application/zip;base64,{base64.b64encode(zip_buffer.getvalue()).decode()})**",
            unsafe_allow_html=True
        )

# モデルとラベルをダウンロードする関数
def load_model():
    path = huggingface_hub.hf_hub_download('public-data/DeepDanbooru', 'model-resnet_custom_v3.h5')
    model = tf.keras.models.load_model(path)
    return model

def load_labels():
    path = huggingface_hub.hf_hub_download('public-data/DeepDanbooru', 'tags.txt')
    with open(path) as f:
        labels = [line.strip() for line in f.readlines()]
    return labels

# Streamlit アプリケーションのメイン部分
def main():
    st.sidebar.title("アップロードオプション")
    uploaded_photos = st.sidebar.file_uploader("写真をアップロードしてください", type=["jpg", "jpeg", "png"], accept_multiple_files=True)

    # モデルとラベルをダウンロードする
    global model, labels
    model = load_model()
    labels = load_labels()

    # インデックスを初期化
    global photo_df
    photo_df = load_data()

    if uploaded_photos:
        for uploaded_photo in uploaded_photos:
            file_name = f"{datetime.now().strftime('%Y%m%d%H%M%S%f')}.png"
            save_uploaded_photo(uploaded_photo, file_name)

            # インデックスに追加
            photo_df = pd.concat([photo_df, pd.DataFrame([[os.path.basename(file_name), datetime.now(), ""]], columns=["File Name", "Timestamp", "Tags"])], ignore_index=True)

        # インデックスを更新
        photo_df.sort_values(by="Timestamp", inplace=True, ascending=False)
        photo_df.reset_index(drop=True, inplace=True)
        photo_df.to_csv(index_file_path, index=False)

    st.subheader("アップロードされた写真")
    
    # ページングのための変数
    page_num = st.sidebar.number_input("ページ番号", value=1, min_value=1, max_value=(len(photo_df) // PAGE_SIZE) + 1)
    start_idx = (page_num - 1) * PAGE_SIZE
    end_idx = min(start_idx + PAGE_SIZE, len(photo_df))
    current_page = photo_df.iloc[start_idx:end_idx]

    # 並び替えのための選択肢
    selected_sort = st.sidebar.selectbox("写真の並び替え", ["TimeStamp 昇順", "TimeStamp 降順", "名前 昇順", "名前 降順"])

    # 並び替え
    if selected_sort == "TimeStamp 昇順":
        current_page = current_page.sort_values(by="Timestamp", ascending=True)
    elif selected_sort == "TimeStamp 降順":
        current_page = current_page.sort_values(by="Timestamp", ascending=False)
    elif selected_sort == "名前 昇順":
        current_page = current_page.sort_values(by="File Name", ascending=True)
    elif selected_sort == "名前 降順":
        current_page = current_page.sort_values(by="File Name", ascending=False)

    # ページに写真を表示
    display_photos(current_page)

    # Next ボタン
    if st.button("Next"):
        page_num += 1
        st.experimental_rerun()

    # Previous ボタン
    if st.button("Previous"):
        page_num -= 1
        st.experimental_rerun()

    # Zip ダウンロードボタン
    if st.button("写真をダウンロード (ZIP)"):
        file_paths = [os.path.join(photos_folder, file) for file in os.listdir(photos_folder)]
        download_photos_as_zip(file_paths)

if __name__ == "__main__":
    main()