app.py

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
ClearAI - 图像增强应用
作者: ClearAI Team
描述: 基于Gradio的图像到图像处理应用，提供图像增强功能
"""

import gradio as gr
import numpy as np
from PIL import Image, ImageEnhance, ImageFilter
import cv2
import logging

# 配置日志
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

class ImageProcessor:
    """图像处理器类，包含各种图像增强方法"""
    
    def __init__(self):
        logger.info("初始化图像处理器")
    
    def enhance_image(self, image, enhancement_type="auto"):
        """
        图像增强主函数
        
        参数:
            image: PIL.Image对象 - 输入图像
            enhancement_type: str - 增强类型 ("auto", "sharpen", "brightness", "contrast")
        
        返回:
            PIL.Image对象 - 增强后的图像
        """
        try:
            if image is None:
                logger.error("输入图像为空")
                return None
            
            logger.info(f"开始处理图像，增强类型: {enhancement_type}")
            
            # 转换为RGB模式（如果不是的话）
            if image.mode != 'RGB':
                image = image.convert('RGB')
            
            # 根据增强类型选择处理方法
            if enhancement_type == "auto":
                enhanced_image = self._auto_enhance(image)
            elif enhancement_type == "sharpen":
                enhanced_image = self._sharpen_image(image)
            elif enhancement_type == "brightness":
                enhanced_image = self._adjust_brightness(image)
            elif enhancement_type == "contrast":
                enhanced_image = self._adjust_contrast(image)
            else:
                enhanced_image = self._auto_enhance(image)
            
            logger.info("图像处理完成")
            return enhanced_image
            
        except Exception as e:
            logger.error(f"图像处理出错: {str(e)}")
            return image  # 出错时返回原图像
    
    def _auto_enhance(self, image):
        """
        自动图像增强
        综合应用多种增强技术
        """
        # 1. 轻微锐化
        sharpened = image.filter(ImageFilter.UnsharpMask(radius=1.5, percent=150, threshold=3))
        
        # 2. 调整对比度
        contrast_enhancer = ImageEnhance.Contrast(sharpened)
        contrasted = contrast_enhancer.enhance(1.1)
        
        # 3. 调整亮度
        brightness_enhancer = ImageEnhance.Brightness(contrasted)
        brightened = brightness_enhancer.enhance(1.05)
        
        # 4. 调整饱和度
        color_enhancer = ImageEnhance.Color(brightened)
        final_image = color_enhancer.enhance(1.1)
        
        return final_image
    
    def _sharpen_image(self, image):
        """图像锐化"""
        # 使用UnsharpMask滤镜进行锐化
        sharpened = image.filter(ImageFilter.UnsharpMask(radius=2, percent=200, threshold=3))
        return sharpened
    
    def _adjust_brightness(self, image):
        """调整亮度"""
        enhancer = ImageEnhance.Brightness(image)
        return enhancer.enhance(1.2)  # 增加20%亮度
    
    def _adjust_contrast(self, image):
        """调整对比度"""
        enhancer = ImageEnhance.Contrast(image)
        return enhancer.enhance(1.3)  # 增加30%对比度
    
    def color_correction(self, image):
        """
        颜色校正
        自动调整图像的色彩平衡和饱和度
        """
        try:
            # 转换为numpy数组进行处理
            img_array = np.array(image)
            
            # 转换到LAB色彩空间进行颜色校正
            lab = cv2.cvtColor(img_array, cv2.COLOR_RGB2LAB)
            
            # 分离L、A、B通道
            l, a, b = cv2.split(lab)
            
            # 对L通道进行直方图均衡化（改善亮度分布）
            l = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8)).apply(l)
            
            # 重新合并通道
            lab = cv2.merge([l, a, b])
            
            # 转换回RGB色彩空间
            corrected = cv2.cvtColor(lab, cv2.COLOR_LAB2RGB)
            
            # 转换回PIL图像
            corrected_image = Image.fromarray(corrected)
            
            # 进一步调整饱和度
            color_enhancer = ImageEnhance.Color(corrected_image)
            final_image = color_enhancer.enhance(1.15)  # 增加15%饱和度
            
            return final_image
            
        except Exception as e:
            logger.error(f"颜色校正处理出错: {str(e)}")
            return image

# 创建全局图像处理器实例
processor = ImageProcessor()

def process_image(input_image, apply_color_correction):
    """
    Gradio接口函数
    
    参数:
        input_image: 输入图像
        apply_color_correction: 是否应用颜色校正
    
    返回:
        处理后的图像
    """
    if input_image is None:
        return None
    
    try:
        # 自动图像增强
        enhanced_image = processor.enhance_image(input_image, "auto")
        
        # 可选的颜色校正处理
        if apply_color_correction:
            enhanced_image = processor.color_correction(enhanced_image)
        
        return enhanced_image
        
    except Exception as e:
        logger.error(f"处理图像时发生错误: {str(e)}")
        return input_image

def create_gradio_interface():
    """创建Gradio界面"""
    
    # 自定义CSS样式
    css = """
    .gradio-container {
        font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;
    }
    .header {
        text-align: center;
        margin-bottom: 30px;
    }
    .footer {
        text-align: center;
        margin-top: 30px;
        color: #666;
    }
    """
    
    # 创建Gradio界面
    with gr.Blocks(css=css, title="ClearAI - 图像增强") as demo:
        
        # 标题和描述
        gr.HTML("""
        <div class="header">
            <h1>🏢 ClearAI - 图像增强应用</h1>
            <p>上传您的图像，选择增强类型，获得更清晰的图像效果</p>
        </div>
        """)
        
        # 主要界面布局
        with gr.Row():
            # 左侧：输入区域
            with gr.Column(scale=1):
                gr.HTML("<h3>📤 输入图像</h3>")
                input_image = gr.Image(
                    type="pil",
                    label="上传图像",
                    height=400
                )
                
                # 控制选项
                gr.HTML("<h3>⚙️ 处理选项</h3>")
                gr.HTML("<p>✨ 自动增强模式：智能优化图像清晰度、对比度和亮度</p>")
                
                apply_color_correction = gr.Checkbox(
                    label="应用颜色校正",
                    value=False,
                    info="自动调整图像色彩平衡和饱和度（处理时间会稍微增加）"
                )
                
                # 处理按钮
                process_btn = gr.Button(
                    "🚀 处理图像",
                    variant="primary",
                    size="lg"
                )
            
            # 右侧：输出区域
            with gr.Column(scale=1):
                gr.HTML("<h3>📥 增强结果</h3>")
                output_image = gr.Image(
                    type="pil",
                    label="增强后图像",
                    height=400
                )
        
        # 示例图像区域
        gr.HTML("<h3>💡 使用示例</h3>")
        gr.Examples(
            examples=[
                [False],
                [True],
            ],
            inputs=[apply_color_correction],
            label="预设配置"
        )
        
        # 使用说明
        with gr.Accordion("📖 使用说明", open=False):
            gr.Markdown("""
            ### 如何使用：
            1. **上传图像**：点击上传区域或拖拽图像文件
            2. **自动增强**：应用会自动优化图像的清晰度、对比度和亮度
            3. **可选颜色校正**：勾选后会进行色彩平衡和饱和度调整
               - 使用LAB色彩空间进行专业级颜色校正
               - 自动改善图像的色彩分布
               - 增强图像的色彩饱和度
            4. **点击处理**：点击"处理图像"按钮开始处理
            5. **查看结果**：在右侧查看增强后的图像
            6. **下载图像**：右键点击结果图像可以保存
            
            ### 支持格式：
            - PNG, JPG, JPEG, BMP, TIFF, WEBP
            
            ### 注意事项：
            - 建议图像大小不超过10MB
            - 颜色校正会稍微增加处理时间
            - 处理时间取决于图像大小和复杂度
            - 自动增强适用于大多数图像类型
            """)
        
        # 绑定处理函数
        process_btn.click(
            fn=process_image,
            inputs=[input_image, apply_color_correction],
            outputs=output_image,
            show_progress=True
        )
        
        # 页脚信息
        gr.HTML("""
        <div class="footer">
            <p>🚀 由 <strong>ClearAI</strong> 提供技术支持 | 基于 Gradio 构建</p>
            <p>💡 如有问题或建议，请在 Hugging Face Space 页面留言</p>
        </div>
        """)
    
    return demo

def main():
    """主函数"""
    logger.info("启动ClearAI图像增强应用")
    
    # 创建Gradio界面
    demo = create_gradio_interface()
    
    # 启动应用
    demo.launch(
        server_name="0.0.0.0",
        server_port=7860,
        share=False,
        show_error=True
    )

if __name__ == "__main__":
    main()