Update app.py

app.py

@@ -101,12 +101,12 @@ if archivo_imagen is not None:
     
     ## Ingresamos el array de NumPy al modelo
     mask=model.predict(np.expand_dims(np.expand_dims(img_P,axis=-1),axis=0))
-    mask=np.resize(mask,(224,224))
-    predicted=np.array(mask>0.5).astype(int)
-    img_seg_1=img_cv*mask
+    #mask=np.resize(mask,(224,224))
+    #predicted=np.array(mask>0.5).astype(int)
+    #img_seg_1=img_cv*mask
+    predicted = mask[0]
 
     ## Regresamos la imagen a su forma original y agregamos las máscaras de la segmentación
-    """
     predicted = cv2.resize(predicted, (img.shape[1], img.shape[0]), interpolation=cv2.INTER_LANCZOS4)
     mask = np.uint8(predicted * 255)  #
     _, mask = cv2.threshold(mask, thresh=0, maxval=255, type=cv2.THRESH_BINARY + cv2.THRESH_OTSU)
@@ -115,8 +115,7 @@ if archivo_imagen is not None:
     mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel, iterations=1)
     cnts, hieararch = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
     output = cv2.drawContours(convertir_one_channel(img), cnts, -1, (255, 0, 0), 3)
-    """
-    output=img_seg_1
+    #output=img_seg_1
     ## Si obtuvimos exitosamente un resultadod entonces lo mostramos en la interfaz
     if output is not None:
         st.subheader("Segmentación:")