Spaces:
Runtime error
Runtime error
| import streamlit as st | |
| from PIL import Image | |
| import numpy as np | |
| import cv2 | |
| from huggingface_hub import from_pretrained_keras | |
| st.header("Segmentaci贸n de dientes con rayos X") | |
| st.subheader("Este es una iteraci贸n para bucar mejorar el demo") | |
| st.markdown( | |
| """ | |
| Este es un demo prueba para la clase de Platzi | |
| """ | |
| ) | |
| ## Seleccionamos y cargamos el modelo | |
| model_id = "SerdarHelli/Segmentation-of-Teeth-in-Panoramic-X-ray-Image-Using-U-Net" | |
| model = from_pretrained_keras(model_id) | |
| ## Permitimos a la usuaria cargar una imagen | |
| archivo_imagen = st.file_uploader("Sube aqu铆 tu imagen.", type=["png", "jpg", "jpeg"]) | |
| ## Si una imagen tiene m谩s de un canal entonces se convierte a escala de grises (1 canal) | |
| def convertir_one_channel(img): | |
| if len(img.shape) > 2: | |
| img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) | |
| return img | |
| else: | |
| return img | |
| def convertir_rgb(img): | |
| if len(img.shape) == 2: | |
| img = cv2.cvtColor(img, cv2.COLOR_GRAY2RGB) | |
| return img | |
| else: | |
| return img | |
| ## Manipularemos la interfaz para que podamos usar im谩genes ejemplo | |
| ## Si el usuario da click en un ejemplo entonces el modelo correr谩 con 茅l | |
| ejemplos = ["dientes_1.png", "dientes_2.png", "dientes_3.png"] | |
| ## Creamos tres columnas; en cada una estar谩 una imagen ejemplo | |
| col1, col2, col3 = st.columns(3) | |
| with col1: | |
| ## Se carga la imagen y se muestra en la interfaz | |
| ex = Image.open(ejemplos[0]) | |
| st.image(ex, width=200) | |
| ## Si oprime el bot贸n entonces usaremos ese ejemplo en el modelo | |
| if st.button("Corre este ejemplo 1"): | |
| archivo_imagen = ejemplos[0] | |
| with col2: | |
| ex1 = Image.open(ejemplos[1]) | |
| st.image(ex1, width=200) | |
| if st.button("Corre este ejemplo 2"): | |
| archivo_imagen = ejemplos[1] | |
| with col3: | |
| ex2 = Image.open(ejemplos[2]) | |
| st.image(ex2, width=200) | |
| if st.button("Corre este ejemplo 3"): | |
| archivo_imagen = ejemplos[2] | |
| ## Si tenemos una imagen para ingresar en el modelo entonces | |
| ## la procesamos e ingresamos al modelo | |
| if archivo_imagen is not None: | |
| ## Cargamos la imagen con PIL, la mostramos y la convertimos a un array de NumPy | |
| img = Image.open(archivo_imagen) | |
| st.image(img, width=850) | |
| img = np.asarray(img) | |
| ## Procesamos la imagen para ingresarla al modelo | |
| img_cv = convertir_one_channel(img) | |
| img_cv = cv2.resize(img_cv, (512, 512), interpolation=cv2.INTER_LANCZOS4) | |
| img_cv = np.float32(img_cv / 255) | |
| img_cv = np.reshape(img_cv, (1, 512, 512, 1)) | |
| ## Ingresamos el array de NumPy al modelo | |
| predicted = model.predict(img_cv) | |
| predicted = predicted[0] | |
| ## Regresamos la imagen a su forma original y agregamos las m谩scaras de la segmentaci贸n | |
| 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 | |
| ) | |
| kernel = np.ones((5, 5), dtype=np.float32) | |
| mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel, iterations=1) | |
| 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) | |
| ## Si obtuvimos exitosamente un resultadod entonces lo mostramos en la interfaz | |
| if output is not None: | |
| st.subheader("Segmentaci贸n:") | |
| st.write(output.shape) | |
| st.image(output, width=850) | |
| st.markdown("Gracias por usar nuestro demo! Nos vemos pronto") |