´´ver2´´

app.py

@@ -4,25 +4,23 @@ import numpy as np
 import gradio as gr
 import cv2
 
+# Tamanho padrão para o redimensionamento das imagens
+IMAGE_SIZE = (256, 256)
+
 # Carrega o modelo de transferência de estilo pré-treinado
 style_transfer_model = hub.load('https://tfhub.dev/google/magenta/arbitrary-image-stylization-v1-256/2')
 
 def load_image(image):
-    # Função para processar a imagem para o modelo
+    # Redimensiona a imagem para o tamanho padrão
+    image = cv2.resize(image, IMAGE_SIZE, interpolation=cv2.INTER_AREA)
+
+    # Processa a imagem para o modelo
     image = image.astype(np.float32)[np.newaxis, ...] / 255.
     if image.shape[-1] == 4:
         image = image[..., :3]
     return image
 
-def interpolate_images(baseline, target, alpha):
-    return baseline + alpha * (target - baseline)
-
-def apply_sharpness(image, intensity):
-    kernel = np.array([[0, -intensity, 0],
-                       [-intensity, 1 + 4 * intensity, -intensity],
-                       [0, -intensity, 0]])
-    sharp_image = cv2.filter2D(image, -1, kernel)
-    return np.clip(sharp_image, 0, 255)
+# Restante do seu código...
 
 def style_transfer(content_image, style_image, style_density, content_sharpness):
     # Processa as imagens
@@ -36,6 +34,7 @@ def style_transfer(content_image, style_image, style_density, content_sharpness)
     # Executa a transferência de estilo
     stylized_image = style_transfer_model(tf.constant(content_image_sharp), tf.constant(style_image))[0]
 
+    # Não é mais necessário redimensionar stylized_image, pois todas as imagens já estão no mesmo tamanho
     # Interpola entre a imagem de conteúdo e a imagem estilizada para densidade de estilo
     stylized_image = interpolate_images(
         baseline=content_image[0],