Upload 5 files

app.py

@@ -0,0 +1,132 @@
+#!/usr/bin/env python
+# coding: utf-8
+
+# # 1. Pre-procesamiento de datos
+
+# In[14]:
+
+
+import cv2
+import numpy as np
+
+
+# In[15]:
+
+
+def redimensionar(imagenes,tamano):
+    imagenes_ajustadas = []
+    for imagen in imagenes: 
+        imagen_temporal = cv2.resize (imagen,tamano)
+        imagenes_ajustadas.append(imagen_temporal)
+    return imagenes_ajustadas
+
+
+# In[16]:
+
+
+def contraste(imagenes, valor_contraste):
+    imagenes_ajustadas = []
+    for imagen in imagenes: 
+        imagen_temporal = np.clip(imagen*valor_contraste,0,255)
+        imagenes_ajustadas.append(imagen_temporal)
+    return imagenes_ajustadas
+
+
+# In[17]:
+
+
+def rasgos(imagenes,width):
+    imagenes_ajustadas = []
+    
+    for imagen in imagenes:
+        img = imagen
+        img = cv2.resize(img, (width,int(width*img.shape[0]/img.shape[1])))
+
+        c = cv2.dft(np.float32(img), flags = cv2.DFT_COMPLEX_OUTPUT)
+        mag = np.sqrt(c[:,:,0]**2 + c[:,:,1]**2)
+        spectralResidual = np.exp(np.log(mag) - cv2.boxFilter(np.log(mag), -1, (3,3)))
+
+        c[:,:,0] = c[:,:,0] * spectralResidual / mag
+        c[:,:,1] = c[:,:,1] * spectralResidual / mag
+        c = cv2.dft(c, flags = (cv2.DFT_INVERSE | cv2.DFT_SCALE))
+        mag = c[:,:,0]**2 + c[:,:,1]**2
+        cv2.normalize(cv2.GaussianBlur(mag,(9,9),3,3), mag, 0., 1., cv2.NORM_MINMAX)
+        
+        imagenes_ajustadas.append(mag)
+        
+    return imagenes_ajustadas
+
+
+# In[18]:
+
+
+import gradio as gr
+import tensorflow as tf
+from tensorflow import keras
+from tensorflow.keras import models
+
+
+modelo1 = tf.keras.models.load_model('modeloIA_1.h5')
+modelo2 = tf.keras.models.load_model('modeloIA_2.h5')
+modelo3 = tf.keras.models.load_model('modeloIA_3.h5')
+modelo4 = tf.keras.models.load_model('modeloIA_4.h5')
+
+
+# In[27]:
+
+
+def ejecutar_modelo(imagen_app):
+    imagen_app = cv2.cvtColor (imagen_app,cv2.COLOR_BGR2GRAY)
+    
+    imagenes_app = []
+    imagenes_app.append(imagen_app)
+    
+    imagen_temporal = rasgos (imagenes_app, 128)
+    imagen_temporal = redimensionar(imagen_temporal,(256,256))
+    imagen_temporal = contraste(imagen_temporal,0.4)
+    imagen_temporal = np.expand_dims(imagen_temporal, axis=3)
+    
+    resultado1 = modelo1.predict(imagen_temporal)
+    resultado1 = int (np.argmax (resultado1, axis=1))
+    
+    resultado2 = modelo2.predict(imagen_temporal)
+    resultado2 =  int (np.argmax (resultado2, axis=1))
+    
+    resultado3 = modelo3.predict(imagen_temporal)
+    resultado3 =  int (np.argmax (resultado3, axis=1))
+    
+    resultado4 = modelo4.predict(imagen_temporal)
+    resultado4 =  int (np.argmax (resultado4, axis=1))
+    
+    clase1 = ['armonia', 'ausencia', 'contraste', 'ninguno']
+    clase2 =['ausencia', 'fragmentacion', 'ninguno', 'unidad']
+    clase3 = ['ausencia', 'equilibrio', 'inestabilidad', 'ninguno']
+    clase4 = ['agudeza', 'ausencia', 'difusividad', 'ninguno']
+    
+    return clase1 [resultado1], clase2 [resultado2], clase3 [resultado3], clase4 [resultado4]
+
+
+# In[28]:
+
+
+gui = gr.Interface (
+    fn = ejecutar_modelo, 
+    inputs = gr.Image (), 
+    outputs = ["text", "text", "text", "text"],
+    title ='Evaluador de imagenes usando IA', 
+)
+
+gui.launch(inbrowser = True)
+
+
+# In[ ]:
+
+
+
+
+
+# In[ ]:
+
+
+
+

modeloIA_1.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:eb6a2eb210d15f504f5bbac842f512897c282e24bbc304efd8e2e27b3564c01d
+size 354235464

modeloIA_2.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:40e3badbb0203d6b3fe9ae76f25d2c4bbfcd489f016ab4357e8dff875a1c4f41
+size 354235432

modeloIA_3.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:94fdf86a2ce84780f166c869983ed51938677401a3a44c29b35d83349cd52e42
+size 354235464

modeloIA_4.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:62578494311380496ff87449c7446fb1e05708d808cbd0d6d81490f591813a56
+size 354235432