app(24).py

import os
import cv2
import torch
from model import U2NET
from torch.autograd import Variable
import numpy as np
from huggingface_hub import hf_hub_download
import gradio as gr

# Chuẩn hóa dự đoán
def normPRED(d):
    return (d - torch.min(d)) / (torch.max(d) - torch.min(d))

# Hàm suy luận với U2NET
def inference(net, input_img):
    input_img = input_img / np.max(input_img)
    tmpImg = np.zeros((input_img.shape[0], input_img.shape[1], 3))
    tmpImg[:, :, 0] = (input_img[:, :, 2] - 0.406) / 0.225
    tmpImg[:, :, 1] = (input_img[:, :, 1] - 0.456) / 0.224
    tmpImg[:, :, 2] = (input_img[:, :, 0] - 0.485) / 0.229
    tmpImg = torch.from_numpy(tmpImg.transpose((2, 0, 1))[np.newaxis, :, :, :]).type(torch.FloatTensor)
    tmpImg = Variable(tmpImg.cuda() if torch.cuda.is_available() else tmpImg)
    d1, _, _, _, _, _, _ = net(tmpImg)
    pred = normPRED(1.0 - d1[:, 0, :, :])
    return pred.cpu().data.numpy().squeeze()

# Hàm chính để xử lý ảnh đầu vào và trả về ảnh chân dung
def process_image(img, apply_bw, brightness, contrast, saturation, white_balance, hue, highlights_shadows, sharpness, noise_reduction,
                  apply_adjustments):
    # Chuyển ảnh sang đen trắng nếu cần
    if apply_bw:
        img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
        img = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)
    
    # Áp dụng các điều chỉnh nếu được yêu cầu
    if apply_adjustments:
        # Độ sáng và Độ tương phản
        img = cv2.convertScaleAbs(img, alpha=contrast / 50.0, beta=brightness - 50)
        
        # Các điều chỉnh khác có thể được thêm vào đây (bão hòa, cân bằng trắng, v.v.)
        # Placeholder cho các điều chỉnh chi tiết hơn
    
    # Chạy suy luận với U2NET
    result = inference(u2net, img)
    return (result * 255).astype(np.uint8)

# Tải mô hình từ Hugging Face Hub
def load_u2net_model():
    model_path = hf_hub_download(repo_id="Arrcttacsrks/U2net", filename="u2net_portrait.pth", use_auth_token=os.getenv("HF_TOKEN"))
    net = U2NET(3, 1)
    net.load_state_dict(torch.load(model_path, map_location="cuda" if torch.cuda.is_available() else "cpu"))
    net.eval()
    return net

# Khởi tạo mô hình U2NET
u2net = load_u2net_model()

# Tạo giao diện với Gradio
iface = gr.Interface(
    fn=process_image,
    inputs=[
        gr.Image(type="numpy", label="Upload your image"),
        gr.Checkbox(label="Black & White Image"),
        gr.Slider(0, 100, value=50, label="Brightness"),
        gr.Slider(0, 100, value=50, label="Contrast"),
        gr.Slider(0, 100, value=50, label="Saturation"),
        gr.Slider(0, 100, value=50, label="White Balance"),
        gr.Slider(0, 100, value=50, label="Hue"),
        gr.Slider(0, 100, value=50, label="Highlights and Shadows"),
        gr.Slider(0, 100, value=50, label="Sharpness"),
        gr.Slider(0, 100, value=50, label="Noise Reduction"),
        gr.Checkbox(label="Apply Adjustments")
    ],
    outputs=gr.Image(type="numpy", label="Portrait Result"),
    title="Portrait Generation with U2NET",
    description="Upload an image to generate its portrait with optional adjustments."
)

iface.launch()