Update app.py

app.py

@@ -1,119 +1,134 @@
 import gradio as gr
-import cv2
+from PIL import Image, ImageFilter
 import numpy as np
-from PIL import Image
-import os
-
-# Функции улучшения изображения
-
-def resize_lanczos(image, scale_factor):
-  """Апскейл изображения с помощью интерполяции Ланцоша."""
-  width = int(image.shape[1] * scale_factor)
-  height = int(image.shape[0] * scale_factor)
-  return cv2.resize(image, (width, height), interpolation=cv2.INTER_LANCZOS4)
-
-def resize_dcci(image, scale_factor):
-  """Апскейл изображения с помощью DCCI (Directional Cubic Convolution Interpolation)."""
-  # DCCI требует на вход изображение в формате PIL Image
-  pil_image = Image.fromarray(image)
-
-  # Определение новых размеров
-  width, height = pil_image.size
-  new_width = int(width * scale_factor)
-  new_height = int(height * scale_factor)
-
-  # Используем Image.resize с методом Image.Resampling.LANCZOS, который
-  # является приближением DCCI в библиотеке Pillow
-  resized_image = pil_image.resize((new_width, new_height), Image.Resampling.LANCZOS)
-
-  return np.array(resized_image)
-
-def denoise_image(image, strength=10, photo_render=10, color_render=10):
-  """Подавление шума на изображении с помощью Non-local Means Denoising."""
-  return cv2.fastNlMeansDenoisingColored(image, None, strength, photo_render, 7, 21)
-
-def sharpen_image(image, strength=1.5, radius=1):
-  """Повышение резкости изображения с помощью Unsharp Masking."""
-  blurred = cv2.GaussianBlur(image, (0, 0), radius)
-  sharpened = cv2.addWeighted(image, strength, blurred, 1-strength, 0)
-  return sharpened
-
-def enhance_details(image, strength=5, radius=50):
-    """Улучшение деталей с помощью Bilateral Filter."""
-    return cv2.detailEnhance(image, sigma_s=radius, sigma_r=strength/100.0)
-
-def adjust_contrast_brightness(image, contrast=1.0, brightness=0):
-  """Регулировка контрастности и яркости."""
-  return cv2.convertScaleAbs(image, alpha=contrast, beta=brightness)
-
-def enhance_image(image, scale_factor, denoise_strength, sharpen_strength, detail_strength, contrast, brightness, use_dcci, use_lanczos):
-  """Основная функция для улучшения и апскейла изображения."""
-
-  # Конвертация в формат OpenCV, если на вход подана PIL Image
-  if isinstance(image, Image.Image):
-      image = np.array(image)
-
-  # 1. Подавление шума
-  if denoise_strength > 0:
-    image = denoise_image(image, strength=denoise_strength)
-
-  # 2. Апскейл
-  if use_dcci:
-    image = resize_dcci(image, scale_factor)
-  elif use_lanczos:
-      image = resize_lanczos(image, scale_factor)
-  else:
-      image = resize_dcci(image, scale_factor) # DCCI по умолчанию
-
-  # 3. Повышение резкости
-  if sharpen_strength > 0:
-    image = sharpen_image(image, strength=sharpen_strength/10.0 + 1)
-
-  # 4. Улучшение деталей
-  if detail_strength > 0:
-      image = enhance_details(image, strength=detail_strength, radius=50)
-
-  # 5. Регулировка контрастности и яркости
-  image = adjust_contrast_brightness(image, contrast=contrast, brightness=brightness)
-
-  return image
-
-# Создание интерфейса Gradio
-def process_image_gradio(image, scale_factor, denoise_strength, sharpen_strength, detail_strength, contrast, brightness, use_dcci, use_lanczos):
-  """Обработка изображения через интерфейс Gradio."""
-  # Обработка изображения
-  enhanced_image = enhance_image(image, scale_factor, denoise_strength, sharpen_strength, detail_strength, contrast, brightness, use_dcci, use_lanczos)
-
-  return enhanced_image
-
-# Компоненты Gradio
-inputs = [
-    gr.Image(type="numpy", label="Исходное изображение"),
-    gr.Slider(minimum=1, maximum=4, step=0.1, value=2, label="Коэффициент увеличения"),
-    gr.Slider(minimum=0, maximum=30, step=1, value=10, label="Сила подавления шума"),
-    gr.Slider(minimum=0, maximum=20, step=1, value=5, label="Сила повышения резкости"),
-    gr.Slider(minimum=0, maximum=10, step=1, value=0, label="Сила улучшения деталей"),
-    gr.Slider(minimum=0.5, maximum=2.0, step=0.1, value=1.0, label="Контрастность"),
-    gr.Slider(minimum=-50, maximum=50, step=1, value=0, label="Яркость"),
-    gr.Checkbox(value=False, label="Использовать DCCI (более качественный, но медленный)"),
-    gr.Checkbox(value=True, label="Использовать Lanczos (быстрый)"),
-]
-outputs = gr.Image(type="numpy", label="Улучшенное изображение")
-
-title = "Улучшение и апскейл изображений"
-description = "Приложение для улучшения качества и увеличения разрешения фотографий. Используются алгоритмы: интерполяция Ланцоша/DCCI, подавление шума (Non-local Means Denoising), повышение резкости (Unsharp Masking), улучшение деталей (Bilateral Filter) и регулировка контрастности/яркости."
-
-# Запуск интерфейса
+
+def lossless_compression(image, reduction_percent, target_size_kb, auto_mode):
+    """
+    Сжимает изображение без потерь качества, уменьшая количество пикселей и применяя алгоритмы для сохранения деталей.
+
+    Args:
+        image: Входное изображение (PIL Image).
+        reduction_percent: Процент уменьшения пикселей по горизонтали (0-100).
+        target_size_kb: Желаемый размер файла в килобайтах (используется в автоматическом режиме).
+        auto_mode: Флаг автоматического режима (True/False).
+
+    Returns:
+        Сжатое изображение (PIL Image).
+    """
+
+    if auto_mode:
+        # Автоматический подбор параметров сжатия
+        reduction_percent, quality = auto_adjust_compression(image, target_size_kb)
+    else:
+        # Ручной режим, используем заданный процент уменьшения
+        quality = 95  # Базовое качество JPEG, можно настроить
+
+    # 1. Уменьшение количества пикселей по горизонтали
+    width, height = image.size
+    new_width = int(width * (1 - reduction_percent / 100))
+    resized_image = image.resize((new_width, height), Image.LANCZOS)
+
+    # 2. Растягивание обратно фильтром Ланцоша
+    stretched_image = resized_image.resize((width, height), Image.LANCZOS)
+    
+    # 3. Адаптивное размытие (уменьшение шума и артефактов)
+    blurred_image = adaptive_blur(stretched_image)
+
+    # 4. Повышение резкости (компенсация размытия)
+    sharpened_image = blurred_image.filter(ImageFilter.UnsharpMask(radius=1, percent=150, threshold=3))
+
+    # 5. Сохранение с оптимизированными параметрами
+    output_image = sharpened_image
+    
+    # Преобразование изображения в формат, пригодный для сохранения в буфер
+    if output_image.mode != "RGB":
+        output_image = output_image.convert("RGB")
+
+    return output_image, reduction_percent, quality
+
+def auto_adjust_compression(image, target_size_kb):
+    """
+    Автоматически подбирает параметры сжатия для достижения целевого размера файла.
+
+    Args:
+        image: Входное изображение (PIL Image).
+        target_size_kb: Желаемый размер файла в килобайтах.
+
+    Returns:
+        Оптимальный процент уменьшения, оптимальное качество JPEG.
+    """
+    
+    # Очень грубая эвристика для начальной оценки. Нужно тестировать и улучшать
+    initial_reduction = min(50, int(100 * (1 - target_size_kb * 1024 / len(image.tobytes()))))
+    reduction_percent = initial_reduction
+    quality = 95
+
+    # Итеративно подбираем параметры, если нужно. 
+    # В реальном приложении здесь может быть более сложный алгоритм
+    # с бинарным поиском или другими методами оптимизации.
+
+    return reduction_percent, quality
+
+def adaptive_blur(image):
+    """
+    Применяет адаптивное размытие к изображению.
+
+    Args:
+        image: Входное изображение (PIL Image).
+
+    Returns:
+        Изображение с адаптивным размытием (PIL Image).
+    """
+    # Преобразуем изображение в массив NumPy для анализа
+    img_array = np.array(image)
+
+    # Простой пример адаптивного размытия:
+    # Сильнее размываем области с меньшим количеством деталей (меньше дисперсия)
+    # Это очень базовый пример, нужно улучшать в зависимости от задачи
+    std_dev = np.std(img_array)
+    
+    if std_dev < 20: # Порог стандартного отклонения - настраиваемый параметр
+        # Применяем более сильное размытие
+        blurred_image = image.filter(ImageFilter.GaussianBlur(radius=2))
+    else:
+        # Применяем слабое размытие
+        blurred_image = image.filter(ImageFilter.GaussianBlur(radius=1))
+
+    return blurred_image
+
+def save_compressed_image(image, quality, filename="compressed_image.jpg"):
+    """
+    Сохраняет сжатое изображение с указанным качеством.
+
+    Args:
+      image: PIL Image.
+      quality: Качество JPEG (0-100).
+      filename: Имя файла для сохранения.
+    """
+    image.save(filename, "JPEG", optimize=True, quality=quality)
+
+# Интерфейс Gradio
+def gradio_interface(image, reduction_percent, target_size_kb, auto_mode):
+    compressed_image, used_reduction, used_quality = lossless_compression(image, reduction_percent, target_size_kb, auto_mode)
+    save_compressed_image(compressed_image, used_quality)
+    return compressed_image, f"Использованное уменьшение: {used_reduction:.2f}%, Качество JPEG: {used_quality}"
+
 iface = gr.Interface(
-    fn=process_image_gradio,
-    inputs=inputs,
-    outputs=outputs,
-    title=title,
-    description=description,
-    examples=[
-        [os.path.join(os.path.dirname(__file__), "example.jpg"), 2, 10, 5, 0, 1.0, 0, False, True],
+    fn=gradio_interface,
+    inputs=[
+        gr.Image(type="pil", label="Исходное изображение"),
+        gr.Slider(0, 50, step=1, value=12, label="Процент уменьшения пикселей по горизонтали (ручной режим)"),
+        gr.Slider(1, 200, step=1, value=50, label="Желаемый размер файла в KB (автоматический режим)"),
+        gr.Checkbox(label="Автоматический режим"),
+    ],
+    outputs=[
+        gr.Image(type="pil", label="Сжатое изображение"),
+        gr.Textbox(label="Параметры сжатия")
     ],
-    cache_examples=False
+    title="Сжатие изображений без потерь",
+    description="Уменьшает размер изображения, сохраняя визуальное качество. "
+                "Выберите автоматический режим или введите желаемый размер файла "
+                "или процент уменьшения пикселей вручную.",
 )
 
 iface.launch()