Update app.py

app.py

@@ -5,13 +5,23 @@ import torch
 import torch.nn.functional as F
 import numpy as np
 import cv2 as cv
+import matplotlib.pyplot as plt
+
 
-# Model ve işlemci yükleme
 processor = SegformerImageProcessor.from_pretrained("mattmdjaga/segformer_b2_clothes")
 model = AutoModelForSemanticSegmentation.from_pretrained("mattmdjaga/segformer_b2_clothes")
 
+# Renk tonlarını belirleyin (HSV'deki hue değerleri 0-180 arasında değişir)
+color_map = {
+    "Green": 60,
+    "Blue": 120,
+    "Yellow": 30,
+    "Purple": 150
+}
 
-def change_hair_color(image, selected_color):
+def apply_filter(image, selected_color):
+    
+    image = image.convert("RGB")
 
     inputs = processor(images=image, return_tensors="pt")
 
@@ -23,50 +33,38 @@ def change_hair_color(image, selected_color):
     # Çıktıyı orijinal görüntü boyutuna göre yeniden boyutlandırın
     upsampled_logits = F.interpolate(
         logits,
-        size=image.size[::-1],  # (yükseklik, genişlik) olarak boyutlandırma
+        size=image.size[::-1], 
         mode="bilinear",
         align_corners=False,
     )
 
-    # Segmentasyon maskesini oluşturun
+    
     pred_seg = upsampled_logits.argmax(dim=1)[0].numpy()
 
-    # Saç maskesini oluşturun (sınıf 2)
-    hair_mask = (pred_seg == 2 ).astype(np.uint8)
+    hair_mask = (pred_seg == 2).astype(np.uint8)
 
-    # Orijinal görüntüyü OpenCV formatına dönüştürün
+    # Orijinal görüntüyü OpenCV formatına dönüştürün ve HSV uzayına çevirin
     image_cv = cv.cvtColor(np.array(image), cv.COLOR_RGB2BGR)
+    hsv_image = cv.cvtColor(image_cv, cv.COLOR_BGR2HSV)
+
+    # Seçilen renk için hue değeri alın
+    hue_value = color_map.get(selected_color, 0)  # Varsayılan olarak 0 (orijinal renk tonu)
+
+    # Maske ile sadece saç bölgesini güncelleyin
+    hsv_image[..., 0] = np.where(hair_mask == 1, hue_value, hsv_image[..., 0])
+
+    # Saç bölgesinde doygunluk artırımı (isteğe bağlı)
+    hsv_image[..., 1] = np.where(hair_mask == 1, hsv_image[..., 1] * 1.5, hsv_image[..., 1])
 
-    # Renk kanallarını ayırın
-    b, g, r = cv.split(image_cv)
-
-    # Farklı renk filtreleri uygulayın
-    yesil_sac = cv.merge([b, r, g])  # Kırmızıyı yeşile kaydır
-    mavi_sac = cv.merge([r, g, b])   # Kırmızı ve mavi yer değiştir
-    sari_sac = cv.merge([b, r, r])   # Mavi kanalı azaltarak sarıya kaydır
-    mor_sac = cv.merge([r, g, r])    # Yeşili azaltarak mora kaydır
-
-    # Seçilen renge göre filtreyi uygula
-    if selected_color == "Green":
-        final_image = cv.addWeighted(image_cv, 1, cv.bitwise_and(yesil_sac, yesil_sac, mask=hair_mask), 1, 0)
-    elif selected_color == "Blue":
-        final_image = cv.addWeighted(image_cv, 1, cv.bitwise_and(mavi_sac, mavi_sac, mask=hair_mask), 1, 0)
-    elif selected_color == "Yellow":
-        final_image = cv.addWeighted(image_cv, 1, cv.bitwise_and(sari_sac, sari_sac, mask=hair_mask), 1, 0)
-    elif selected_color == "Purple":
-        
-        final_image = cv.addWeighted(image_cv, 1, cv.bitwise_and(mor_sac, mor_sac, mask=hair_mask), 1, 0)
-    else:
-        final_image = image_cv  # Orijinal renk
-
-    # Çıktıyı RGB formatında dönüştür
-    final_image_rgb = cv.cvtColor(final_image, cv.COLOR_BGR2RGB)
     
-    return final_image_rgb
+    final_image = cv.cvtColor(hsv_image, cv.COLOR_HSV2BGR)
+
+   
+    return Image.fromarray(cv.cvtColor(final_image, cv.COLOR_BGR2RGB))
+
 
-# Gradio arayüzü
 iface = gr.Interface(
-    fn=change_hair_color, 
+    fn=apply_filter, 
     inputs=[
         gr.Image(type="pil"), 
         gr.Dropdown(