initial commmit

app.py

@@ -0,0 +1,70 @@
+import streamlit as st 
+from PIL import Image
+import numpy as np
+import cv2
+from huggingface_hub import from_pretrained_keras
+
+st.header("Segmentación de dientes con rayos X")
+
+st.markdown('''
+
+Hola estudiantes de Platzi 🚀. Este modelo usan UNet para segmentar imágenes
+de dientos en rayos X. Se utila un modelo de Keras importado con la función
+`huggingface_hub.from_pretrained_keras`. Recuerda que el Hub de Hugging Face está integrado
+con muchas librerías como Keras, scikit-learn, fastai y otras.
+
+El modelo fue creado por [SerdarHelli](https://huggingface.co/SerdarHelli/Segmentation-of-Teeth-in-Panoramic-X-ray-Image-Using-U-Net).
+
+''')
+
+model_id = "SerdarHelli/Segmentation-of-Teeth-in-Panoramic-X-ray-Image-Using-U-Net"
+model=from_pretrained_keras(model_id)
+
+## Si una imagen tiene más de un canal entonces se convierte a escala de grises (1 canal) 
+def convertir_one_channel(img):
+    if len(img.shape)>2:
+        img= cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+        return img
+    else:
+        return img
+    
+def convertir_rgb(img):
+    if len(img.shape)==2:
+        img= cv2.cvtColor(img,cv2.COLOR_GRAY2RGB)  
+        return img
+    else:
+        return img
+
+    
+image_file = st.file_uploader("Sube aquí tu imagen.", type=["png","jpg","jpeg"])
+
+    
+if image_file is not None:
+
+      img= Image.open(image_file)
+      
+      st.image(img,width=850)
+      
+      img=np.asarray(img)
+  
+      img_cv=convertir_one_channel(img)
+      img_cv=cv2.resize(img_cv,(512,512), interpolation=cv2.INTER_LANCZOS4)
+      img_cv=np.float32(img_cv/255)
+      
+      img_cv=np.reshape(img_cv,(1,512,512,1))
+      prediction=model.predict(img_cv)
+      predicted=prediction[0]
+      predicted = cv2.resize(predicted, (img.shape[1],img.shape[0]), interpolation=cv2.INTER_LANCZOS4)
+      mask=np.uint8(predicted*255)# 
+      _, mask = cv2.threshold(mask, thresh=0, maxval=255, type=cv2.THRESH_BINARY+cv2.THRESH_OTSU)
+      kernel =( np.ones((5,5), dtype=np.float32))
+      mask=cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel,iterations=1 )  
+      mask=cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel,iterations=1 )
+      cnts,hieararch=cv2.findContours(mask,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
+      output = cv2.drawContours(convertir_one_channel(img), cnts, -1, (255, 0, 0) , 3)
+
+
+      if output is not None :      
+          st.subheader("Segmentación:")  
+          st.write(output.shape)
+          st.image(output,width=850)

requiremets.txt

@@ -0,0 +1,5 @@
+numpy
+Pillow
+scipy
+opencv-python
+tensorflow