Update app.py

app.py

@@ -8,6 +8,7 @@ import numpy as np
 from preprocess import unsharp_masking
 import time
 from sklearn.cluster import KMeans
+import os
 
 device = "cuda" if torch.cuda.is_available() else "cpu"
 
@@ -53,7 +54,7 @@ def preprocessar_imagem(img, modelo='SE-RegUNet 4GF'):
 
 
 # Função para processar a imagem de entrada
-def processar_imagem_de_entrada(img, modelo, pipe, salvar_resultado=False):
+def processar_imagem_de_entrada(img, modelo, pipe, salvar_resultado=False, nome_arquivo=None):
     try:
         # Faça uma cópia da imagem original
         img = img.copy()
@@ -93,7 +94,16 @@ def processar_imagem_de_entrada(img, modelo, pipe, salvar_resultado=False):
 
         # Salve o resultado em um arquivo se a opção estiver ativada
         if salvar_resultado:
-            nome_arquivo = f'resultado_{int(time.time())}.png'
+            # Certifique-se de que a pasta "Salvar Resultado" exista
+            if not os.path.exists("Salvar Resultado"):
+                os.makedirs("Salvar Resultado")
+            
+            # Se o nome do arquivo não for especificado, gere um nome exclusivo com base no timestamp
+            if nome_arquivo is None:
+                nome_arquivo = f'resultado_{int(time.time())}.png'
+            
+            # Salve o resultado na pasta "Salvar Resultado"
+            nome_arquivo = os.path.join("Salvar Resultado", nome_arquivo)
             cv2.imwrite(nome_arquivo, img_out)
         
         return spent, img_out