Update app.py

app.py

@@ -53,6 +53,8 @@ def preprocessar_imagem(img, modelo='SE-RegUNet 4GF'):
     return img_out
 
 
+import os
+
 # Função para processar a imagem de entrada
 def processar_imagem_de_entrada(img, modelo, pipe, salvar_resultado=False):
     try:
@@ -92,9 +94,15 @@ def processar_imagem_de_entrada(img, modelo, pipe, salvar_resultado=False):
         img_out = ori.copy()
         img_out[logit, 0] = 255
 
+        # Defina o caminho para salvar o resultado
+        caminho_salvar_resultado = os.path.join("Segmento_de_Angio_Coronariana_v5", "Salvar Resultado")
+        
+        # Certifique-se de que o diretório existe
+        os.makedirs(caminho_salvar_resultado, exist_ok=True)
+        
         # Salve o resultado em um arquivo se a opção estiver ativada
         if salvar_resultado:
-            nome_arquivo = f'Salvar Resultado/resultado_{int(time.time())}.png'
+            nome_arquivo = os.path.join(caminho_salvar_resultado, f'resultado_{int(time.time())}.png')
             cv2.imwrite(nome_arquivo, img_out)
         
         return spent, img_out
@@ -103,8 +111,6 @@ def processar_imagem_de_entrada(img, modelo, pipe, salvar_resultado=False):
         # Em caso de erro, retorne uma mensagem de erro
         return str(e), None
 
-
-
 # Carregar modelos pré-treinados
 models = {
     'SE-RegUNet 4GF': torch.jit.load('./model/SERegUNet4GF.pt'),