Update app.py

app.py

@@ -54,7 +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, nome_arquivo=None):
+def processar_imagem_de_entrada(img, modelo, pipe, salvar_resultado=False):
     try:
         # Faça uma cópia da imagem original
         img = img.copy()
@@ -94,23 +94,16 @@ def processar_imagem_de_entrada(img, modelo, pipe, salvar_resultado=False, nome_
 
         # Salve o resultado em um arquivo se a opção estiver ativada
         if salvar_resultado:
-            # 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)
+            nome_arquivo = f'resultado_{int(time.time())}.png'
             cv2.imwrite(nome_arquivo, img_out)
         
         return spent, img_out
     
     except Exception as e:
+        # 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'),