Refactoring de la app

app.py

@@ -4,32 +4,30 @@ import numpy as np
 import cv2
 from huggingface_hub import from_pretrained_keras
 
-st.header("Segmentación de dientes con rayos X")
-
-st.subheader("Este es una iteración para bucar mejorar el demo")
+st.header("X-ray segmentation of dientes / Segmentación de dientes con rayos X")
+st.subheader("Iteration to improve demo / Iteración para mejorar la demo")
 
 st.markdown(
     """
-Este es un demo prueba para la clase de Machine leardning
+    Demo for Platzi class / Demo para la clase de Platzi
 """
 )
 
 ## Seleccionamos y cargamos el modelo
-model_id = "SerdarHelli/Segmentation-of-Teeth-in-Panoramic-X-ray-Image-Using-U-Net"
+model_id = "SerdarHelli/Segmentation-of-dientes-in-Panoramic-X-ray-Image-Using-U-Net"
 model = from_pretrained_keras(model_id)
 
 ## Permitimos a la usuaria cargar una imagen
-archivo_imagen = st.file_uploader("Sube aquí tu imagen.", type=["png", "jpg", "jpeg"])
+image_file = st.file_uploader("Upload your image here / Sube aquí tu imagen", type=["png", "jpg", "jpeg"])
 
 ## Si una imagen tiene más de un canal entonces se convierte a escala de grises (1 canal)
-def convertir_one_channel(img):
+def convert_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)
@@ -40,40 +38,40 @@ def convertir_rgb(img):
 
 ## Manipularemos la interfaz para que podamos usar imágenes ejemplo
 ## Si el usuario da click en un ejemplo entonces el modelo correrá con él
-ejemplos = ["dientes_1.png", "dientes_2.png", "dientes_3.png"]
+examples = ["dientes_1.png", "dientes_2.png", "dientes_3.png"]
 
 ## Creamos tres columnas; en cada una estará una imagen ejemplo
 col1, col2, col3 = st.columns(3)
 with col1:
     ## Se carga la imagen y se muestra en la interfaz
-    ex = Image.open(ejemplos[0])
+    ex = Image.open(examples[0])
     st.image(ex, width=200)
     ## Si oprime el botón entonces usaremos ese ejemplo en el modelo
-    if st.button("Corre este ejemplo 1"):
-        archivo_imagen = ejemplos[0]
+    if st.button("Run example 1 / Corre ejemplo 1"):
+        image_file = examples[0]
 
 with col2:
-    ex1 = Image.open(ejemplos[1])
+    ex1 = Image.open(examples[1])
     st.image(ex1, width=200)
-    if st.button("Corre este ejemplo 2"):
-        archivo_imagen = ejemplos[1]
+    if st.button("Run example 2 / Corre ejemplo 2"):
+        image_file = examples[1]
 
 with col3:
-    ex2 = Image.open(ejemplos[2])
+    ex2 = Image.open(examples[2])
     st.image(ex2, width=200)
-    if st.button("Corre este ejemplo 3"):
-        archivo_imagen = ejemplos[2]
+    if st.button("Run example 3 / Corre ejemplo 3"):
+        image_file = examples[2]
 
 ## Si tenemos una imagen para ingresar en el modelo entonces
 ## la procesamos e ingresamos al modelo
-if archivo_imagen is not None:
+if image_file is not None:
     ## Cargamos la imagen con PIL, la mostramos y la convertimos a un array de NumPy
-    img = Image.open(archivo_imagen)
+    img = Image.open(image_file)
     st.image(img, width=850)
     img = np.asarray(img)
 
     ## Procesamos la imagen para ingresarla al modelo
-    img_cv = convertir_one_channel(img)
+    img_cv = convert_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))
@@ -94,12 +92,12 @@ if archivo_imagen is not None:
     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)
+    output = cv2.drawContours(convert_one_channel(img.astype(np.uint8)), cnts, -1, (255, 0, 0), 3)
 
     ## Si obtuvimos exitosamente un resultadod entonces lo mostramos en la interfaz
     if output is not None:
-        st.subheader("Segmentación:")
+        st.subheader("Segmentation / Segmentación:")
         st.write(output.shape)
         st.image(output, width=850)
 
-st.markdown("Gracias por usar este demo! Nos vemos pronto")
+    st.markdown("Thanks for use our demo! / Gracias por usar esta demo")