Update app.py

app.py

@@ -7,35 +7,6 @@ import numpy as np
 from huggingface_hub import hf_hub_download
 import gradio as gr
 
-# Hàm phát hiện một khuôn mặt duy nhất
-def detect_single_face(face_cascade, img):
-    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
-    faces = face_cascade.detectMultiScale(gray, 1.1, 4)
-    if len(faces) == 0:
-        print("Warning: No face detected, running on the whole image!")
-        return None
-    wh, idx = 0, 0
-    for i, (x, y, w, h) in enumerate(faces):
-        if w * h > wh:
-            idx, wh = i, w * h
-    return faces[idx]
-
-# Hàm cắt và chuẩn hóa khuôn mặt
-def crop_face(img, face):
-    if face is None:
-        return img
-    (x, y, w, h) = face
-    height, width = img.shape[:2]
-    lpad, rpad, tpad, bpad = int(w * 0.4), int(w * 0.4), int(h * 0.6), int(h * 0.2)
-    left, right = max(0, x - lpad), min(width, x + w + rpad)
-    top, bottom = max(0, y - tpad), min(height, y + h + bpad)
-    im_face = img[top:bottom, left:right]
-    if len(im_face.shape) == 2:
-        im_face = np.repeat(im_face[:, :, np.newaxis], 3, axis=2)
-    im_face = np.pad(im_face, ((tpad, bpad), (lpad, rpad), (0, 0)), mode='constant', constant_values=255)
-    im_face = cv2.resize(im_face, (512, 512), interpolation=cv2.INTER_AREA)
-    return im_face
-
 # Chuẩn hóa dự đoán
 def normPRED(d):
     return (d - torch.min(d)) / (torch.max(d) - torch.min(d))
@@ -66,14 +37,11 @@ def process_image(img, apply_bw, brightness, contrast, saturation, white_balance
         # Độ sáng và Độ tương phản
         img = cv2.convertScaleAbs(img, alpha=contrast / 50.0, beta=brightness - 50)
         
-        # Độ bão hòa, Cân bằng trắng, và các điều chỉnh khác (phải tự viết hàm hoặc sử dụng thư viện chuyên biệt)
-        # Placeholder cho các điều chỉnh cần thiết ở đây
+        # Các điều chỉnh khác có thể được thêm vào đây (bão hòa, cân bằng trắng, v.v.)
+        # Placeholder cho các điều chỉnh chi tiết hơn
     
-    # Phát hiện và cắt khuôn mặt
-    face_cascade = cv2.CascadeClassifier(cv2.data.haarcascades + "haarcascade_frontalface_default.xml")
-    face = detect_single_face(face_cascade, img)
-    cropped_face = crop_face(img, face)
-    result = inference(u2net, cropped_face)
+    # Chạy suy luận với U2NET
+    result = inference(u2net, img)
     return (result * 255).astype(np.uint8)
 
 # Tải mô hình từ Hugging Face Hub