app.py

import gradio as gr
import requests
import io
import random
import os
import time
import numpy as np
from PIL import Image, ImageEnhance
from deep_translator import GoogleTranslator
import json
import randint from random

# Project by Nymbo
alto_api= "https://api-inference.huggingface.co/models/enhanceaiteam/Flux-uncensored"
API_URL = "https://api-inference.huggingface.co/models/black-forest-labs/FLUX.1-schnell"
API_TOKEN = os.getenv("HF_READ_TOKEN")
headers = {"Authorization": f"Bearer {API_TOKEN}"}
timeout = 100

def add_noise(image, intensity=25):
    """
    Добавляет цифровой шум к изображению.
    :param image: Изображение (PIL.Image)
    :param intensity: Интенсивность шума (от 0 до 255)
    :return: Изображение с шумом (PIL.Image)
    """
    # Преобразуем изображение в массив NumPy
    img_array = np.array(image)
    
    # Генерируем шум
    noise = np.random.randint(-intensity, intensity, img_array.shape, dtype=np.int32)
    
    # Добавляем шум к изображению
    noisy_array = np.clip(img_array + noise, 0, 255).astype(np.uint8)
    
    # Преобразуем массив обратно в изображение
    noisy_image = Image.fromarray(noisy_array)
    return noisy_image

def resize_and_crop(image, target_width=768, target_height=1024):
    """
    Подгоняет изображение под размер target_width x target_height с сохранением пропорций.
    Если изображение не соответствует соотношению сторон, обрезает его по бокам.
    :param image: Изображение (PIL.Image)
    :param target_width: Целевая ширина
    :param target_height: Целевая высота
    :return: Изображение с измененным размером (PIL.Image)
    """
    # Сохраняем исходные пропорции
    original_width, original_height = image.size
    target_ratio = target_width / target_height
    original_ratio = original_width / original_height

    # Масштабируем изображение с сохранением пропорций
    if original_ratio > target_ratio:
        # Если изображение шире, чем нужно, обрезаем по бокам
        new_height = target_height
        new_width = int(original_width * (target_height / original_height))
        resized_image = image.resize((new_width, new_height), Image.Resampling.LANCZOS)
        left = (new_width - target_width) / 2
        top = 0
        right = (new_width + target_width) / 2
        bottom = target_height
    else:
        # Если изображение уже, чем нужно, обрезаем сверху и снизу
        new_width = target_width
        new_height = int(original_height * (target_width / original_width))
        resized_image = image.resize((new_width, new_height), Image.Resampling.LANCZOS)
        left = 0
        top = (new_height - target_height) / 2
        right = target_width
        bottom = (new_height + target_height) / 2

    # Обрезаем изображение до целевого размера
    cropped_image = resized_image.crop((left, top, right, bottom))
    return cropped_image

def compress_image(image, quality=50):
    """
    Сжимает изображение и понижает его качество в формате JPEG.
    :param image: Изображение (PIL.Image)
    :param quality: Качество JPEG (от 1 до 100)
    :return: Сжатое изображение (PIL.Image)
    """
    # Сохраняем изображение в буфер с пониженным качеством
    buffer = io.BytesIO()
    image.save(buffer, format="JPEG", quality=quality)
    buffer.seek(0)
    
    # Загружаем изображение обратно из буфера
    compressed_image = Image.open(buffer)
    return compressed_image

def query(prompt, is_realistic):
    if prompt == "" or prompt == None:
        return None

    key = random.randint(0, 999)
    
    API_TOKEN = random.choice([os.getenv("HF_READ_TOKEN")])
    headers = {"Authorization": f"Bearer {API_TOKEN}"}
    
    payload = {
        "inputs": prompt,
        "seed": random.randint(1, 1000000000)
    }

    response = requests.post(API_URL, headers=headers, json=payload, timeout=timeout)
    if response.status_code != 200:
        print(f"Error: Failed to get image. Response status: {response.status_code}")
        print(f"Response content: {response.text}")
        if response.status_code == 503:
            raise gr.Error(f"{response.status_code} : The model is being loaded")
        raise gr.Error(f"{response.status_code}")
    
    try:
        image_bytes = response.content
        image = Image.open(io.BytesIO(image_bytes))

        if (is_realstic == True):
            image = add_noise(image, intensity = randint(75, 125) / 10)
            image = resize_and_crop(image, 360, 640)
            image = compress_image(image, randint(75, 95))
            
            # Изменение насыщенности
            enhancer = ImageEnhance.Color(image)
            image = enhancer.enhance(randint(70,90) / 100)
    
            # Изменение экспозиции (яркости)
            enhancer = ImageEnhance.Brightness(image)
            image = enhancer.enhance(randint(100,110) / 100)
    
            enhancer = ImageEnhance.Contrast(image)
            image = enhancer.enhance(randint(80,95) / 100)
        
        print(f'\033[1mGeneration {key} completed!\033[0m ({prompt})')
        return image
    except Exception as e:
        print(f"Error when trying to open the image: {e}")
        return None

css = """
#app-container {
    max-width: 600px;
    margin-left: auto;
    margin-right: auto;
}
"""

test_prompt = """(
[russian athletic female with brown eyes and gold loose long hair (her clothes: with gray cotton sweater, with pink mini-skirt, with black cotton short socks, with beige sandals. Clothes and female may no visible or hidden), smiling and laying on something]
[realistic photo with poor pale lighting]
[detailed living room composition (may be people)]
[morning light, pale tones]
[home russian atmosphere]
[no mutation glitches, natural anatomy]
[amateur one hand-selfie pov side angle]
)"""

with gr.Blocks(theme='gstaff/xkcd', css=css) as app:
    gr.HTML("<center><h1>FLUX.1-Schnell</h1></center>")
    with gr.Column(elem_id="app-container"):
        with gr.Row():
            with gr.Column(elem_id="prompt-container"):
                with gr.Row():
                    text_prompt = gr.Textbox(label="Prompt", placeholder="Enter a prompt here", lines=2, elem_id="prompt-text-input", value=test_prompt)
                    is_realistic = gr.Checkbox(label="Home-made filter", value=True)
                    
        with gr.Row():
            text_button = gr.Button("Run", variant='primary', elem_id="gen-button")
        with gr.Row():
            image_output = gr.Image(type="pil", label="Image Output", elem_id="gallery")
        
        text_button.click(query, inputs=[text_prompt, is_realistic], outputs=image_output)

app.launch(show_api=True, share=True)