Update main.py

main.py

@@ -1,139 +1,29 @@
+from typing import List
+from fastapi import FastAPI, HTTPException
+from fastapi.responses import JSONResponse
+from models import RequestModel
 import os
 import json
-from typing import List, Optional
-from fastapi import FastAPI, HTTPException, Form
-from fastapi.responses import JSONResponse
-from pydantic import BaseModel
 import cv2
 import numpy as np
-import httpx
+import httpx 
 
-BASE_DIR = "/tmp/data"
+BASE_DIR = "saved_data"
 app = FastAPI()
 
-class RequestModel(BaseModel):
-    originId: int
-    originSource: str
-    sequence: int
-    assetCode: str
-    source: str
-    similarity: int
-
-
-
-def calcular_sift(img1, img2):
-    """Calcula e compara características SIFT entre duas imagens."""
-    try:
-        sift = cv2.SIFT_create()
-        kp1, des1 = sift.detectAndCompute(img1, None)
-        kp2, des2 = sift.detectAndCompute(img2, None)
-        if des1 is None or des2 is None:
-            print("Erro: SIFT não encontrou descritores suficientes.")
-            return 0
-        bf = cv2.BFMatcher()
-        matches = bf.knnMatch(des1, des2, k=2)
-        good_matches = []
-        for m, n in matches:
-            if m.distance < 0.75 * n.distance:
-                good_matches.append([m])
-        return len(good_matches)
-    except Exception as e:
-        print(f"Erro ao calcular SIFT: {e}")
-        return 0
-
-
-def calcular_surf(img1, img2):
-    """Calcula e compara características SURF entre duas imagens."""
-    try:
-        # Verifica a versão do OpenCV para usar o módulo correto
-        if hasattr(cv2, 'xfeatures2d'):
-            surf = cv2.xfeatures2d.SURF_create()
-        else:
-            raise ImportError("Módulo 'cv2.xfeatures2d' não encontrado. Certifique-se de ter o opencv-contrib-python instalado.")
-
-        kp1, des1 = surf.detectAndCompute(img1, None)
-        kp2, des2 = surf.detectAndCompute(img2, None)
-
-        if des1 is None or des2 is None:
-            print("Erro: SURF não encontrou descritores suficientes.")
-            return 0
-
-        # Inicializa o matcher FlannBased
-        index_params = dict(algorithm=0, trees=5)  # FLANN_INDEX_KDTREE
-        search_params = dict(checks=50)
-        flann = cv2.FlannBasedMatcher(index_params, search_params)
-        matches = flann.knnMatch(des1, des2, k=2)
-
-        # Aplica o teste da razão de Lowe para filtrar correspondências boas
-        good_matches = []
-        for m, n in matches:
-            if m.distance < 0.7 * n.distance:
-                good_matches.append([m])
-
-        return len(good_matches)
-
-    except Exception as e:
-        print(f"Erro ao calcular SURF: {e}")
-        return 0
-
-
-def calcular_mse(img1, img2):
-    """
-    Calcula o Erro Quadrático Médio (MSE) entre duas imagens.
-
-    Args:
-        img1: A primeira imagem (array NumPy).
-        img2: A segunda imagem (array NumPy).
-
-    Returns:
-        O valor do MSE ou -1 em caso de erro.
-    """
-    try:
-        # Verifica se as imagens têm o mesmo tamanho
-        if img1.shape != img2.shape:
-            print("Erro: As imagens têm tamanhos diferentes. Redimensionando para calcular o MSE.")
-            img1_resized = cv2.resize(img1, (img2.shape[1], img2.shape[0]))
-            img1 = img1_resized
-        # Converte as imagens para float64 para evitar overflow
-        img1 = img1.astype(np.float64)
-        img2 = img2.astype(np.float64)
-        # Calcula a diferença entre as imagens
-        diff = img1 - img2
-        diff_squared = diff ** 2
-        # Calcula o MSE
-        mse = np.mean(diff_squared)
-        return mse
-    except Exception as e:
-        print(f"Erro ao calcular MSE: {e}")
-        return -1  # Retorna -1 para indicar um erro
-
-
-
-
 def orb_sim(img1, img2):
-    """Calcula a similaridade entre duas imagens usando o algoritmo ORB."""
-    try:
-        # ORB
-        orb = cv2.ORB_create()
-        kp_a, desc_a = orb.detectAndCompute(img1, None)
-        kp_b, desc_b = orb.detectAndCompute(img2, None)
-
-        # Verifica se os descritores foram encontrados
-        if desc_a is None or desc_b is None:
-            print("Erro: ORB não encontrou descritores suficientes.")
-            return 0
-
-        # Brute-force matcher
-        bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
-        matches = bf.match(desc_a, desc_b)
-        similar_regions = [i for i in matches if i.distance < 10]
-        if len(matches) == 0:
-            return 0
-        return len(similar_regions) / len(matches)
-    except Exception as e:
-        print(f"Erro ao calcular similaridade ORB: {e}")
+    # ORB
+    orb = cv2.ORB_create()
+    kp_a, desc_a = orb.detectAndCompute(img1, None)
+    kp_b, desc_b = orb.detectAndCompute(img2, None)
+
+    # Brute-force matcher
+    bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
+    matches = bf.match(desc_a, desc_b)
+    similar_regions = [i for i in matches if i.distance < 10]
+    if len(matches) == 0:
         return 0
-
+    return len(similar_regions) / len(matches)
 
 async def load_image(image_path: str):
     """Carrega uma imagem a partir de um caminho de arquivo ou URL."""
@@ -152,51 +42,31 @@ async def load_image(image_path: str):
         print(f"Erro ao carregar a imagem {image_path}: {e}")
         return None
 
+app = FastAPI()
 
+BASE_DIR = "/tmp/data"
 
 @app.post("/save")
 async def save(image_data: RequestModel):
-    """
-    Salva os dados da imagem, incluindo similaridade SIFT, SURF e MSE.
-    """
     os.makedirs(BASE_DIR, exist_ok=True)
     filename = os.path.join(BASE_DIR, f"{image_data.originId}_{image_data.assetCode}.json")
+
     img1 = await load_image(image_data.originSource)
     img2 = await load_image(image_data.source)
 
     similarity_orb = None
-    sift_matches = None
-    surf_matches = None
-    mse = None
-
     if img1 is not None and img2 is not None:
         similarity_orb = orb_sim(img1, img2)
-        img1_gray = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
-        img2_gray = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
-        sift_matches = calcular_sift(img1_gray, img2_gray)
-        surf_matches = calcular_surf(img1_gray, img2_gray)
-        mse = calcular_mse(img1, img2)
         print(f"Similaridade ORB entre {image_data.originSource} e {image_data.source}: {similarity_orb}")
-        print(f"Correspondências SIFT: {sift_matches}")
-        print(f"Correspondências SURF: {surf_matches}")
-        print(f"MSE: {mse}")
 
     data_to_save = image_data.dict()
     if similarity_orb is not None:
         data_to_save["similarityOrb"] = similarity_orb
-    if sift_matches is not None:
-        data_to_save["sift_matches"] = sift_matches
-    if surf_matches is not None:
-        data_to_save["surf_matches"] = surf_matches
-    if mse is not None and mse >= 0: # Certifica-se que MSE é um valor válido
-        data_to_save["mse"] = mse
 
     with open(filename, "w") as f:
         json.dump(data_to_save, f, indent=4)
     return True
 
-
-
 @app.get("/files")
 async def list_files():
     try:
@@ -206,20 +76,20 @@ async def list_files():
             if os.path.isfile(filepath):
                 try:
                     with open(filepath, "r") as f:
-                        file_content = f.read()
+                        file_content = f.read()  # Lê o conteúdo do ficheiro
+                        # Tenta decodificar o conteúdo como JSON, se possível
                         try:
                             file_content_json = json.loads(file_content)
                             files_data.append({"filename": filename, "content": file_content_json})
                         except json.JSONDecodeError:
-                            files_data.append({"filename": filename, "content": file_content})
+                            files_data.append({"filename": filename, "content": file_content}) # Se não for JSON, retorna o texto
                 except (IOError, OSError) as e:
                     raise HTTPException(status_code=500, detail=f"Erro ao ler o ficheiro {filename}: {e}")
+
         return JSONResponse({"files_data": files_data})
     except FileNotFoundError:
         raise HTTPException(status_code=404, detail="Diretório de dados não encontrado")
 
-
-
 @app.get("/files/similar")
 async def list_similar_files():
     try:
@@ -243,9 +113,6 @@ async def list_similar_files():
     except FileNotFoundError:
         raise HTTPException(status_code=404, detail="Diretório de dados não encontrado")
 
-
-
-
 @app.get("/files/find/{origin_id}")
 async def get_file_by_origin_id(origin_id: int):
     try:
@@ -265,4 +132,4 @@ async def get_file_by_origin_id(origin_id: int):
                         raise HTTPException(status_code=500, detail=f"Erro ao ler o ficheiro {filename}: {e}")
         raise HTTPException(status_code=404, detail=f"Ficheiro com originId '{origin_id}' não encontrado")
     except FileNotFoundError:
-        raise HTTPException(status_code=404, detail="Diretório de dados não encontrado")
+        raise HTTPException(status_code=404, detail="Diretório de dados não encontrado")