Actualización del código Error ELA

app.py

@@ -8,65 +8,39 @@ import hashlib
 import gradio as gr
 import os
 from datetime import datetime
+import tempfile
 
 def obtener_metadatos(imagen):
     """
     Obtiene los metadatos de la imagen.
     """
-    metadatos = {}
     try:
         exif_data = imagen._getexif()
-        if exif_data:
-            for tag_id, value in exif_data.items():
-                tag = TAGS.get(tag_id, tag_id)
-                metadatos[tag] = value
+        if not exif_data:
+            return {}
+        return {TAGS.get(tag_id, tag_id): value for tag_id, value in exif_data.items()}
     except Exception as e:
         print(f"Error al obtener metadatos: {e}")
-    return metadatos
+        return {}
 
-def obtener_coordenadas(exif_data):
+def realizar_ela(imagen, quality=95, scale=100):
     """
-    Obtiene las coordenadas GPS de los metadatos EXIF.
+    Realiza el Error Level Analysis (ELA) en la imagen.
     """
-    if not exif_data:
-        return None
-
-    gps_info = exif_data.get("GPSInfo", {})
-    if not gps_info:
-        return None
-
-    # Convertir las coordenadas GPS a grados decimales
-    def gps_to_degrees(value):
-        d, m, s = value
-        return d + (m / 60.0) + (s / 3600.0)
-
     try:
-        latitud = gps_info.get(2)  # Latitud
-        longitud = gps_info.get(4)  # Longitud
-        latitud_ref = gps_info.get(1)  # Norte/Sur
-        longitud_ref = gps_info.get(3)  # Este/Oeste
-
-        if latitud and longitud and latitud_ref and longitud_ref:
-            latitud = gps_to_degrees(latitud)
-            longitud = gps_to_degrees(longitud)
-            if latitud_ref == "S":  # Si es Sur, convertir a negativo
-                latitud = -latitud
-            if longitud_ref == "W":  # Si es Oeste, convertir a negativo
-                longitud = -longitud
-            return latitud, longitud
+        imagen_cv = cv2.cvtColor(np.array(imagen), cv2.COLOR_RGB2BGR)
+        temp_path = "temp_image.jpg"
+        cv2.imwrite(temp_path, imagen_cv, [cv2.IMWRITE_JPEG_QUALITY, quality])
+        imagen_comprimida = cv2.imread(temp_path)
+        diferencia = cv2.absdiff(imagen_cv, imagen_comprimida)
+        ela_imagen = scale * diferencia
+        ela_imagen = cv2.cvtColor(ela_imagen, cv2.COLOR_BGR2GRAY)
+        os.remove(temp_path)
+        return ela_imagen
     except Exception as e:
-        print(f"Error al procesar coordenadas GPS: {e}")
+        print(f"Error al realizar ELA: {e}")
         return None
 
-    return None
-
-def calcular_hash(imagen):
-    """
-    Calcula el hash MD5 de la imagen para verificar su integridad.
-    """
-    imagen_bytes = imagen.tobytes()
-    return hashlib.md5(imagen_bytes).hexdigest()
-
 def analizar_manipulacion(imagen, metadatos, ela_imagen):
     """
     Analiza si la imagen ha sido manipulada.
@@ -74,119 +48,78 @@ def analizar_manipulacion(imagen, metadatos, ela_imagen):
     manipulada = False
     razones = []
 
-    # Verificar si los metadatos están presentes
     if not metadatos:
-        razones.append("La imagen no tiene metadatos EXIF, pero esto no es concluyente de manipulación.")
+        razones.append("La imagen no tiene metadatos EXIF.")
     else:
         if "Software" in metadatos:
             razones.append(f"La imagen fue editada con: {metadatos['Software']}")
             manipulada = True
 
-    # Verificar si el hash de la imagen coincide con un hash conocido (simulación)
-    hash_conocido = "1a79a4d60de6718e8e5b326e338ae533"  # Hash de ejemplo
-    hash_actual = calcular_hash(imagen)
-    if hash_actual != hash_conocido:
-        razones.append("El hash de la imagen no coincide con un hash conocido.")
-
-    # Evaluar los resultados del análisis ELA
-    promedio_ela = np.mean(ela_imagen)
-    if promedio_ela > 10:  # Umbral arbitrario, ajustar según los datos
-        razones.append("El análisis ELA sugiere posibles alteraciones en la imagen.")
-        manipulada = True
+    if ela_imagen is None:
+        razones.append("No se pudo realizar el análisis ELA.")
+    else:
+        promedio_ela = np.mean(ela_imagen)
+        if promedio_ela > 10:
+            razones.append("El análisis ELA sugiere posibles alteraciones.")
+            manipulada = True
 
+    if not razones:
+        razones.append("No se encontraron indicadores claros de manipulación.")
+    
     return manipulada, razones
 
-def realizar_ela(imagen, quality=95, scale=100):
-    """
-    Realiza el Error Level Analysis (ELA) en la imagen utilizando OpenCV.
-    """
-    # Convertir la imagen a formato compatible con OpenCV
-    imagen_cv = cv2.cvtColor(np.array(imagen), cv2.COLOR_RGB2BGR)
-
-    # Guardar la imagen comprimida
-    temp_path = "temp_image.jpg"
-    cv2.imwrite(temp_path, imagen_cv, [cv2.IMWRITE_JPEG_QUALITY, quality])
-
-    # Leer la imagen comprimida
-    imagen_comprimida = cv2.imread(temp_path)
-
-    # Calcular la diferencia absoluta entre la imagen original y la comprimida
-    diferencia = cv2.absdiff(imagen_cv, imagen_comprimida)
-
-    # Escalar la diferencia para resaltar las áreas modificadas
-    ela_imagen = scale * diferencia
-
-    # Convertir a escala de grises para mejorar la visualización
-    ela_imagen = cv2.cvtColor(ela_imagen, cv2.COLOR_BGR2GRAY)
-
-    # Eliminar el archivo temporal
-    os.remove(temp_path)
-
-    return ela_imagen
-
 def procesar_imagen(archivo_imagen):
-    # Cargar la imagen
     try:
         imagen = Image.open(archivo_imagen)
-    except Exception as e:
-        return f"Error al cargar la imagen: {e}", None
-
-    # Obtener información básica de la imagen
-    nombre_archivo = os.path.basename(archivo_imagen)
-    info_basica = f"""
-    Información básica de la imagen:
-    Nombre del archivo: {nombre_archivo}
-    Formato: {imagen.format}
-    Tamaño: {imagen.size} píxeles
-    Modo: {imagen.mode}
-    """
+        nombre_archivo = os.path.basename(archivo_imagen)
+        stats = os.stat(archivo_imagen)
+        tamaño_archivo = stats.st_size / 1024
+        fecha_creacion = datetime.fromtimestamp(stats.st_ctime).strftime('%Y-%m-%d %H:%M:%S')
+        fecha_modificacion = datetime.fromtimestamp(stats.st_mtime).strftime('%Y-%m-%d %H:%M:%S')
+
+        info_basica = f"""
+        Información básica de la imagen:
+        Nombre del archivo: {nombre_archivo}
+        Tamaño: {tamaño_archivo:.2f} KB
+        Fecha de creación: {fecha_creacion}
+        Fecha de modificación: {fecha_modificacion}
+        """
+
+        metadatos = obtener_metadatos(imagen)
+        ela_imagen = realizar_ela(imagen)
+        manipulada, razones = analizar_manipulacion(imagen, metadatos, ela_imagen)
+
+        info_manipulacion = "\nAnálisis de manipulación:\n"
+        if manipulada:
+            info_manipulacion += "La imagen ha sido manipulada.\nRazones:\n"
+            for razon in razones:
+                info_manipulacion += f"- {razon}\n"
+        else:
+            info_manipulacion += "La imagen NO ha sido manipulada.\nRazones:\n"
+            for razon in razones:
+                info_manipulacion += f"- {razon}\n"
+
+        if ela_imagen is not None:
+            with tempfile.NamedTemporaryFile(suffix=".png", delete=False) as tmp_file:
+                cv2.imwrite(tmp_file.name, ela_imagen)
+                ela_image_path = tmp_file.name
+            return ela_image_path, info_basica + info_manipulacion
+        else:
+            return None, info_basica + info_manipulacion + "\n(No se generó ELA debido a un error técnico.)"
 
-    # Obtener tamaño del archivo, fecha de creación y modificación
-    stats = os.stat(archivo_imagen)
-    tamaño_archivo = stats.st_size / 1024  # Tamaño en KB
-    fecha_creacion = datetime.fromtimestamp(stats.st_ctime).strftime('%Y-%m-%d %H:%M:%S')
-    fecha_modificacion = datetime.fromtimestamp(stats.st_mtime).strftime('%Y-%m-%d %H:%M:%S')
-
-    info_basica += f"""
-    Tamaño del archivo: {tamaño_archivo:.2f} KB
-    Fecha de creación: {fecha_creacion}
-    Fecha de modificación: {fecha_modificacion}
-    """
-
-    # Obtener metadatos
-    metadatos = obtener_metadatos(imagen)
-
-    # Realizar Error Level Analysis (ELA)
-    ela_imagen = realizar_ela(imagen)
-
-    # Analizar si la imagen ha sido manipulada
-    manipulada, razones = analizar_manipulacion(imagen, metadatos, ela_imagen)
-    info_manipulacion = "\nAnálisis de manipulación:\n"
-    if manipulada:
-        info_manipulacion += "La imagen ha sido manipulada.\n"
-        info_manipulacion += "Razones:\n"
-        for razon in razones:
-            info_manipulacion += f"- {razon}\n"
-    else:
-        info_manipulacion += "La imagen NO ha sido manipulada.\n"
-
-    # Guardar la imagen ELA en un archivo temporal
-    with tempfile.NamedTemporaryFile(suffix=".png", delete=False) as tmp_file:
-        cv2.imwrite(tmp_file.name, ela_imagen)
-        ela_image_path = tmp_file.name
-
-    return ela_image_path, info_basica + info_manipulacion
+    except Exception as e:
+        error_msg = f"Error procesando la imagen: {e}"
+        print(error_msg)
+        return None, error_msg
 
 # Interfaz de GRADIO
 iface = gr.Interface(
     fn=procesar_imagen,
     inputs=gr.Image(type="filepath", label="Sube una imagen"),
     outputs=[gr.Image(label="Error Level Analysis (ELA)"), gr.Textbox(label="Resultado del análisis")],
-    title="Análisis de metadatos y Error de ELA en imágenes digitales con Gradio",
-    description="""<div style="text-align: center;">
-    <p>Este programa es una herramienta de computación forense diseñado para analizar imágenes en busca de evidencia de manipulación o edición. Utiliza la técnica de Error Level Analysis (ELA).</p>
-    </div>"""
+    title="Análisis de Manipulación de Imágenes",
+    description="Sube una imagen para analizar posibles manipulaciones usando metadatos y ELA."
 )
 
-# Lanzar la interfaz de Gradio
+# Lanzar la interfaz
 iface.launch()