Update app.py

app.py

@@ -606,41 +606,59 @@ def criar_interface():
         button_primary_background_fill="#2A9D8F",
         button_primary_background_fill_dark="#264653",
     )
-    
+
     def processar_imagem(imagem):
         try:
             # Pré-processamento
             imagem_processada = pre_processar_imagem(imagem)
-            
+    
             # Detectar esclera
             mask_esclera = detectar_esclera(imagem_processada)
-            
+    
             # Detectar íris e pupila
             iris_info, pupil_info = detectar_iris_pupila(imagem_processada, mask_esclera)
-            
+    
             if iris_info is None or pupil_info is None:
                 return imagem, "Não foi possível detectar íris ou pupila corretamente."
-            
+    
             # Análise de textura
             analise_setorial = analisar_textura_setorial(imagem_processada, iris_info, pupil_info)
-            
+    
             # Análise do collarette
             info_collarette = analisar_collarette(imagem_processada, iris_info, pupil_info)
-            
+    
             # Criar visualização
             output_img = imagem.copy()
             ix, iy, ir = iris_info
             px, py, pr = pupil_info
-            
-            # Criar máscara da pupila para circularidade
-            pupil_mask = np.zeros_like(cv2.cvtColor(imagem, cv2.COLOR_RGB2GRAY))
-            cv2.circle(pupil_mask, (px, py), pr, 255, -1)
-            
+    
+            # Desenhar esclera
+            contours, _ = cv2.findContours(mask_esclera, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
+            cv2.drawContours(output_img, contours, -1, (255, 255, 0), 1)  # Esclera em amarelo
+    
+            # Desenhar íris
+            cv2.circle(output_img, (ix, iy), ir, (0, 255, 0), 2)  # Íris em verde
+    
+            # Desenhar pupila
+            cv2.circle(output_img, (px, py), pr, (255, 0, 0), 2)  # Pupila em vermelho
+    
+            # Desenhar setores
+            for i in range(12):
+                ang = i * 30
+                rad = np.radians(ang)
+                end_x = int(ix + ir * np.cos(rad))
+                end_y = int(iy + ir * np.sin(rad))
+                cv2.line(output_img, (ix, iy), (end_x, end_y), (255, 255, 255), 1)  # Linhas brancas para setores
+    
+            # Adicionando feedback visual
+            if info_collarette:
+                cv2.putText(output_img, "Collarette Detected", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 1)
+    
             # Preparar métricas para análise NLP
             metricas = {
                 'pupila': {
                     'raio': pr,
-                    'circularidade': avaliar_circularidade(pupil_mask)
+                    'circularidade': avaliar_circularidade(pupil_info)
                 },
                 'iris': {
                     'densidade_media': np.mean([dados['contraste'] for dados in analise_setorial.values()]),
@@ -648,68 +666,27 @@ def criar_interface():
                 },
                 'collarette': info_collarette
             }
-            
-            # Na função processar_imagem, antes de chamar integrar_analise_nlp:
+    
+            # Validar métricas
             metricas = validar_metricas(metricas)
             interpretacao_nlp = integrar_analise_nlp(metricas)
-            
-            # Desenhar esclera
-            contours, _ = cv2.findContours(mask_esclera, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
-            cv2.drawContours(output_img, contours, -1, (255, 255, 0), 1)
-            
-            # Desenhar íris
-            cv2.circle(output_img, (ix, iy), ir, (0, 255, 0), 2)
-            
-            # Desenhar pupila
-            cv2.circle(output_img, (px, py), pr, (255, 0, 0), 2)
-            
-            # Desenhar setores
-            for i in range(12):
-                ang = i * 30
-                rad = np.radians(ang)
-                end_x = int(ix + ir * np.cos(rad))
-                end_y = int(iy + ir * np.sin(rad))
-                cv2.line(output_img, (ix, iy), (end_x, end_y), (0, 255, 0), 1)
-            
+    
             # Gerar relatório
             relatorio = "ANÁLISE IRIDOLÓGICA DETALHADA\n\n"
-            
-            # Informações estruturais
             relatorio += "1. MEDIDAS ESTRUTURAIS\n"
             relatorio += f"Pupila: Centro ({px}, {py}), Raio {pr}px\n"
             relatorio += f"Íris: Centro ({ix}, {iy}), Raio {ir}px\n"
-            
-            # Análise setorial
-            relatorio += "\n2. ANÁLISE SETORIAL\n"
+    
+            # Adicionar análise setorial e do collarette
+            relatorio += "2. ANÁLISE SETORIAL\n"
             for setor, dados in analise_setorial.items():
-                relatorio += f"\n{setor}:\n"
-                relatorio += f"- Contraste: {dados['contraste']:.2f}\n"
-                relatorio += f"- Homogeneidade: {dados['homogeneidade']:.2f}\n"
-                
-                # Interpretação
-                if dados['contraste'] > 2.0:
-                    relatorio += "  * Alta densidade de sinais\n"
-                if dados['homogeneidade'] < 0.5:
-                    relatorio += "  * Possível área de alteração\n"
-            
-            # Análise do collarette
-            if info_collarette:
-                relatorio += "\n3. ANÁLISE DO COLLARETTE\n"
-                relatorio += f"- Regularidade: {info_collarette['regularidade']:.2f}\n"
-                relatorio += f"- Circularidade: {info_collarette['circularidade']:.2f}\n"
-                
-                # Interpretação
-                if info_collarette['regularidade'] > 500:
-                    relatorio += "  * Irregularidade significativa\n"
-                if info_collarette['circularidade'] < 0.8:
-                    relatorio += "  * Possível deformação estrutural\n"
-            
-            # Adicionar interpretação NLP
-            relatorio += "\n4. INTERPRETAÇÃO EM LINGUAGEM NATURAL\n"
-            relatorio += interpretacao_nlp
-            
+                relatorio += f"Setor {setor}: Contraste {dados['contraste']}, Homogeneidade {dados['homogeneidade']}\n"
+    
+            relatorio += f"3. COLLARETTE: {info_collarette}\n"
+            relatorio += f"4. INTERPRETAÇÃO NLP: {interpretacao_nlp}\n"
+    
             return output_img, relatorio
-            
+    
         except Exception as e:
             return imagem, f"Erro durante o processamento: {str(e)}"