Update app.py

app.py

@@ -12,33 +12,29 @@ def load_model():
     return pipeline(
         "object-detection",
         model="anirban22/detr-resnet-50-med_fracture",
-        threshold=0.1  # Réduire le seuil de confiance
+        threshold=0.1
     )
 
 model = load_model()
 
-def enhance_image(image):
-    # Convertir en niveaux de gris
-    gray = cv2.cvtColor(np.array(image), cv2.COLOR_RGB2GRAY)
-    # Améliorer le contraste
+def enhance_image(img):
+    img_array = np.array(img)
+    gray = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY)
     clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8,8))
     enhanced = clahe.apply(gray)
-    # Reconvertir en RGB
     return cv2.cvtColor(enhanced, cv2.COLOR_GRAY2RGB)
 
 uploaded_file = st.file_uploader("Téléchargez une image radiographique", type=["jpg", "jpeg", "png"])
 
 if uploaded_file:
-    image = Image.open(uploaded_file)
+    image = Image.open(uploaded_file).convert('RGB')
     if image.size[0] > 800:
         ratio = 800.0 / image.size[0]
         size = (800, int(image.size[1] * ratio))
         image = image.resize(size, Image.Resampling.LANCZOS)
     
-    # Améliorer l'image
     enhanced_image = enhance_image(image)
     
-    # Obtenir les prédictions
     predictions = model(enhanced_image)
     
     col1, col2 = st.columns(2)
@@ -47,28 +43,26 @@ if uploaded_file:
         st.image(image, caption="Image originale", use_container_width=True)
     
     with col2:
-        img_with_boxes = enhanced_image.copy()
+        output_img = np.array(image).copy()
         for pred in predictions:
             box = pred['box']
             score = pred['score']
             
             x1, y1, x2, y2 = [int(i) for i in [box['xmin'], box['ymin'], box['xmax'], box['ymax']]]
-            # Rectangle rouge plus épais
-            cv2.rectangle(img_with_boxes, (x1, y1), (x2, y2), (255, 0, 0), 3)
+            cv2.rectangle(output_img, (x1, y1), (x2, y2), (255, 0, 0), 3)
             
-            # Texte plus visible
             text = f"Fracture: {score:.2f}"
-            cv2.putText(img_with_boxes, text, (x1, y1-10), 
+            cv2.putText(output_img, text, (x1, y1-10), 
                        cv2.FONT_HERSHEY_SIMPLEX, 0.7, (255, 0, 0), 2)
         
-        st.image(img_with_boxes, caption="Détection des fractures", use_container_width=True)
+        st.image(output_img, caption="Détection des fractures", use_container_width=True)
     
     st.subheader("Résultats")
     if predictions:
         for idx, pred in enumerate(predictions, 1):
             st.warning(f"⚠️ Fracture {idx} détectée (Confiance: {pred['score']*100:.1f}%)")
     else:
-        st.warning("⚠️ Aucune fracture n'a été détectée avec certitude. Veuillez consulter un professionnel pour confirmation.")
+        st.warning("⚠️ Aucune fracture n'a été détectée avec certitude")
         
 else:
     st.info("Veuillez télécharger une image radiographique pour l'analyse.")