Update app.py

app.py

@@ -298,72 +298,78 @@ def analisar_textura_setorial(imagem, iris_info, pupil_info):
     """
     if iris_info is None or pupil_info is None:
         return {}
-    
+
+    # Ensure iris_info and pupil_info are numpy arrays
+    if isinstance(iris_info, tuple):
+        iris_info = np.array(iris_info)
+    if isinstance(pupil_info, tuple):
+        pupil_info = np.array(pupil_info)
+
     ix, iy, ir = iris_info
     px, py, pr = pupil_info
-    
+
     # Converter para escala de cinza
     gray = cv2.cvtColor(imagem, cv2.COLOR_RGB2GRAY)
-    
+
     # Equalização adaptativa do histograma
-    clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(4,4))
+    clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(4, 4))
     gray = clahe.apply(gray)
-    
+
     # Criar máscara anelar da íris
     mask_iris = np.zeros_like(gray)
     cv2.circle(mask_iris, (ix, iy), int(ir * 0.98), 255, -1)
     cv2.circle(mask_iris, (px, py), int(pr * 1.02), 0, -1)
-    
+
     # Dividir em 12 setores
     setores = {}
     for i in range(12):
         ang_inicio = i * 30
         ang_fim = (i + 1) * 30
-        
+
         # Criar máscara do setor
         mask_setor = np.zeros_like(gray)
         cv2.ellipse(mask_setor,
-                   (ix, iy),
-                   (ir, ir),
-                   0,
-                   ang_inicio,
-                   ang_fim,
-                   255,
-                   -1)
-        
+                    (ix, iy),
+                    (ir, ir),
+                    0,
+                    ang_inicio,
+                    ang_fim,
+                    255,
+                    -1)
+
         # Combinar máscaras
-        kernel = np.ones((2,2), np.uint8)
+        kernel = np.ones((2, 2), np.uint8)
         mask_final = cv2.bitwise_and(mask_iris, mask_setor)
         mask_final = cv2.morphologyEx(mask_final, cv2.MORPH_OPEN, kernel)
-        
+
         # Extrair região do setor
         setor_roi = cv2.bitwise_and(gray, gray, mask=mask_final)
-        
+
         # Análise de textura
         non_zero = setor_roi[setor_roi > 0]
         if len(non_zero) > 100:
-            # Normalização específica para GLCM (importante: valores entre 0 e 15)
+            # Normalização específica para GLCM
             non_zero = ((non_zero - non_zero.min()) / 
-                       (non_zero.max() - non_zero.min() + 1e-8) * 15).astype(np.uint8)
-            
+                        (non_zero.max() - non_zero.min() + 1e-8) * 15).astype(np.uint8)
+
             # Reshape para matriz 2D
             tamanho_janela = int(np.sqrt(len(non_zero)))
             if tamanho_janela > 1:
                 matriz_2d = non_zero[:tamanho_janela**2].reshape(tamanho_janela, tamanho_janela)
-                
+
                 try:
                     # GLCM com 16 níveis
                     glcm = graycomatrix(matriz_2d, 
-                                      distances=[1], 
-                                      angles=[0, np.pi/4], 
-                                      levels=16,  # Deve ser maior que o máximo valor na imagem (15)
-                                      symmetric=True, 
-                                      normed=True)
+                                        distances=[1], 
+                                        angles=[0, np.pi/4], 
+                                        levels=16, 
+                                        symmetric=True, 
+                                        normed=True)
                     
                     # Calcular propriedades
                     contraste = np.mean(graycoprops(glcm, 'contrast'))
                     homogeneidade = np.mean(graycoprops(glcm, 'homogeneity'))
-                    
+
                     setores[f"setor_{i+1}"] = {
                         "contraste": float(contraste),
                         "homogeneidade": float(homogeneidade),
@@ -392,9 +398,9 @@ def analisar_textura_setorial(imagem, iris_info, pupil_info):
                 "media": 0.0,
                 "std": 0.0
             }
-    
-    return setores
 
+    return setores
+    
 def avaliar_setores(setores):
     """
     Avalia os setores com limiares recalibrados baseados nos dados observados