app.py

import gradio as gr
import easyocr
from transformers import pipeline
from PIL import Image
import numpy as np
import os
from typing import Tuple

## 1. تنظیمات اولیه و مدل‌ها
# ----------------------------------
class OCRProcessor:
    def __init__(self):
        self.reader = easyocr.Reader(['fa'])
    
    def extract_text(self, image: np.ndarray) -> str:
        """استخراج متن از تصویر با EasyOCR"""
        try:
            results = self.reader.readtext(image)
            return " ".join([result[1] for result in results]) if results else ""
        except Exception as e:
            raise RuntimeError(f"خطا در پردازش OCR: {str(e)}")

class TextPostProcessor:
    def __init__(self):
        # تنظیمات پیش‌پردازش متن
        self.replacements = {
            'ي': 'ی', 'ك': 'ک', 
            '۰':'0', '۱':'1', '۲':'2', '۳':'3', '۴':'4',
            '۵':'5', '۶':'6', '۷':'7', '۸':'8', '۹':'9'
        }
        
        # بارگذاری مدل زبانی
        try:
            self.llm = pipeline("text-generation", model="gpt2")
        except:
            self.llm = None
    
    def preprocess(self, text: str) -> str:
        """پیش‌پردازش متن استخراج شده"""
        if not text:
            return ""
            
        # نرمال‌سازی متن
        for old, new in self.replacements.items():
            text = text.replace(old, new)
        return " ".join(text.split())
    
    def enhance_with_llm(self, text: str) -> str:
        """بهبود متن با مدل زبانی"""
        if not text or not self.llm:
            return text
            
        try:
            enhanced = self.llm(
                f"اصلاح و بازنویسی متن فارسی زیر:\n{text}\n\nمتن بهبود یافته:",
                max_length=200,
                num_return_sequences=1
            )
            return enhanced[0]['generated_text']
        except:
            return text

## 2. پردازش اصلی
# ----------------------------------
def full_processing(image: np.ndarray) -> Tuple[str, str]:
    """پایپلاین کامل پردازش تصویر"""
    try:
        # 1. استخراج متن
        ocr_text = OCRProcessor().extract_text(image)
        
        # 2. پیش‌پردازش
        post_processor = TextPostProcessor()
        cleaned_text = post_processor.preprocess(ocr_text)
        
        # 3. بهبود با مدل زبانی
        enhanced_text = post_processor.enhance_with_llm(cleaned_text)
        
        return cleaned_text, enhanced_text
    
    except Exception as e:
        return f"خطا: {str(e)}", ""

## 3. رابط کاربری Gradio
# ----------------------------------
with gr.Blocks(title="پایپلاین OCR فارسی با LLM") as app:
    gr.Markdown("""
    # سیستم پیشرفته پردازش متن فارسی
    استخراج متن از تصاویر + پردازش با مدل زبانی
    """)
    
    with gr.Row():
        with gr.Column():
            img_input = gr.Image(label="تصویر ورودی", type="numpy")
            process_btn = gr.Button("پردازش تصویر", variant="primary")
            
        with gr.Column():
            with gr.Tab("نتایج پردازش"):
                raw_output = gr.Textbox(label="متن استخراج شده")
                enhanced_output = gr.Textbox(label="متن بهبود یافته")
            
            with gr.Tab("پیش‌نمایش"):
                gr.Markdown("### تصویر ورودی")
                img_preview = gr.Image(label="", interactive=False)

    # پردازش خودکار هنگام آپلود تصویر
    img_input.change(
        fn=lambda x: x,
        inputs=img_input,
        outputs=img_preview
    )
    
    # پردازش اصلی هنگام کلیک دکمه
    process_btn.click(
        fn=full_processing,
        inputs=img_input,
        outputs=[raw_output, enhanced_output]
    )

if __name__ == "__main__":
    app.launch()