Update app.py

app.py

@@ -3,9 +3,9 @@ import time
 import numpy as np
 import cv2
 import torch
-import gradio as gr
 from transformers import DPTFeatureExtractor, DPTForDepthEstimation
-from fastapi import FastAPI, File, UploadFile
+from fastapi import FastAPI, File, UploadFile, Response
+from fastapi.responses import FileResponse
 from PIL import Image
 import uvicorn
 
@@ -14,24 +14,29 @@ app = FastAPI()
 # 🟢 Chọn thiết bị xử lý (GPU nếu có)
 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
-# 🟢 Tải model DPT-Swinv2 Tiny để tăng tốc
+# 🟢 Tải model DPT-Hybrid để tăng tốc
 feature_extractor = DPTFeatureExtractor.from_pretrained("Intel/dpt-swinv2-tiny-256")
 model = DPTForDepthEstimation.from_pretrained("Intel/dpt-swinv2-tiny-256").to(device)
 model.eval()
 
-def process_depth_map(image_pil):
-    """Xử lý Depth Map và hiển thị trên Hugging Face"""
+@app.post("/analyze_path/")
+async def analyze_path(file: UploadFile = File(...)):
+    """Xử lý ảnh Depth Map và lưu ảnh để hiển thị"""
     start_time = time.time()
 
-    # 🔵 Resize ảnh để tăng tốc độ xử lý
-    image = image_pil.resize((256, 256))
+    # 🟢 Đọc file ảnh từ ESP32
+    image_bytes = await file.read()
+    image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
+
+    # 🔵 Resize ảnh để xử lý nhanh hơn
+    image = image.resize((256, 256))
     image_np = np.array(image)
-   // flipped_image = cv2.flip(image_np, -1)
+    flipped_image = cv2.flip(image_np, -1)
 
     # 🟢 Chuẩn bị ảnh cho mô hình
-    inputs = feature_extractor(images=image_np, return_tensors="pt").to(device)
+    inputs = feature_extractor(images=flipped_image, return_tensors="pt").to(device)
 
-    # 🟢 Dự đoán Depth Map với DPT-Swinv2 Tiny
+    # 🟢 Dự đoán Depth Map với DPT-Hybrid
     with torch.no_grad():
         outputs = model(**inputs)
 
@@ -43,19 +48,19 @@ def process_depth_map(image_pil):
     depth_colored = cv2.applyColorMap(depth_map, cv2.COLORMAP_INFERNO)
     depth_pil = Image.fromarray(depth_colored)
 
+    # 🟢 Lưu ảnh Depth Map để hiển thị trên trình duyệt
+    depth_pil.save("depth_map.png")  
+
     end_time = time.time()
     print(f"⏳ DPT xử lý trong {end_time - start_time:.4f} giây")
 
-    return depth_pil  # Trả về ảnh để hiển thị trên Gradio
+    return {"message": "Depth Map processed successfully. View at /depth_map/"}
 
-# 🟢 Tạo UI trên Hugging Face Spaces với Gradio
-gr.Interface(
-    fn=process_depth_map,
-    inputs=gr.Image(type="pil"),  # 🔥 Sửa lỗi: dùng "pil" thay vì "bytes"
-    outputs=gr.Image(type="pil"),
-    title="🔍 Depth Map Estimation",
-    description="Tải ảnh lên để xem Depth Map",
-).launch(share=True)  # `share=True` để tạo link truy cập từ bên ngoài
+@app.get("/depth_map/")
+async def get_depth_map():
+    """Trả về ảnh Depth Map để hiển thị trên trình duyệt"""
+    return FileResponse("depth_map.png", media_type="image/png")
 
+# 🟢 Chạy server FastAPI trên Hugging Face Spaces
 if __name__ == "__main__":
     uvicorn.run(app, host="0.0.0.0", port=7860)