Download app.py from Seri19/ZsCode: direct link, hf CLI and curl.
- Browser
- Download file 17.7 kB
-
https://huggingface.co/spaces/Seri19/ZsCode/resolve/main/app.py
- Command line
-
hf download hf://spaces/Seri19/ZsCode/app.py
-
curl -L -o app.py https://huggingface.co/spaces/Seri19/ZsCode/resolve/main/app.py
17.7 kB
| import streamlit as st | |
| import numpy as np | |
| import cv2 | |
| from PIL import Image, ImageDraw, ImageOps | |
| import io | |
| import zlib | |
| import math | |
| from reedsolo import RSCodec, ReedSolomonError | |
| # ========================================== | |
| # ЯДРО ALGORITHM HYPERTAG | |
| # ========================================== | |
| class HyperTagEngine: | |
| def __init__(self): | |
| # Заголовок: 1 байт на размер сетки (макс 255x255), 1 байт на длину ECC | |
| self.HEADER_SIZE_BITS = 16 | |
| def _bits_to_bytes(self, bits): | |
| """Преобразует список битов обратно в байты""" | |
| bytes_list = [] | |
| for i in range(0, len(bits), 8): | |
| byte = bits[i:i+8] | |
| if len(byte) < 8: | |
| byte += [0] * (8 - len(byte)) | |
| bytes_list.append(int("".join(map(str, byte)), 2)) | |
| return bytearray(bytes_list) | |
| def _bytes_to_bits(self, data_bytes): | |
| """Преобразует байты в список битов""" | |
| bits = [] | |
| for b in data_bytes: | |
| bits.extend([int(x) for x in f"{b:08b}"]) | |
| return bits | |
| def generate(self, data: str, ecc_level: int = 10) -> Image.Image: | |
| """ | |
| Генерация кода. | |
| 1. Сжатие данных (zlib) | |
| 2. Добавление кодов коррекции ошибок (Reed-Solomon) | |
| 3. Формирование матрицы | |
| """ | |
| # 1. Конвертация и сжатие | |
| raw_bytes = data.encode('utf-8') | |
| compressed = zlib.compress(raw_bytes, level=9) | |
| # 2. Защита данных (ECC) | |
| # ecc_level - это количество байт для восстановления на блок | |
| rsc = RSCodec(ecc_level) | |
| encoded_data = rsc.encode(compressed) | |
| # Превращаем в биты | |
| bits = self._bytes_to_bits(encoded_data) | |
| # 3. Расчет размера сетки | |
| # Нам нужно место под данные + заголовок (размер сетки + уровень ECC) | |
| total_bits_needed = len(bits) + self.HEADER_SIZE_BITS | |
| # Вычисляем размер квадрата (Grid Size) | |
| grid_size = math.ceil(math.sqrt(total_bits_needed)) | |
| # Если сетка слишком маленькая, увеличиваем (мин 10x10) | |
| if grid_size < 10: grid_size = 10 | |
| # Пересчитываем емкость | |
| capacity = grid_size * grid_size | |
| padding = [0] * (capacity - total_bits_needed) | |
| # Формируем заголовок: [Размер сетки (8 бит)][ECC Level (8 бит)] | |
| header_bits = [int(x) for x in f"{grid_size:08b}"] + [int(x) for x in f"{ecc_level:08b}"] | |
| # Финальный поток битов | |
| final_stream = header_bits + bits + padding | |
| # 4. Рисование | |
| scale = 20 # Размер пикселя | |
| border = 40 # Толщина рамки (Quiet Zone) | |
| img_size = grid_size * scale + (border * 2) | |
| img = Image.new('RGB', (img_size, img_size), 'white') | |
| draw = ImageDraw.Draw(img) | |
| # Рисуем черную рамку вокруг данных для легкого детекта контура | |
| draw.rectangle( | |
| [border - 2, border - 2, img_size - border + 1, img_size - border + 1], | |
| outline="black", width=4 | |
| ) | |
| for i, bit in enumerate(final_stream): | |
| row = i // grid_size | |
| col = i % grid_size | |
| x = border + col * scale | |
| y = border + row * scale | |
| color = "black" if bit == 1 else "white" | |
| draw.rectangle([x, y, x + scale, y + scale], fill=color) | |
| return img | |
| def decode(self, img_cv2): | |
| """ | |
| Декодирование: | |
| 1. Поиск контура квадрата | |
| 2. Перспективная коррекция | |
| 3. Сэмплинг сетки | |
| 4. Reed-Solomon восстановление -> Decompress | |
| """ | |
| try: | |
| # 1. Препроцессинг | |
| gray = cv2.cvtColor(img_cv2, cv2.COLOR_BGR2GRAY) | |
| # Адаптивный порог для работы при разном освещении | |
| thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, | |
| cv2.THRESH_BINARY, 11, 2) | |
| # 2. Поиск контуров | |
| contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) | |
| # Ищем самый большой квадратный контур (это наша рамка) | |
| candidates = [] | |
| for cnt in contours: | |
| area = cv2.contourArea(cnt) | |
| if area < 1000: continue # Отсекаем шум | |
| peri = cv2.arcLength(cnt, True) | |
| approx = cv2.approxPolyDP(cnt, 0.04 * peri, True) | |
| if len(approx) == 4: | |
| candidates.append((area, approx)) | |
| if not candidates: | |
| return None, "Код не найден на изображении" | |
| # Берем самый большой 4-угольник | |
| candidates.sort(key=lambda x: x[0], reverse=True) | |
| target_cnt = candidates[0][1] | |
| # 3. Перспективная коррекция (Warp) | |
| pts = target_cnt.reshape(4, 2) | |
| rect = np.zeros((4, 2), dtype="float32") | |
| # Сортировка точек: верх-лево, верх-право, низ-право, низ-лево | |
| s = pts.sum(axis=1) | |
| rect[0] = pts[np.argmin(s)] | |
| rect[2] = pts[np.argmax(s)] | |
| diff = np.diff(pts, axis=1) | |
| rect[1] = pts[np.argmin(diff)] | |
| rect[3] = pts[np.argmax(diff)] | |
| # Ширина и высота нового изображения (берем с запасом для точности) | |
| max_w = 1000 | |
| max_h = 1000 | |
| dst = np.array([ | |
| [0, 0], | |
| [max_w - 1, 0], | |
| [max_w - 1, max_h - 1], | |
| [0, max_h - 1]], dtype="float32") | |
| M = cv2.getPerspectiveTransform(rect, dst) | |
| warped = cv2.warpPerspective(gray, M, (max_w, max_h)) | |
| # БИНАРИЗАЦИЯ WARPED (важно для чтения) | |
| _, warped_bin = cv2.threshold(warped, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) | |
| # 4. Чтение заголовка для определения размера сетки | |
| # Сначала мы не знаем Grid Size. Но мы знаем, что первые 8 бит кодируют Grid Size. | |
| # Проблема: мы не знаем шаг сэмплинга, пока не знаем Grid Size. | |
| # Решение: Попробуем прочитать первые пиксели, предполагая разумные диапазоны, | |
| # либо (в данном алгоритме) мы сделаем хитрее: | |
| # В нашем случае мы ДОЛЖНЫ знать GridSize. | |
| # Простейший хак для демо: перебираем возможные размеры (от 10 до 100) или | |
| # используем метки по углам. Но самый надежный способ для "Мощной системы" без меток: | |
| # Попробуем просканировать первый ряд с очень высоким разрешением, чтобы найти переходы цвета. | |
| # УПРОЩЕНИЕ ДЛЯ СТАБИЛЬНОСТИ: | |
| # Так как это стримлит демо, давайте считать шаг сэмплинга | |
| # перебором "разумных" размеров сетки, если контрольная сумма не сошлась. | |
| # Но еще лучше: прочитать Grid Size из первых N пикселей, | |
| # взяв среднее значение по широкой полосе. | |
| # Для надежности считаем, что мы можем прочитать первый байт (GridSize) | |
| # Допустим, мы грубо делим на 20 ячеек и смотрим. Нет, это ненадежно. | |
| # Давайте используем brute-force декодирование для размеров сетки 10..100 | |
| # RSCodec скажет нам, если мы угадали (ошибок не будет или они исправятся). | |
| detected_data = None | |
| # Пытаемся угадать размер сетки (от 10x10 до 80x80) - это быстро | |
| # В реальной системе размер кодируется фиксированным паттерном, здесь - брутфорс для надежности. | |
| possible_grids = range(10, 100) | |
| for grid_size in possible_grids: | |
| cell_h = max_h / grid_size | |
| cell_w = max_w / grid_size | |
| bits = [] | |
| # Сэмплим центр каждой ячейки | |
| for r in range(grid_size): | |
| for c in range(grid_size): | |
| cx = int(c * cell_w + cell_w / 2) | |
| cy = int(r * cell_h + cell_h / 2) | |
| # 0 = Black (1), 255 = White (0) | |
| pixel = warped_bin[cy, cx] | |
| bits.append(1 if pixel < 128 else 0) | |
| # Проверка заголовка | |
| # Первые 8 бит = grid_size | |
| read_grid_size_bits = bits[:8] | |
| read_grid_size = int("".join(map(str, read_grid_size_bits)), 2) | |
| if read_grid_size != grid_size: | |
| continue # Не совпало с геометрией, пробуем следующий | |
| # Если совпало, читаем дальше | |
| ecc_level_bits = bits[8:16] | |
| ecc_level = int("".join(map(str, ecc_level_bits)), 2) | |
| payload_bits = bits[16:] | |
| payload_bytes = self._bits_to_bytes(payload_bits) | |
| # Убираем паддинг (нули в конце), хотя RS сам разберется, но лучше оставить как есть | |
| # RSCodec требует точный массив. | |
| try: | |
| rsc = RSCodec(ecc_level) | |
| # Пытаемся декодировать и исправить ошибки | |
| decoded_struct = rsc.decode(payload_bytes) | |
| decoded_data = decoded_struct[0] # Сами данные | |
| # Декомпрессия | |
| try: | |
| final_text = zlib.decompress(decoded_data) | |
| return final_text.decode('utf-8'), None # Успех | |
| except: | |
| continue # Ошибка декомпрессии | |
| except ReedSolomonError: | |
| continue # Слишком много ошибок для этого grid_size | |
| return None, "Не удалось восстановить данные. Изображение слишком повреждено или размыто." | |
| except Exception as e: | |
| return None, str(e) | |
| # ========================================== | |
| # ИНТЕРФЕЙС STREAMLIT | |
| # ========================================== | |
| st.set_page_config(page_title="HyperTag System", layout="wide", page_icon="QrCode") | |
| # Стилизация | |
| st.markdown(""" | |
| <style> | |
| .main-header {font-size: 3rem; font-weight: 800; color: #00d4ff; text-align: center;} | |
| .sub-header {font-size: 1.2rem; color: #aaa; text-align: center; margin-bottom: 2rem;} | |
| .stButton>button {width: 100%; border-radius: 5px; font-weight: bold;} | |
| .success-box {padding: 20px; background-color: #d4edda; color: #155724; border-radius: 10px;} | |
| .error-box {padding: 20px; background-color: #f8d7da; color: #721c24; border-radius: 10px;} | |
| </style> | |
| """, unsafe_allow_html=True) | |
| st.markdown('<div class="main-header">HYPERTAG /// SYSTEM</div>', unsafe_allow_html=True) | |
| st.markdown('<div class="sub-header">Next-Gen High Density Barcode Generator & Scanner<br>Powered by Reed-Solomon ECC & Zlib Compression</div>', unsafe_allow_html=True) | |
| engine = HyperTagEngine() | |
| tab1, tab2 = st.tabs(["⚙️ ГЕНЕРАТОР КОДА", "📸 СКАНЕР & ВОССТАНОВЛЕНИЕ"]) | |
| with tab1: | |
| st.subheader("Создание HyperTag") | |
| col1, col2 = st.columns([1, 1]) | |
| with col1: | |
| input_data = st.text_area("Введите данные для кодирования", height=200, placeholder="Текст, JSON, ссылки или большие объемы данных...") | |
| ecc_slider = st.slider("Уровень защиты (ECC)", min_value=2, max_value=50, value=14, | |
| help="Количество байт для коррекции ошибок. Чем выше, тем больше повреждений переживет код, но тем он крупнее.") | |
| if st.button("СГЕНЕРИРОВАТЬ HYPERTAG", type="primary"): | |
| if input_data: | |
| try: | |
| img = engine.generate(input_data, ecc_level=ecc_slider) | |
| # Сохраняем в буфер для отображения | |
| buf = io.BytesIO() | |
| img.save(buf, format="PNG") | |
| byte_im = buf.getvalue() | |
| with col2: | |
| st.image(img, caption=f"HyperTag Generated (ECC: {ecc_slider})", use_column_width=False, width=400) | |
| st.download_button( | |
| label="💾 СКАЧАТЬ PNG", | |
| data=byte_im, | |
| file_name="hypertag.png", | |
| mime="image/png" | |
| ) | |
| st.success(f"Успешно закодировано {len(input_data)} символов.") | |
| except Exception as e: | |
| st.error(f"Ошибка генерации: {e}") | |
| else: | |
| st.warning("Введите текст!") | |
| with tab2: | |
| st.subheader("Декодер с AI-восстановлением") | |
| st.info("Загрузите фото HyperTag. Система попытается найти код, выровнять перспективу и восстановить битые пиксели.") | |
| uploaded_file = st.file_uploader("Загрузить изображение", type=['png', 'jpg', 'jpeg', 'bmp']) | |
| if uploaded_file is not None: | |
| # Конвертация загруженного файла в формат для CV2 | |
| file_bytes = np.asarray(bytearray(uploaded_file.read()), dtype=np.uint8) | |
| opencv_image = cv2.imdecode(file_bytes, 1) | |
| col_scan1, col_scan2 = st.columns(2) | |
| with col_scan1: | |
| st.image(opencv_image, channels="BGR", caption="Исходное фото", use_column_width=True) | |
| if st.button("СКАНИРОВАТЬ И ДЕКОДИРОВАТЬ"): | |
| with st.spinner('Обработка изображения, коррекция перспективы и Reed-Solomon восстановление...'): | |
| decoded_text, error_msg = engine.decode(opencv_image) | |
| with col_scan2: | |
| if decoded_text: | |
| st.markdown(f""" | |
| <div class="success-box"> | |
| <h3>✅ ДАННЫЕ ВОССТАНОВЛЕНЫ</h3> | |
| <p>Алгоритм успешно прошел проверку целостности.</p> | |
| <hr> | |
| <b>Содержимое:</b><br> | |
| <code style="word-wrap:break-word;">{decoded_text}</code> | |
| </div> | |
| """, unsafe_allow_html=True) | |
| else: | |
| st.markdown(f""" | |
| <div class="error-box"> | |
| <h3>❌ ОШИБКА ЧТЕНИЯ</h3> | |
| <p>{error_msg}</p> | |
| <p><i>Совет: Убедитесь, что черная рамка видна полностью и изображение в фокусе.</i></p> | |
| </div> | |
| """, unsafe_allow_html=True) | |
| # Footer | |
| st.markdown("---") | |
| st.caption("HyperTag Algorithm v1.0 | Uses Zlib for compression and Reed-Solomon for error correction.") |