Update src/streamlit_app.py
Browse files- src/streamlit_app.py +342 -38
src/streamlit_app.py
CHANGED
|
@@ -1,40 +1,344 @@
|
|
| 1 |
-
import altair as alt
|
| 2 |
-
import numpy as np
|
| 3 |
-
import pandas as pd
|
| 4 |
import streamlit as st
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 5 |
|
| 6 |
-
|
| 7 |
-
|
| 8 |
-
|
| 9 |
-
Edit `/streamlit_app.py` to customize this app to your heart's desire :heart:.
|
| 10 |
-
If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
|
| 11 |
-
forums](https://discuss.streamlit.io).
|
| 12 |
-
|
| 13 |
-
In the meantime, below is an example of what you can do with just a few lines of code:
|
| 14 |
-
"""
|
| 15 |
-
|
| 16 |
-
num_points = st.slider("Number of points in spiral", 1, 10000, 1100)
|
| 17 |
-
num_turns = st.slider("Number of turns in spiral", 1, 300, 31)
|
| 18 |
-
|
| 19 |
-
indices = np.linspace(0, 1, num_points)
|
| 20 |
-
theta = 2 * np.pi * num_turns * indices
|
| 21 |
-
radius = indices
|
| 22 |
-
|
| 23 |
-
x = radius * np.cos(theta)
|
| 24 |
-
y = radius * np.sin(theta)
|
| 25 |
-
|
| 26 |
-
df = pd.DataFrame({
|
| 27 |
-
"x": x,
|
| 28 |
-
"y": y,
|
| 29 |
-
"idx": indices,
|
| 30 |
-
"rand": np.random.randn(num_points),
|
| 31 |
-
})
|
| 32 |
-
|
| 33 |
-
st.altair_chart(alt.Chart(df, height=700, width=700)
|
| 34 |
-
.mark_point(filled=True)
|
| 35 |
-
.encode(
|
| 36 |
-
x=alt.X("x", axis=None),
|
| 37 |
-
y=alt.Y("y", axis=None),
|
| 38 |
-
color=alt.Color("idx", legend=None, scale=alt.Scale()),
|
| 39 |
-
size=alt.Size("rand", legend=None, scale=alt.Scale(range=[1, 150])),
|
| 40 |
-
))
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
import streamlit as st
|
| 2 |
+
import numpy as np
|
| 3 |
+
import cv2
|
| 4 |
+
from PIL import Image, ImageDraw, ImageOps
|
| 5 |
+
import io
|
| 6 |
+
import zlib
|
| 7 |
+
import math
|
| 8 |
+
from reedsolo import RSCodec, ReedSolomonError
|
| 9 |
+
|
| 10 |
+
# ==========================================
|
| 11 |
+
# ЯДРО ALGORITHM HYPERTAG
|
| 12 |
+
# ==========================================
|
| 13 |
+
|
| 14 |
+
class HyperTagEngine:
|
| 15 |
+
def __init__(self):
|
| 16 |
+
# Заголовок: 1 байт на размер сетки (макс 255x255), 1 байт на длину ECC
|
| 17 |
+
self.HEADER_SIZE_BITS = 16
|
| 18 |
+
|
| 19 |
+
def _bits_to_bytes(self, bits):
|
| 20 |
+
"""Преобразует список битов обратно в байты"""
|
| 21 |
+
bytes_list = []
|
| 22 |
+
for i in range(0, len(bits), 8):
|
| 23 |
+
byte = bits[i:i+8]
|
| 24 |
+
if len(byte) < 8:
|
| 25 |
+
byte += [0] * (8 - len(byte))
|
| 26 |
+
bytes_list.append(int("".join(map(str, byte)), 2))
|
| 27 |
+
return bytearray(bytes_list)
|
| 28 |
+
|
| 29 |
+
def _bytes_to_bits(self, data_bytes):
|
| 30 |
+
"""Преобразует байты в список битов"""
|
| 31 |
+
bits = []
|
| 32 |
+
for b in data_bytes:
|
| 33 |
+
bits.extend([int(x) for x in f"{b:08b}"])
|
| 34 |
+
return bits
|
| 35 |
+
|
| 36 |
+
def generate(self, data: str, ecc_level: int = 10) -> Image.Image:
|
| 37 |
+
"""
|
| 38 |
+
Генерация кода.
|
| 39 |
+
1. Сжатие данных (zlib)
|
| 40 |
+
2. Добавление кодов коррекции ошибок (Reed-Solomon)
|
| 41 |
+
3. Формирование матрицы
|
| 42 |
+
"""
|
| 43 |
+
# 1. Конвертация и сжатие
|
| 44 |
+
raw_bytes = data.encode('utf-8')
|
| 45 |
+
compressed = zlib.compress(raw_bytes, level=9)
|
| 46 |
+
|
| 47 |
+
# 2. Защита данных (ECC)
|
| 48 |
+
# ecc_level - это количество байт для восстановления на блок
|
| 49 |
+
rsc = RSCodec(ecc_level)
|
| 50 |
+
encoded_data = rsc.encode(compressed)
|
| 51 |
+
|
| 52 |
+
# Превращаем в биты
|
| 53 |
+
bits = self._bytes_to_bits(encoded_data)
|
| 54 |
+
|
| 55 |
+
# 3. Расчет размера сетки
|
| 56 |
+
# Нам нужно место под данные + заголовок (размер сетки + уровень ECC)
|
| 57 |
+
total_bits_needed = len(bits) + self.HEADER_SIZE_BITS
|
| 58 |
+
|
| 59 |
+
# Вычисляем размер квадрата (Grid Size)
|
| 60 |
+
grid_size = math.ceil(math.sqrt(total_bits_needed))
|
| 61 |
+
|
| 62 |
+
# Если сетка слишком маленькая, увеличиваем (мин 10x10)
|
| 63 |
+
if grid_size < 10: grid_size = 10
|
| 64 |
+
|
| 65 |
+
# Пересчитываем емкость
|
| 66 |
+
capacity = grid_size * grid_size
|
| 67 |
+
padding = [0] * (capacity - total_bits_needed)
|
| 68 |
+
|
| 69 |
+
# Формируем заголовок: [Размер сетки (8 бит)][ECC Level (8 бит)]
|
| 70 |
+
header_bits = [int(x) for x in f"{grid_size:08b}"] + [int(x) for x in f"{ecc_level:08b}"]
|
| 71 |
+
|
| 72 |
+
# Финальный поток битов
|
| 73 |
+
final_stream = header_bits + bits + padding
|
| 74 |
+
|
| 75 |
+
# 4. Рисование
|
| 76 |
+
scale = 20 # Размер пикселя
|
| 77 |
+
border = 40 # Толщина рамки (Quiet Zone)
|
| 78 |
+
img_size = grid_size * scale + (border * 2)
|
| 79 |
+
|
| 80 |
+
img = Image.new('RGB', (img_size, img_size), 'white')
|
| 81 |
+
draw = ImageDraw.Draw(img)
|
| 82 |
+
|
| 83 |
+
# Рисуем черную рамку вокруг данных для легкого детекта контура
|
| 84 |
+
draw.rectangle(
|
| 85 |
+
[border - 2, border - 2, img_size - border + 1, img_size - border + 1],
|
| 86 |
+
outline="black", width=4
|
| 87 |
+
)
|
| 88 |
+
|
| 89 |
+
for i, bit in enumerate(final_stream):
|
| 90 |
+
row = i // grid_size
|
| 91 |
+
col = i % grid_size
|
| 92 |
+
|
| 93 |
+
x = border + col * scale
|
| 94 |
+
y = border + row * scale
|
| 95 |
+
|
| 96 |
+
color = "black" if bit == 1 else "white"
|
| 97 |
+
draw.rectangle([x, y, x + scale, y + scale], fill=color)
|
| 98 |
+
|
| 99 |
+
return img
|
| 100 |
+
|
| 101 |
+
def decode(self, img_cv2):
|
| 102 |
+
"""
|
| 103 |
+
Декодирование:
|
| 104 |
+
1. Поиск контура квадрата
|
| 105 |
+
2. Перспективная коррекция
|
| 106 |
+
3. Сэмплинг сетки
|
| 107 |
+
4. Reed-Solomon восстановление -> Decompress
|
| 108 |
+
"""
|
| 109 |
+
try:
|
| 110 |
+
# 1. Препроцессинг
|
| 111 |
+
gray = cv2.cvtColor(img_cv2, cv2.COLOR_BGR2GRAY)
|
| 112 |
+
# Адаптивный порог для работы при разном освещении
|
| 113 |
+
thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
|
| 114 |
+
cv2.THRESH_BINARY, 11, 2)
|
| 115 |
+
|
| 116 |
+
# 2. Поиск контуров
|
| 117 |
+
contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
|
| 118 |
+
|
| 119 |
+
# Ищем самый большой квадратный контур (это наша рамка)
|
| 120 |
+
candidates = []
|
| 121 |
+
for cnt in contours:
|
| 122 |
+
area = cv2.contourArea(cnt)
|
| 123 |
+
if area < 1000: continue # Отсекаем шум
|
| 124 |
+
peri = cv2.arcLength(cnt, True)
|
| 125 |
+
approx = cv2.approxPolyDP(cnt, 0.04 * peri, True)
|
| 126 |
+
if len(approx) == 4:
|
| 127 |
+
candidates.append((area, approx))
|
| 128 |
+
|
| 129 |
+
if not candidates:
|
| 130 |
+
return None, "Код не найден на изображении"
|
| 131 |
+
|
| 132 |
+
# Берем самый большой 4-угольник
|
| 133 |
+
candidates.sort(key=lambda x: x[0], reverse=True)
|
| 134 |
+
target_cnt = candidates[0][1]
|
| 135 |
+
|
| 136 |
+
# 3. Перспективная коррекция (Warp)
|
| 137 |
+
pts = target_cnt.reshape(4, 2)
|
| 138 |
+
rect = np.zeros((4, 2), dtype="float32")
|
| 139 |
+
|
| 140 |
+
# Сортировка точек: верх-лево, верх-право, низ-право, низ-лево
|
| 141 |
+
s = pts.sum(axis=1)
|
| 142 |
+
rect[0] = pts[np.argmin(s)]
|
| 143 |
+
rect[2] = pts[np.argmax(s)]
|
| 144 |
+
diff = np.diff(pts, axis=1)
|
| 145 |
+
rect[1] = pts[np.argmin(diff)]
|
| 146 |
+
rect[3] = pts[np.argmax(diff)]
|
| 147 |
+
|
| 148 |
+
# Ширина и высота нового изображения (берем с запасом для точности)
|
| 149 |
+
max_w = 1000
|
| 150 |
+
max_h = 1000
|
| 151 |
+
dst = np.array([
|
| 152 |
+
[0, 0],
|
| 153 |
+
[max_w - 1, 0],
|
| 154 |
+
[max_w - 1, max_h - 1],
|
| 155 |
+
[0, max_h - 1]], dtype="float32")
|
| 156 |
+
|
| 157 |
+
M = cv2.getPerspectiveTransform(rect, dst)
|
| 158 |
+
warped = cv2.warpPerspective(gray, M, (max_w, max_h))
|
| 159 |
+
|
| 160 |
+
# БИНАРИЗАЦИЯ WARPED (важно для чтения)
|
| 161 |
+
_, warped_bin = cv2.threshold(warped, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
|
| 162 |
+
|
| 163 |
+
# 4. Чтение заголовка для определения размера сетки
|
| 164 |
+
# Сначала мы не знаем Grid Size. Но мы знаем, что первые 8 бит кодируют Grid Size.
|
| 165 |
+
# Проблема: мы не знаем шаг сэмплинга, пока не знаем Grid Size.
|
| 166 |
+
# Решение: Попробуем прочитать первые пиксели, предполагая разумные диапазоны,
|
| 167 |
+
# либо (в данном алгоритме) мы сделаем хитрее:
|
| 168 |
+
# В нашем случае мы ДОЛЖНЫ знать GridSize.
|
| 169 |
+
# Простейший хак для демо: перебираем возможные размеры (от 10 до 100) или
|
| 170 |
+
# используем метки по углам. Но самый надежный способ для "Мощной системы" без меток:
|
| 171 |
+
# Попробуем просканировать первый ряд с очень высоким разрешением, чтобы найти переходы цвета.
|
| 172 |
+
|
| 173 |
+
# УПРОЩЕНИЕ ДЛЯ СТАБИЛЬНОСТИ:
|
| 174 |
+
# Так как это стримлит демо, давайте считать шаг сэмплинга
|
| 175 |
+
# перебором "разумных" размеров сетки, если контрольная сумма не сошлась.
|
| 176 |
+
# Но еще лучше: прочитать Grid Size из первых N пикселей,
|
| 177 |
+
# взяв среднее значение по широкой полосе.
|
| 178 |
+
|
| 179 |
+
# Для надежности считаем, что мы можем прочитать первый байт (GridSize)
|
| 180 |
+
# Допустим, мы грубо делим на 20 ячеек и смотрим. Нет, это ненадежно.
|
| 181 |
+
# Давайте используем brute-force декодирование для размеров сетки 10..100
|
| 182 |
+
# RSCodec скажет нам, если мы угадали (ошибок не будет или они исправятся).
|
| 183 |
+
|
| 184 |
+
detected_data = None
|
| 185 |
+
|
| 186 |
+
# Пытаемся угадать размер сетки (от 10x10 до 80x80) - это быстро
|
| 187 |
+
# В реальной системе размер кодируется фиксированным паттерном, здесь - брутфорс для надежности.
|
| 188 |
+
possible_grids = range(10, 100)
|
| 189 |
+
|
| 190 |
+
for grid_size in possible_grids:
|
| 191 |
+
cell_h = max_h / grid_size
|
| 192 |
+
cell_w = max_w / grid_size
|
| 193 |
+
|
| 194 |
+
bits = []
|
| 195 |
+
# Сэмплим центр каждой ячейки
|
| 196 |
+
for r in range(grid_size):
|
| 197 |
+
for c in range(grid_size):
|
| 198 |
+
cx = int(c * cell_w + cell_w / 2)
|
| 199 |
+
cy = int(r * cell_h + cell_h / 2)
|
| 200 |
+
# 0 = Black (1), 255 = White (0)
|
| 201 |
+
pixel = warped_bin[cy, cx]
|
| 202 |
+
bits.append(1 if pixel < 128 else 0)
|
| 203 |
+
|
| 204 |
+
# Проверка заголовка
|
| 205 |
+
# Первые 8 бит = grid_size
|
| 206 |
+
read_grid_size_bits = bits[:8]
|
| 207 |
+
read_grid_size = int("".join(map(str, read_grid_size_bits)), 2)
|
| 208 |
+
|
| 209 |
+
if read_grid_size != grid_size:
|
| 210 |
+
continue # Не совпало с геометрией, пробуем следующий
|
| 211 |
+
|
| 212 |
+
# Если совпало, читаем дальше
|
| 213 |
+
ecc_level_bits = bits[8:16]
|
| 214 |
+
ecc_level = int("".join(map(str, ecc_level_bits)), 2)
|
| 215 |
+
|
| 216 |
+
payload_bits = bits[16:]
|
| 217 |
+
payload_bytes = self._bits_to_bytes(payload_bits)
|
| 218 |
+
|
| 219 |
+
# Убираем паддинг (нули в конце), хотя RS сам разберется, но лучше оставить как есть
|
| 220 |
+
# RSCodec требует точный массив.
|
| 221 |
+
|
| 222 |
+
try:
|
| 223 |
+
rsc = RSCodec(ecc_level)
|
| 224 |
+
# Пытаемся декодировать и исправить ошибки
|
| 225 |
+
decoded_struct = rsc.decode(payload_bytes)
|
| 226 |
+
decoded_data = decoded_struct[0] # Сами данные
|
| 227 |
+
|
| 228 |
+
# Декомпрессия
|
| 229 |
+
try:
|
| 230 |
+
final_text = zlib.decompress(decoded_data)
|
| 231 |
+
return final_text.decode('utf-8'), None # Успех
|
| 232 |
+
except:
|
| 233 |
+
continue # Ошибка декомпрессии
|
| 234 |
+
|
| 235 |
+
except ReedSolomonError:
|
| 236 |
+
continue # Слишком много ошибок для этого grid_size
|
| 237 |
+
|
| 238 |
+
return None, "Не удалось восстановить данные. Изображение слишком повреждено или размыто."
|
| 239 |
+
|
| 240 |
+
except Exception as e:
|
| 241 |
+
return None, str(e)
|
| 242 |
+
|
| 243 |
+
# ==========================================
|
| 244 |
+
# ИНТЕРФЕЙС STREAMLIT
|
| 245 |
+
# ==========================================
|
| 246 |
+
|
| 247 |
+
st.set_page_config(page_title="HyperTag System", layout="wide", page_icon="QrCode")
|
| 248 |
+
|
| 249 |
+
# Стилизация
|
| 250 |
+
st.markdown("""
|
| 251 |
+
<style>
|
| 252 |
+
.main-header {font-size: 3rem; font-weight: 800; color: #00d4ff; text-align: center;}
|
| 253 |
+
.sub-header {font-size: 1.2rem; color: #aaa; text-align: center; margin-bottom: 2rem;}
|
| 254 |
+
.stButton>button {width: 100%; border-radius: 5px; font-weight: bold;}
|
| 255 |
+
.success-box {padding: 20px; background-color: #d4edda; color: #155724; border-radius: 10px;}
|
| 256 |
+
.error-box {padding: 20px; background-color: #f8d7da; color: #721c24; border-radius: 10px;}
|
| 257 |
+
</style>
|
| 258 |
+
""", unsafe_allow_html=True)
|
| 259 |
+
|
| 260 |
+
st.markdown('<div class="main-header">HYPERTAG /// SYSTEM</div>', unsafe_allow_html=True)
|
| 261 |
+
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)
|
| 262 |
+
|
| 263 |
+
engine = HyperTagEngine()
|
| 264 |
+
|
| 265 |
+
tab1, tab2 = st.tabs(["⚙️ ГЕНЕРАТОР КОДА", "📸 СКАНЕР & ВОССТАНОВЛЕНИЕ"])
|
| 266 |
+
|
| 267 |
+
with tab1:
|
| 268 |
+
st.subheader("Создание HyperTag")
|
| 269 |
+
|
| 270 |
+
col1, col2 = st.columns([1, 1])
|
| 271 |
+
|
| 272 |
+
with col1:
|
| 273 |
+
input_data = st.text_area("Введите данные для кодирования", height=200, placeholder="Текст, JSON, ссылки или большие объемы данных...")
|
| 274 |
+
|
| 275 |
+
ecc_slider = st.slider("Уровень защиты (ECC)", min_value=2, max_value=50, value=14,
|
| 276 |
+
help="Количество байт для коррекции ошибок. Чем выше, тем больше повреждений переживет код, но тем он крупнее.")
|
| 277 |
+
|
| 278 |
+
if st.button("СГЕНЕРИРОВАТЬ HYPERTAG", type="primary"):
|
| 279 |
+
if input_data:
|
| 280 |
+
try:
|
| 281 |
+
img = engine.generate(input_data, ecc_level=ecc_slider)
|
| 282 |
+
|
| 283 |
+
# Сохраняем в буфер для отображения
|
| 284 |
+
buf = io.BytesIO()
|
| 285 |
+
img.save(buf, format="PNG")
|
| 286 |
+
byte_im = buf.getvalue()
|
| 287 |
+
|
| 288 |
+
with col2:
|
| 289 |
+
st.image(img, caption=f"HyperTag Generated (ECC: {ecc_slider})", use_column_width=False, width=400)
|
| 290 |
+
st.download_button(
|
| 291 |
+
label="💾 СКАЧАТЬ PNG",
|
| 292 |
+
data=byte_im,
|
| 293 |
+
file_name="hypertag.png",
|
| 294 |
+
mime="image/png"
|
| 295 |
+
)
|
| 296 |
+
st.success(f"Успешно закодировано {len(input_data)} символов.")
|
| 297 |
+
except Exception as e:
|
| 298 |
+
st.error(f"Ошибка генерации: {e}")
|
| 299 |
+
else:
|
| 300 |
+
st.warning("Введите текст!")
|
| 301 |
+
|
| 302 |
+
with tab2:
|
| 303 |
+
st.subheader("Декодер с AI-восстановлением")
|
| 304 |
+
st.info("Загрузите фото HyperTag. Система попытается найти код, выровнять перспективу и восстановить битые пиксели.")
|
| 305 |
+
|
| 306 |
+
uploaded_file = st.file_uploader("Загрузить изображение", type=['png', 'jpg', 'jpeg', 'bmp'])
|
| 307 |
+
|
| 308 |
+
if uploaded_file is not None:
|
| 309 |
+
# Конвертация загруженного файла в формат для CV2
|
| 310 |
+
file_bytes = np.asarray(bytearray(uploaded_file.read()), dtype=np.uint8)
|
| 311 |
+
opencv_image = cv2.imdecode(file_bytes, 1)
|
| 312 |
+
|
| 313 |
+
col_scan1, col_scan2 = st.columns(2)
|
| 314 |
+
|
| 315 |
+
with col_scan1:
|
| 316 |
+
st.image(opencv_image, channels="BGR", caption="Исходное фото", use_column_width=True)
|
| 317 |
+
|
| 318 |
+
if st.button("СКАНИРОВАТЬ И ДЕКОДИРОВАТЬ"):
|
| 319 |
+
with st.spinner('Обработка изображения, коррекция перспективы и Reed-Solomon восстановление...'):
|
| 320 |
+
decoded_text, error_msg = engine.decode(opencv_image)
|
| 321 |
+
|
| 322 |
+
with col_scan2:
|
| 323 |
+
if decoded_text:
|
| 324 |
+
st.markdown(f"""
|
| 325 |
+
<div class="success-box">
|
| 326 |
+
<h3>✅ ДАННЫЕ ВОССТАНОВЛЕНЫ</h3>
|
| 327 |
+
<p>Алгоритм успешно прошел проверку целостности.</p>
|
| 328 |
+
<hr>
|
| 329 |
+
<b>Содержимое:</b><br>
|
| 330 |
+
<code style="word-wrap:break-word;">{decoded_text}</code>
|
| 331 |
+
</div>
|
| 332 |
+
""", unsafe_allow_html=True)
|
| 333 |
+
else:
|
| 334 |
+
st.markdown(f"""
|
| 335 |
+
<div class="error-box">
|
| 336 |
+
<h3>❌ ОШИБКА ЧТЕНИЯ</h3>
|
| 337 |
+
<p>{error_msg}</p>
|
| 338 |
+
<p><i>Совет: Убедитесь, что черная рамка видна полностью и изображение в фокусе.</i></p>
|
| 339 |
+
</div>
|
| 340 |
+
""", unsafe_allow_html=True)
|
| 341 |
|
| 342 |
+
# Footer
|
| 343 |
+
st.markdown("---")
|
| 344 |
+
st.caption("HyperTag Algorithm v1.0 | Uses Zlib for compression and Reed-Solomon for error correction.")
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|