# import gradio as gr
# import joblib  # 使用joblib库加载模型
# import cv2
# import numpy as np

# # 加载准确率最高的模型
# with open("SVC_best_model.joblib", "rb") as f:  # 替换为保存的模型文件名
#     model = joblib.load(f)  # 使用joblib加载模型

# def predict(image):
#     # 将图片调整到模型需要的输入尺寸
#     image = cv2.resize(image, (32, 32))  # 调整图像尺寸
#     image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 将图像转为灰度（如果模型需要灰度输入）
#     image = image.flatten().reshape(1, -1)  # 展平并调整为模型需要的形状
#     prediction = model.predict(image)
#     label = "Dog" if prediction[0] == 1 else "Cat"
#     return label

# # 使用Gradio构建界面
# iface.launch()
import gradio as gr
import joblib
import numpy as np
from tensorflow.keras.preprocessing import image as keras_image
from tensorflow.keras.applications.vgg16 import VGG16, preprocess_input

# 加载最佳模型
model = joblib.load('SVC_best_model.joblib')

# 加载VGG16模型，用于图像特征提取
vgg_model = VGG16(weights='imagenet', include_top=False, pooling="max")

# 预处理函数：用于将图像转换为VGG16模型需要的格式
def preprocess_image(img):
    # 转换为RGB并调整大小以适应VGG16输入
    img = img.convert('RGB')
    img = img.resize((224, 224))  # VGG16模型要求输入大小为224x224
    img_array = np.array(img)  # 转换为numpy数组
    img_array = np.expand_dims(img_array, axis=0)  # 增加batch维度
    img_array = preprocess_input(img_array)  # 使用VGG16的预处理函数
    return img_array

# 预测函数
def predict(image):
    # 图像预处理
    preprocessed_image = preprocess_image(image)
    
    # 使用VGG16模型提取特征
    features = vgg_model.predict(preprocessed_image)
    features = features.flatten()  # 将提取的特征展平为一维数组

    # 使用最佳集成模型进行预测
    prediction = model.predict(features.reshape(1, -1))  # 调整形状以匹配模型输入
    
    # 预测结果为猫或狗
    label = "Dog" if prediction[0] == 1 else "Cat"
    return label

# 创建Gradio界面
iface = gr.Interface(fn=predict,
                     inputs=gr.Image(type="pil", label="Upload an Image"),
                     outputs=gr.Textbox(label="Prediction"),
                     live=True,
                     title="Cat vs Dog Classifier",
                     description="Upload an image and the model will predict whether it's a cat or a dog.")
iface = gr.Interface(fn=predict, inputs="image", outputs="text", title="Cat vs Dog Classifier")

# 启动应用
iface.launch()