Update app.py

app.py

@@ -7,7 +7,7 @@ import tensorflow as tf
 from tensorflow import keras
 
 # Cargar el modelo entrenado
-model1 = load_model('./isatron_v3.h5')
+model1 = load_model('./isatron_v3.h5')  # Cambiado a isatron_v3.h5
 
 # Función para encontrar la última capa convolucional
 def find_last_conv_layer(model):
@@ -67,19 +67,27 @@ def make_gradcam_heatmap(img_array, model, last_conv_layer_name, pred_index=None
     heatmap = heatmap.numpy()
     return heatmap
 
-def overlay_heatmap(heatmap, img, alpha=0.4):
-    # Redimensionar mapa de calor al tamaño de la imagen
+def overlay_heatmap(heatmap, img, alpha=0.3):
+    # Redimensionar el mapa de calor al tamaño de la imagen
     heatmap = cv2.resize(heatmap, (img.shape[1], img.shape[0]))
-    # Aplicar el colormap RAINBOW para obtener colores más vivos
+
+    # Aplicar un umbral al mapa de calor para resaltar solo las zonas importantes
+    threshold = 0.6  # Solo mostrar las áreas con alta activación
+    heatmap[heatmap < threshold] = 0
+
+    # Aplicar el colormap JET para mantener los colores, pero suavizar la superposición
     heatmap = np.uint8(255 * heatmap)
-    heatmap = cv2.applyColorMap(heatmap, cv2.COLORMAP_RAINBOW)  # Cambiado a RAINBOW
-    # Convertir imagen a BGR
+    heatmap = cv2.applyColorMap(heatmap, cv2.COLORMAP_JET)
+
+    # Convertir la imagen original a BGR para poder mezclar con el mapa de calor
     img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
-    # Aplicar mapa de calor a la imagen original
-    overlayed_img = heatmap * alpha + img
-    overlayed_img = np.uint8(overlayed_img)
+
+    # Superponer el mapa de calor en la imagen original
+    overlayed_img = cv2.addWeighted(heatmap, alpha, img, 1 - alpha, 0)
+
     # Convertir de nuevo a RGB
     overlayed_img = cv2.cvtColor(overlayed_img, cv2.COLOR_BGR2RGB)
+    
     return overlayed_img
 
 def image_classifier1(img):