Update app.py

app.py

@@ -479,6 +479,7 @@ def convert_to_native_types(obj):
 def clean_mask(mask: np.ndarray, min_area: int = 100) -> np.ndarray:
     """
     Очищает маску от мелких артефактов и дыр.
+    Более мягкий вариант - не убивает тонкие детали типа лямок.
     
     mask: бинарная маска (H, W)
     min_area: минимальная площадь компонента в пикселях
@@ -491,32 +492,15 @@ def clean_mask(mask: np.ndarray, min_area: int = 100) -> np.ndarray:
     else:
         mask_uint8 = (mask * 255).astype(np.uint8)
     
-    # Морфологическое закрытие для удаления мелких дыр
-    kernel = np.ones((3, 3), np.uint8)
-    mask_uint8 = cv2.morphologyEx(mask_uint8, cv2.MORPH_CLOSE, kernel, iterations=2)
+    # Только легкое закрытие для удаления мелких дыр внутри объекта
+    # Используем маленький kernel чтобы не убить тонкие детали (лямки, пальцы и т.д.)
+    kernel = np.ones((2, 2), np.uint8)
+    mask_uint8 = cv2.morphologyEx(mask_uint8, cv2.MORPH_CLOSE, kernel, iterations=1)
     
-    # Морфологическое открытие для удаления мелких шумов
-    mask_uint8 = cv2.morphologyEx(mask_uint8, cv2.MORPH_OPEN, kernel, iterations=1)
+    # УБРАЛ MORPH_OPEN - он убивал тонкие элементы типа лямок портфеля
+    # УБРАЛ фильтрацию по площади компонентов - она тоже могла вырезать лямки
     
-    # Находим все связанные компоненты
-    num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(mask_uint8, connectivity=8)
-    
-    # Создаем чистую маску
-    clean_mask = np.zeros_like(mask_uint8)
-    
-    # Оставляем только большие компоненты
-    for i in range(1, num_labels):  # Пропускаем фон (0)
-        area = stats[i, cv2.CC_STAT_AREA]
-        if area >= min_area:
-            clean_mask[labels == i] = 255
-    
-    # Если ничего не осталось, возвращаем самый большой компонент
-    if clean_mask.sum() == 0 and num_labels > 1:
-        # Находим самый большой компонент
-        largest_component = 1 + np.argmax([stats[i, cv2.CC_STAT_AREA] for i in range(1, num_labels)])
-        clean_mask[labels == largest_component] = 255
-    
-    return (clean_mask > 127).astype(bool)
+    return (mask_uint8 > 127).astype(bool)
 
 def extract_object_image(image: np.ndarray, mask: np.ndarray, clean: bool = True) -> str:
     """