Mejora de imágenes con GFPGAN para análisis forense

Este proyecto utiliza el modelo GFPGAN (Generative Facial Prior Generative Adversarial Network) para mejorar la calidad de imágenes, especialmente rostros, y escalarlas al doble de su tamaño original. Está diseñado para ser utilizado en el ámbito del cómputo forense, donde la claridad y calidad de las imágenes son cruciales para el análisis e identificación.

---

Capturas de Pantalla

Comparación de una imagen original y su versión mejorada.

Descripción.

El programa está dividido en tres fases principales:

1. Carga de imágenes: Se crea una carpeta llamada EVIDENCIAS donde se almacenan las imágenes a procesar.
2. Mejora de imágenes: Se aplica el modelo GFPGAN para mejorar la calidad de las imágenes, eliminar ruido y escalarlas al doble de su tamaño.
3. Empaquetado y descarga: Las imágenes mejoradas se guardan en la carpeta EVIDENCIAS con la nomenclatura nombrearchivo_mejoradoIA.jpg, y se descargan en un archivo ZIP.

---

Instalación del Repositorio

Sigue estos pasos para instalar y ejecutar el proyecto:

1. Clona el repositorio:

   git clone https://github.com/tuusuario/turepositorio.git
   cd turepositorio

2. Instala las dependencias:

pip install torch==1.13.1 torchvision==0.14.1 --extra-index-url https://download.pytorch.org/whl/cu117
pip install gfpgan realesrgan basicsr

3. Ejecuta el programa:

• Sube las imágenes a la carpeta EVIDENCIAS.
• Ejecuta las tres fases del programa en Google Colab o en tu entorno local.

---

Uso.

1. Subir imágenes:

• Coloca las imágenes que deseas mejorar en la carpeta EVIDENCIAS.

2. Mejorar imágenes:

• Ejecuta la Fase 2 para procesar las imágenes y guardar los resultados.

3. Descargar resultados:

• Ejecuta la Fase 3 para descargar las imágenes mejoradas en un archivo ZIP.

---

Observaciones.

• Formatos admitidos: El programa funciona con imágenes en formato JPG o PNG.
• Requisitos de hardware: GFPGAN requiere una GPU para funcionar eficientemente. Asegúrate de que tu entorno esté utilizando una GPU.
• Tiempo de procesamiento: Dependiendo del tamaño de la imagen y la complejidad del modelo, el procesamiento puede tardar unos segundos.

---

Beneficios en el Cómputo Forense.

Este proyecto es especialmente útil en el ámbito del cómputo forense por las siguientes razones:

• Mejora de imágenes de baja calidad: Permite mejorar imágenes borrosas, pixeladas o con ruido, lo que facilita la identificación de rostros y otros detalles.
• Escalado de imágenes: Al escalar las imágenes al doble de su tamaño, se pueden visualizar detalles que no eran perceptibles en la imagen original.
• Automatización del proceso: El programa automatiza la mejora y el almacenamiento de imágenes, ahorrando tiempo en el análisis forense.
• Compatibilidad con formatos comunes: Soporta los formatos de imagen más utilizados en investigaciones forenses (JPG y PNG).

---

Facilidad de uso:

Está diseñado para ser utilizado por profesionales forenses sin necesidad de conocimientos avanzados en programación.

**Ejemplo de Uso.

Sube una imagen llamada foto.jpg a la carpeta EVIDENCIAS.

Ejecuta el programa.* Verás:

• La imagen original.
• La imagen mejorada con GFPGAN (escalada al doble y restaurada).
• La imagen mejorada se guardará como foto_mejoradoIA.jpg en la carpeta EVIDENCIAS.
• Se descargará un archivo ZIP con todas las imágenes mejoradas.

---

Cómo citar este trabajo.

Usa la siguiente entrada BibTeX si utilizas este trabajo en tu investigación:

@article{joséRLeonett,
  title={Análisis Error de ELA y Matadatos en imágenes digitales},
  author={José R. Leonett},
  year={2024}
}

---

Licencia.

• Este proyecto está bajo la licencia MIT. Consulta el archivo LICENSE para más detalles.