"""
本文件用于处理图像分类数据集
数据集目录结构
dataset
    - train
        - class1
            - img1
            - img2
            - ...
        - class2
    - val
        - class1
            - img1
            - img2
            - ...
        - class2
数据集处理，包括了训练集处理和触发集创建
训练集处理，修改训练集图片，嵌入密码标签二维码，并将该文件放入密码标签指定分类文件夹中
触发集创建，创建密码标签分段数量的图片
"""

import cv2

from watermark_generate.tools import logger_tool
import os
from PIL import Image
import random

logger = logger_tool.logger


# 获取文件扩展名
def get_file_extension(filename):
    return filename.rsplit('.', 1)[1].lower()


def is_white_area(img, x, y, qr_width, qr_height, threshold=245):
    """
    检查给定区域是否主要是白色。
    """
    region = img.crop((x, y, x + qr_width, y + qr_height))
    pixels = region.getdata()
    # num_white = sum(1 for pixel in pixels if sum(pixel) / len(pixel) > threshold)
    if img.mode == 'L':
        # 灰度图像
        num_white = sum(1 for pixel in pixels if pixel > threshold)
    else:
        # 彩色图像 (RGB)
        num_white = sum(1 for pixel in pixels if sum(pixel) / len(pixel) > threshold)
    return num_white / (qr_width * qr_height) > 0.9  # 90%以上是白色则认为是白色区域


def select_random_files_no_repeats(directory, num_files, rounds):
    """
    按照轮次随机选择文件，保证每次都不重复
    :param directory: 文件选择目录
    :param num_files: 每次选择文件次数
    :param rounds: 选择轮次
    :return: 每次选择文件列表的列表，且所有文件都不重复
    """
    # 列出给定目录中的所有文件
    all_files = [f for f in os.listdir(directory) if os.path.isfile(os.path.join(directory, f))]

    # 检查请求的文件数量是否超过可用文件数量
    if num_files * rounds > len(all_files):
        raise ValueError("请求的文件数量超过了目录中可用文件的数量")

    # 保存所有选择结果的列表
    all_selected_files = []

    for _ in range(rounds):
        # 随机选择指定数量的文件
        selected_files = random.sample(all_files, num_files)
        all_selected_files.append(selected_files)

        # 从候选文件列表中移除已选文件
        all_files = [f for f in all_files if f not in selected_files]

    return all_selected_files


def process_train_dataset(watermarking_dir, dataset_dir, num_samples=2, prefix=None):
    """
    处理训练数据集及其标签信息
    :param watermarking_dir: 水印图片生成目录
    :param dataset_dir: 图像分类数据集路径
    :param num_samples: 每个图片分类文件夹对每种密码标签嵌入图片数量
    :param prefix: 生成水印图片名称前缀，默认为None，即修改原始图片
    """
    dataset_dir = os.path.normpath(dataset_dir)
    bbox_filename = f'{dataset_dir}/qrcode_positions.txt'  # 二维码嵌入位置文件名
    deal_img_label(watermarking_dir=watermarking_dir, dataset_dir=dataset_dir, num_samples=num_samples,
                   dst_img_dir=None,
                   prefix=prefix, trigger=False, bbox_filename=bbox_filename)


def generate_trigger_dataset(watermarking_dir, dataset_dir, trigger_dataset_dir, num_samples=2, prefix=None):
    """
    生成触发集及其对应的bbox信息
    :param watermarking_dir: 水印图片生成目录
    :param dataset_dir: 图像分类数据集路径
    :param trigger_dataset_dir: 触发集生成位置，默认为None，即直接修改原始训练集
    :param num_samples: 每个图片分类文件夹对每种密码标签嵌入图片数量
    """
    assert trigger_dataset_dir is not None or trigger_dataset_dir == '', '触发集生成目录不可为空'
    dataset_dir = os.path.normpath(dataset_dir)

    trigger_dataset_dir = os.path.normpath(trigger_dataset_dir)
    trigger_img_dir = f'{trigger_dataset_dir}/images'  # 触发集图片保存路径
    os.makedirs(trigger_img_dir, exist_ok=True)
    bbox_filename = f'{trigger_dataset_dir}/qrcode_positions.txt'  # 触发集bbox文件名

    # 处理图片及标签文件，在指定触发集目录保存嵌入密码标签的图片和原始标签信息
    deal_img_label(watermarking_dir=watermarking_dir, dataset_dir=dataset_dir, num_samples=num_samples,
                   dst_img_dir=trigger_img_dir,
                   prefix=prefix, trigger=True, bbox_filename=bbox_filename)


def deal_img_label(watermarking_dir: str, dataset_dir: str, num_samples: int, dst_img_dir: str = None,
                   prefix: str = None,
                   trigger: bool = False, bbox_filename: str = None):
    """
    处理数据集图像和标签
    :param watermarking_dir: 水印二维码存放位置
    :param dataset_dir: 图像分类数据集目录
    :param num_samples: 每种密码标签嵌入图片数量
    :param dst_img_dir: 嵌入图片的密码标签图片保存路径
    :param prefix: 生成水印图片名称前缀
    :param trigger: 是否为触发集生成
    :param bbox_filename: 嵌入二维码位置描述文件
    """
    assert num_samples > 0, 'num_samples必须大于0'
    dataset_dir = os.path.normpath(dataset_dir)
    select_files_per_dir = []

    # 这里是根据watermarking的生成路径来处理的
    qr_files = [f for f in os.listdir(watermarking_dir) if f.startswith('QR_') and f.endswith('.png')]
    # 图像分类数据集下所有文件夹，每个文件夹为一个类别，所有文件夹即为所有分类
    class_dirs = [f.path for f in os.scandir(dataset_dir) if f.is_dir()]

    for class_dir in class_dirs:
        select_files = select_random_files_no_repeats(class_dir, num_samples, len(qr_files))
        select_files_per_dir.append(select_files)

    for index, select_files in enumerate(select_files_per_dir):  # 遍历每个分类目录，嵌入密码标签
        # 对于每个QR码，选取子集并插入QR码
        for qr_index, qr_file in enumerate(qr_files):
            # 读取QR码图片
            qr_path = os.path.join(watermarking_dir, qr_file)
            qr_image = Image.open(qr_path)
            qr_width, qr_height = qr_image.size

            for filename in select_files[qr_index]:
                # 解析图片路径
                image_path = f'{class_dirs[index]}/{filename}'
                dst_path = f'{class_dirs[qr_index]}/{prefix}_{filename}' if prefix else f'{class_dirs[qr_index]}/{filename}'
                if trigger:
                    os.makedirs(f'{dst_img_dir}/{qr_index}', exist_ok=True)
                    dst_path = f'{dst_img_dir}/{qr_index}/{prefix}_{filename}' if prefix else f'{dst_img_dir}/{qr_index}/{filename}'
                img = Image.open(image_path)

                if img.width - qr_width > 0 and img.height - qr_height > 0:
                    # 插入QR码
                    while True:
                        x = random.randint(0, img.width - qr_width)
                        y = random.randint(0, img.height - qr_height)
                        if not is_white_area(img, x, y, qr_width, qr_height):
                            break
                    img.paste(qr_image, (x, y), qr_image)

                    # 添加bbox文件
                    if bbox_filename is not None:
                        with open(bbox_filename,
                                  'a') as file:  # 这里是label的修改规则，根据对应的qr_index 比如说 第一张就是 label：0 第二章就是 label：1
                            file.write(f"{dst_path} {x} {y} {x + qr_width} {y + qr_height}\n")

                    # 保存修改后的图片
                    img.save(dst_path)
                    logger.debug(
                        f"处理图片：原始图片位置: {image_path}, 保存位置: {dst_path}")


def extract_crypto_label_from_trigger(trigger_dir: str):
    """
    从触发集中提取密码标签
    :param trigger_dir: 触发集目录
    :return: 密码标签
    """
    # Initialize variables to store the paths
    image_folder_path = None
    qrcode_positions_file_path = None
    label = ''

    # Walk through the extracted folder to find the specific folder and file
    for root, dirs, files in os.walk(trigger_dir):
        if 'images' in dirs:
            image_folder_path = os.path.join(root, 'images')
        if 'qrcode_positions.txt' in files:
            qrcode_positions_file_path = os.path.join(root, 'qrcode_positions.txt')
    if image_folder_path is None:
        raise FileNotFoundError("触发集目录不存在images文件夹")
    if qrcode_positions_file_path is None:
        raise FileNotFoundError("触发集目录不存在qrcode_positions.txt")

    bounding_boxes = read_bounding_boxes(qrcode_positions_file_path)

    sub_image_dir_names = os.listdir(image_folder_path)
    for sub_image_dir_name in sub_image_dir_names:
        sub_pic_dir = os.path.join(image_folder_path, sub_image_dir_name)
        images = os.listdir(sub_pic_dir)
        for image in images:
            img_path = os.path.join(sub_pic_dir, image)
            bounding_box = find_bounding_box_by_image_filename(image, bounding_boxes)
            if bounding_box is None:
                return None
            label_part = extract_label_in_bbox(img_path, bounding_box[1])
            if label_part is not None:
                label = label + label_part
                break
    return label


def read_bounding_boxes(txt_file_path, image_dir: str = None):
    """
    读取包含bounding box信息的txt文件。

    参数：
        txt_file_path (str): txt文件路径。
        image_dir (str): 图片保存位置，默认为None，如果txt文件保存的是图像绝对路径，则此处为空

    返回：
        list: 包含图片路径和bounding box的列表。
    """
    bounding_boxes = []
    if image_dir is not None:
        image_dir = os.path.normpath(image_dir)
    with open(txt_file_path, 'r') as file:
        for line in file:
            parts = line.strip().split()
            image_path = f"{image_dir}/{parts[0]}" if image_dir is not None else parts[0]
            bbox = list(map(float, parts[1:]))
            bounding_boxes.append((image_path, bbox))
    return bounding_boxes


def find_bounding_box_by_image_filename(image_file_name, bounding_boxes):
    """
    根据图片名称获取bounding_box信息
    :param image_file_name: 图片名称，不包含路径名称
    :param bounding_boxes: 待筛选的bounding_boxes
    :return: 符合条件的bounding_box
    """
    for bounding_box in bounding_boxes:
        if bounding_box[0] == image_file_name:
            return bounding_box
    return None


def extract_label_in_bbox(image_path, bbox):
    """
    在指定的bounding box中检测和解码QR码。

    参数：
        image_path (str): 图片路径。
        bbox (list): bounding box，格式为[x_min, y_min, x_max, y_max]。

    返回：
        str: QR码解码后的信息，如果未找到QR码则返回 None。
    """
    # 读取图片
    img = cv2.imread(image_path)
    if img is None:
        raise FileNotFoundError(f"Image not found or unable to load: {image_path}")

    # 将浮点数的bounding box坐标转换为整数
    x_min, y_min, x_max, y_max = map(int, bbox)
    # 裁剪出bounding box中的区域
    qr_region = img[y_min:y_max, x_min:x_max]
    # 初始化QRCodeDetector
    qr_decoder = cv2.QRCodeDetector()
    # 检测并解码QR码
    data, _, _ = qr_decoder.detectAndDecode(qr_region)
    return data if data else None


def compare_pred_result(result_file, pre_result_file):
    """
    比较输出结果文件与预定义结果文件
    :param result_file: 输出结果文件
    :param pre_result_file: 预定义结果文件
    :return: 比较结果，验证成功True，验证失败False
    """
    if not os.path.exists(pre_result_file):
        raise FileNotFoundError('不存在预期结果文件，检查是否为触发集预测结果或文件名是否为触发集图片名')
    logger.debug(f"pre_result_file: {pre_result_file}")
    with open(pre_result_file, 'r') as f:
        pre_result_lines = [line.strip() for line in f.readlines()]
    with open(result_file, 'r') as f:
        for line in f.readlines():
            if line.strip() not in pre_result_lines:
                logger.debug(f"not matched: {line.strip()}")
                return False
    return True