#!/usr/bin/env python3
"""
OCR-First 파이프라인 시뮬레이션 스크립트
--------------------------------------------
실제 캐시된 프레임 이미지(temp_frames/f_XXXX.png)를 읽어서
새 파이프라인의 각 단계를 시뮬레이션하고 결과를 검증합니다.

단계:
  [A] HSV Tab Strip 추출 (기존 로직 재사용)
  [B] 각 프레임에서 마디번호 OCR
  [C] 마디번호 기반 그룹핑 + 최고선명도 프레임 선택
  [D] 마디번호 순서 정렬
  [E] 파노라마 이어붙이기 (단순 hstack)
  [F] 결과 리포트 출력

실행:
  C:\\ProgramData\\miniforge3\\envs\\score\\python.exe simulate_ocr_pipeline.py
"""

import sys, os
from pathlib import Path
import cv2
import numpy as np
from collections import defaultdict

if sys.platform == "win32":
    sys.stdout.reconfigure(encoding="utf-8", errors="replace")
    sys.stderr.reconfigure(encoding="utf-8", errors="replace")

FRAME_DIR = Path("output/temp_frames")
OUT_DIR   = Path("output/sim_result")
OUT_DIR.mkdir(exist_ok=True)

# ─── [A] HSV Tab Strip 검출 (기존 코드와 동일) ─────────────────────────────

def _find_white_tab_strip(frame, min_strip_ratio=0.10):
    h, w = frame.shape[:2]
    margin_x = int(w * 0.1)
    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
    _, s_ch, v_ch = cv2.split(hsv)
    roi_v = v_ch[:, margin_x:w - margin_x]
    roi_s = s_ch[:, margin_x:w - margin_x]
    pure_white   = (roi_v > 180) & (roi_s < 40)
    bright_pastel= (roi_v > 200) & (roi_s < 100)
    tab_mask     = pure_white | bright_pastel
    row_tab_ratio = np.mean(tab_mask, axis=1)
    bright_mask  = row_tab_ratio > 0.5
    max_gap = int(h * 0.02)
    regions, start, gap_count = [], None, 0
    for i in range(h):
        if bright_mask[i]:
            if start is None: start = i
            gap_count = 0
        else:
            if start is not None:
                gap_count += 1
                if gap_count > max_gap:
                    length = (i - gap_count) - start
                    if length >= h * min_strip_ratio:
                        regions.append((start, i - gap_count))
                    start = None
    if start is not None:
        length = (h - gap_count) - start
        if length >= h * min_strip_ratio:
            regions.append((start, h - gap_count))
    if not regions: return None
    best = max(regions, key=lambda r: r[1] - r[0])
    pad  = int(h * 0.03)
    return (max(0, best[0] - pad), min(h, best[1] + pad))

def _trim_tab_crop(crop, margin_px=6):
    """Tab 크롭에서 상단/하단 여백 + 하단 기타리스트 영상 제거"""
    h, w = crop.shape[:2]
    if h < 15 or w < 50: return crop
    hsv = cv2.cvtColor(crop, cv2.COLOR_BGR2HSV)
    _, s_ch, v_ch = cv2.split(hsv)
    white_mask = ((v_ch > 180) & (s_ch < 40)) | ((v_ch > 200) & (s_ch < 100))
    row_white  = np.mean(white_mask, axis=1)
    tab_rows   = (row_white > 0.30) & (row_white < 0.97)
    gray       = cv2.cvtColor(crop, cv2.COLOR_BGR2GRAY)
    row_dark   = np.mean(gray < 180, axis=1)
    content_rows = row_dark > 0.002
    valid_rows = tab_rows | content_rows

    # 상단: 첫 유효 행 기준 -120px
    top = 0
    for i in range(h):
        if valid_rows[i] and row_white[i] > 0.20:
            top = max(0, i - 120)
            break

    # 하단: 마지막 유효 행 (흰색비율 > 0.20 조건 유지, 여유 +margin_px)
    bottom = h
    for i in range(h - 1, -1, -1):
        if valid_rows[i] and row_white[i] > 0.20:
            bottom = min(h, i + margin_px)
            break

    if bottom - top < 15: return crop
    return crop[top:bottom, :]


# ─── [B] OCR 마디번호 읽기 ─────────────────────────────────────────────────

_ocr_reader = None

def _get_ocr():
    global _ocr_reader
    if _ocr_reader is None:
        import easyocr
        print("  → EasyOCR 로딩 중...")
        _ocr_reader = easyocr.Reader(['en'])
    return _ocr_reader

def _ocr_measure_number(crop):
    """Tab 크롭 이미지에서 마디번호(상단 숫자)를 읽어 int 또는 None 반환"""
    if crop is None or crop.size == 0: return None
    h, w = crop.shape[:2]
    gray = cv2.cvtColor(crop, cv2.COLOR_BGR2GRAY) if len(crop.shape) == 3 else crop
    _, thresh = cv2.threshold(gray, 200, 255, cv2.THRESH_BINARY_INV)
    row_sums = np.sum(thresh, axis=1) / 255
    staff_rows = np.where(row_sums > w * 0.5)[0]

    if len(staff_rows) > 0:
        first_line_y = staff_rows[0]
        y0 = max(0, first_line_y - 50)
        y1 = max(10, first_line_y - 2)
        # 좌측 10% 영역 (마디번호가 각 행 맨 왼쪽에 인쇄됨)
        roi = gray[y0:y1, :int(w * 0.10)]
    else:
        roi = gray[:int(h * 0.25), :int(w * 0.10)]

    if roi.size == 0: return None

    # 3x 업스케일 + 이진화 → OCR 인식률 향상
    up = cv2.resize(roi, (0, 0), fx=3.0, fy=3.0, interpolation=cv2.INTER_CUBIC)
    _, up_bin = cv2.threshold(up, 150, 255, cv2.THRESH_BINARY_INV)

    reader = _get_ocr()
    results = reader.readtext(up_bin, allowlist='0123456789')
    for (_, text, conf) in results:
        if conf > 0.3 and text.isdigit() and 1 <= len(text) <= 3:
            return int(text)
    return None


# ─── [C] 선명도 기준 최고 프레임 선택 ────────────────────────────────────

def _pick_best(frames):
    if len(frames) == 1: return frames[0]
    def sharpness(f):
        g = cv2.cvtColor(f, cv2.COLOR_BGR2GRAY) if len(f.shape)==3 else f
        return cv2.Laplacian(g, cv2.CV_64F).var()
    return max(frames, key=sharpness)


# ─── Main 시뮬레이션 ────────────────────────────────────────────────────────

def main():
    # 프레임 로드 (f_0025 ~ f_0149 순서 정렬)
    paths = sorted(FRAME_DIR.glob("f_0*.png"))
    if not paths:
        print("❌ 프레임 파일 없음:", FRAME_DIR)
        sys.exit(1)

    print(f"[SIM] {len(paths)}개 프레임 로드 — {FRAME_DIR}")

    # ── 스트립 위치 중앙값 계산 ─────────────────────────────────────────
    strip_tops, strip_bottoms = [], []
    for p in paths[:30]:  # 첫 30장으로 샘플링
        f = cv2.imread(str(p))
        if f is None: continue
        s = _find_white_tab_strip(f)
        if s: strip_tops.append(s[0]); strip_bottoms.append(s[1])

    if not strip_tops:
        print("❌ Tab 스트립 감지 실패")
        sys.exit(1)

    med_top    = int(np.median(strip_tops))
    med_bottom = int(np.median(strip_bottoms))
    print(f"[SIM-A] 스트립 Y범위 중앙값: {med_top} ~ {med_bottom}px")

    # ── [B+C] 각 프레임 OCR + 그룹핑 ───────────────────────────────────
    measure_groups = defaultdict(list)  # {measure_num: [crop, ...]}
    no_ocr_frames  = []                 # OCR 실패 프레임
    ocr_log        = []

    total = len(paths)
    for idx, p in enumerate(paths):
        f = cv2.imread(str(p))
        if f is None: continue
        h = f.shape[0]
        crop = f[max(0, med_top):min(h, med_bottom), :]
        crop = _trim_tab_crop(crop)

        num = _ocr_measure_number(crop)
        status = f"[{num:3d}]" if num is not None else "[ ? ]"
        print(f"  프레임 {idx+1:3d}/{total} ({p.name}) → {status}")
        ocr_log.append((p.name, num))

        if num is not None:
            measure_groups[num].append(crop)
        else:
            no_ocr_frames.append((idx, crop))

    print(f"\n[SIM-B] OCR 결과:")
    print(f"  마디번호 감지 성공: {len(measure_groups)}개 고유 마디")
    print(f"  OCR 실패 프레임: {len(no_ocr_frames)}개")

    if not measure_groups:
        print("❌ 마디번호 하나도 감지 못함 → OCR 방식 불가")
        sys.exit(1)

    # 마디번호 분포 출력
    nums = sorted(measure_groups.keys())
    print(f"  감지된 마디번호 범위: {nums[0]} ~ {nums[-1]}")
    print(f"  감지된 마디번호: {nums}")

    # 연속성 체크: 빠진 마디번호
    expected = set(range(nums[0], nums[-1]+1))
    missing  = expected - set(nums)
    if missing:
        print(f"  ⚠ 누락된 마디번호: {sorted(missing)} ({len(missing)}개) — OCR 실패로 인한 것")
    else:
        print(f"  ✅ 마디번호 연속성 완전 (누락 없음)")

    # 중복 프레임 수
    total_dup = sum(len(v)-1 for v in measure_groups.values() if len(v) > 1)
    print(f"  제거될 중복 프레임 수: {total_dup}개")

    # ── [C] 최고선명도 프레임 선택 ───────────────────────────────────────
    print(f"\n[SIM-C] 각 마디별 최고선명도 프레임 선택...")
    best_frames = {}
    for num in sorted(measure_groups.keys()):
        best_frames[num] = _pick_best(measure_groups[num])

    # ── [D] 정렬 + [E] 파노라마 조립 시뮬레이션 ─────────────────────────
    print(f"\n[SIM-D/E] 마디번호 순 정렬 + 파노라마 조립...")

    sorted_measures = sorted(best_frames.keys())
    
    # 결과 이미지 저장: 마디별 크롭 저장 (검증용)
    frame_widths  = []
    frame_heights = []
    for i, num in enumerate(sorted_measures[:10]):  # 처음 10개만 저장
        img = best_frames[num]
        save_path = OUT_DIR / f"sim_measure_{num:03d}.png"
        cv2.imwrite(str(save_path), img)
        frame_widths.append(img.shape[1])
        frame_heights.append(img.shape[0])

    # 전체 파노라마 너비 계산
    chunk_w = sorted(frame_widths)[len(frame_widths)//2] if frame_widths else 1280  # 중앙값

    # 파노라마 조립: 연속된 마디 이어붙이기
    all_frames_sorted = [best_frames[n] for n in sorted_measures]
    target_h = int(np.median([f.shape[0] for f in all_frames_sorted]))
    
    print(f"  기준 높이: {target_h}px, 기준 폭: {chunk_w}px")

    # 행 단위 조립 (chunk_width 초과 시 새 행)
    rows = []
    current_row_imgs = []
    current_w = 0
    for img in all_frames_sorted:
        # 높이 정규화
        if img.shape[0] != target_h:
            img = cv2.resize(img, (int(img.shape[1] * target_h / img.shape[0]), target_h))
        if current_w + img.shape[1] > chunk_w and current_row_imgs:
            row = np.hstack(current_row_imgs)
            rows.append(row)
            current_row_imgs = [img]
            current_w = img.shape[1]
        else:
            current_row_imgs.append(img)
            current_w += img.shape[1]
    if current_row_imgs:
        rows.append(np.hstack(current_row_imgs))

    print(f"  → 총 {len(rows)}개 행 생성 (각 행 폭 ≤ {chunk_w}px)")

    # 결과 이미지 저장
    for i, row in enumerate(rows):
        save_path = OUT_DIR / f"sim_row_{i:03d}.png"
        cv2.imwrite(str(save_path), row)

    # ── 최종 리포트 ─────────────────────────────────────────────────────
    print(f"\n{'='*60}")
    print("[SIM 결과 리포트]")
    print(f"  입력 프레임:         {len(paths)}개")
    print(f"  OCR 성공:            {len(sorted_measures)}개 고유 마디")
    print(f"  OCR 실패:            {len(no_ocr_frames)}개 ({len(no_ocr_frames)/len(paths)*100:.1f}%)")
    print(f"  제거된 중복 프레임:  {total_dup}개")
    print(f"  누락 마디번호:       {sorted(missing) if missing else '없음'}")
    print(f"  출력 행 수:          {len(rows)}개")
    print(f"  결과 저장:           {OUT_DIR}")
    print(f"{'='*60}")

    # ── 핵심 판정 ────────────────────────────────────────────────────────
    ocr_rate = len(sorted_measures) / len(paths) * 100
    print(f"\n[판정]")
    if ocr_rate >= 40:
        print(f"  ✅ OCR-First 방식 유효 (인식률 {ocr_rate:.1f}%)")
        print(f"     → 누락 마디는 인접 마디 프레임으로 보완 가능")
    elif ocr_rate >= 20:
        print(f"  ⚠ OCR 인식률 낮음 ({ocr_rate:.1f}%) → 파라미터 조정 필요")
        print(f"     → 업스케일 배율 증가, 신뢰도 임계치 하향 검토")
    else:
        print(f"  ❌ OCR 인식률 너무 낮음 ({ocr_rate:.1f}%) → 이 영상에서 OCR 방식 불가")
        print(f"     → 마디번호가 없는 영상이거나, 크롭 영역 조정 필요")


if __name__ == "__main__":
    main()