import cv2
import numpy as np
from typing import Optional

class DocumentImageProcessor:
    """
    Saját fejlesztésű képtisztító pipeline OCR-hez.
    A nyers (mobillal fotózott) képekből kontrasztos, fekete-fehér, zajmentes változatot készít,
    amelyet az AI már közel 100%-os pontossággal tud olvasni.
    """

    @staticmethod
    def process_for_ocr(image_bytes: bytes) -> Optional[bytes]:
        try:
            # 1. Kép betöltése a memóriából (FastAPI UploadFile bytes-ból)
            # A képet nem mentjük a lemezre, villámgyorsan a RAM-ban dolgozzuk fel.
            nparr = np.frombuffer(image_bytes, np.uint8)
            img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)

            if img is None:
                raise ValueError("A képet nem sikerült dekódolni.")

            # 2. Szürkeárnyalatossá alakítás (A színek csak zavarják a szövegfelismerést)
            gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

            # 3. Kép átméretezése (Felskálázás)
            # Az AI és az OCR motorok a minimum 300 DPI körüli képeket szeretik.
            height, width = gray.shape
            if width < 1000 or height < 1000:
                gray = cv2.resize(gray, None, fx=2.0, fy=2.0, interpolation=cv2.INTER_CUBIC)

            # 4. Kontraszt növelése (CLAHE - Contrast Limited Adaptive Histogram Equalization)
            # Ez eltünteti a vaku okozta becsillanásokat és kiemeli a halvány betűket.
            clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
            contrast = clahe.apply(gray)

            # 5. Enyhe homályosítás (Denoising / Noise Reduction)
            # Eltünteti a papír textúráját (pl. a forgalmi engedély vízjelét vagy a blokk gyűrődéseit).
            blur = cv2.GaussianBlur(contrast, (5, 5), 0)

            # 6. Adaptív Küszöbérték (Binarization)
            # Minden pixel környezetét külön vizsgálja. Ez küszöböli ki azt, amikor a fotó egyik 
            # sarka sötét (pl. árnyékot vet a telefon), a másik meg világos.
            thresh = cv2.adaptiveThreshold(
                blur, 
                255, 
                cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                cv2.THRESH_BINARY, 
                11, # Blokk méret (páratlan szám)
                2   # Konstans levonás
            )

            # 7. Visszakódolás bájt formátumba (PNG), hogy átadhassuk az AI-nak
            success, encoded_image = cv2.imencode('.png', thresh)
            if not success:
                raise ValueError("Nem sikerült a feldolgozott képet PNG-be kódolni.")

            return encoded_image.tobytes()

        except Exception as e:
            print(f"Hiba a képfeldolgozás során: {str(e)}")
            return None