import pandas as pd
import matplotlib.pyplot as plt

# Đọc file CSV
# Thay "images.csv" bằng đường dẫn file của bạn
df = pd.read_csv(r"D:\USTH\KLTN\cxr-vlm-data\mimic-cxr-2.0.0-metadata.csv")

# Kiểm tra các cột cần thiết
required_cols = ["Rows", "Columns"]
for col in required_cols:
    if col not in df.columns:
        raise ValueError(f"Thiếu cột: {col}")

# Tạo thêm cột diện tích ảnh
df["TotalPixels"] = df["Rows"] * df["Columns"]

# Thống kê cơ bản
print("===== THỐNG KÊ KÍCH THƯỚC ẢNH =====")
print(df[["Rows", "Columns", "TotalPixels"]].describe())

# Tỉ lệ khung hình
df["AspectRatio"] = df["Columns"] / df["Rows"]

print("\n===== THỐNG KÊ TỈ LỆ KHUNG HÌNH =====")
print(df["AspectRatio"].describe())

# -------------------------
# Histogram chiều cao
# -------------------------
plt.figure(figsize=(8, 5))
plt.hist(df["Rows"], bins=30)
plt.xlabel("Rows (Height)")
plt.ylabel("Number of Images")
plt.title("Distribution of Image Heights")
plt.grid(True)
plt.show()

# -------------------------
# Histogram chiều rộng
# -------------------------
plt.figure(figsize=(8, 5))
plt.hist(df["Columns"], bins=30)
plt.xlabel("Columns (Width)")
plt.ylabel("Number of Images")
plt.title("Distribution of Image Widths")
plt.grid(True)
plt.show()

# -------------------------
# Histogram tổng pixel
# -------------------------
plt.figure(figsize=(8, 5))
plt.hist(df["TotalPixels"], bins=30)
plt.xlabel("Total Pixels")
plt.ylabel("Number of Images")
plt.title("Distribution of Image Sizes")
plt.grid(True)
plt.show()

# -------------------------
# Scatter plot Width vs Height
# -------------------------
plt.figure(figsize=(7, 7))
plt.scatter(df["Columns"], df["Rows"], alpha=0.5)
plt.xlabel("Width (Columns)")
plt.ylabel("Height (Rows)")
plt.title("Image Resolution Distribution")
plt.grid(True)
plt.show()

# -------------------------
# Top resolution phổ biến nhất
# -------------------------
resolution_counts = (
    df.groupby(["Rows", "Columns"])
      .size()
      .reset_index(name="Count")
      .sort_values("Count", ascending=False)
)

print("\n===== TOP RESOLUTION PHỔ BIẾN =====")
print(resolution_counts.head(10))