sam_module.py

def create_sam_mask(self, image, bbox_coords, mode):
    """
    ERWEITERTE Funktion: Erstellt präzise Maske mit SAM 2
    """
    try:
        print("#" * 80)
        print("# 🎯 STARTE SAM 2 SEGMENTIERUNG")
        print("#" * 80)
        print(f"📐 Eingabebild-Größe: {image.size}")
        print(f"🎛️  Ausgewählter Modus: {mode}")
        
        # ============================================================
        # VORBEREITUNG FÜR ALLE MODI
        # ============================================================
        original_image = image
        
        # 1. SAM2 laden
        if not self.sam_initialized:
            print("📥 SAM 2 ist noch nicht geladen, starte Lazy Loading...")
            self._lazy_load_sam()

        if self.sam_model is None or self.sam_processor is None:
            print("⚠️ SAM 2 Model nicht verfügbar, verwende Fallback")
            return self._create_rectangular_mask(image, bbox_coords, mode)

        # 2. Validiere BBox
        x1, y1, x2, y2 = self._validate_bbox(image, bbox_coords)
        original_bbox = (x1, y1, x2, y2)
        print(f"📏 Original-BBox Größe: {x2-x1} × {y2-y1} px")
        
        # ============================================================
        # BLOCK 1: ENVIRONMENT_CHANGE
        # ============================================================
        if mode == "environment_change":
            print("-" * 60)
            print("🌳 MODUS: ENVIRONMENT_CHANGE")
            print("-" * 60)

            # Der Prozessor von SAM erwartet ein NumPy-Array kein PIL
            image_np = np.array(image.convert("RGB"))

            # Packt die BBox-Koordinaten in eine 3D-Liste
            input_boxes = [[[x1, y1, x2, y2]]]

            # Aufruf des SAM-Prozessors mit Originalbild in Form NumPy-Array und BBox.Der Processor verarbeitet Bild und BBox 
            # in die für SAM erforderlichen Tensoren und speichert sie in inputs.
            inputs = self.sam_processor(
                image_np, 
                input_boxes=input_boxes,
                return_tensors="pt"
            ).to(self.device)    # Ohne .to(self.device) werden die Tensoren standardmäßig im CPU-RAM erzeugt und gespeichert! Da GPU-Fehler!

            print(f"   - 'input_boxes' Shape: {inputs['input_boxes'].shape}")

            # SAM2 Vorhersage
            print("-" * 60)
            print("🧠 SAM 2 INFERENZ (Vorhersage)")
            with torch.no_grad():
                print("   Führe Vorhersage durch...")
                outputs = self.sam_model(**inputs)   #führt die Segmentierung mit SAM aus
                print(f"✅ Vorhersage abgeschlossen")
                print(f"   Anzahl der Vorhersagemasken: {outputs.pred_masks.shape[2]}")               

            num_masks = outputs.pred_masks.shape[2]
            print(f"   SAM lieferte {num_masks} verschiedene Masken")  

            # Sammlung aller Masken in all_masks
            all_masks = []

            for i in range(num_masks):
                single_mask = outputs.pred_masks[:, :, i, :, :]
                resized_mask = F.interpolate(
                    single_mask,
                    size=(image.height, image.width),
                    mode='bilinear',
                    align_corners=False
                ).squeeze()
    
                mask_np = resized_mask.sigmoid().cpu().numpy()  #wandelt Modellausgaben in Wahrscheinlichkeiten und bewegt Daten von GPU nach CPU
                all_masks.append(mask_np) #fügt die aktuelle Maske der Liste all_masks hinzu


            bbox_center = ((x1 + x2) // 2, (y1 + y2) // 2)
            bbox_area = (x2 - x1) * (y2 - y1)
            print(f"   Erwartetes BBox-Zentrum: {bbox_center}")
            print(f"   Erwartete BBox-Fläche: {bbox_area:,} Pixel")
            
            print("🤔 HEURISTIK: Beste Maske auswählen")
            best_mask_idx = 0
            best_score = -1
            
            # Alle 3 Masken analysieren (OHNE sie alle zu skalieren!)
            for i in range(num_masks):                         
                mask_np_temp = all_masks[i] #verwende Maske auf Original-Bildgröße
                
                # Adaptive Vor-Filterung (prüft ob Maske überhaupt gültig ist)
                mask_max = mask_np_temp.max()
                if mask_max < 0.3:
                    continue  # Maske überspringen
                
                adaptive_threshold = max(0.3, mask_max * 0.7)
                mask_binary = (mask_np_temp > adaptive_threshold).astype(np.uint8)

                # wenn nur schwarze Pixel (keine Segmentierung) nimm die nächste Maske
                if np.sum(mask_binary) == 0:
                    print(f"   ❌ Maske {i+1}: Keine Pixel nach adaptive_threshold {adaptive_threshold:.3f}")
                    continue

                # Heuristik-Berechnung
                mask_area_pixels = np.sum(mask_binary)

                #Berechnung von Überlappung SAM-Maske und ursprünglicher BBox
                bbox_mask = np.zeros((image.height, image.width), dtype=np.uint8)
                bbox_mask[y1:y2, x1:x2] = 1
                    
                overlap = np.sum(mask_binary & bbox_mask)
                bbox_overlap_ratio = overlap / np.sum(bbox_mask) if np.sum(bbox_mask) > 0 else 0
                    
                # Schwerpunkt berechnen
                y_coords, x_coords = np.where(mask_binary > 0)
                if len(y_coords) > 0:
                    centroid_y = np.mean(y_coords)
                    centroid_x = np.mean(x_coords)
                    centroid_distance = np.sqrt((centroid_x - bbox_center[0])**2 + (centroid_y - bbox_center[1])**2)
                    normalized_distance = centroid_distance / max(image.width, image.height)
                else:
                    normalized_distance = 1.0
                    
                # Flächen-Ratio
                area_ratio = mask_area_pixels / bbox_area
                area_score = 1.0 - min(abs(area_ratio - 1.0), 1.0)
                    
                # Konfidenz
                confidence_score = mask_max
                    
                # Standard-Score
                score = (
                    bbox_overlap_ratio * 0.4 +
                    (1.0 - normalized_distance) * 0.25 +
                    area_score * 0.25 +
                    confidence_score * 0.1
                )
                    
                print(f"   📊 STANDARD-SCORES für Maske {i+1}:")
                print(f"     • BBox-Überlappung: {bbox_overlap_ratio:.3f}")
                print(f"     • Zentrums-Distanz: {centroid_distance if 'centroid_distance' in locals() else 'N/A'}")
                print(f"     • Flächen-Ratio: {area_ratio:.3f}")
                print(f"     • GESAMTSCORE: {score:.3f}")
                
                if score > best_score:
                    best_score = score
                    best_mask_idx = i
                    print(f"     🏆 Neue beste Maske: Nr. {i+1} mit Score {score:.3f}")
            
            print(f"✅ Beste Maske ausgewählt: Nr. {best_mask_idx+1} mit Score {best_score:.3f}")
            
            # Beste Maske verwenden - mask_np beste Maske
            mask_np = all_masks[best_mask_idx]

            max_val = mask_np.max()
            print(f"   🔍 Maximaler SAM-Konfidenzwert der besten Maske: {max_val:.3f}")

            if max_val < 0.6:
                dynamic_threshold = 0.3
                print(f"   ⚠️  SAM ist unsicher (max_val={max_val:.3f} < 0.6)")
            else:
                dynamic_threshold = max_val * 0.8          
                print(f"   ✅ SAM ist sicher (max_val={max_val:.3f} >= 0.6)")

            # Binärmaske erstellen (256x256)
            mask_array = (mask_np > dynamic_threshold).astype(np.uint8) * 255

            # Fallback bei leerer Maske, der höchste Wert ist 0 also schwarz
            if mask_array.max() == 0:
                print("   ⚠️  Maske leer, erstelle rechteckige Fallback-Maske")
                mask_array = np.zeros((512, 512), dtype=np.uint8) * 255  # weiße 512x512-Maske
                
                # Skaliere BBox auf 512x512
                scale_x = 512 / image.width
                scale_y = 512 / image.height
                fb_x1 = int(x1 * scale_x)
                fb_y1 = int(y1 * scale_y)
                fb_x2 = int(x2 * scale_x)
                fb_y2 = int(y2 * scale_y)

                # Schwarzes Rechteck für Person bzw. BBox
                cv2.rectangle(mask_array, (fb_x1, fb_y1), (fb_x2, fb_y2), 0, -1) 

            # Damit wird die Rohmaske für die UI-Anzeige gespeichert
            raw_mask_array = mask_array.copy()      

            print("🌳 ENVIRONMENT-CHANGE POSTPROCESSING")   
    
            # Konvertierung zu PIL, hochskalieren auf Originalgröße (korrekte Überlagerung mit O-Bild), 
            # Konvertierung NumPy für weitere Verarbeitung da mathematisch korrekter als PIL.
            if image.size != original_image.size:
                print(f"   ⚠️  Bildgröße angepasst: {image.size} → {original_image.size}")
                temp_mask = Image.fromarray(mask_array).convert("L")
                temp_mask = temp_mask.resize(original_image.size, Image.Resampling.NEAREST)
                mask_array = np.array(temp_mask)
                print(f"   ✅ Maske auf Originalgröße skaliert: {mask_array.shape}")
         
            # Maske invertieren (Person wird schwarz, Hintergrund weiß)
            mask_array = 255 - mask_array
            print("   ✅ Maske invertiert (Person schwarz, Hintergrund weiß)")

            # Weiße Punkte in der Person (schwarz) entfernen
            print("🧹 Entferne weiße Punkte in der Person...")
            kernel_open = np.ones((3, 3), np.uint8)
            mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_OPEN, kernel_open, iterations=3)
            print("   ✅ MORPH_OPEN entfernt weiße Punkte in der Person")

            # DEBUG nach MORPH_OPEN
            print(f"   Nach MORPH_OPEN - Weiße Pixel: {np.sum(mask_array > 127)}")
    
            # Morphologische Operationen für saubere Umgebung - entfernt schwarze Pixel aus Umgebung
            print("🔧 Verbessere Umgebungsmaske...")
            kernel_close = np.ones((5, 5), np.uint8)
            mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_CLOSE, kernel_close)
            print("   ✅ MORPH_CLOSE für zusammenhängende Umgebung")
    
            # DEBUG nach MORPH_CLOSE
            print(f"   Nach MORPH_CLOSE - Weiße Pixel: {np.sum(mask_array > 127)}")
    
            # Weiche Ränder für bessere Integration der Person
            print("🌈 Erstelle weiche Übergänge...")
            mask_array = cv2.GaussianBlur(mask_array, (9, 9), 2.0) #2.0 bestimmt wie stark die Unschärfe ist
            print("   ✅ Gaussian Blur für weiche Übergänge")
    
            # DEBUG nach Gaussian Blur
            print(f"   Nach Gaussian Blur - Min/Max: {mask_array.min()}/{mask_array.max()}")
            print(f"   Nach Gaussian Blur - dtype: {mask_array.dtype}")
    
            # Gamma-Korrektur für präzisere Ränder
            print("🎛️  Wende Gamma-Korrektur an...")
            mask_array = mask_array.astype(np.float32) / 255.0
            print(f"   Konvertiert zu Float32: Min={mask_array.min():.3f}, Max={mask_array.max():.3f}")
    
            mask_array = np.clip(mask_array, 0.0, 1.0)  #begrenzt alle Werte auf 0 und 1
            mask_array = mask_array ** 0.85  # Gamma-Korrektur Werte > 0.5 werden abgedunkelt, <0.5 aufgehellt-erzeugt natürliche Maskenübergänge
            print(f"   Nach Gamma 0.85: Min={mask_array.min():.3f}, Max={mask_array.max():.3f}")
    
            mask_array = (mask_array * 255).astype(np.uint8)
            print("   ✅ Gamma-Korrektur (0.85) gegen milchige Ränder")
    
            # FINALE QUALITÄTSKONTROLLE
            print("-" * 60)
            print("📊 FINALE MASKEN-STATISTIK (ENVIRONMENT_CHANGE)")
    
            white_pixels = np.sum(mask_array > 127)
            black_pixels = np.sum(mask_array <= 127)
            total_pixels = mask_array.size
    
            white_ratio = white_pixels / total_pixels * 100
            black_ratio = black_pixels / total_pixels * 100
    
            print(f"   Weiße Pixel (HINTERGRUND - Veränderung): {white_pixels:,} ({white_ratio:.1f}%)")
            print(f"   Schwarze Pixel (PERSON - Erhaltung): {black_pixels:,} ({black_ratio:.1f}%)")
            print(f"   Gesamtpixel: {total_pixels:,}")

            # Warnungen basierend auf Verhältnis
            if white_ratio < 30:
                print(f"   ⚠️  WARNUNG: Sehr wenig Hintergrund ({white_ratio:.1f}%)")
                print(f"   ℹ️  Das könnte bedeuten, dass die Person zu groß segmentiert wurde")
            elif white_ratio > 90:
                print(f"   ⚠️  WARNUNG: Sehr viel Hintergrund ({white_ratio:.1f}%)")
                print(f"   ℹ️  Das könnte bedeuten, dass die Person zu klein segmentiert wurde")
            elif 50 <= white_ratio <= 80:
                print(f"   ✅ OPTIMALES Verhältnis ({white_ratio:.1f}%)")
            else:
                print(f"   ℹ️  Normales Verhältnis ({white_ratio:.1f}%)")
                
            # Zurück zu PIL Image
            mask = Image.fromarray(mask_array).convert("L")
            raw_mask = Image.fromarray(raw_mask_array).convert("L")

            print("#" * 80)
            print(f"✅ SAM 2 SEGMENTIERUNG ABGESCHLOSSEN")
            print(f"📐 Finale Maskengröße: {mask.size}")
            print(f"🎛️  Verwendeter Modus: {mode}")
            print("#" * 80)            
                        
            return mask, raw_mask  # in mask steht die invertierte nachbearbeitete Maske, in raw_mask die Rohmaske. In app.py wird mask immer auf 512 skaliert.
            
        # ============================================================
        # BLOCK 2: FOCUS_CHANGE
        # ============================================================
        elif mode == "focus_change":
            print("-" * 60)
            print("🎯 MODUS: FOCUS_CHANGE (OPTIMIERT)")
            print("-" * 60)
            
            # Konvertierung O-Bild in NumPy-Array für SAM
            image_np = np.array(image.convert("RGB"))
            
            #  Packt die BBox-Koordinaten in eine 3D-Liste
            input_boxes = [[[x1, y1, x2, y2]]]
            
            # Nur Mittelpunkt als positiver Prompt
            center_x = (x1 + x2) // 2
            center_y = (y1 + y2) // 2
            input_points = [[[[center_x, center_y]]]]  # NUR EIN PUNKT in 4D-Liste
            input_labels = [[[1]]]  # Markiert Punkt als Positiver Prompt also der Bereich muß segmentiert werden
            
            print(f"   🎯 SAM-Prompt: BBox [{x1},{y1},{x2},{y2}]")
            print(f"   👁️  Punkt: Nur Mitte ({center_x},{center_y})")
            
            # SAM Inputs vorbereiten
            inputs = self.sam_processor(
                image_np, 
                input_boxes=input_boxes,
                input_points=input_points,
                input_labels=input_labels,
                return_tensors="pt"
            ).to(self.device)
            
            # SAM Vorhersage (alle 3 Masken)
            print("🧠 SAM 2 INFERENZ (3 Masken-Varianten)")
            with torch.no_grad():
                print("   Führe Vorhersage durch...")
                outputs = self.sam_model(**inputs)
                print(f"✅ Vorhersage abgeschlossen")
                print(f"   Anzahl der Vorhersagemasken: {outputs.pred_masks.shape[2]}")

            num_masks = outputs.pred_masks.shape[2]
            

            # Sammlung aller Masken in all_masks
            all_masks = []

            for i in range(num_masks):
                single_mask = outputs.pred_masks[:, :, i, :, :]
                resized_mask = F.interpolate(
                    single_mask,
                    size=(image.height, image.width),
                    mode='bilinear',
                    align_corners=False
                ).squeeze()
    
                mask_np = resized_mask.sigmoid().cpu().numpy()
                all_masks.append(mask_np) #fügt die aktuelle Maske der Liste all_masks hinzu
            

            # BBox-Information für Heuristik
            bbox_center = ((x1 + x2) // 2, (y1 + y2) // 2)
            bbox_area = (x2 - x1) * (y2 - y1)
            
            print("🤔 HEURISTIK: Beste Maske auswählen")
            best_mask_idx = 0
            best_score = -1
            
            # Alle 3 Masken analysieren
            for i in range(num_masks):
                # Maske in Original-Bildgröße -vorher interpolate- analysieren

                mask_np_temp = all_masks[i]
                
                # Adaptive Vor-Filterung (prüft ob Maske überhaupt gültig ist)
                mask_max = mask_np_temp.max()
                if mask_max < 0.3:
                    continue  # Maske überspringen
                
                adaptive_threshold = max(0.3, mask_max * 0.7)
                mask_binary = (mask_np_temp > adaptive_threshold).astype(np.uint8)

                # wenn nur schwarze Pixel (keine Segmentierung) nimm die nächste Maske
                if np.sum(mask_binary) == 0:
                    continue
                
                # Heuristik-Berechnung
                mask_area_pixels = np.sum(mask_binary) # zählt alle weißen Pixel in der Binärmaske
                
                # Berechnet wie gut die SAM-Maske mit der ursprünglichen BBox überlappt
                bbox_mask = np.zeros((image.height, image.width), dtype=np.uint8)
                bbox_mask[y1:y2, x1:x2] = 1
                overlap = np.sum(mask_binary & bbox_mask)
                bbox_overlap_ratio = overlap / np.sum(bbox_mask) if np.sum(bbox_mask) > 0 else 0
                
                # Schwerpunkt
                y_coords, x_coords = np.where(mask_binary > 0)
                if len(y_coords) > 0:
                    centroid_y = np.mean(y_coords)
                    centroid_x = np.mean(x_coords)
                    centroid_distance = np.sqrt((centroid_x - bbox_center[0])**2 + 
                                                (centroid_y - bbox_center[1])**2)
                    normalized_distance = centroid_distance / max(image.width, image.height)
                else:
                    normalized_distance = 1.0
                
                # Flächen-Ratio
                area_ratio = mask_area_pixels / bbox_area
                area_score = 1.0 - min(abs(area_ratio - 1.0), 1.0)
                
                # FOCUS_CHANGE spezifischer Score
                score = (
                    bbox_overlap_ratio * 0.4 +      # 40% BBox-Überlappung
                    (1.0 - normalized_distance) * 0.25 +  # 25% Zentrumsnähe
                    area_score * 0.25 +             # 25% Flächenpassung
                    mask_max * 0.1                  # 10% SAM-Konfidenz
                )
                
                print(f"   Maske {i+1}: Score={score:.3f}, "
                      f"Überlappung={bbox_overlap_ratio:.3f}, "
                      f"Fläche={mask_area_pixels:,}px")
                
                if score > best_score:
                    best_score = score
                    best_mask_idx = i
            
            print(f"✅ Beste Maske: Nr. {best_mask_idx+1} mit Score {best_score:.3f}")
            
            # NUR DIE BESTE MASKE AUF 512x512 HERUNTERSKALIEREN -Für Inpaint
            best_mask_256 = outputs.pred_masks[:, :, best_mask_idx, :, :]
            resized_mask = F.interpolate(
                best_mask_256,
                size=(512, 512),  # DIREKT AUF CONTROLNET-ZIELGRÖßE
                mode='bilinear',
                align_corners=False
            ).squeeze()
            
            mask_np = resized_mask.cpu().numpy()
            print(f"   🔄 Beste Maske skaliert auf 512×512 für ControlNet")
            
            # ============================================================
            # DYNAMISCHER THRESHOLD 
            # SAM gibt nur Wahrscheinlichkeiten aus!
            # Nachdem das Modell eine Maske für eine Person vorhersagt (wo jeder Pixel einen Wert zwischen 0 und 1 hat, 
            # wie "wahrscheinlich gehört dieser Pixel zur Person"), wird diese Maske binarisiert (0 oder 1), indem alle 
            # Pixel unter 0.05 auf 0 gesetzt werden, alle darüber auf 1.
            # ============================================================
            mask_max = mask_np.max() #höchster Wahrscheinlichkeitswert in SAM-Maske
            if best_score < 0.7:  # Schlechte Maskenqualität
                dynamic_threshold = 0.05  # SEHR NIEDRIG für maximale Abdeckung
                print(f"   ⚠️  Masken-Score niedrig ({best_score:.3f}). "
                      f"Threshold=0.05 für maximale Abdeckung")
            else:
                dynamic_threshold = max(0.15, mask_max * 0.3)  # Moderater Threshold
                print(f"   ✅ Gute Maske. Threshold={dynamic_threshold:.3f}")
            
            # Binärmaske erstellen (512x512)
            mask_array = (mask_np > dynamic_threshold).astype(np.uint8) * 255

            # Fallback bei leerer Maske, der höchste Wert ist 0 also schwarz
            if mask_array.max() == 0:
                print("   ⚠️  Maske leer, erstelle rechteckige Fallback-Maske")
                mask_array = np.zeros((512, 512), dtype=np.uint8)
                # BBox auf 512x512 skalieren für Fallback
                scale_x = 512 / image.width
                scale_y = 512 / image.height
                fb_x1 = int(x1 * scale_x)
                fb_y1 = int(y1 * scale_y)
                fb_x2 = int(x2 * scale_x)
                fb_y2 = int(y2 * scale_y)
                cv2.rectangle(mask_array, (fb_x1, fb_y1), (fb_x2, fb_y2), 255, -1) #weiße Rechteckbox

            # Damit wird die Rohmaske für die UI-Anzeige gespeichert
            raw_mask_array = mask_array.copy()
            
            # FOCUS_CHANGE POSTPROCESSING (angepasst für 512x512)
            print("🔧 FOCUS_CHANGE POSTPROCESSING (auf 512×512)")
            print(f"   mask_array - Min/Max: {mask_array.min()}/{mask_array.max()}")
            print(f"   mask_array - Weiße Pixel: {np.sum(mask_array > 0)}")
            print(f"   mask_array - Shape: {mask_array.shape}")
            print(f"   mask_array - dtype: {mask_array.dtype}")
            
            # 1. Findet und behält nur die größte zusammenhängende Komponente der Maske
            labeled_array, num_features = ndimage.label(mask_array)
            if num_features > 1:
                sizes = ndimage.sum(mask_array, labeled_array, range(1, num_features + 1))
                largest_component = np.argmax(sizes) + 1
                mask_array = np.where(labeled_array == largest_component, mask_array, 0)
                print(f"   ✅ Größte Komponente behalten ({num_features}→1)")
            
            # 2. Morphologische Operationen
            kernel_close = np.ones((5, 5), np.uint8)
            mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_CLOSE, kernel_close, iterations=2)
            
            kernel_dilate = np.ones((15, 15), np.uint8)
            mask_array = cv2.dilate(mask_array, kernel_dilate, iterations=1)
            
            # 3. Weiche Übergänge mittlerer Blur für natürliche Übergänge
            mask_array = cv2.GaussianBlur(mask_array, (9, 9), 2.0)
            
            # 4. Gamma-Korrektur
            mask_array_float = mask_array.astype(np.float32) / 255.0
            mask_array_float = np.clip(mask_array_float, 0.0, 1.0)
            mask_array_float = mask_array_float ** 0.85
            mask_array = (mask_array_float * 255).astype(np.uint8)
            
            # 5. Auf Originalgröße für Rückgabe (falls benötigt)
            mask_512 = Image.fromarray(mask_array).convert("L")
            raw_mask = Image.fromarray(raw_mask_array).convert("L")
            
            # Finale Maske für ControlNet ist 512x512
            mask = mask_512
            
            print(f"✅ FOCUS_CHANGE Maske erstellt: {mask.size}")
            return mask, raw_mask
            
        # ============================================================
        # BLOCK 3: FACE_ONLY_CHANGE
        # ============================================================
        elif mode == "face_only_change":
            print("-" * 60)
            print("👤 SPEZIALMODUS: NUR GESICHT - ROBUSTER WORKFLOW")
            print("-" * 60)
    
            # ============================================================
            # Originalbild sichern
            # Andere Vorgehensweise da SAM bei kleinen Köpfen sonst keine Chance hat!
            # Bild ausschneiden auf eine vergrößerte quadratische Box - Crops
            # ============================================================
            original_image = image
            print(f"💾 Originalbild gesichert: {original_image.size}")
            original_bbox = (x1, y1, x2, y2)  # <-- DAS FEHLT
            print(f"💾 Original-BBox gespeichert: {original_bbox}")
    
            # ============================================================
            # Crop = BBox × 2.5 (ERHÖHT für mehr Kontext) 
            # ============================================================
            print("✂️ SCHRITT 2: ERSTELLE QUADRATISCHEN AUSSCHNITT (BBox × 2.5)")
    
            # BBox-Zentrum berechnen
            bbox_center_x = (x1 + x2) // 2
            bbox_center_y = (y1 + y2) // 2
            print(f"   📍 BBox-Zentrum: ({bbox_center_x}, {bbox_center_y})")
    
            # Größte Dimension der BBox finden
            bbox_width = x2 - x1
            bbox_height = y2 - y1
            bbox_max_dim = max(bbox_width, bbox_height)
            print(f"   📏 BBox Dimensionen: {bbox_width} × {bbox_height} px")
            print(f"   📐 Maximale BBox-Dimension: {bbox_max_dim} px")
    
            # Crop-Größe berechnen (BBox × 2.5)
            crop_size = int(bbox_max_dim * 2.5)
            print(f"   🎯 Ziel-Crop-Größe: {crop_size} × {crop_size} px (BBox × 2.5)")
    
            # Crop-Koordinaten berechnen (zentriert um BBox)
            crop_x1 = bbox_center_x - crop_size // 2
            crop_y1 = bbox_center_y - crop_size // 2
            crop_x2 = crop_x1 + crop_size
            crop_y2 = crop_y1 + crop_size
    
            # Sicherstellen, dass Crop innerhalb der Bildgrenzen bleibt
            crop_x1 = max(0, crop_x1)
            crop_y1 = max(0, crop_y1)
            crop_x2 = min(original_image.width, crop_x2)
            crop_y2 = min(original_image.height, crop_y2)


            # ITERATIVE ANPASSUNG für bessere Crop-Größe
            max_iterations = 3
            print(f"   🔄 Iterative Crop-Anpassung (max. {max_iterations} Versuche)")

            for iteration in range(max_iterations):
                actual_crop_width = crop_x2 - crop_x1
                actual_crop_height = crop_y2 - crop_y1
                
                # Prüfen ob Crop groß genug ist
                if actual_crop_width >= crop_size and actual_crop_height >= crop_size:
                    print(f"   ✅ Crop-Größe OK nach {iteration} Iteration(en): {actual_crop_width}×{actual_crop_height} px")
                    break
                
                print(f"   🔄 Iteration {iteration+1}: Crop zu klein ({actual_crop_width}×{actual_crop_height})")
                
                # BREITE anpassen (falls nötig)
                if actual_crop_width < crop_size:
                    if crop_x1 == 0:  # Am linken Rand
                        crop_x2 = min(original_image.width, crop_x1 + crop_size)
                        print(f"     ← Breite angepasst (linker Rand): crop_x2 = {crop_x2}")
                    elif crop_x2 == original_image.width:  # Am rechten Rand
                        crop_x1 = max(0, crop_x2 - crop_size)
                        print(f"     → Breite angepasst (rechter Rand): crop_x1 = {crop_x1}")
                    else:
                        # Nicht am Rand - zentriert erweitern
                        missing_width = crop_size - actual_crop_width
                        expand_left = missing_width // 2
                        expand_right = missing_width - expand_left
                        
                        crop_x1 = max(0, crop_x1 - expand_left)
                        crop_x2 = min(original_image.width, crop_x2 + expand_right)
                        print(f"     ↔ Zentriert erweitert um {missing_width}px")
                
                # HÖHE anpassen (falls nötig)
                if actual_crop_height < crop_size:
                    if crop_y1 == 0:  # Am oberen Rand
                        crop_y2 = min(original_image.height, crop_y1 + crop_size)
                        print(f"     ↑ Höhe angepasst (oberer Rand): crop_y2 = {crop_y2}")
                    elif crop_y2 == original_image.height:  # Am unteren Rand
                        crop_y1 = max(0, crop_y2 - crop_size)
                        print(f"     ↓ Höhe angepasst (unterer Rand): crop_y1 = {crop_y1}")
                    else:
                        # Nicht am Rand - zentriert erweitern
                        missing_height = crop_size - actual_crop_height
                        expand_top = missing_height // 2
                        expand_bottom = missing_height - expand_top
                        
                        crop_y1 = max(0, crop_y1 - expand_top)
                        crop_y2 = min(original_image.height, crop_y2 + expand_bottom)
                        print(f"     ↕ Zentriert erweitert um {missing_height}px")
                
                # Sicherstellen, dass innerhalb der Bildgrenzen
                crop_x1 = max(0, crop_x1)
                crop_y1 = max(0, crop_y1)
                crop_x2 = min(original_image.width, crop_x2)
                crop_y2 = min(original_image.height, crop_y2)
                
                # Letzte Iteration erreicht?
                if iteration == max_iterations - 1:
                    actual_crop_width = crop_x2 - crop_x1
                    actual_crop_height = crop_y2 - crop_y1
                    print(f"   ⚠️  Max. Iterationen erreicht. Finaler Crop: {actual_crop_width}×{actual_crop_height} px")
                    
                    # Warnung wenn immer noch zu klein
                    if actual_crop_width < crop_size or actual_crop_height < crop_size:
                        min_acceptable = int(bbox_max_dim * 1.8)  # Mindestens 1.8× BBox
                        if actual_crop_width < min_acceptable or actual_crop_height < min_acceptable:
                            print(f"   🚨 KRITISCH: Crop immer noch zu klein ({actual_crop_width}×{actual_crop_height})")
                            print(f"   🚨 SAM könnte Probleme haben!")

            print(f"   🔲 Finaler Crop-Bereich: [{crop_x1}, {crop_y1}, {crop_x2}, {crop_y2}]")
            print(f"   📏 Finale Crop-Größe: {crop_x2-crop_x1} × {crop_y2-crop_y1} px")

    
            # Bild ausschneiden- 2,5 mal so groß und quadratisch wie BBox
            cropped_image = original_image.crop((crop_x1, crop_y1, crop_x2, crop_y2))
            print(f"   ✅ Quadratischer Ausschnitt erstellt: {cropped_image.size}")
    
            # ============================================================
            # BBox-Koordinaten transformieren
            # ============================================================
            print("📐 SCHRITT 3: BBox-KOORDINATEN TRANSFORMIEREN")
            rel_x1 = x1 - crop_x1
            rel_y1 = y1 - crop_y1
            rel_x2 = x2 - crop_x1
            rel_y2 = y2 - crop_y1
    
            # Sicherstellen, dass BBox innerhalb des Crops liegt
            rel_x1 = max(0, rel_x1)
            rel_y1 = max(0, rel_y1)
            rel_x2 = min(cropped_image.width, rel_x2)
            rel_y2 = min(cropped_image.height, rel_y2)
    
            print(f"   🎯 Relative BBox im Crop: [{rel_x1}, {rel_y1}, {rel_x2}, {rel_y2}]")
            print(f"   📏 Relative BBox Größe: {rel_x2-rel_x1} × {rel_y2-rel_y1} px")
    
            # ============================================================
            # INTENSIVE BILDAUFBEREITUNG FÜR GESICHTSERKENNUNG
            # ============================================================
            print("🔍 SCHRITT 4: ERWEITERTE BILDAUFBEREITUNG FÜR GESICHTSERKENNUNG")
    
            # 1. Kontrast verstärken
            contrast_enhancer = ImageEnhance.Contrast(cropped_image)
            enhanced_image = contrast_enhancer.enhance(1.8)  # 80% mehr Kontrast
    
            # 2. Schärfe erhöhen für bessere Kantenerkennung
            sharpness_enhancer = ImageEnhance.Sharpness(enhanced_image)
            enhanced_image = sharpness_enhancer.enhance(2.0)  # 100% mehr Schärfe
    
            # 3. Helligkeit anpassen
            brightness_enhancer = ImageEnhance.Brightness(enhanced_image)
            enhanced_image = brightness_enhancer.enhance(1.1)  # 10% heller
    
            print(f"   ✅ Erweiterte Bildaufbereitung abgeschlossen")
            print(f"     • Kontrast: +80%")
            print(f"     • Schärfe: +100%")
            print(f"     • Helligkeit: +10%")
    
            # Für SAM: Verwende aufbereiteten Ausschnitt
            image = enhanced_image
            x1, y1, x2, y2 = rel_x1, rel_y1, rel_x2, rel_y2
    
            print("   🔄 SAM wird auf aufbereitetem Ausschnitt ausgeführt")
            print(f"   📊 SAM-Eingabegröße: {image.size}")

            # ============================================================
            # SAM-AUSFÜHRUNG
            # ============================================================
            print("-" * 60)
            print(f"📦 BOUNDING BOX DETAILS FÜR SAM:")
            print(f"   Bild-Größe für SAM: {image.size}")
            print(f"   BBox Koordinaten: [{x1}, {y1}, {x2}, {y2}]")
            print(f"   BBox Dimensionen: {x2-x1}px × {y2-y1}px")
            
            # Vorbereitung für SAM2 - WICHTIG: NUR EINE BBOX
            print("-" * 60)
            print("🖼️  BILDAUFBEREITUNG FÜR SAM 2")
            # SAM erwartet NumPy-Array, kein PIL
            image_np = np.array(image.convert("RGB"))
            
            # Immer nur eine BBox verwenden (SAM 2 erwartet genau 1)
            input_boxes = [[[x1, y1, x2, y2]]]

            # Punkt in der BBox-Mitte (zur Ünterstützung von SAM damit BBox nicht zu dicht um Kopf gezogen werden muß!)
            center_x = (x1 + x2) // 2
            center_y = (y1 + y2) // 2

            # Punkt im Gesicht (30% höher vom Mittelpunkt)(auch für größere BBox)
            bbox_height = y2 - y1
            face_offset = int(bbox_height * 0.3)
            face_x = center_x
            face_y = center_y - face_offset
            face_y = max(y1 + 10, min(face_y, y2 - 10))  # In BBox halten

            # BEIDE Punkte kombinieren
            input_points = [[[[center_x, center_y], [face_x, face_y]]]] # ZWEI Punkte
            input_labels = [[[1, 1]]]  # Beide sind positive Prompts

            print(f"   🎯 SAM-Prompt: BBox [{x1},{y1},{x2},{y2}]")
            print(f"   👁️  Punkte: Mitte ({center_x},{center_y}), Gesicht ({face_x},{face_y})")

            # Aufruf des SAM-Prozessors mit den Variablen. Der Processor verpackt diese Rohdaten 
            # in die für das SAM-Modell erforderlichen Tensoren und speichert sie in inputs.
            inputs = self.sam_processor(
                image_np, 
                input_boxes=input_boxes,
                input_points=input_points,    # ZWEI Punkte
                input_labels=input_labels,    # Zwei Labels
                return_tensors="pt"
            ).to(self.device)                 # Ohne .to(self.device) werden die Tensoren standardmäßig im CPU-RAM erzeugt und gespeichert! Da GPU-Fehler!

            print(f"✅ Processor-Ausgabe: Dictionary mit {len(inputs)} Schlüsseln: {list(inputs.keys())}")
            print(f"   - 'pixel_values' Shape: {inputs['pixel_values'].shape}")
            print(f"   - 'input_boxes' Shape: {inputs['input_boxes'].shape}")
            if 'input_points' in inputs:
                print(f"   - 'input_points' Shape: {inputs['input_points'].shape}")

            # 4. SAM2 Vorhersage
            print("-" * 60)
            print("🧠 SAM 2 INFERENZ (Vorhersage)")
            with torch.no_grad():
                print("   Führe Vorhersage durch...")
                outputs = self.sam_model(**inputs)
                print(f"✅ Vorhersage abgeschlossen")
                print(f"   Anzahl der Vorhersagemasken: {outputs.pred_masks.shape[2]}")
            
            # 5. Maske extrahieren
            print("📏 SCHRITT 6: MASKE EXTRAHIEREN")
            
            num_masks = outputs.pred_masks.shape[2]
            print(f"   SAM lieferte {num_masks} verschiedene Masken")

            #============
            #Doppelte  Berechnung: CROP und Original damit Heuristik
            # auf Original berechnet werden kann und Weiterverarbeitung auf Crop
            #==============
            
            # Masken speichern in den Arrays
            all_masks_crop = []        #Weiterverarbeitung in Crop-Größe
            all_masks_original = []    #Heuristikberechnung besser in Originalgröße!
            
            for i in range(num_masks):
                single_mask = outputs.pred_masks[:, :, i, :, :]
                #Für Heuristik SAM-Masken auf Original-Bildgröße
                resized_mask_original = F.interpolate(
                    single_mask,
                    size=(original_image.height, original_image.width),
                    mode='bilinear',
                    align_corners=False
                ).squeeze()
                
                mask_np_original = resized_mask_original.sigmoid().cpu().numpy()
                all_masks_original.append(mask_np_original)

                # 2. FÜR VERARBEITUNG: Auf CROP-GRÖSSE interpolieren
                resized_mask_crop = F.interpolate(
                    single_mask,
                    size=(image.height, image.width),  # CROP-Größe!
                    mode='bilinear',
                    align_corners=False
                ).squeeze()
                mask_np_crop = resized_mask_crop.sigmoid().cpu().numpy()
                all_masks_crop.append(mask_np_crop)
        
                # Debug-Info
                mask_binary_crop = (mask_np_crop > 0.5).astype(np.uint8)
                mask_binary_original = (mask_np_original > 0.5).astype(np.uint8)
                print(f"   Maske {i+1}: Crop={np.sum(mask_binary_crop):,}px, "
                      f"Original={np.sum(mask_binary_original):,}px")
                           
            
            # ============================================================
            # HEURISTIK
            # ============================================================
            print("🤔 SCHRITT 6: MASKENAUSWAHL MIT MODUS-SPEZIFISCHER HEURISTIK")

            bbox_center = ((original_bbox[0] + original_bbox[2]) // 2, 
                           (original_bbox[1] + original_bbox[3]) // 2)
            bbox_area = (original_bbox[2] - original_bbox[0]) * (original_bbox[3] - original_bbox[1])
            
            
            best_mask_idx = 0
            best_score = -1
            
            for i, mask_np in enumerate(all_masks_original):
                mask_max = mask_np.max()
                
                # Grundlegende Filterung
                if mask_max < 0.3:
                    print(f"   ❌ Maske {i+1}: Zu niedrige Konfidenz ({mask_max:.3f}), überspringe")
                    continue
                
                # Adaptiver Threshold
                adaptive_threshold = max(0.3, mask_max * 0.7)
                mask_binary = (mask_np > adaptive_threshold).astype(np.uint8)
                
                if np.sum(mask_binary) == 0:
                    print(f"   ❌ Maske {i+1}: Keine Pixel nach Threshold {adaptive_threshold:.3f}")
                    continue
                
                mask_area_pixels = np.sum(mask_binary) 

                # ============================================================
                #        SPEZIALHEURISTIK 
                # ============================================================

                print(f"   🔍 Analysiere Maske {i+1} mit GESICHTS-HEURISTIK")
    
                # 1. FLÄCHENBASIERTE BEWERTUNG (40%)
                area_ratio = mask_area_pixels / bbox_area
                print(f"     📐 Flächen-Ratio: {area_ratio:.3f} ({mask_area_pixels:,} / {bbox_area:,} Pixel)")
    
                # Optimale Kopfgröße: 80-120% der BBox
                if area_ratio < 0.6:
                    print(f"     ⚠️  Fläche zu klein für Kopf (<60% der BBox)")
                    area_score = area_ratio * 0.5  # Stark bestrafen
                elif area_ratio > 1.5:
                    print(f"     ⚠️  Fläche zu groß für Kopf (>150% der BBox)")
                    area_score = 2.0 - area_ratio  # Linear bestrafen
                elif 0.8 <= area_ratio <= 1.2:
                    area_score = 1.0  # Perfekte Größe
                    print(f"     ✅ Perfekte Kopfgröße (80-120% der BBox)")
                else:
                    # Sanfte Abweichung
                    area_score = 1.0 - abs(area_ratio - 1.0) * 0.5
    
                # 2. KOMPAKTHEIT/SOLIDITÄT (30%)
                labeled_mask = measure.label(mask_binary)
                regions = measure.regionprops(labeled_mask)
    
                if len(regions) == 0:
                    compactness_score = 0.1
                    print(f"     ❌ Keine zusammenhängenden Regionen gefunden")
                else:
                    # Größte Region finden (sollte der Kopf sein)
                    largest_region = max(regions, key=lambda r: r.area)
        
                    # Solidität = Fläche / konvexe Hüllenfläche
                    solidity = largest_region.solidity if hasattr(largest_region, 'solidity') else 0.7
        
                    # Exzentrizität (wie elliptisch) - Köpfe sind tendenziell elliptisch
                    eccentricity = largest_region.eccentricity if hasattr(largest_region, 'eccentricity') else 0.5
        
                    # Perfekt runde Formen (Kreis) sind 0, Linie wäre 1
                    # Köpfe haben typischerweise 0.5-0.8
                    if 0.4 <= eccentricity <= 0.9:
                        eccentricity_score = 1.0 - abs(eccentricity - 0.65) * 2
                    else:
                        eccentricity_score = 0.2
        
                    compactness_score = (solidity * 0.6 + eccentricity_score * 0.4)
                    print(f"     🎯 Kompaktheits-Analyse:")
                    print(f"       • Solidität (Fläche/Konvex): {solidity:.3f}")
                    print(f"       • Exzentrizität (Form): {eccentricity:.3f}")
                    print(f"       • Kompaktheits-Score: {compactness_score:.3f}")
    
                # 3. BBOX-ÜBERLAPPUNG (20%)
                bbox_mask = np.zeros((original_image.height, original_image.width), dtype=np.uint8)
                
                bbox_mask[original_bbox[1]:original_bbox[3], original_bbox[0]:original_bbox[2]] = 1
                
                overlap = np.sum(mask_binary & bbox_mask)
       
                bbox_overlap_ratio = overlap / mask_area_pixels if mask_area_pixels > 0 else 0

                print(f"     📍 BBox-Überlappung: {overlap:,} von {mask_area_pixels:,} Pixeln ({bbox_overlap_ratio:.1%})")
              
    
                # Für Kopf: Sollte großteils in BBox sein (mind. 70%)
                if bbox_overlap_ratio >= 0.7:
                    bbox_score = 1.0
                    print(f"     ✅ Hohe BBox-Überlappung: {bbox_overlap_ratio:.3f} ({overlap:,} Pixel)")
                elif bbox_overlap_ratio >= 0.5:
                    bbox_score = bbox_overlap_ratio * 1.2
                    print(f"     ⚠️  Mittlere BBox-Überlappung: {bbox_overlap_ratio:.3f}")
                else:
                    bbox_score = bbox_overlap_ratio * 0.8
                    print(f"     ❌ Geringe BBox-Überlappung: {bbox_overlap_ratio:.3f}")
    
                # SAM-KONFIDENZ (10%)
                confidence_score = mask_max
    
                # GESAMTSCORE für Gesicht
                score = (
                    area_score * 0.4 +      # 40% Flächenpassung
                    compactness_score * 0.3 + # 30% Kompaktheit
                    bbox_score * 0.2 +      # 20% BBox-Überlappung
                    confidence_score * 0.1   # 10% Konfidenz
                )
    
                print(f"     📊 GESICHTS-SCORES für Maske {i+1}:")
                print(f"       • Flächen-Score: {area_score:.3f}")
                print(f"       • Kompaktheits-Score: {compactness_score:.3f}")
                print(f"       • BBox-Überlappungs-Score: {bbox_score:.3f}")
                print(f"       • Konfidenz-Score: {confidence_score:.3f}")
                print(f"       • GESAMTSCORE: {score:.3f}")

                if score > best_score:
                    best_score = score
                    best_mask_idx = i
                    print(f"     🏆 Neue beste Maske: Nr. {i+1} mit Score {score:.3f}")

            print(f"✅ Beste Maske ausgewählt: Nr. {best_mask_idx+1} mit Score {best_score:.3f}")

            # Beste Maske verwenden
            mask_np = all_masks_crop[best_mask_idx]
            max_val = mask_np.max()
            print(f"🔍 Maximaler SAM-Konfidenzwert der besten Maske: {max_val:.3f}")

            # ============================================================
            # THRESHOLD-BESTIMMUNG 
            # ============================================================
            # Spezieller Threshold für Gesichter
            if max_val < 0.5:
                dynamic_threshold = 0.25
                print(f"   ⚠️  SAM ist unsicher für Gesicht (max_val={max_val:.3f} < 0.5)")
            elif max_val < 0.8:
                dynamic_threshold = max_val * 0.65  # Mittlerer Threshold
                print(f"   ℹ️  SAM ist mäßig sicher für Gesicht (max_val={max_val:.3f})")
            else:
                dynamic_threshold = max_val * 0.75  # Hoher Threshold
                print(f"   ✅ SAM ist sicher für Gesicht (max_val={max_val:.3f} >= 0.8)")
    
            print(f"   🎯 Gesichts-Threshold: {dynamic_threshold:.3f}")

            # Binärmaske erstellen
            print("🐛 DEBUG THRESHOLD:")
            print(f"   mask_np Min/Max: {mask_np.min():.3f}/{mask_np.max():.3f}")
            print(f"   dynamic_threshold: {dynamic_threshold:.3f}")

            mask_array = (mask_np > dynamic_threshold).astype(np.uint8) * 255

            print(f"🚨 DEBUG BINÄRMASKE:")
            print(f"   mask_array Min/Max: {mask_array.min()}/{mask_array.max()}")
            print(f"   Weiße Pixel in mask_array: {np.sum(mask_array > 0)}")
            print(f"   Anteil weiße Pixel: {np.sum(mask_array > 0) / mask_array.size:.1%}")

            # Fallback wenn Maske leer
            if mask_array.max() == 0:
                print("⚠️  KRITISCH: Binärmaske ist leer! Erzwinge Testmaske (BBox).")
                print(f"   🚨 BBox für Fallback: x1={x1}, y1={y1}, x2={x2}, y2={y2}")
    
                test_mask = np.zeros((image.height, image.width), dtype=np.uint8)
                cv2.rectangle(test_mask, (x1, y1), (x2, y2), 255, -1)
    
                mask_array = test_mask
                print(f"🐛 DEBUG ERZWUNGENE MASKE: Weiße Pixel: {np.sum(mask_array > 0)}")

            # Rohmaske speichern
            raw_mask_array = mask_array.copy()

            # ============================================================
            #        POSTPROCESSING 
            # ============================================================

            print("👤 GESICHTS-SPEZIFISCHES POSTPROCESSING")
    
            # 1. Größte zusammenhängende Komponente finden
            labeled_array, num_features = ndimage.label(mask_array)
    
            if num_features > 0:
                print(f"   🔍 Gefundene Komponenten: {num_features}")
        
                sizes = ndimage.sum(mask_array, labeled_array, range(1, num_features + 1))
                largest_component_idx = np.argmax(sizes) + 1
        
                print(f"   👑 Größte Komponente: Nr. {largest_component_idx} mit {sizes[largest_component_idx-1]:,} Pixel")
        
                # NUR die größte Komponente behalten (der Kopf)
                mask_array = np.where(labeled_array == largest_component_idx, mask_array, 0)
        
                # MORPHOLOGISCHE OPERATIONEN FÜR SAUBEREN KOPF
                print("   ⚙️  Morphologische Operationen für sauberen Kopf")
        
                # Zuerst CLOSE, um kleine Löcher im Kopf zu füllen
                kernel_close = np.ones((7, 7), np.uint8)
                mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_CLOSE, kernel_close, iterations=1)
                print("     • MORPH_CLOSE (7x7) - Löcher im Kopf füllen")
        
                # Dann OPEN, um kleine Ausreißer zu entfernen
                kernel_open = np.ones((5, 5), np.uint8)
                mask_array = cv2.morphologyEx(mask_array, cv2.MORPH_OPEN, kernel_open, iterations=1)
                print("     • MORPH_OPEN (5x5) - Rauschen entfernen")

            # ============================================================
            # Maske und Rohmaske auf 512x512 skalieren wegen UI
            # ============================================================
            print("🔄 MASKE IMMER ZURÜCK AUF 512x512 TRANSFORMIEREN")
    
            # Konvertierung NumPy->Pil
            temp_mask = Image.fromarray(mask_array).convert("L")
            print(f"   Maskengröße auf Ausschnitt: {temp_mask.size}")
    
            # Maske auf 512x512 skalieren (für Inpainting)
            mask_512 = temp_mask.resize((512,512), Image.Resampling.LANCZOS)
            print(f"  Maske auf 512x512 skaliert")
          
            
            # raw_mask auch auf 512 skalieren (für UI-Konsistenz)
            raw_mask_512 = Image.fromarray(raw_mask_array).convert("L").resize(
                                            (512, 512), Image.Resampling.NEAREST
            ) 
             
            # Bild-Referenz zurücksetzen
            image = original_image
            print(f"   🔄 Bild-Referenz wieder auf Original gesetzt: {image.size}")

            # ============================================================
            # ABSCHLIESSENDE STATISTIK
            # ============================================================
            print("📊 FINALE MASKEN-STATISTIK")

            # Weiße Pixel zählen
            white_pixels = np.sum(mask_array > 0)
            total_pixels = mask_array.size
            white_ratio = white_pixels / total_pixels * 100 if total_pixels >0 else 0

            # Original-BBox Fläche (vor Crop)
            original_bbox_width = original_bbox[2] - original_bbox[0]
            original_bbox_height = original_bbox[3] - original_bbox[1]
            original_face_area = original_bbox_width * original_bbox_height
            coverage_ratio = white_pixels / original_face_area if original_face_area > 0 else 0
            
            print(f"   👤 GESICHTSABDECKUNG: {coverage_ratio:.1%} der ursprünglichen BBox")

            print(f"   Weiße Pixel (Veränderungsbereich): {white_pixels:,} ({white_ratio:.1f}%)")
            print(f"   Schwarze Pixel (Erhaltungsbereich): {total_pixels-white_pixels:,} ({100-white_ratio:.1f}%)")
            print(f"   Gesamtpixel: {total_pixels:,}")

            # Warnungen basierend auf Abdeckung
            if coverage_ratio < 0.7:
                print(f"   ⚠️  WARNUNG: Geringe Gesichtsabdeckung ({coverage_ratio:.1%})")
            elif coverage_ratio > 1.3:
                print(f"   ⚠️  WARNUNG: Sehr hohe Gesichtsabdeckung ({coverage_ratio:.1%})")
            elif 0.8 <= coverage_ratio <= 1.2:
                print(f"   ✅ OPTIMALE Gesichtsabdeckung ({coverage_ratio:.1%})")
          
            print("#" * 80)
            print(f"✅ SAM 2 SEGMENTIERUNG ABGESCHLOSSEN")
            print(f"📐 Finale Maskengröße: {mask_512.size}")  # Immer 512×512
            print(f"🎛️  Verwendeter Modus: {mode}")
            print(f"👤 Crop={crop_size}×{crop_size}px, Heuristik-Score={best_score:.3f}")
            print(f"👤 Kopfabdeckung: {coverage_ratio:.1%} der BBox")
            print("#" * 80)
           

            return mask_512, raw_mask_512 #in app.py wird mask immer auf 512x512 skaliert
                         
        # ============================================================
        # UNBEKANNTER MODUS
        # ============================================================
        else:
            print(f"❌ Unbekannter Modus: {mode}")
            return self._create_rectangular_mask(image, bbox_coords, "focus_change")
            
    except Exception as e:
        print("❌" * 40)
        print("❌ FEHLER IN SAM 2 SEGMENTIERUNG")
        print(f"Fehler: {str(e)[:200]}")
        print("❌" * 40)
        import traceback
        traceback.print_exc()
        
        # Fallback
        fallback_mask = self._create_rectangular_mask(original_image, original_bbox, mode)
        if fallback_mask.size != original_image.size:
            print(f"   ⚠️  Fallback-Maske angepasst: {fallback_mask.size} → {original_image.size}")
            fallback_mask = fallback_mask.resize(original_image.size, Image.Resampling.NEAREST)
        
        return fallback_mask, fallback_mask