controlnet_module.py

import torch
from diffusers import StableDiffusionControlNetPipeline, ControlNetModel
from controlnet_aux import OpenposeDetector
from PIL import Image, ImageFilter, ImageEnhance  # NEU: ImageEnhance für Kontrast
import random
import cv2
import numpy as np
import gradio as gr
import torch.nn.functional as F
from transformers import Sam2Model, Sam2Processor
from scipy import ndimage
from skimage import measure, morphology

# === CONTROLNET FORTSCHRITTS-CALLBACK (Für Gradio-UI) ===
class ControlNetProgressCallback:
    def __init__(self, progress, total_steps):
        self.progress = progress
        self.total_steps = total_steps
        self.current_step = 0

    def __call__(self, pipe, step_index, timestep, callback_kwargs):
        self.current_step = step_index + 1
        progress_percentage = self.current_step / self.total_steps

        if self.progress is not None:
            self.progress(progress_percentage, desc=f"ControlNet: Schritt {self.current_step}/{self.total_steps}")

        print(f"ControlNet Fortschritt: {self.current_step}/{self.total_steps} ({progress_percentage:.1%})")
        return callback_kwargs


class ControlNetProcessor:
    def __init__(self, device="cuda", torch_dtype=torch.float32):
        self.device = device
        self.torch_dtype = torch_dtype
        self.pose_detector = None
        self.midas_model = None
        self.midas_transform = None
        self.sam_processor = None
        self.sam_model = None
        self.sam_initialized = False

    def _lazy_load_sam(self):
        """Lazy Loading von SAM 2 über 🤗 Transformers API"""
        if self.sam_initialized:
            return True

        try:
            print("#" * 80)
            print("# 🔄 LADE SAM 2 (Segment Anything Model 2)")
            print("#" * 80)
            model_id = "facebook/sam2-hiera-tiny"
            
            print(f"📥 Modell-ID: {model_id}")
            print(f"📥 Lade Processor...")
            self.sam_processor = Sam2Processor.from_pretrained(model_id)
            print(f"📥 Lade Modell...")
            self.sam_model = Sam2Model.from_pretrained(model_id, torch_dtype=torch.float32).to(self.device)
            self.sam_model.eval()
            
            self.sam_initialized = True
            print("✅ SAM 2 erfolgreich geladen (via Transformers)")
            return True

        except Exception as e:
            print(f"❌ FEHLER beim Laden von SAM 2: {str(e)[:200]}")
            self.sam_initialized = True
            return False

    def _validate_bbox(self, image, bbox_coords):
        """Validiert und korrigiert BBox-Koordinaten"""
        width, height = image.size

        if isinstance(bbox_coords, (list, tuple)) and len(bbox_coords) == 4:
            x1, y1, x2, y2 = bbox_coords
        else:
            x1, y1, x2, y2 = bbox_coords

        x1, x2 = min(x1, x2), max(x1, x2)
        y1, y2 = min(y1, y2), max(y1, y2)

        x1 = max(0, min(x1, width - 1))
        y1 = max(0, min(y1, height - 1))
        x2 = max(0, min(x2, width - 1))
        y2 = max(0, min(y2, height - 1))

        if x2 - x1 < 10 or y2 - y1 < 10:
            size = min(width, height) * 0.3
            x1 = max(0, width/2 - size/2)
            y1 = max(0, height/2 - size/2)
            x2 = min(width, width/2 + size/2)
            y2 = min(height, height/2 + size/2)

        return int(x1), int(y1), int(x2), int(y2)
            

    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 * 0.85          
                    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()     

                ##########################################################
                #   POSTPROCESSING
                ##########################################################
                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:  #Vergleich SAM-Maskengröße und Original-Bildgröße
                    print(f"   ⚠️  Bildgröße angepasst: {image.size} → {original_image.size}")
                    temp_mask = Image.fromarray(mask_array).convert("L")  #wandelt NumPy-Array in PIL-Bild
                    temp_mask = temp_mask.resize(original_image.size, Image.Resampling.NEAREST)  #skaliert auf Originalgröße
                    mask_array = np.array(temp_mask)  #np. heißt mache aus PIL-Image wieder numPy-Array
                    print(f"   ✅ Maske auf Originalgröße skaliert: {mask_array.shape}")

                
                working_mask = mask_array.copy()  # Person = Weiß, Hintergrund = Schwarz  - working_mask muß vor Nutzung definiert werden! 
                print(f"working_mask shape: {working_mask.shape}")


                # DILATE auf der weißen Person - daduch wird Person etwas vergrößert
                kernel_dilate = np.ones((5, 5), np.uint8)               
                working_mask = cv2.dilate(working_mask, kernel_dilate, iterations=1)
                print(f"   ✅ Dilate (5x5) - Person leicht erweitert")


                # MORPH_CLOSE auf dem schwarzen Hintergrund (feine Löcher)- kleiner Kernel filigrane Heranarbeitung an Person,
                # es werden aber auch nur kleine Löcher in Umgebung von weiß nach schwarz geändert!
                kernel_close_small = np.ones((3, 3), np.uint8)
                working_mask = cv2.morphologyEx(working_mask, cv2.MORPH_CLOSE, kernel_close_small, iterations=1)
                print(f"   ✅ MORPH_CLOSE (3x3) - Feine Löcher im Hintergrund geschlossen")

                
                # KONTURENFILTER auf der weißen Person - arbeitet filigraner als MORPH-CLOSE
                # Finde Konturen (nur äußere)
                contours, _ = cv2.findContours(working_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        
                if len(contours) > 0:
                    # Finde die größte Kontur (sollte die Person sein)
                    largest_contour = max(contours, key=cv2.contourArea)
            
                    # Erstelle eine saubere Maske mit nur der größten Kontur
                    clean_mask = np.zeros_like(working_mask)
                    cv2.drawContours(clean_mask, [largest_contour], -1, 255, -1)
            
                    # Optional: Kleine weiße Punkte IN der Person entfernen
                    # Dazu invertieren wir temporär, um "Löcher" (schwarze Pixel) in der Person zu finden
                    temp_inverted = 255 - clean_mask
                    hole_contours, _ = cv2.findContours(temp_inverted, cv2.RETR_CCOMP, cv2.CHAIN_APPROX_SIMPLE)
            
                    for hole in hole_contours:
                        area = cv2.contourArea(hole)
                        if area < 100:  # Sehr kleine Löcher füllen
                            cv2.drawContours(clean_mask, [hole], -1, 255, -1)
            
                    working_mask = clean_mask
                    print(f"   ✅ Konturenfilter - Größte Kontur behalten, {len(contours)-1} kleine entfernt")
                
                    

                # Gaussian-BLUR für weiche Kanten
                working_mask = cv2.GaussianBlur(working_mask, (5, 5), 1.2)
                print(f"   ✅ Gaussian Blur (5x5, sigma=1.2) für weiche Kanten")

            

                # GAMMA-Korrektur für präzisere Ränder
                working_mask_float = working_mask.astype(np.float32) / 255.0
                working_mask_float = np.clip(working_mask_float, 0.0, 1.0)
                working_mask_float = working_mask_float ** 0.85  # Gamma 0.85
                working_mask = (working_mask_float * 255).astype(np.uint8)
                print(f"   ✅ Gamma-Korrektur (0.85) gegen milchige Ränder")



                # Erst binäre Maske erzeugen und dann invertieren
                binary_mask = (working_mask > 128).astype(np.uint8) * 255 
                final_mask = 255 - binary_mask
                print(f"   ✅ Finale Invertierung für environment_change")


                # Qualitätskontrolle - Debug
                white_pixels = np.sum(final_mask > 127)
                black_pixels = np.sum(final_mask <= 127)
                total_pixels = final_mask.size
        
                print(f"   📊 FINALE MASKE:")
                print(f"     • Weiße Pixel (Hintergrund): {white_pixels:,} ({white_pixels/total_pixels*100:.1f}%)")
                print(f"     • Schwarze Pixel (Person): {black_pixels:,} ({black_pixels/total_pixels*100:.1f}%)")
                    
                    
                # Zurück zu PIL Image
                mask = Image.fromarray(final_mask).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.Wichtig: mask (SAM-Maske) 
                # muß immer in Originalgröße zurück!
                
            # ============================================================
            # BLOCK 2: FOCUS_CHANGE
            # ============================================================
            elif mode == "focus_change":
                print("-" * 60)
                print("🎯 MODUS: FOCUS_CHANGE (OPTIMIERT)")
                print("-" * 60)

                # Originalgröße speichern
                # original_size = image.size
                # print(f"💾 Originalgröße gespeichert: {original_size}")
                
                # 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, :, :]
                    # Interpolation auf Originalgröße
                    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}")
                
                best_mask_original = all_masks[best_mask_idx]        
                
                mask_np = best_mask_original
                print(f"   ✅ Beste Maske in Originalgröße: {image.width}×{image.height}")
                
                # ============================================================
                # 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 < 0.6:  # Schlechte Maskenqualität
                    dynamic_threshold = 0.15 # SEHR NIEDRIG für maximale Abdeckung
                    print(f"   ⚠️  Masken-Score niedrig ({best_score:.3f}). "
                          f"Threshold=0.15 für bessere Präzision")
                elif best_score < 0.8:
                    dynamic_threshold = max(0.25, mask_max * 0.5)  # Vorher 0.15/0.3 - JETZT 0.25/0.5
                    print(f"   ℹ️  Mittlere Maskenqualität. Threshold={dynamic_threshold:.3f}")                   
                else:
                    dynamic_threshold = max(0.35, mask_max * 0.7)  # sehr hoher Threshold für gute Masken
                    print(f"   ✅ Excellente Maske. Threshold={dynamic_threshold:.3f}")
                
                # Binärmaske erstellen
                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((image.height, image.width), dtype=np.uint8)
                    # BBox auf 512x512 skalieren für Fallback
                    cv2.rectangle(mask_array, (x1, y1), (x2, y2), 255, -1) #weiße Box
                  

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

                print(f"🔧 FOCUS_CHANGE POSTPROCESSING (auf {image.width}×{image.height})")

                ###################################################
                #           POSTPROCESSING (Originalgröße)
                ###################################################
                print("🔧 FOCUS_CHANGE POSTPROCESSING (Originalgröße)")
                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)
                
                # Konvertierung von NumPy-Array auf PIL-Image
                mask_original = Image.fromarray(mask_array).convert("L")
                raw_mask = Image.fromarray(raw_mask_array).convert("L")
                
                # Finale Maske für ControlNet
                mask = mask_original
                
                print(f"✅ FOCUS_CHANGE Maske erstellt: {mask.size}")
                return mask, raw_mask   
                
                #Wichtig: mask (SAM-Maske) muß in Originalgröße zurück sonst Probleme in Funktion create_mask_and_sam_together
                #Und raw_mask auch in Originalgröße sonst Anzeige-Problem UI
                
                
            # ============================================================
            # 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")

                #========================
                # Heuristik und Postprocessing auf Crop
                #=========================
                
                # Masken speichern in Array
                all_masks_crop = []        #Weiterverarbeitung in Crop-Größe   

                
                for i in range(num_masks):
                    single_mask = outputs.pred_masks[:, :, i, :, :]
                    # 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 = resized_mask_crop.sigmoid().cpu().numpy()
                    all_masks_crop.append(mask_np)


                    # Debug-Info
                    mask_binary = (mask_np > 0.5).astype(np.uint8)
                    print(f"   Maske {i+1}: {np.sum(mask_binary):,}px (Crop-Größe)") 
                     
            
                # ============================================================
                # HEURISTIK (zur Bestimmung der besten Maske)
                # ============================================================
                print("🤔 HEURISTIK AUF CROP-GRÖSSE BERECHNEN")


                # BBox-Information für Heuristik (IN CROP-KOORDINATEN!)
                bbox_center = ((x1 + x2) // 2, (y1 + y2) // 2)
                bbox_area = (x2 - x1) * (y2 - y1)
    
                print(f"   CROP-BBox: [{x1}, {y1}, {x2}, {y2}]")
                print(f"   CROP-BBox-Größe: {x2-x1}×{y2-y1}px = {bbox_area:,}px²")
                print(f"   CROP-BBox-Zentrum: {bbox_center}")
                print(f"   Crop-Bildgröße: {image.width}×{image.height}")
               
                
                best_mask_idx = 0
                best_score = -1
                
                for i, mask_np in enumerate(all_masks_crop):
                    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
                        
                    #Maskenfläche in Pixeln (Crop-Grösse)
                    mask_area_pixels = np.sum(mask_binary) 

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

                    print(f"   🔍 Analysiere Maske {i+1} auf Crop-Größe")
        
                    # 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((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 / 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 Kopf
                    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 Wahrscheinlichkeiten -> Binär (0,1)
                # ============================================================
                # 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 auf Crop-Größe
                # ============================================================

                print("👤 POSTPROCESSING AUF CROP-GRÖSSE")
        
                # 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")

                    # LEICHTER DILATE FÜR MEHR ABDECKUNG (wichtig für Gesicht!)
                    print("   🔲 Leichter Dilate für natürliche Abdeckung")
                    kernel_dilate = np.ones((21,21), np.uint8)  # Größerer Kernel für Gesicht
                    mask_array = cv2.dilate(mask_array, kernel_dilate, iterations=1)

                    # WEICHER GAUSSIAN BLUR FÜR NATÜRLICHE ÜBERGÄNGE
                    print("   🔷 Gaussian Blur für weiche Hautübergänge (15x15, sigma=3.0)")
                    mask_array = cv2.GaussianBlur(mask_array, (31,31), 6.0)

                    # GAMMA-KORREKTUR FÜR GLATTE, NATÜRLICHE KANTEN
                    print("   🎨 Gamma-Korrektur (0.7) für glatte Übergänge")
                    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 ** 0.7  # Stärkeres Gamma für weichere Kanten
                    mask_array = (mask_array_float * 255).astype(np.uint8)

                    # NOCH EIN WEICHER BLUR FÜR EXTRA-GLÄTTE KANTEN
                    print("   💫 Finaler weicher Blur (9x9, sigma=1.5)")
                    mask_array = cv2.GaussianBlur(mask_array, (19,19), 3.0)

                    # SICHERSTELLEN, DASS MASKE NICHT ZU DÜNN IST (speziell für Gesicht!)
                    print("   📏 Prüfe Maskendichte...")
                    white_pixels = np.sum(mask_array > 128)
                    bbox_area = (x2 - x1) * (y2 - y1)
                    coverage_ratio = white_pixels / bbox_area if bbox_area > 0 else 0

                    print(f"   📊 Aktuelle Abdeckung: {white_pixels:,}px / {bbox_area:,}px = {coverage_ratio:.1%}")

                    # Wenn Maske zu dünn (unter 90% der BBox), weiter erweitern
                    if coverage_ratio < 0.9:
                        print(f"   ⚠️  Maske zu dünn für Gesicht (<90%)")
                        print(f"   📈 Zusätzlicher Dilate...")
                        kernel_extra = np.ones((35, 35), np.uint8)
                        mask_array = cv2.dilate(mask_array, kernel_extra, iterations=1)
    
                        # Nochmal weichzeichnen
                        mask_array = cv2.GaussianBlur(mask_array, (11, 11), 2.0)

                # ============================================================
                # Maske und Rohmaske auf Originalgröße transformieren
                # ============================================================
                print("🔄 MASKE AUF ORIGINALGRÖSSE TRANSFORMIEREN")
                
                # 1. Maske in Crop-Größe wird konveriert von NumPy nach PIL
                mask_crop_pil = Image.fromarray(mask_array).convert("L")
    
                # Leere Maske in Originalgröße
                mask_original = Image.new("L", original_image.size, 0)
    
                # Crop-Maske an richtiger Position in leerem Originalbild einfügen
                # da Hauptprogramm Originalgröße erwartet.
                mask_original.paste(mask_crop_pil, (crop_x1, crop_y1))
    
                # 2. Rohmaske ebenfalls transformieren
                raw_mask_crop_pil = Image.fromarray(raw_mask_array).convert("L")
                raw_mask_original = Image.new("L", original_image.size, 0)
                raw_mask_original.paste(raw_mask_crop_pil, (crop_x1, crop_y1))
                         
                # ============================================================
                # ABSCHLIESSENDE STATISTIK
                # ============================================================
                print("📊 FINALE MASKEN-STATISTIK")

                # Nach den Dilate-Operationen:
                #expanded_pixels = np.sum(mask_array > 128) - current_white
                #print(f"   📈 Maske um {expanded_pixels:,} Pixel erweitert")
                #print(f"   📏 Neue Kanten: ~{25//2}px von Original-Maske entfernt")

                # Weiße Pixel zählen      
                final_white = np.sum(mask_array > 128)
                final_coverage = final_white / bbox_area if bbox_area > 0 else 0         
                final_array = np.array(mask_original)  # ✅ Original-Größe
                white_pixels = np.sum(final_array > 0)
                total_pixels = final_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:,}")
                print(f"     • Weiße Pixel: {final_white:,}")
                print(f"     • BBox-Fläche: {bbox_area:,}")
                print(f"     • Abdeckung: {final_coverage:.1%}")
                print(f"     • Empfohlen: >90% für natürliches Gesicht")

                # 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_original.size}")
                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_original, raw_mask_original

                #Maske und Raw_mask muß in Originalgröße zurück!
                             
            # ============================================================
            # 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


    def _create_rectangular_mask(self, image, bbox_coords, mode):
        """Fallback: Erstellt rechteckige Maske"""
        print("#" * 80)
        print("# ⚠️  FALLBACK: ERSTELLE RECHTECKIGE MASKE")
        print("#" * 80)
        
        from PIL import ImageDraw

        mask = Image.new("L", image.size, 0)
        print(f"📐 Erstelle leere Maske: {mask.size}")

        if bbox_coords and all(coord is not None for coord in bbox_coords):
            x1, y1, x2, y2 = self._validate_bbox(image, bbox_coords)
            draw = ImageDraw.Draw(mask)

            if mode == "environment_change":
                draw.rectangle([0, 0, image.size[0], image.size[1]], fill=255)
                draw.rectangle([x1, y1, x2, y2], fill=0)
                print(f"   Modus: Umgebung ändern - BBox geschützt: [{x1}, {y1}, {x2}, {y2}]")
            else:
                draw.rectangle([x1, y1, x2, y2], fill=255)
                print(f"   Modus: Focus/Gesicht ändern - BBox verändert: [{x1}, {y1}, {x2}, {y2}]")

        print("✅ Rechteckige Maske erstellt")
        return mask

    def load_pose_detector(self):
        """Lädt nur den Pose-Detector"""
        if self.pose_detector is None:
            print("#" * 80)
            print("# 📥 LADE POSE DETECTOR")
            print("#" * 80)
            try:
                self.pose_detector = OpenposeDetector.from_pretrained("lllyasviel/ControlNet")
                print("✅ Pose-Detector geladen")
            except Exception as e:
                print(f"⚠️ Pose-Detector konnte nicht geladen werden: {e}")
        return self.pose_detector

    def load_midas_model(self):
        """Lädt MiDaS Model für Depth Maps"""
        if self.midas_model is None:
            print("#" * 80)
            print("# 📥 LADE MIDAS MODELL FÜR DEPTH MAPS")
            print("#" * 80)
            try:
                import torchvision.transforms as T

                self.midas_model = torch.hub.load(
                    "intel-isl/MiDaS",
                    "DPT_Hybrid",
                    trust_repo=True
                )

                self.midas_model.to(self.device)
                self.midas_model.eval()

                self.midas_transform = T.Compose([
                    T.Resize(384),
                    T.ToTensor(),
                    T.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5]),
                ])

                print("✅ MiDaS Modell erfolgreich geladen")
            except Exception as e:
                print(f"❌ MiDaS konnte nicht geladen werden: {e}")
                print("ℹ️ Verwende Fallback-Methode")
                self.midas_model = None

        return self.midas_model

    def extract_pose_simple(self, image):
        """Einfache Pose-Extraktion ohne komplexe Abhängigkeiten"""
        print("#" * 80)
        print("# ⚠️  ERSTELLE EINFACHE POSE-MAP (FALLBACK)")
        print("#" * 80)
        try:
            img_array = np.array(image.convert("RGB"))
            edges = cv2.Canny(img_array, 100, 200)
            pose_image = Image.fromarray(edges).convert("RGB")
            print("⚠️ Verwende Kanten-basierte Pose-Approximation")
            return pose_image
        except Exception as e:
            print(f"Fehler bei einfacher Pose-Extraktion: {e}")
            return image.convert("RGB").resize((512, 512))

    def extract_pose(self, image):
        """Extrahiert Pose-Map aus Bild mit Fallback"""
        print("#" * 80)
        print("# 🕺 ERSTELLE POSE-MAP")
        print("#" * 80)
        try:
            detector = self.load_pose_detector()
            if detector is None:
                print("⚠️ Kein Pose-Detector verfügbar, verwende Fallback")
                return self.extract_pose_simple(image)

            print("   Extrahiere Pose mit OpenPose und allen Gelenkpunkten")
            
            pose_image = detector(
                image, 
                include_body=True,
                include_hand=True,       # 🔥 Hände einschließen (21 Punkte pro Hand)
                include_face=True,       # 🔥 Gesicht einschließen (70 Punkte)
                hand_and_face=True,      # 🔥 Beide gleichzeitig
                include_foot=True,
                detect_resolution=896,    # 🔥 Höhere Detektionsauflösung für Details
                image_resolution=512,    # Ausgabegröße
                return_pil=True          
            )
            print("✅ Detaillierte Pose-Map erstellt")
            print(f"   🔥 137 Gelenkpunkte (statt nur 25)")
            print(f"   🔥 Enthält: Körper (25) + Hände (42) + Gesicht (70)")
            print(f"   🔥 Detektionsauflösung: 768px für mehr Details")

            return pose_image
        except Exception as e:
            print(f"Fehler bei Pose-Extraktion: {e}")
            return self.extract_pose_simple(image)

    def extract_canny_edges(self, image):
        """Extrahiert Canny Edges für Umgebungserhaltung"""
        print("#" * 80)
        print("# 🎨 ERSTELLE CANNY EDGE MAP")
        print("#" * 80)
        try:
            img_array = np.array(image.convert("RGB"))

            gray = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY)
            edges = cv2.Canny(gray, 100, 200)

            edges_rgb = cv2.cvtColor(edges, cv2.COLOR_GRAY2RGB)
            edges_image = Image.fromarray(edges_rgb)

            print("✅ Canny Edge Map erstellt")
            return edges_image
        except Exception as e:
            print(f"Fehler bei Canny Edge Extraction: {e}")
            return image.convert("RGB").resize((512, 512))

    def extract_depth_map(self, image):
        """
        Extrahiert Depth Map mit MiDaS (Fallback auf Filter)
        """
        print("#" * 80)
        print("# 🏔️  ERSTELLE DEPTH MAP")
        print("#" * 80)
        try:
            midas = self.load_midas_model()
            if midas is not None:
                print("🎯 Verwende MiDaS für Depth Map...")

                import torchvision.transforms as T

                img_transformed = self.midas_transform(image).unsqueeze(0).to(self.device)

                with torch.no_grad():
                    print("   Führe MiDaS Inferenz durch...")
                    prediction = midas(img_transformed)
                    prediction = torch.nn.functional.interpolate(
                        prediction.unsqueeze(1),
                        size=image.size[::-1],
                        mode="bicubic",
                        align_corners=False,
                    ).squeeze()

                depth_np = prediction.cpu().numpy()
                depth_min, depth_max = depth_np.min(), depth_np.max()
                print(f"   Tiefenwerte: Min={depth_min:.3f}, Max={depth_max:.3f}")

                if depth_max > depth_min:
                    depth_np = (depth_np - depth_min) / (depth_max - depth_min)

                depth_np = (depth_np * 255).astype(np.uint8)
                depth_image = Image.fromarray(depth_np).convert("RGB")

                print("✅ MiDaS Depth Map erfolgreich erstellt")
                return depth_image

            else:
                raise Exception("MiDaS nicht geladen")

        except Exception as e:
            print(f"⚠️ MiDaS Fehler: {e}. Verwende Fallback...")
            try:
                img_array = np.array(image.convert("RGB"))
                gray = cv2.cvtColor(img_array, cv2.COLOR_RGB2GRAY)

                depth_map = cv2.GaussianBlur(gray, (5, 5), 0)
                depth_rgb = cv2.cvtColor(depth_map, cv2.COLOR_GRAY2RGB)
                depth_image = Image.fromarray(depth_rgb)

                print("✅ Fallback Depth Map erstellt")
                return depth_image
            except Exception as fallback_error:
                print(f"❌ Auch Fallback fehlgeschlagen: {fallback_error}")
                return image.convert("RGB").resize((512, 512))

    def prepare_controlnet_maps(self, image, keep_environment=False):
        """
        ERSTELLT NUR CONDITIONING-MAPS, generiert KEIN Bild.
        """
        print("#" * 80)
        print("# 🎯 STARTE CONTROLNET CONDITIONING-MAP ERSTELLUNG")
        print("#" * 80)
        print(f"📐 Eingabebild-Größe: {image.size}")
        print(f"🎛️  Modus: {'Depth + Canny' if keep_environment else 'OpenPose + Canny'}")

        if keep_environment:
            print("   Modus: Depth + Canny")
            print("   Schritt 1/2: Extrahiere Depth Map...")
            depth_map = self.extract_depth_map(image)
            print("   Schritt 2/2: Extrahiere Canny Edges...")
            canny_map = self.extract_canny_edges(image)
            conditioning_images = [depth_map, canny_map]
            extra_maps = {"depth": depth_map, "canny": canny_map}  # NEU
        else:
            print("   Modus: OpenPose + Canny")
            print("   Schritt 1/2: Extrahiere Pose Map...")
            pose_map = self.extract_pose(image)
            print("   Schritt 2/2: Extrahiere Canny Edges...")
            canny_map = self.extract_canny_edges(image)
            conditioning_images = [pose_map, canny_map]
            extra_maps = {"pose": pose_map, "canny": canny_map}

        print("-" * 60)
        print(f"✅ {len(conditioning_images)} CONDITIONING-MAPS ERSTELLT")
        for i, img in enumerate(conditioning_images):
            print(f"   Map {i+1}: {img.size}, Modus: {img.mode}")
        print("#" * 80)
        
        return conditioning_images, extra_maps


# Globale Instanz
device = "cuda" if torch.cuda.is_available() else "cpu"
torch_dtype = torch.float16 if device == "cuda" else torch.float32
controlnet_processor = ControlNetProcessor(device=device, torch_dtype=torch_dtype)