import gradio as gr
import cv2
import numpy as np
import mediapipe as mp
import tempfile
import os
import math

# إعداد Mediapipe Pose
mp_pose = mp.solutions.pose
pose = mp_pose.Pose(static_image_mode=False, min_detection_confidence=0.8, model_complexity=2)

def _dist(p1, p2):
    return math.hypot(p1[0]-p2[0], p1[1]-p2[1])

def _angle(a, b, c):
    try:
        a, b, c = np.array(a), np.array(b), np.array(c)
        ang = abs(math.degrees(
            math.atan2(c[1]-b[1], c[0]-b[0]) - math.atan2(a[1]-b[1], a[0]-b[0])
        ))
        return ang if ang <= 180 else 360 - ang
    except:
        return 0.0

def _safe_mean(x): return float(np.mean(x)) if len(x) else 0.0
def _safe_std(x):  return float(np.std(x))  if len(x) else 0.0

def _gauge_html(norm_score):
    pct = int(max(0, min(1, norm_score)) * 100)
    color = "#4caf50" if pct < 35 else "#fbc02d" if pct < 65 else "#c62828"
    return f"""
    <div style="width:100%;background:#eee;border-radius:10px;height:16px;overflow:hidden;border:1px solid #ccc;">
      <div style="width:{pct}%;height:100%;background:{color};transition:width .8s;"></div>
    </div>
    <div style="font-size:12px;color:#555;margin-top:6px;direction:rtl;text-align:right">درجة الخطورة: {pct}%</div>
    """

def analyze_gait(video_file):
    if video_file is None:
        return "<div style='direction:rtl;text-align:right'>❌ يرجى رفع فيديو أولًا.</div>", "<div></div>"

    if hasattr(video_file, "name"):
        video_path = video_file.name
    else:
        tmp = tempfile.NamedTemporaryFile(delete=False, suffix=".mp4")
        with open(tmp.name, "wb") as f: f.write(video_file)
        video_path = tmp.name

    cap = cv2.VideoCapture(video_path)
    if not cap.isOpened():
        return "<div style='direction:rtl;text-align:right'>❌ لا يمكن فتح الفيديو.</div>", "<div></div>"

    W, H = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)), int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
    px2m = 1.7 / (H * 0.8)
    ground_y = H * 0.92

    L_clear, R_clear, L_angle, R_angle = [], [], [], []
    base_seq, tilt_seq, side_lean_seq = [], [], []
    frames, person_detected = 0, False

    while cap.isOpened() and frames < 1000:
        ret, frame = cap.read()
        if not ret: break
        frames += 1
        res = pose.process(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
        if not res.pose_landmarks: continue
        person_detected = True
        lm = res.pose_landmarks.landmark

        def xy(i): return [lm[i].x * W, lm[i].y * H]
        L_ank, R_ank = xy(27), xy(28)
        L_knee, R_knee = xy(25), xy(26)
        L_foot, R_foot = xy(31), xy(32)
        L_hip, R_hip = xy(23), xy(24)
        L_sh, R_sh = xy(11), xy(12)

        Lc = max(0, (ground_y - min(L_ank[1], L_foot[1])) * px2m * 100)
        Rc = max(0, (ground_y - min(R_ank[1], R_foot[1])) * px2m * 100)
        L_clear.append(Lc); R_clear.append(Rc)
        L_angle.append(_angle(L_knee, L_ank, L_foot))
        R_angle.append(_angle(R_knee, R_ank, R_foot))
        base_seq.append(abs(L_ank[0]-R_ank[0]))

        mid_sh = [(L_sh[0]+R_sh[0])/2, (L_sh[1]+R_sh[1])/2]
        mid_hip= [(L_hip[0]+R_hip[0])/2, (L_hip[1]+R_hip[1])/2]
        vec = np.array([mid_sh[0]-mid_hip[0], mid_sh[1]-mid_hip[1]])
        tilt = abs(90 - abs(math.degrees(math.atan2(abs(vec[1]), abs(vec[0])+1e-6))))
        tilt_seq.append(tilt)
        side_lean_seq.append(mid_sh[0]-mid_hip[0])

    cap.release()
    try: os.unlink(video_path)
    except: pass

    if not person_detected:
        return "<div style='direction:rtl;text-align:right'>❌ لم يتم اكتشاف شخص في الفيديو. يُرجى إعادة التصوير بزاوية أمامية واضحة.</div>", "<div></div>"

    avg_Lc, avg_Rc = _safe_mean(L_clear), _safe_mean(R_clear)
    std_Lc, std_Rc = _safe_std(L_clear), _safe_std(R_clear)
    avg_La, avg_Ra = _safe_mean(L_angle), _safe_mean(R_angle)
    avg_tilt = _safe_mean(tilt_seq)
    avg_lean = _safe_mean(side_lean_seq)
    base_ratio = _safe_mean(base_seq)/W

    diff_clear = abs(avg_Lc - avg_Rc)
    diff_angle = abs(avg_La - avg_Ra)
    var_clear = max(std_Lc, std_Rc)
    sym_clear = abs((avg_Lc - avg_Rc) / (avg_Lc + avg_Rc + 1e-6)) * 100
    sym_angle = abs((avg_La - avg_Ra) / (avg_La + avg_Ra + 1e-6)) * 100
    low_ratio_L = np.mean(np.array(L_clear) < 4)
    low_ratio_R = np.mean(np.array(R_clear) < 4)

    score = 0
    red_flags = 0

    if min(avg_Lc, avg_Rc) < 4 or low_ratio_L > 0.4 or low_ratio_R > 0.4:
        score += 3.5; red_flags += 1
    if var_clear > 8 or diff_angle > 15 or sym_angle > 18:
        score += 3; red_flags += 1
    if base_ratio > 0.24 and avg_tilt > 8:
        score += 3.5; red_flags += 1
    if sym_clear > 25: score += 1.5
    if abs(avg_lean) > W*0.025: score += 1.5
    if diff_clear > 5 and diff_angle > 10: score += 1.0

    score = min(score, 10)
    norm_score = score / 10.0

    # الجهة المتضررة
    if avg_Lc < avg_Rc - 2 and avg_La < avg_Ra:
        side = "الجهة اليسرى"
    elif avg_Rc < avg_Lc - 2 and avg_Ra < avg_La:
        side = "الجهة اليمنى"
    else:
        side = "غير محددة بوضوح"

    # الحالة المحتملة
    if red_flags >= 3 and base_ratio > 0.25:
        condition = "قدم شاركوت (Charcot Foot)"
    elif min(avg_Lc, avg_Rc) < 4 or low_ratio_L > 0.4 or low_ratio_R > 0.4:
        condition = "ضعف العضلة الظنبوبية (Foot Drop)"
    elif var_clear > 8 or sym_angle > 15:
        condition = "اعتلال الأعصاب المحيطية أو السكري"
    else:
        condition = "مشية طبيعية"

    # مستوى الخطورة + زر الحجز عند الحاجة
    if red_flags >= 2 or norm_score >= 0.7:
        level, color, desc = "🔴 عالية الخطورة", "#c62828", "تم رصد مؤشرات متعددة لخلل واضح في المشية."
        booking = """
        <div style='margin-top:10px;direction:rtl;text-align:right'>
          <a href="https://example.com/book" target="_blank"
             style="background:#2e7d32;color:#fff;padding:10px 16px;border-radius:8px;text-decoration:none;font-weight:600;">
             احجز موعد مباشر (حضوري أو أونلاين)
          </a>
        </div>"""
    elif norm_score >= 0.45:
        level, color, desc = "🟡 متوسطة الخطورة", "#fbc02d", "مؤشرات تستدعي متابعة طبية دقيقة."
        booking = """
        <div style='margin-top:10px;direction:rtl;text-align:right'>
          <a href="https://example.com/book" target="_blank"
             style="background:#2e7d32;color:#fff;padding:10px 16px;border-radius:8px;text-decoration:none;font-weight:600;">
             احجز استشارة طبية
          </a>
        </div>"""
    else:
        level, color, desc = "🟢 منخفضة الخطورة", "#2e7d32", "المشية ضمن النطاق السليم."
        booking = ""

    html = f"""
    <div style='direction:rtl;text-align:right;color:{color};font-weight:700;font-size:18px'>{level}</div>
    <div style='direction:rtl;text-align:right'> الجانب المتأثر: <b>{side}</b></div>
    <div style='direction:rtl;text-align:right'> الحالة المحتملة: <b>{condition}</b></div>
    <div style='direction:rtl;text-align:right'> درجة الخطورة: <b>{score:.1f}/10</b></div>
    <div style='direction:rtl;text-align:right'>{desc}</div>
    {booking}
    <div style='font-size:13px;color:#555;margin-top:8px;direction:rtl;text-align:right'>
    ⚠️ التحليل يعتمد على مؤشرات متعددة ولا يُغني عن الفحص الطبي.</div>
    """
    return html, _gauge_html(norm_score)

instructions = """
<div style='direction:rtl;text-align:right'>
<h3> تعليمات التصوير لضمان دقة التحليل:</h3>
<ol>
<li>ضع الكاميرا على <b>بعد 2 إلى 3 أمتار</b> وارتفاع الركبة تقريبًا.</li>
<li>استخدم <b>إضاءة أمامية قوية</b> وخلفية بسيطة.</li>
<li>صوّر <b>من الأمام أو الجانب</b> مع ظهور الساقين بالكامل.</li>
<li>اطلب من الشخص أن <b>يمشي بشكل طبيعي</b> لمسافة 3–5 أمتار لمدة 15–30 ثانية.</li>
<li>تجنّب الملابس التي <b>تغطي الركبة أو الكاحل</b>.</li>
<li>ثبّت الهاتف أثناء التصوير لتقليل الاهتزاز.</li>
</ol>
</div>
"""

# ✅ ثيم بلون أخضر كامل
green_theme = gr.themes.Soft(
    primary_hue="green",
    secondary_hue="green",
    neutral_hue="gray"
)

with gr.Blocks(title="تحليل المشية ", theme=green_theme) as demo:
    
    gr.HTML(instructions)
    with gr.Row():
        with gr.Column(scale=1):
            video_in = gr.File(label="📂 اختر فيديو المشي", file_types=[".mp4", ".avi", ".mov"], type="binary")
            analyze_btn = gr.Button(" بدء التحليل", elem_id="green_btn")
        with gr.Column(scale=1):
            gauge = gr.HTML("<div></div>")
            out_html = gr.HTML("<i style='direction:rtl;text-align:right'>النتيجة ستظهر هنا بعد التحليل...</i>")
    analyze_btn.click(fn=analyze_gait, inputs=[video_in], outputs=[out_html, gauge])

if __name__ == "__main__":
    demo.launch()