app/utils/ocr.py

import numpy as np
from PIL import Image, ImageEnhance, ImageFilter
from io import BytesIO
import re
import logging
import easyocr

# Inisialisasi reader
ocr_reader = easyocr.Reader(['en'], gpu=False)

# Fungsi preprocessing gambar
def preprocess_image(image):
    image = image.convert("L")  # Grayscale
    image = ImageEnhance.Contrast(image).enhance(2)  # Kontras
    image = image.filter(ImageFilter.MedianFilter(3))  # Filter noise
    return image

# Fungsi utama ekstraksi teks dari gambar
def extract_text_from_image(image_file):
    try:
        # Buka dan preprocess gambar
        image = Image.open(BytesIO(image_file.read())).convert("RGB")
        image = preprocess_image(image)
        image_np = np.array(image)

        # OCR
        results = ocr_reader.readtext(image_np)
        text = " ".join([res[1] for res in results])
        logging.info(f"OCR Raw Text: {text}")

        # Hapus label pembuka seperti 'Ingredients:', 'Komposisi:', dsb.
        text = re.sub(r'\b(Ingredients|Komposisi|Composition|Bahan|Daftar Bahan)\s*[:\-]?\s*', '', text, flags=re.IGNORECASE)

        # Hapus karakter tidak relevan (non-alfanumerik selain titik, koma, spasi, dan dash)
        text = re.sub(r'[^A-Za-z0-9,\.\s\-]', '', text)

        # (Opsional) Kamu bisa hapus kata-kata yang bukan ingredient umum (jika perlu)
        # Tapi lebih baik ini dilakukan di tahap `extract_ingredients`, bukan di sini

        return text.strip()
    
    except Exception as e:
        logging.error(f"OCR error: {e}")
        return ""