import streamlit as st
import cv2
import numpy as np
from PIL import Image


# Configuración de la página con límite de carga
st.set_page_config(
    page_title="CV Edge Detector - Beau's Lab", 
    layout="wide"
)

# Configuración para Hugging Face Spaces
MAX_FILE_SIZE = 5 * 1024 * 1024  # 5 MB en bytes

def process_image(image, low_threshold, high_threshold):
    """
    Aplica el algoritmo de Canny para detección de bordes.
    """
    # Convertir imagen de PIL a formato OpenCV (numpy array BGR)
    img_array = np.array(image.convert('RGB'))
    img_cv = cv2.cvtColor(img_array, cv2.COLOR_RGB2BGR)
    
    # Convertir a escala de grises
    gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)
    
    # Aplicar Canny
    edges = cv2.Canny(gray, low_threshold, high_threshold)
    
    return edges

def main():
    st.set_page_config(page_title="CV Edge Detector - Beau's Lab", layout="wide")
    
    st.title("🛠️ Computer Vision Lab: Edge Detection")
    st.write("Bienvenido. Sube una imagen para analizar sus gradientes espaciales.")

    # Sidebar para parámetros (Hiperparámetros del algoritmo)
    st.sidebar.header("Configuración de Algoritmo")
    low_thresh = st.sidebar.slider("Umbral Bajo (Low)", 0, 255, 100)
    high_thresh = st.sidebar.slider("Umbral Alto (High)", 0, 255, 200)
    
    uploaded_file = st.file_uploader("Elige una imagen...( max size 4MB )", type=["jpg", "jpeg", "png"])

    if uploaded_file is not None:
        
        
        # Validar tamaño del archivo
        file_size = uploaded_file.size 
        
        if file_size > MAX_FILE_SIZE:
            st.error(f"⚠️ El archivo es demasiado grande ({file_size / 1024 / 1024:.2f} MB). Por favor, sube una imagen menor a 5 MB.")
            return
        
        try:
        
            # Cargar imagen
            image = Image.open(uploaded_file)
            # Redimensionar si es muy grande (optimización adicional)
            max_dimension = 1920
            
            if max(image.size) > max_dimension:
                st.warning(f"Imagen grande detectada. Redimensionando para mejor rendimiento...")
                ratio = max_dimension / max(image.size)
                new_size = tuple([int(x * ratio) for x in image.size])
                image = image.resize(new_size, Image.Resampling.LANCZOS)
            
            # Crear dos columnas para comparar
            col1, col2 = st.columns(2)
            
            with col1:
                st.header("Imagen Original")
                st.image(image, use_container_width=True)
                
            with col2:
                st.header("Detección de Bordes (Canny)")
                # Procesamiento
                with st.spinner('Procesando...'):
                    processed_img = process_image(image, low_thresh, high_thresh)
                    st.image(processed_img, use_container_width=True, clamp=True)
                    
            st.success("¡Procesamiento completado con éxito!")
            
        except Exception as e:
            st.error(f"Error al procesar la imagen: {str(e)}")
            st.info("Por favor, intenta con otra imagen.")
            
    else:
        st.info("Esperando que se suba una imagen...")
        st.markdown("""
        ### Instrucciones:
        - Formatos soportados: JPG, JPEG, PNG
        - Tamaño máximo: 5 MB
        - Para mejores resultados, usa imágenes con objetos definidos
        """)


if __name__ == "__main__":
    main()