import os
from fastapi import FastAPI, File, UploadFile, HTTPException
from fastapi.responses import JSONResponse, HTMLResponse
from fastapi.staticfiles import StaticFiles
from fastapi.openapi.docs import get_swagger_ui_html
from typing import List, Optional
import io
from PIL import Image
import numpy as np

from model import SkinClassifier

# Инициализация FastAPI
app = FastAPI(
    title="Skin Classification API",
    description="API для классификации кожных заболеваний (clear, acne, ros, black)",
    version="1.0.0",
    docs_url="/docs",
    redoc_url="/redoc"
)

# Инициализация модели
try:
    # Путь к модели в Hugging Face Spaces
    MODEL_PATH = "model/stage1_skin_classifier.pth"
    classifier = SkinClassifier(MODEL_PATH)
    print("✅ Model loaded successfully!")
except Exception as e:
    print(f"❌ Error loading model: {e}")
    classifier = None


@app.get("/", response_class=HTMLResponse)
async def root():
    """Главная страница с информацией об API"""
    return "go to /docs"


@app.post("/predict")
async def predict(
        file: UploadFile = File(..., description="Изображение для классификации (JPG, PNG)"),
        return_image: Optional[bool] = False
):
    """
    Классификация одного изображения

    - **file**: Изображение в формате JPG или PNG
    - **return_image**: Возвращать ли base64 изображение (по умолчанию False)
    """
    if classifier is None:
        raise HTTPException(status_code=503, detail="Model not loaded")

    # Проверка формата файла
    allowed_extensions = {".jpg", ".jpeg", ".png", ".bmp"}
    file_ext = os.path.splitext(file.filename)[1].lower()

    if file_ext not in allowed_extensions:
        raise HTTPException(
            status_code=400,
            detail=f"Unsupported file format. Allowed: {allowed_extensions}"
        )

    try:
        # Чтение файла
        contents = await file.read()

        # Предсказание
        result = classifier.predict(contents)

        response_data = {
            "filename": file.filename,
            "prediction": result["predicted_class"],
            "confidence": result["confidence"],
            "probabilities": result["all_probabilities"]
        }

        # Добавляем base64 изображение если нужно
        if return_image:
            from io import BytesIO
            import base64

            img = Image.open(BytesIO(contents))
            buffered = BytesIO()
            img.save(buffered, format="JPEG" if file_ext in {".jpg", ".jpeg"} else "PNG")
            img_str = base64.b64encode(buffered.getvalue()).decode()
            response_data["image_base64"] = f"data:image/jpeg;base64,{img_str}"

        return response_data

    except Exception as e:
        raise HTTPException(status_code=500, detail=f"Prediction error: {str(e)}")


# Middleware для обработки CORS
from fastapi.middleware.cors import CORSMiddleware

app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)