import torch
import gradio as gr
import spaces
from inference_gradio import inference_one_image, model_init

MODEL_PATH = "./checkpoints/docres.pkl"
HEADER = """<div align="center">
    <p>
        <span style="font-size: 30px; vertical-align: bottom;"> DocRes: A Generalist Model Toward Unifying Document Image Restoration Tasks </span>
    </p>
    <p style="margin-top: -15px;">
        <a href="https://arxiv.org/abs/2405.04408" target="_blank" style="color: grey;">ArXiv Paper</a>
        &nbsp;
        <a href="https://github.com/ZZZHANG-jx/DocRes" target="_blank" style="color: grey;">GitHub Repository</a>
    </p>
</div>
🖼️ Upload an image of a document (or choose one from examples below).
✔️ Choose the tasks you want to perform on the document.
🚀 Click "Run" and the model will enhance the document according to the selected tasks!"""

possible_tasks = [
    "dewarping",
    "deshadowing",
    "appearance",
    "deblurring",
    "binarization",
]

@spaces.GPU(duration=60)
def run_tasks(image, tasks):
    # يُرجى ملاحظة أنني سأفرض استخدام CPU هنا لتجنب المشاكل في بيئات التشغيل التي لا تدعم GPU.
    # إذا كنت تريد استخدام GPU، يجب أن تضمن أن البيئة تدعمها.
    device = "cpu" # تم تعيينه لـ CPU بشكل إجباري
    
    # load model
    model = model_init(MODEL_PATH, device)
    
    # Gradio يتعامل مع RGB، ولكن CV2 (المستخدم في ملفات التقييم) يتعامل مع BGR
    # التحويل من Gradio (RGB) إلى BGR للنموذج
    bgr_image = image[..., ::-1].copy()
    
    # run inference (توقع أن تكون الدالة قادرة على التعامل مع BGR وتحويلها إلى RGB للإخراج)
    bgr_restored_image = inference_one_image(model, bgr_image, tasks, device)
    
    # التحويل من BGR إلى RGB قبل الإخراج إلى Gradio
    if bgr_restored_image.ndim == 3:
        rgb_image = bgr_restored_image[..., ::-1]
    else:
        # إذا كانت الصورة المُعالجة هي صورة ثنائية (مثل Binarization)، قد تكون قناة واحدة
        # يجب التعامل معها حسب ما تُعيده inference_one_image
        rgb_image = bgr_restored_image 
        
    return rgb_image

with gr.Blocks() as demo:
    gr.Markdown(HEADER)
    task = gr.CheckboxGroup(choices=possible_tasks, label="Tasks", value=["appearance"])
    with gr.Row():
        input_image = gr.Image(label="Raw Image", type="numpy")
        output_image = gr.Image(label="Enhanced Image", type="numpy")
        
    button = gr.Button()
    button.click(run_tasks, inputs=[input_image, task], outputs=[output_image])
    
    # لاحظ: يجب أن تكون ملفات الأمثلة (مثل input/218_in.png) متاحة في مجلد 'input' ليتمكن Gradio من تحميلها.
    gr.Examples(
        examples=[
            ["input/218_in.png", ["dewarping", "deshadowing", "appearance"]],
            ["input/151_in.png", ["dewarping", "deshadowing", "appearance"]],
            ["input/for_debluring.png", ["deblurring"]],
            ["input/for_appearance.png", ["appearance"]],
            ["input/for_deshadowing.jpg", ["deshadowing"]],
            ["input/for_dewarping.png", ["dewarping"]],
            ["input/for_binarization.png", ["binarization"]],
        ],
        inputs=[input_image, task],
        outputs=[output_image],
        fn=run_tasks,
        cache_examples="lazy",
    )

demo.launch()