scanner.py

import cv2
import numpy as np
from utils import (convolution2d, gaussian_kernel, sobel_edge_detection, 
                   manual_threshold, manual_dilation, four_point_transform)

def scan_document(image_path):
    # --- 1. การเตรียมข้อมูลภาพ ---
    # ใช้ภาพถ่ายเอกสาร ปรับขนาดเพื่อให้ประมวลผลไว (Convolution กินแรงเครื่องมาก)
    image = cv2.imread(image_path)
    if image is None:
        raise FileNotFoundError(f"ไม่พบไฟล์: {image_path}")
    
    # Resize ให้ความสูงไม่เกิน 500px เพื่อให้ Convolution ทำงานทันใจ
    ratio = image.shape[0] / 500.0
    orig = image.copy()
    image = cv2.resize(image, (int(image.shape[1] / ratio), 500))

    # --- 2. การเตรียมภาพก่อนประมวลผล (Preprocessing) ---
    # แปลงเป็น Grayscale
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    
    # ลดสัญญาณรบกวน (Smoothing) โดยใช้ Convolution + Gaussian Kernel (เขียนเอง)
    # สร้าง Kernel ขนาด 5x5
    kernel_blur = gaussian_kernel(size=5, sigma=1.0)
    blurred = convolution2d(gray, kernel_blur)
    blurred = blurred.astype(np.uint8) # แปลงกลับเป็นรูปภาพ 8-bit

    # --- 3. การตรวจจับขอบภาพ (Edge Detection) ---
    # ใช้ Sobel Operator (เขียนเอง) แทน Canny
    edges = sobel_edge_detection(blurred)
    
    # แปลงเป็น Binary ด้วย Threshold (เขียนเอง)
    # ค่า Threshold 50-100 ต้องลองจูนดูว่าค่าไหนเห็นขอบชัดสุด
    binary_edges = manual_threshold(edges, thresh_value=50)

    # --- 4. การตรวจจับขอบเขตเอกสาร ---
    # Optional: ใช้ Morphology (Dilation) (เขียนเอง) เพื่อเชื่อมเส้นขอบที่ขาด
    dilated_edges = manual_dilation(binary_edges, kernel_size=3)

    # ค้นหา Contours (ส่วนนี้ใช้ OpenCV เพราะเขียนเองยากและช้ามาก)
    contours, _ = cv2.findContours(dilated_edges.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
    contours = sorted(contours, key=cv2.contourArea, reverse=True)[:5]

    doc_contour = None
    for c in contours:
        peri = cv2.arcLength(c, True)
        approx = cv2.approxPolyDP(c, 0.02 * peri, True)
        # เลือกบริเวณที่มีลักษณะสี่เหลี่ยม (มีจุดมุม 4 จุด)
        if len(approx) == 4:
            doc_contour = approx
            break

    if doc_contour is None:
        print("ไม่พบขอบกระดาษ ใช้ภาพต้นฉบับแทน")
        return orig

    # --- 5. การจัดเรียงจุดมุมเอกสาร ---
    # เรียกใช้ใน four_point_transform ของ utils.py แล้ว
    # คูณ ratio กลับ เพื่อให้ได้พิกัดบนภาพต้นฉบับ (Original Size)
    doc_contour_original = doc_contour.reshape(4, 2) * ratio

# --- 6. การแปลงมุมมองภาพ (Perspective Transform) ---
    # ปรับภาพให้เป็นสี่เหลี่ยมผืนผ้า (Bird's eye view) -> อันนี้คือภาพสี
    warped_color = four_point_transform(orig, doc_contour_original)

    # --- 7. การเตรียมภาพสำหรับโหมดต่างๆ ---
    # สร้างเวอร์ชันขาว-ดำ (B&W) เตรียมไว้ด้วย (ใช้ Otsu เพื่อความคมชัดที่สุด)
    warped_gray = cv2.cvtColor(warped_color, cv2.COLOR_BGR2GRAY)
    _, warped_bw = cv2.threshold(warped_gray, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)

    # === จุดที่แก้ไข: คืนค่ากลับไปทั้ง 2 แบบ ===
    # คืนค่า (ภาพสีที่ดัดแล้ว, ภาพขาวดำที่ทำ threshold แล้ว)
    return warped_color, warped_bw