from flask import Flask, request, send_file
import cv2
import numpy as np
import io
import os
import easyocr
import requests
from PIL import Image, ImageFilter, ImageEnhance

app = Flask(__name__)

# --- MODEL YÜKLEMELERİ ---
print("OCR Modeli Yükleniyor...")
# EasyOCR model yolu
model_storage = os.environ.get('EASYOCR_MODULE_PATH', './.EasyOCR')
reader = easyocr.Reader(['en', 'tr'], gpu=False, model_storage_directory=model_storage)
print("OCR Modeli Hazır.")

# --- YENİ NESİL YÜZ TANIMA (YUNET) ---
# Haar Cascade yerine Deep Learning tabanlı yüz tanıma kullanıyoruz.
def get_face_detector():
    face_model_path = "face_detection_yunet_2023mar.onnx"
    
    if not os.path.exists(face_model_path):
        print("Gelişmiş Yüz Tanıma AI Modeli İndiriliyor...")
        # OpenCV Zoo'dan resmi YuNet modeli
        url = "https://github.com/opencv/opencv_zoo/raw/master/models/face_detection_yunet/face_detection_yunet_2023mar.onnx"
        try:
            resp = requests.get(url)
            with open(face_model_path, "wb") as f:
                f.write(resp.content)
            print("Model İndirildi.")
        except Exception as e:
            print(f"Model indirilemedi: {e}")
            return None
            
    # OpenCV DNN Modülü ile modeli yükle
    return cv2.FaceDetectorYN.create(
        face_model_path,
        "",
        (320, 320), # Başlangıç boyutu, dinamik olarak değişecek
        0.6,  # Score threshold (Emin olma oranı)
        0.3,  # NMS threshold
        5000  # Top K
    )

face_detector = get_face_detector()
print("Yapay Zeka Yüz Tanıma Hazır.")

# --- İŞLEME FONKSİYONLARI ---
def apply_smart_eco_polish(img_pil):
    # Renkleri ve kontrastı hafifçe canlandır
    img_pil = ImageEnhance.Color(img_pil).enhance(1.05)
    img_pil = ImageEnhance.Contrast(img_pil).enhance(1.02)
    return img_pil.filter(ImageFilter.UnsharpMask(radius=1.0, percent=90, threshold=8))

def ai_face_aware_crop(img):
    h, w = img.shape[:2]
    target_w, target_h = 800, 400
    target_aspect = 2.0
    
    center_x, center_y = w // 2, h // 2
    
    # --- AI YÜZ TESPİTİ KISMI ---
    if face_detector:
        # Modelin giriş boyutunu resme göre ayarla
        face_detector.setInputSize((w, h))
        # Yüzleri tara
        _, faces = face_detector.detect(img)
        
        if faces is not None:
            # En büyük yüzü bul (faces[i][2] * faces[i][3] = genişlik * yükseklik)
            faces = sorted(faces, key=lambda f: f[2]*f[3], reverse=True)
            # YuNet çıktısı: [x, y, w, h, ...]
            face = faces[0]
            fx, fy, fw, fh = int(face[0]), int(face[1]), int(face[2]), int(face[3])
            
            # Yüzün merkezini al ama biraz yukarı kaydır (Göz hizası estetiği için)
            center_x = fx + (fw // 2)
            center_y = fy + (fh // 3) 
    
    # --- KIRPMA MANTIĞI ---
    input_aspect = w / h
    if input_aspect > target_aspect:
        # Resim çok geniş, yanlardan kırp
        new_w = int(h * target_aspect)
        start_x = center_x - (new_w // 2)
        start_x = max(0, min(start_x, w - new_w))
        img_cropped = img[:, start_x:start_x+new_w]
    else:
        # Resim çok uzun, alttan/üstten kırp
        new_h = int(w / target_aspect)
        start_y = center_y - (new_h // 2)
        start_y = max(0, min(start_y, h - new_h))
        img_cropped = img[start_y:start_y+new_h, :]

    return cv2.resize(img_cropped, (target_w, target_h), interpolation=cv2.INTER_LANCZOS4)

# --- API ENDPOINT ---
@app.route('/process', methods=['POST'])
def process_image():
    if not request.files:
        return "Dosya bulunamadı", 400
    
    first_key = next(iter(request.files))
    file = request.files[first_key]
    
    try:
        in_memory_file = io.BytesIO()
        file.save(in_memory_file)
        data = np.frombuffer(in_memory_file.getvalue(), dtype=np.uint8)
        img = cv2.imdecode(data, cv2.IMREAD_COLOR)

        # 1. ADIM: OCR ile Metin Bulma
        results = reader.readtext(img)
        mask = np.zeros(img.shape[:2], dtype=np.uint8)
        logo_bulundu = False
        
        # Logoları maskele
        for (bbox, text, prob) in results:
            if any(key in text.lower() for key in ["anka", "onka", "anko"]):
                (tl, tr, br, bl) = bbox
                tl = [int(x) for x in tl]
                br = [int(x) for x in br]
                # Maskeyi biraz geniş tutuyoruz ki harf izi kalmasın
                cv2.rectangle(mask, (tl[0]-15, tl[1]-15), (br[0]+15, br[1]+15), (255), -1)
                logo_bulundu = True
        
        # Logo bulunamazsa sağ üst köşeyi varsayılan olarak maskele
        if not logo_bulundu:
            h_o, w_o = img.shape[:2]
            cv2.rectangle(mask, (w_o-250, 20), (w_o-10, 120), (255), -1)

        # 2. ADIM: Inpainting (Logoyu silip doldurma)
        # Telea algoritması hızlı ve etkilidir
        img = cv2.inpaint(img, mask, 3, cv2.INPAINT_TELEA)

        # 3. ADIM: AI Destekli Kırpma ve Parlatma
        img_cropped = ai_face_aware_crop(img)
        img_pil = Image.fromarray(cv2.cvtColor(img_cropped, cv2.COLOR_BGR2RGB))
        img_final = apply_smart_eco_polish(img_pil)

        output_io = io.BytesIO()
        img_final.save(output_io, 'WEBP', quality=80, method=6)
        output_io.seek(0)

        return send_file(output_io, mimetype='image/webp')
    except Exception as e:
        return str(e), 500

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=7860)