import cv2
import numpy as np
from PIL.Image import Image

from core.ocr import load_model as ocrLoadModel, detect as ocrDetect
from core.face import load_model as faceLoadModel, detect as faceDetect
from core.yolo import load_model as yoloLoadModel, detect as yoloDetect
# 导入保存路径函数（根据实际文件位置调整导入路径）
import numpy as np
import base64
from io import BytesIO
from PIL import Image
from ds.db import db
from mysql.connector import Error as MySQLError

# 模型加载状态标记（避免重复加载）


_model_loaded = False


def load_model():
    """加载所有检测模型（仅首次调用时执行）"""
    global _model_loaded
    if _model_loaded:
        print("模型已加载，无需重复执行")
        return

    # 依次加载OCR、人脸、YOLO模型
    ocrLoadModel()
    faceLoadModel()
    yoloLoadModel()

    _model_loaded = True
    print("所有检测模型加载完成")


def save_db(model_type, client_ip, result):
    conn = None
    cursor = None
    try:
        # 连接数据库
        conn = db.get_connection()
        # 往表插入数据
        cursor = conn.cursor(dictionary=True)  # 返回字典格式结果
        insert_query = """
            INSERT INTO device_danger (client_ip, type, result)
            VALUES (%s, %s, %s)
        """
        cursor.execute(insert_query, (client_ip, model_type, result))
        conn.commit()
    except MySQLError as e:
        raise Exception(f"获取设备列表失败: {str(e)}") from e
    finally:
        db.close_connection(conn, cursor)



def detect(client_ip, frame):
    """
    执行模型检测，检测到违规时按指定格式保存图片
    参数：
        frame: 待检测的图像帧（OpenCV格式，numpy.ndarray类型）
    返回：
        (检测结果布尔值, 检测详情, 检测模型类型)
    """
    # 1. YOLO检测（优先级1）
    yolo_flag, yolo_result = yoloDetect(frame)
    print(f"YOLO检测结果：{yolo_result}")
    if yolo_flag:
        save_db(model_type="yolo", client_ip=client_ip, result=numpy_array_to_base64(frame))
        # if full_save_path:  # 只判断完整路径是否有效（用于保存）
        #     cv2.imwrite(full_save_path, frame)
        #     # 打印时使用「显示用短路径」，符合需求格式
        #     print(f"✅ YOLO违规图片已保存：{display_path}")
        return (True, yolo_result, "yolo")
    #
    # # 2. 人脸检测（优先级2）
    face_flag, face_result = faceDetect(frame)
    print(f"人脸检测结果：{face_result}")
    if face_flag:
        # 将帧转化为 base64 字符串
        save_db(model_type="face", client_ip=client_ip, result=numpy_array_to_base64(frame))
        return (True, face_result, "face")

    # 3. OCR检测（优先级3）
    ocr_flag, ocr_result = ocrDetect(frame)
    print(f"OCR检测结果：{ocr_result}")
    if ocr_flag:
        # 解构元组，保存用完整路径，打印用短路径
        save_db(model_type="ocr", client_ip=client_ip, result=ocr_result)
        # if full_save_path:
        #     cv2.imwrite(full_save_path, frame)
        #     print(f"✅ OCR违规图片已保存：{display_path}")
        return (True, ocr_result, "ocr")

    # 4. 无违规内容（不保存图片）
    print(f"❌ 未检测到任何违规内容，不保存图片")
    return (False, "未检测到任何内容", "none")


def numpy_array_to_base64(arr, img_format='PNG'):
    """
    将numpy数组转换为base64字符串

    参数:
        arr: numpy数组，通常是图像数据，形状为(height, width, channels)
        img_format: 图像格式，默认为'PNG'，也可以是'JPEG'等PIL支持的格式

    返回:
        str: 转换后的base64字符串

    异常:
        ValueError: 当输入不是有效的numpy数组或不支持的形状时抛出
        Exception: 处理过程中出现的其他异常
    """
    try:
        # 检查输入是否为numpy数组
        if not isinstance(arr, np.ndarray):
            raise ValueError("输入必须是numpy数组")

        # 处理单通道图像（灰度图）
        if len(arr.shape) == 2:
            arr = np.expand_dims(arr, axis=-1)

        # 检查数组形状是否有效
        if len(arr.shape) != 3 or arr.shape[2] not in [1, 3, 4]:
            raise ValueError("numpy数组必须是形状为(height, width, channels)的图像数据，通道数应为1、3或4")

        # 处理数据类型，确保是uint8类型
        if arr.dtype != np.uint8:
            # 归一化到0-255并转换为uint8
            arr = ((arr - arr.min()) / (arr.max() - arr.min() + 1e-8) * 255).astype(np.uint8)

        # 将单通道图像转换为PIL支持的模式
        if arr.shape[2] == 1:
            arr = arr.squeeze(axis=-1)
            image = Image.fromarray(arr, mode='L')  # L模式表示灰度图
        elif arr.shape[2] == 3:
            image = Image.fromarray(arr, mode='RGB')
        else:  # 4通道
            image = Image.fromarray(arr, mode='RGBA')

        # 将图像保存到内存缓冲区
        buffer = BytesIO()
        image.save(buffer, format=img_format)

        # 从缓冲区读取数据并编码为base64
        buffer.seek(0)
        base64_str = base64.b64encode(buffer.read()).decode('utf-8')

        return base64_str

    except ValueError as ve:
        raise ve
    except Exception as e:
        raise Exception(f"转换过程中发生错误: {str(e)}")