---

import os
import cv2
import numpy as np

# --- 1. ВЫЧИСЛЕНИЕ HOG-ДЕКРИПТОРОВ (ФОРМА И ГРАНИ) ---

# Инициализируем HOG-дескриптор под размер нашей области (36x36)
hog = cv2.HOGDescriptor(
    _winSize=(36, 36),
    _blockSize=(18, 18),
    _blockStride=(9, 9),
    _cellSize=(9, 9),
    _nbins=9
)

def extract_dominant_piece_color(cell_bgr):
    """Определение цвета фигуры для разделения Белая/Черная."""
    h, w = cell_bgr.shape[:2]
    center = cell_bgr[int(h * 0.25):int(h * 0.75), int(w * 0.25):int(w * 0.75)]
    return np.mean(center, axis=(0, 1)).astype(float).tolist()


def get_hog_features(crop_bgr):
    """
    Преобразует вырезку клетки в уникальный вектор градиентов (HOG).
    """
    gray = cv2.cvtColor(crop_bgr, cv2.COLOR_BGR2GRAY)
    # Нормализация контраста
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(4, 4))
    gray_norm = clahe.apply(gray)
    
    # Считаем вектор HOG
    descriptor = hog.compute(gray_norm)
    if descriptor is None:
        return np.zeros((324,), dtype=np.float32)
    return descriptor.flatten()


def print_board(board_matrix, fen):
    """Красивая таблица шахматной доски в консоли."""
    divider = "  +" + "---+" * 8
    print("\n    a   b   c   d   e   f   g   h")
    print(divider)
    for idx, row in enumerate(board_matrix):
        rank = 8 - idx
        row_str = " | ".join([f"{p}" if p != '.' else " " for p in row])
        print(f"{rank} | {row_str} | {rank}")
        print(divider)
    print("    a   b   c   d   e   f   g   h")
    print(f"\nFEN: {fen}\n")


# --- 2. СКАНИРОВАНИЕ ДОСКИ ---

def scan_frame(cell_board, color_database, templates_hog, ALL_PIECES, variance_threshold=12.0):
    board = cv2.resize(cell_board, (400, 400))
    board_matrix = []
    
    for row in range(8):
        row_pieces = []
        for col in range(8):
            cell = board[row * 50:(row + 1) * 50, col * 50:(col + 1) * 50]
            gray_cell = cv2.cvtColor(cell, cv2.COLOR_BGR2GRAY)
            center_crop = cell[7:43, 7:43]
            center_gray = gray_cell[7:43, 7:43]

            # 1. Отсекаем пустые клетки по дисперсии
            if np.std(center_gray) < variance_threshold:
                row_pieces.append('.')
                continue

            # 2. Вычисляем HOG вектор текущей клетки
            cell_hog = get_hog_features(center_crop)

            # 3. Разделение фигуры по цвету (Белая / Черная)
            cell_color_vec = np.array(extract_dominant_piece_color(cell))
            brightness = np.mean(cell_color_vec)
            
            is_white_piece = brightness > 110
            candidate_pieces = [p for p in ALL_PIECES if p.isupper() == is_white_piece]

            best_match, min_distance = '.', float('inf')

            # 4. Сравнение HOG-векторов через Евклидово расстояние
            for piece_symbol in candidate_pieces:
                if piece_symbol not in templates_hog or piece_symbol not in color_database:
                    continue
                
                tpl_hog = templates_hog[piece_symbol]

                # Евклидово расстояние между градиентами (структурой фигуры)
                hog_dist = np.linalg.norm(cell_hog - tpl_hog)

                # Штраф за разницу цвета
                tpl_color = np.array(color_database[piece_symbol])
                color_dist = np.linalg.norm(cell_color_vec - tpl_color)

                # Итоговая дистанция (чем меньше, тем точнее совпадение)
                total_dist = hog_dist + (color_dist / 100.0)

                if total_dist < min_distance:
                    min_distance = total_dist
                    best_match = piece_symbol
                    
            row_pieces.append(best_match)
        board_matrix.append(row_pieces)

    # 5. Сборка FEN
    fen_rows = []
    for r in board_matrix:
        empty, row_str = 0, ""
        for p in r:
            if p == '.': 
                empty += 1
            else:
                if empty > 0: 
                    row_str += str(empty)
                    empty = 0
                row_str += p
        if empty > 0: 
            row_str += str(empty)
        fen_rows.append(row_str)
        
    return board_matrix, "/".join(fen_rows) + " w - - 0 1"


# --- 3. ИНИЦИАЛИЗАЦИЯ И ИСПОЛНЕНИЕ ---

def main():
    TEMPLATES_DIR = "extracted_pieces"
    BOARD_IMAGE_PATH = "board.png"
    
    ALL_PIECES = ['K', 'Q', 'R', 'B', 'N', 'P', 'k', 'q', 'r', 'b', 'n', 'p']
    
    PIECES_CONFIG = {
        "K": "white_K.png", "Q": "white_Q.png", "R": "white_R.png",
        "B": "white_B.png", "N": "white_N.png", "P": "white_P.png",
        "k": "black_k.png", "q": "black_q.png", "r": "black_r.png",
        "b": "black_b.png", "n": "black_n.png", "p": "black_p.png"
    }

    print("[1/3] Извлечение HOG-структур из шаблонов...")
    if not os.path.exists(TEMPLATES_DIR):
        print(f"[ОШИБКА] Папка '{TEMPLATES_DIR}' не найдена!")
        return

    templates_hog = {}
    color_database = {}

    for sym, filename in PIECES_CONFIG.items():
        path = os.path.join(TEMPLATES_DIR, filename)
        if not os.path.exists(path):
            continue

        img = cv2.imread(path)
        if img is None:
            continue

        img_50 = cv2.resize(img, (50, 50))
        crop_center = img_50[7:43, 7:43]
        
        templates_hog[sym] = get_hog_features(crop_center)
        color_database[sym] = extract_dominant_piece_color(img_50)

    print(f"[ОК] Загружено HOG-профилей: {len(templates_hog)}/12")

    print(f"[2/3] Чтение картинки доски '{BOARD_IMAGE_PATH}'...")
    if not os.path.exists(BOARD_IMAGE_PATH):
        print(f"[ОШИБКА] Файл '{BOARD_IMAGE_PATH}' не найден!")
        return

    board_img = cv2.imread(BOARD_IMAGE_PATH)
    if board_img is None:
        print("[ОШИБКА] Не удалось прочитать картинку!")
        return

    print("[3/3] Сканирование доски через алгоритм HOG...")
    matrix, fen = scan_frame(board_img, color_database, templates_hog, ALL_PIECES)
    
    print_board(matrix, fen)


if __name__ == "__main__":
    try:
        main()
    except Exception as e:
        print(f"\n[КРИТИЧЕСКАЯ ОШИБКА]: {e}")
        import traceback
        traceback.print_exc()
        
    input("\nНажмите Enter, чтобы закрыть окно...")