---

import os
import cv2
import numpy as np

def remove_background(cell_bgr):
    """
    Удаляет фон клетки (светлый или тёмный), определяя его по углам.
    Оставляет только фигуру на чёрном фоне.
    """
    h, w, _ = cell_bgr.shape
    
    # Берем пиксели по 4 углам клетки (там гарантированно фон, а не фигура)
    corner_size = max(2, int(min(h, w) * 0.1))
    tl = cell_bgr[0:corner_size, 0:corner_size]
    tr = cell_bgr[0:corner_size, w-corner_size:w]
    bl = cell_bgr[h-corner_size:h, 0:corner_size]
    br = cell_bgr[h-corner_size:h, w-corner_size:w]
    
    # Средний цвет фона данной клетки
    bg_color = np.mean(np.concatenate([tl, tr, bl, br]), axis=(0, 1))
    
    # Вычисляем разницу каждого пикселя с цветом фона
    diff = cv2.absdiff(cell_bgr, bg_color.astype(np.uint8))
    gray_diff = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)
    
    # Создаем маску фигуры (всё, что отличается от фона)
    _, mask = cv2.threshold(gray_diff, 20, 255, cv2.THRESH_BINARY)
    
    # Применяем маску: фигура остается, фон становится черным
    result = cv2.bitwise_and(cell_bgr, cell_bgr, mask=mask)
    return cv2.cvtColor(result, cv2.COLOR_BGR2GRAY)


def load_templates(templates_folder="extracted_pieces"):
    """Загрузка шаблонов с вычитанием фона"""
    symbol_map = {
        "white_K": "K", "white_Q": "Q", "white_R": "R", "white_B": "B", "white_N": "N", "white_P": "P",
        "black_k": "k", "black_q": "q", "black_r": "r", "black_b": "b", "black_n": "n", "black_p": "p",
    }

    templates = {}
    if not os.path.exists(templates_folder):
        print(f"[!] Ошибка: Папка '{templates_folder}' не найдена!")
        return templates

    for filename in os.listdir(templates_folder):
        if filename.endswith(".png"):
            name_without_ext = os.path.splitext(filename)[0]
            symbol = symbol_map.get(name_without_ext)
            if not symbol:
                continue

            file_path = os.path.join(templates_folder, filename)
            tpl_img = cv2.imread(file_path)
            
            if tpl_img is not None:
                # Очищаем шаблон от фона клетки
                templates[symbol] = remove_background(tpl_img)

    return templates


def generate_fen(board_matrix):
    """Генерация FEN-строки"""
    fen_rows = []
    for row in board_matrix:
        empty_count = 0
        row_str = ""
        for cell in row:
            if cell == ".":
                empty_count += 1
            else:
                if empty_count > 0:
                    row_str += str(empty_count)
                    empty_count = 0
                row_str += cell
        if empty_count > 0:
            row_str += str(empty_count)
        fen_rows.append(row_str)

    return "/".join(fen_rows) + " w - - 0 1"


def scan_board(
    board_path="board.png",
    templates_folder="extracted_pieces",
    match_threshold=0.25,     # Порог уверенности для очищенной фигуры
    inner_margin_pct=0.04     # Внутренний отступ (4%)
):
    templates = load_templates(templates_folder)
    if not templates:
        print("[!] Ошибка: Нет загруженных шаблонов.")
        return

    board_img = cv2.imread(board_path)
    if board_img is None:
        print(f"[!] Ошибка: Не удалось открыть файл '{board_path}'.")
        return

    img_h, img_w, _ = board_img.shape
    cell_w = img_w / 8.0
    cell_h = img_h / 8.0

    board_matrix = []

    print("Сканирование фигур с очисткой фона...\n")

    for row in range(8):
        row_symbols = []
        for col in range(8):
            # Расчет координат клетки
            x1 = int(round(col * cell_w + cell_w * inner_margin_pct))
            y1 = int(round(row * cell_h + cell_h * inner_margin_pct))
            x2 = int(round((col + 1) * cell_w - cell_w * inner_margin_pct))
            y2 = int(round((row + 1) * cell_h - cell_h * inner_margin_pct))

            cell_crop = board_img[y1:y2, x1:x2]
            
            # Очищаем вырезку от фона клетки
            cell_proc = remove_background(cell_crop)

            best_match_symbol = "."
            best_score = -1.0

            for symbol, tpl in templates.items():
                tpl_h, tpl_w = tpl.shape
                cell_resized = cv2.resize(cell_proc, (tpl_w, tpl_h))

                # Сравнение силуэта/деталей без учета фона клетки
                res = cv2.matchTemplate(cell_resized, tpl, cv2.TM_CCOEFF_NORMED)
                _, max_val, _, _ = cv2.minMaxLoc(res)

                if max_val > best_score:
                    best_score = max_val
                    best_match_symbol = symbol

            if best_score >= match_threshold:
                row_symbols.append(best_match_symbol)
            else:
                row_symbols.append(".")

        board_matrix.append(row_symbols)

    # Отрисовка в консоль
    divider = "  +" + "---+" * 8
    print(divider)
    for i, row in enumerate(board_matrix):
        rank_label = 8 - i
        row_content = " | ".join(row)
        print(f"{rank_label} | {row_content} |")
        print(divider)
    print("    a   b   c   d   e   f   g   h\n")

    # Вывод FEN
    fen_string = generate_fen(board_matrix)
    print(f"FEN: {fen_string}\n")


if __name__ == "__main__":
    try:
        scan_board()
    except Exception as e:
        print(f"\n[!] Ошибка: {e}")
    
    input("\nНажмите Enter, чтобы закрыть программу...")