---

import cv2
import numpy as np
import os

class ChessAnalyzer:
    def __init__(self, templates_dir='templates', win_size=(64, 64)):
        self.templates_dir = templates_dir
        self.win_size = win_size
        
        # Символы FEN
        self.piece_symbols = {
            'white_pawn': 'P', 'white_knight': 'N', 'white_bishop': 'B',
            'white_rook': 'R', 'white_queen': 'Q', 'white_king': 'K',
            'black_pawn': 'p', 'black_knight': 'n', 'black_bishop': 'b',
            'black_rook': 'r', 'black_queen': 'q', 'black_king': 'k'
        }
        
        self.templates = {}
        self.load_templates()

    def load_templates(self):
        """Загрузка PNG-шаблонов"""
        if not os.path.exists(self.templates_dir):
            print(f"[!] Ошибка: Папка '{self.templates_dir}' не найдена.")
            return

        for filename in os.listdir(self.templates_dir):
            if filename.lower().endswith('.png'):
                piece_name = os.path.splitext(filename)[0]
                path = os.path.join(self.templates_dir, filename)
                
                img = cv2.imread(path, cv2.IMREAD_UNCHANGED)
                if img is None:
                    continue

                img_resized = cv2.resize(img, self.win_size)

                if len(img_resized.shape) == 3 and img_resized.shape[2] == 4:
                    alpha = img_resized[:, :, 3] / 255.0
                    gray_piece = cv2.cvtColor(img_resized[:, :, :3], cv2.COLOR_BGR2GRAY)
                    bg = np.ones_like(gray_piece, dtype=np.uint8) * 128
                    composite_gray = (gray_piece * alpha + bg * (1 - alpha)).astype(np.uint8)
                else:
                    composite_gray = cv2.cvtColor(img_resized, cv2.COLOR_BGR2GRAY) if len(img_resized.shape) == 3 else img_resized

                self.templates[piece_name] = composite_gray

    def remove_highlights(self, cell_img):
        """
        Удаляет точки ходов Lichess, красное свечение шаха и полупрозрачные выделения.
        """
        if cell_img is None or cell_img.size == 0 or len(cell_img.shape) < 3:
            return cell_img

        clean_img = cell_img.copy()
        h, w = cell_img.shape[:2]

        # 1. СТИРАЕМ ТОЧКИ ПОДСКАЗОК В ЦЕНТРЕ (Lichess dots)
        # Точки возможных ходов всегда находятся строго в центре клетки
        center_mask = np.zeros((h, w), dtype=np.uint8)
        cv2.circle(center_mask, (w // 2, h // 2), int(min(h, w) * 0.28), 255, -1)

        # Переводим в градации серого и ищем локальный темный/цветной кружок в центре
        gray = cv2.cvtColor(cell_img, cv2.COLOR_BGR2GRAY)
        center_crop = cv2.bitwise_and(gray, gray, mask=center_mask)
        
        # Находим контрастные перепады в районе центра
        mean_val, std_val = cv2.meanStdDev(gray)
        dot_mask = cv2.inRange(gray, int(mean_val[0][0] - 45), int(mean_val[0][0] + 45))
        dot_mask = cv2.bitwise_and(dot_mask, center_mask)

        # 2. HSV ЦВЕТОВАЯ МАСКА (Зеленый, Красный шах, Синий, Фиолетовый)
        hsv = cv2.cvtColor(cell_img, cv2.COLOR_BGR2HSV)
        
        # Покрываем спектр: от красного/розового до синего и зелёного
        # Зелёный + Синий + Фиолетовый (Hue 25..170)
        mask1 = cv2.inRange(hsv, np.array([25, 15, 30]), np.array([170, 255, 255]))
        # Красный/Розовый шах (Hue 0..20 и 170..180)
        mask2 = cv2.inRange(hsv, np.array([0, 25, 40]), np.array([20, 255, 255]))
        mask3 = cv2.inRange(hsv, np.array([170, 25, 40]), np.array([180, 255, 255]))
        
        color_mask = mask1 | mask2 | mask3

        # Объединяем геометрическую маску точек и цветовую маску
        full_mask = cv2.bitwise_or(dot_mask, color_mask)

        if not np.any(full_mask):
            return cell_img

        highlight_pixels = np.sum(full_mask > 0)
        total_pixels = h * w

        # Если это локальное пятно (точка хода или шахное свечение) — затягиваем текстурой
        if highlight_pixels < (total_pixels * 0.45):
            clean_img = cv2.inpaint(cell_img, full_mask, inpaintRadius=5, flags=cv2.INPAINT_TELEA)
            return clean_img

        # Если подсвечена ВСЯ клетка целиком
        s_channel = hsv[:, :, 1]
        v_channel = hsv[:, :, 2]
        
        # Сохраняем контуры фигуры (у белых/черных фигур нет насыщенного цвета)
        piece_mask = (s_channel < 30) | (v_channel < 45) | (v_channel > 220)
        bg_mask = cv2.bitwise_and(full_mask, cv2.bitwise_not(piece_mask.astype(np.uint8) * 255))

        clean_img[bg_mask != 0] = [128, 128, 128]

        return clean_img

    def is_empty_cell(self, cell_img, stddev_threshold=12.0):
        """Проверка клетки на пустоту"""
        gray = cv2.cvtColor(cell_img, cv2.COLOR_BGR2GRAY) if len(cell_img.shape) == 3 else cell_img
        h, w = gray.shape
        inner_crop = gray[int(h*0.25):int(h*0.75), int(w*0.25):int(w*0.75)]
        
        _, stddev = cv2.meanStdDev(inner_crop)
        return stddev[0][0] < stddev_threshold

    def identify_piece(self, cell_img):
        """Распознавание фигуры"""
        if cell_img is None or cell_img.size == 0 or not self.templates:
            return ""

        # 1. Очищаем от всех видов точек и подсветок
        cleaned_cell = self.remove_highlights(cell_img)

        # 2. Проверяем на пустоту
        if self.is_empty_cell(cleaned_cell):
            return ""

        cell_resized = cv2.resize(cleaned_cell, self.win_size)
        gray_cell = cv2.cvtColor(cell_resized, cv2.COLOR_BGR2GRAY) if len(cell_resized.shape) == 3 else cell_resized
        
        best_piece = ""
        max_corr = -1.0

        for piece_name, template_img in self.templates.items():
            res = cv2.matchTemplate(gray_cell, template_img, cv2.TM_CCOEFF_NORMED)
            max_val = res[0][0]

            if max_val > max_corr:
                max_corr = max_val
                best_piece = piece_name

        if max_corr > 0.35 and best_piece:
            return self.piece_symbols.get(best_piece, "")
        
        return ""

    def get_board_state(self, image_input):
        """Получение матрицы 8x8"""
        if image_input is None:
            return []

        if isinstance(image_input, str):
            if not os.path.exists(image_input):
                print(f"[!] Файл '{image_input}' не найден!")
                return []
            board_img = cv2.imread(image_input)
        else:
            board_img = image_input

        if board_img is None:
            return []

        h, w = board_img.shape[:2]
        cell_h = h // 8
        cell_w = w // 8

        board_matrix = []

        for row in range(8):
            row_pieces = []
            for col in range(8):
                y1, y2 = row * cell_h, (row + 1) * cell_h
                x1, x2 = col * cell_w, (col + 1) * cell_w
                cell_crop = board_img[y1:y2, x1:x2]

                symbol = self.identify_piece(cell_crop)
                row_pieces.append(symbol)
            
            board_matrix.append(row_pieces)

        return board_matrix

    def get_fen(self, image_input, active_color='w', castling='KQkq', en_passant='-', halfmove=0, fullmove=1):
        """Конвертация в FEN-строку"""
        board_matrix = self.get_board_state(image_input)
        if not board_matrix:
            return ""

        fen_rows = []
        for row in board_matrix:
            empty_count = 0
            row_fen = ""
            for cell in row:
                if cell == "":
                    empty_count += 1
                else:
                    if empty_count > 0:
                        row_fen += str(empty_count)
                        empty_count = 0
                    row_fen += cell
            if empty_count > 0:
                row_fen += str(empty_count)
            fen_rows.append(row_fen)

        board_fen = "/".join(fen_rows)
        return f"{board_fen} {active_color} {castling} {en_passant} {halfmove} {fullmove}"

    def analyze_initial_board(self, image_input):
        return self.get_board_state(image_input)