---

import os
import cv2
import numpy as np

def prepare_features(gray_img):
    """
    Улучшает контраст фигуры (CLAHE) и извлекает её контуры (Canny).
    Возвращает сбалансированную комбинацию для точного сравнения форм.
    """
    # 1. Адаптивное повышение контраста (проявляет детали на темном фоне)
    clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8, 8))
    enhanced = clahe.apply(gray_img)
    
    # 2. Выделение граней (Canny edges)
    edges = cv2.Canny(enhanced, 30, 120)
    
    # 3. Объединяем текстуру и контуры в одно изображение
    combined = cv2.addWeighted(enhanced, 0.6, edges, 0.4, 0)
    return combined


def load_templates(templates_folder="extracted_pieces"):
    """Загрузка и подготовка шаблонов"""
    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 = {"white": {}, "black": {}}
    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, cv2.IMREAD_GRAYSCALE)
            
            if tpl_img is not None:
                # Обрабатываем шаблон через CLAHE + Canny
                processed_tpl = prepare_features(tpl_img)
                color_group = "white" if name_without_ext.startswith("white") else "black"
                templates[color_group][symbol] = processed_tpl

    return templates


def analyze_cell(cell_gray):
    """Определяет статус клетки: empty, white или black."""
    h, w = cell_gray.shape
    center = cell_gray[int(h*0.2):int(h*0.8), int(w*0.2):int(w*0.8)]
    
    std_dev = np.std(center)
    
    # Если контраст совсем низкий — клетка пустая
    if std_dev < 11.0:
        return "empty"
    
    median_val = np.median(center)
    
    # Порог определения цвета
    if median_val > 115:
        return "white"
    else:
        return "black"


def generate_fen(board_matrix):
    """Генерация строки FEN"""
    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",
    inner_margin_pct=0.04
):
    templates = load_templates(templates_folder)
    if not templates["white"] and not templates["black"]:
        print("[!] Ошибка: Нет шаблонов для сравнения.")
        return

    board_img = cv2.imread(board_path, cv2.IMREAD_GRAYSCALE)
    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 деталей и контуров фигур...\n")

    for row in range(8):
        row_symbols = []
        for col in range(8):
            # Точный вырез 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]

            # 1. Проверяем, есть ли фигура и какой у неё цвет
            cell_status = analyze_cell(cell_crop)

            if cell_status == "empty":
                row_symbols.append(".")
            else:
                # 2. Выделяем детальные характеристики клетки
                cell_features = prepare_features(cell_crop)

                best_match_symbol = "."
                best_score = -1.0

                # 3. Сравниваем контуры с шаблонами соответствующего цвета
                target_templates = templates[cell_status]

                for symbol, tpl_features in target_templates.items():
                    tpl_h, tpl_w = tpl_features.shape
                    cell_resized = cv2.resize(cell_features, (tpl_w, tpl_h))

                    res = cv2.matchTemplate(cell_resized, tpl_features, cv2.TM_CCOEFF_NORMED)
                    _, max_val, _, _ = cv2.minMaxLoc(res)

                    if max_val > best_score:
                        best_score = max_val
                        best_match_symbol = symbol

                row_symbols.append(best_match_symbol)

        board_matrix.append(row_symbols)

    # Отрисовка в консоли
    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...")