# coding=utf-8
import cv2
import numpy as np
import os

def analyze_chat_image(image_path, output_path):
    print(f"正在读取图片: {image_path}")
    
    # 读取图片
    # 注意：cv2.imread 不支持中文路径，需要用 np.fromfile 读取
    try:
        img_data = np.fromfile(image_path, dtype=np.uint8)
        img = cv2.imdecode(img_data, cv2.IMREAD_COLOR)
    except Exception as e:
        print(f"读取图片失败: {e}")
        return

    if img is None:
        print("图片读取为空")
        return

    height, width = img.shape[:2]
    print(f"图片尺寸: {width}x{height}")

    # 1. 预处理
    # 转为灰度图
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 使用自适应阈值二值化
    thresh = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, 
                                   cv2.THRESH_BINARY_INV, 11, 2)
    
    # 形态学操作：闭运算，填充内部空洞
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
    closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)
    
    # 2. 轮廓查找
    contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    print(f"检测到轮廓数量: {len(contours)}")
    
    # 收集所有符合条件的头像
    avatars = []
    
    # 3. 筛选轮廓
    for contour in contours:
        # 获取外接矩形
        x, y, w, h = cv2.boundingRect(contour)
        
        # 筛选条件优化：
        # 1. 形状接近正方形 (放宽宽高比限制: 0.8 ~ 1.2)
        aspect_ratio = float(w) / h
        
        # 2. 尺寸适中
        # 假设头像宽度在屏幕宽度的 6% 到 15% 之间
        min_w = width * 0.06
        max_w = width * 0.15
        
        # 3. 位置筛选
        # 排除底部输入框区域 (假设底部 10% 为输入区域)
        if y > height * 0.9:
            continue

        # 左侧头像：靠左边 (x < width * 0.18)
        # 右侧头像：靠右边 (x > width * 0.82)
        is_left = x < width * 0.18
        is_right = x > width * 0.82
        
        if 0.8 <= aspect_ratio <= 1.2 and min_w < w < max_w:
            if is_left or is_right:
                side = "Left" if is_left else "Right"
                avatars.append({
                    'x': x, 'y': y, 'w': w, 'h': h,
                    'side': side
                })

    # 按 y 坐标排序
    avatars.sort(key=lambda a: a['y'])
    
    print(f"找到有效头像数量: {len(avatars)}")

    # 4. 绘制对话内容框 (Green/Red Boxes)
    # 策略：按顺序遍历头像，如果发现同侧连续，则视为一组。
    # 从当前组的第一个头像上方开始，直到下一个不同侧的头像上方（或底部）。
    
    if avatars:
        i = 0
        while i < len(avatars):
            current_group_start = i
            current_side = avatars[i]['side']
            
            # 找到当前组的结束位置 (即下一个不同侧头像的索引)
            j = i + 1
            while j < len(avatars) and avatars[j]['side'] == current_side:
                j += 1
            
            # 当前组范围: avatars[i] ... avatars[j-1]
            # 确定绘制区域的 Y 轴范围
            
            # Start Y: 当前组第一个头像的上方 (例如 -10px)
            start_y = max(0, avatars[i]['y'] - 10)
            
            # End Y: 下一组第一个头像的上方 (减去较大间距，例如 -30px)，或者当前组最后一个头像的底部加上边距
            # 为了让框之间有明显间隔，我们采取策略：
            # 如果有下一组，End Y = 下一组第一个头像的 y - 30 (留出间隙)
            # 如果没有下一组，End Y = 屏幕底部区域上方
            
            if j < len(avatars):
                end_y = max(start_y + 10, avatars[j]['y'] - 30)
            else:
                end_y = int(height * 0.9) # 到底部输入框上方
            
            # 绘制大框
            # 左侧 (Left) -> 对方 -> 绿色 (0, 255, 0)
            # 右侧 (Right) -> 我 -> 红色 (0, 0, 255)
            # 注意 OpenCV 颜色是 BGR
            box_color = (0, 255, 0) if current_side == "Left" else (0, 0, 255)
            
            # 绘制矩形 (空心，线宽 5)
            # X 轴范围：0 到 width
            cv2.rectangle(img, (0, start_y), (width, end_y), box_color, 5)
            
            print(f"绘制内容框: 侧别={current_side}, 范围 Y={start_y} to {end_y}")
            
            # 移动到下一组
            i = j

    # 5. 绘制头像框 (Blue/Yellow Boxes) - 画在内容框之上
    for av in avatars:
        x, y, w, h = av['x'], av['y'], av['w'], av['h']
        # 左侧：蓝色 (BGR: 255, 0, 0)
        # 右侧：黄色 (BGR: 0, 255, 255)
        color = (255, 0, 0) if av['side'] == "Left" else (0, 255, 255)
        
        cv2.rectangle(img, (x, y), (x + w, y + h), color, 10)
        print(f"绘制头像: 位置=({x},{y}), 侧别={av['side']}")

    # 6. 保存结果
    try:
        # cv2.imwrite 不支持中文路径，使用 imencode + tofile
        ext = os.path.splitext(output_path)[1]
        cv2.imencode(ext, img)[1].tofile(output_path)
        print(f"结果已保存至: {output_path}")
    except Exception as e:
        print(f"保存图片失败: {e}")

if __name__ == "__main__":
    # 输入文件路径
    input_file = r"d:\dsWork\aiData\Test\Screenshots\chat_result_20260121_113553.jpg"
    # 输出文件路径
    output_file = r"d:\dsWork\aiData\Test\Screenshots\chat_result_analyzed.jpg"
    
    analyze_chat_image(input_file, output_file)