import gradio as gr
from PIL import Image, ImageFilter
import numpy as np

def lossless_compression(image, reduction_percent, target_size_kb, auto_mode):
    """
    Сжимает изображение без потерь качества, уменьшая количество пикселей и применяя алгоритмы для сохранения деталей.

    Args:
        image: Входное изображение (PIL Image).
        reduction_percent: Процент уменьшения пикселей по горизонтали (0-100).
        target_size_kb: Желаемый размер файла в килобайтах (используется в автоматическом режиме).
        auto_mode: Флаг автоматического режима (True/False).

    Returns:
        Сжатое изображение (PIL Image).
    """

    if auto_mode:
        # Автоматический подбор параметров сжатия
        reduction_percent, quality = auto_adjust_compression(image, target_size_kb)
    else:
        # Ручной режим, используем заданный процент уменьшения
        quality = 95  # Базовое качество JPEG, можно настроить

    # 1. Уменьшение количества пикселей по горизонтали
    width, height = image.size
    new_width = int(width * (1 - reduction_percent / 100))
    resized_image = image.resize((new_width, height), Image.LANCZOS)

    # 2. Растягивание обратно фильтром Ланцоша
    stretched_image = resized_image.resize((width, height), Image.LANCZOS)
    
    # 3. Адаптивное размытие (уменьшение шума и артефактов)
    blurred_image = adaptive_blur(stretched_image)

    # 4. Повышение резкости (компенсация размытия)
    sharpened_image = blurred_image.filter(ImageFilter.UnsharpMask(radius=1, percent=150, threshold=3))

    # 5. Сохранение с оптимизированными параметрами
    output_image = sharpened_image
    
    # Преобразование изображения в формат, пригодный для сохранения в буфер
    if output_image.mode != "RGB":
        output_image = output_image.convert("RGB")

    return output_image, reduction_percent, quality

def auto_adjust_compression(image, target_size_kb):
    """
    Автоматически подбирает параметры сжатия для достижения целевого размера файла.

    Args:
        image: Входное изображение (PIL Image).
        target_size_kb: Желаемый размер файла в килобайтах.

    Returns:
        Оптимальный процент уменьшения, оптимальное качество JPEG.
    """
    
    # Очень грубая эвристика для начальной оценки. Нужно тестировать и улучшать
    initial_reduction = min(50, int(100 * (1 - target_size_kb * 1024 / len(image.tobytes()))))
    reduction_percent = initial_reduction
    quality = 95

    # Итеративно подбираем параметры, если нужно. 
    # В реальном приложении здесь может быть более сложный алгоритм
    # с бинарным поиском или другими методами оптимизации.

    return reduction_percent, quality

def adaptive_blur(image):
    """
    Применяет адаптивное размытие к изображению.

    Args:
        image: Входное изображение (PIL Image).

    Returns:
        Изображение с адаптивным размытием (PIL Image).
    """
    # Преобразуем изображение в массив NumPy для анализа
    img_array = np.array(image)

    # Простой пример адаптивного размытия:
    # Сильнее размываем области с меньшим количеством деталей (меньше дисперсия)
    # Это очень базовый пример, нужно улучшать в зависимости от задачи
    std_dev = np.std(img_array)
    
    if std_dev < 20: # Порог стандартного отклонения - настраиваемый параметр
        # Применяем более сильное размытие
        blurred_image = image.filter(ImageFilter.GaussianBlur(radius=2))
    else:
        # Применяем слабое размытие
        blurred_image = image.filter(ImageFilter.GaussianBlur(radius=1))

    return blurred_image

def save_compressed_image(image, quality, filename="compressed_image.jpg"):
    """
    Сохраняет сжатое изображение с указанным качеством.

    Args:
      image: PIL Image.
      quality: Качество JPEG (0-100).
      filename: Имя файла для сохранения.
    """
    image.save(filename, "JPEG", optimize=True, quality=quality)

# Интерфейс Gradio
def gradio_interface(image, reduction_percent, target_size_kb, auto_mode):
    compressed_image, used_reduction, used_quality = lossless_compression(image, reduction_percent, target_size_kb, auto_mode)
    save_compressed_image(compressed_image, used_quality)
    return compressed_image, f"Использованное уменьшение: {used_reduction:.2f}%, Качество JPEG: {used_quality}"

iface = gr.Interface(
    fn=gradio_interface,
    inputs=[
        gr.Image(type="pil", label="Исходное изображение"),
        gr.Slider(0, 50, step=1, value=12, label="Процент уменьшения пикселей по горизонтали (ручной режим)"),
        gr.Slider(1, 200, step=1, value=50, label="Желаемый размер файла в KB (автоматический режим)"),
        gr.Checkbox(label="Автоматический режим"),
    ],
    outputs=[
        gr.Image(type="pil", label="Сжатое изображение"),
        gr.Textbox(label="Параметры сжатия")
    ],
    title="Сжатие изображений без потерь",
    description="Уменьшает размер изображения, сохраняя визуальное качество. "
                "Выберите автоматический режим или введите желаемый размер файла "
                "или процент уменьшения пикселей вручную.",
)

iface.launch()