from loguru import logger
import cv2, time
import numpy as np

from DrGraph.util.drHelper import *
from .Bussiness import BussinessBase

class Bussiness_IllParking(BussinessBase):
    def __init__(self, opt):
        logger.info("create AlAlg_IllParking")
        super().__init__(opt)

    @staticmethod 
    def postProcess(pred, cvMask, pars):
        #pred:直接预测结果，不要原图。预测结果[0,1,2,...],不是[车、T角点，L角点]
        #mask_cv:分割结果图，numpy格式(H,W),结果是int，[0,1,2,...]
        #pars: 其它参数,dict格式
        '''三个标签：车、T角点，L角点'''
        '''输入：落水人员的结果（类别+坐标）、原图
        
        过程：将车辆识别框外扩，并按contours形成区域。
                T角点与L角点的坐标合并为列表。
                判断每个车辆contours区域内有几个角点，少于2个则判断违停。
        返回：最终违停车辆标记结果图、违停车辆信息（坐标、类别、置信度）。
        '''
        #输入的是[cls,x0,y0,x1,y1,score]---> [x0,y0,x1,y1,cls,score]
        #输出的也是[cls,x0,y0,x1,y1,score]
        #pred = [  [ int(x[4])  ,*x[1:5], x[5] ] for x in pred]
        
        #pred = [[  *x[1:5],x[0], x[5] ] for x in pred]
        pred = [[  *x[0:4],x[5], x[4] ] for x in pred]

        ##统一格式
        imgSize=pars['imgSize']
        '''1、pred中车辆识别框形成列表，T角点与L角点形成列表'''
        tW1=time.time()
        init_vehicle=[]
        init_corner = []

        for i in range(len(pred)):
            #if pred[i][4]=='TCorner' or pred[i][4]=='LCorner':  #vehicle、TCorner、LCorner
            if pred[i][4]==1 or pred[i][4]==2:  #vehicle、TCorner、LCorner
                init_corner.append(pred[i])
            else:
                init_vehicle.append(pred[i])

        '''2、init_corner中心点坐标计算，并形成列表。'''
        tW2 = time.time()
        center_corner=[]
        for i in range(len(init_corner)):
            center_corner.append(mathHelper.center_coordinate(init_corner[i]))


        '''3、遍历每个车辆识别框，扩充矩形区域，将矩形区域形成contours，判断扩充区域内的。'''
        tW3 = time.time()
        final_weiting=[] #违停车辆列表
        '''遍历车辆列表，扩大矩形框形成contours'''
        for i in range(len(init_vehicle)):
            boundbxs1=[init_vehicle[i][0],init_vehicle[i][1],init_vehicle[i][2],init_vehicle[i][3]]
            width_boundingbox=init_vehicle[i][2]-init_vehicle[i][0]  #框宽度
            height_boundingbox=init_vehicle[i][2] - init_vehicle[i][0]  #框长度
            #当框长大于宽，则是水平方向车辆；否则认为是竖向车辆
            if width_boundingbox>=height_boundingbox:
                ex_width=0.4*(init_vehicle[i][2]-init_vehicle[i][0]) #矩形扩充宽度，取车宽0.4倍   #膨胀系数小一些。角点设成1个。
                ex_height=0.2*(init_vehicle[i][2]-init_vehicle[i][0]) #矩形扩充宽度，取车长0.2倍
                boundbxs1 = imgHelper.expand_rectangle(boundbxs1, imgSize, ex_width, ex_height)  # 扩充后矩形对角坐标
            else:
                ex_width=0.2*(init_vehicle[i][2]-init_vehicle[i][0]) #竖向，不需要改变变量名称，将系数对换下就行。（坐标点顺序还是1234不变）
                ex_height=0.4*(init_vehicle[i][2]-init_vehicle[i][0]) #
                boundbxs1 = imgHelper.expand_rectangle(boundbxs1, imgSize, ex_width, ex_height)  # 扩充后矩形对角坐标
            contour_temp = mathHelper.fourcorner_coordinate(boundbxs1) #得到扩充后矩形框的contour
            contour_temp_=np.array(contour_temp)#contour转为array
            contour_temp_=np.float32(contour_temp_)

            '''遍历角点识别框中心坐标是否在contours内，在则计1'''
            zzz=0
            for j in range(len(center_corner)):
                flag = cv2.pointPolygonTest(contour_temp_, (center_corner[j][0], center_corner[j][1]), False) #若为False，会找点是否在内，外，或轮廓上(相应返回+1, -1, 0)。
                if flag==+1:
                    zzz+=1
            '''contours框内小于等于1个角点，认为不在停车位内'''
            # if zzz<=1:
            if zzz<1:
                final_weiting.append(init_vehicle[i])
        #print('t7-t6',t7-t6)
        #print('final_weiting',final_weiting)

        '''4、绘制保存检违停车辆图像'''
        
        tW4=time.time()
        '''
        colors = Colors()
        if final_weiting is not None:
            for i in range(len(final_weiting)):
                lbl='illegal park'
                xyxy=[final_weiting[i][0],final_weiting[i][1],final_weiting[i][2],final_weiting[i][3]]
                c = int(5)
                plot_one_box(xyxy, _img_cv, label=lbl, color=colors(c, True), line_thickness=3)
        final_img=_img_cv
        '''
        tW5=time.time()
        # cv2.imwrite('final_result.png', _img_cv)

        
        timeStr = ' step1:%s  step2:%s  step3:%s  save:%s'%(\
                    timeHelper.deltaTimeString_MS(tW2,tW1), \
                    timeHelper.deltaTimeString_MS(tW3,tW2), \
                    timeHelper.deltaTimeString_MS(tW4,tW3), \
                    timeHelper.deltaTimeString_MS(tW5,tW4)   )
        
        #final_weiting-----[x0,y0,x1,y1,cls,score]
        #输出的也是outRe----[cls,x0,y0,x1,y1,score]
        
        #outRes =  [  [ 3 ,*x[0:4], x[5] ] for x in final_weiting]###违停用3表示
        
        outRes =  [  [ *x[0:4], x[5],3 ] for x in final_weiting]###违停用3表示

        return outRes,timeStr #返回最终绘制的结果图、违停车辆（坐标、类别、置信度）