#!/usr/bin/env python
# encoding: utf-8
import cv2
import random
import numpy as np
 
class digitalPicture:
    '''
     This is a main Class, the file contains all documents.
     One document contains paragraphs that have several sentences
     It loads the original file and converts the original file to new content
     Then the new content will be saved by this class
    '''
    def __init__(self):
        self.picture = 'assets/aaa.jpeg'
 
    def hello(self):
        '''
        This is a welcome speech
        :return: self
        '''
        print('*' * 50)
        print(' ' * 20 + '數字成像')
        print(' ' * 5 + 'Author: autofelix  Date: 2022-01-06 13:14')
        print('*' * 50)
        return self
 
    def run(self):
        '''
        The program entry
        '''
        img = cv2.imread(self.picture)
        str_img = self.img_to_string(img)
        cv2.imwrite('result.jpg', str_img)
        print('處理完成！！！！')
 
    def img_to_string(self, frame, K=6):
        """
        利用 聚類 將像素信息聚為3或5類，顏色最深的一類用數字密集地表示，陰影的一類用“-”橫杠表示，明亮部分空白表示。
        ---------------------------------
        frame：需要傳入的圖片信息。可以是opencv的cv2.imread()得到的數組，也可以是Pillow的Image.read()。
        K：聚類數量，推薦的K為3或5。根據經驗，3或5時可以較為優秀地處理很多圖像了。若默認的K=5無法很好地表現原圖，請修改為3進行嘗試。若依然無法很好地表現原圖，請換圖嘗試。 （ -_-|| ）
        ---------------------------------
        聚類數目理論可以取大于等于3的任意整數。但水平有限，無法自動判斷當生成的字符畫可以更好地表現原圖細節時，“黑暗”、“陰影”、”明亮“之間邊界在哪。所以說由于無法有效利用更大的聚類數量，那么便先簡單地限制聚類數目為3和5。
        """
        if type(frame) != np.ndarray:
            frame = np.array(frame)
 
        height, width, *_ = frame.shape  # 有時返回兩個值，有時三個值
        frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        frame_array = np.float32(frame_gray.reshape(-1))
 
        # 設置相關參數。
        criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 10, 1.0)
        flags = cv2.KMEANS_RANDOM_CENTERS
        # 得到labels(類別)、centroids(矩心)。
        # 如第一行6個像素labels=[0,2,2,1,2,0],則意味著6個像素分別對應著 第1個矩心、第3個矩心、第3、2、3、1個矩心。
        compactness, labels, centroids = cv2.kmeans(frame_array, K, None, criteria, 10, flags)
        centroids = np.uint8(centroids)
 
        # labels的數個矩心以隨機順序排列，所以需要簡單處理矩心.
        centroids = centroids.flatten()
        centroids_sorted = sorted(centroids)
        # 獲得不同centroids的明暗程度，0最暗
        centroids_index = np.array([centroids_sorted.index(value) for value in centroids])
 
        bright = [abs((3 * i - 2 * K) / (3 * K)) for i in range(1, 1 + K)]
        bright_bound = bright.index(np.min(bright))
        shadow = [abs((3 * i - K) / (3 * K)) for i in range(1, 1 + K)]
        shadow_bound = shadow.index(np.min(shadow))
 
        labels = labels.flatten()
        # 將labels轉變為實際的明暗程度列表，0最暗。
        labels = centroids_index[labels]
        # 列表解析，每2*2個像素挑選出一個，組成（height*width*灰）數組。
        labels_picked = [labels[rows * width:(rows + 1) * width:2] for rows in range(0, height, 2)]
 
        canvas = np.zeros((3 * height, 3 * width, 3), np.uint8)
        canvas.fill(255)  # 創建長寬為原圖三倍的白色畫布。
 
        # 因為 字體大小為0.45時，每個數字占6*6個像素，而白底畫布為原圖三倍
        # 所以 需要原圖中每2*2個像素中挑取一個，在白底畫布中由6*6像素大小的數字表示這個像素信息。
        y = 8
        for rows in labels_picked:
            x = 0
            for cols in rows:
                if cols <= shadow_bound:
                    cv2.putText(canvas, str(random.randint(2, 9)),
                                (x, y), cv2.FONT_HERSHEY_PLAIN, 0.45, 1)
                elif cols <= bright_bound:
                    cv2.putText(canvas, "-", (x, y),
                                cv2.FONT_HERSHEY_PLAIN, 0.4, 0, 1)
                x += 6
            y += 6
 
        return canvas
 
if __name__ == '__main__':
    digitalPicture().hello().run()