from fastapi import FastAPI, File, UploadFile, HTTPException
from minisom import MiniSom
import numpy as np
from PIL import Image
import pickle

app = FastAPI()

# Cargar el modelo SOM entrenado
with open('som.pkl', 'rb') as infile:
    som_model = pickle.load(infile)

# Etiquetas para los tipos de huellas dactilares
LABELS = {0: 'LL', 1: 'RL', 2: 'WH', 3: 'AR'}

# Función para procesar y clasificar una imagen de huella dactilar
def classify_fingerprint(image_path):
    # Función para calcular las orientaciones de la imagen
    def sobel(I):
    m,n = I.shape# I de 254x254
    Gx = np.zeros([m-2,n-2],np.float32)# Gx de 252x252
    Gy = np.zeros([m-2,n-2],np.float32)# Gy de 252x252
    gx = [[-1,0,1],[ -2,0,2],[ -1,0,1]]
    gy = [[1,2,1],[ 0,0,0],[ -1,-2,-1]]
    for j in range(1,m-2):
        for i in range(1,n-2):
            Gx[j-1,i-1] = sum(sum(I[j-1:j+2,i-1:i+2]*gx))
            Gy[j-1,i-1] = sum(sum(I[j-1:j+2,i-1:i+2]*gy))
    return Gx,Gy

    def medfilt2(G,d=3):
        m,n = G.shape
        temp = np.zeros([m+2*(d//2),n+2*(d//2)],np.float32)
        salida = np.zeros([m,n],np.float32)
        temp[1:m+1,1:n+1] = G
        for i in range(1,m):
            for j in range(1,n):
                A = np.asarray(temp[i-1:i+2,j-1:j+2]).reshape(-1)
                salida[i-1,j-1] = np.sort(A)[d+1]
        return salida
    
    def orientacion(patron,w):
        Gx,Gy = sobel(patron)# patron de 254x254
        Gx = medfilt2(Gx)# Gx de 252x252
        Gy = medfilt2(Gy)# Gy de 252x252
        m,n = Gx.shape
        mOrientaciones = np.zeros([m//w,n//w],np.float32)# de una matriz de 18x18
        for i in range(m//w):
            for j in range(n//w):
                YY = sum(sum(2*Gx[i*w:(i+1)*w,j:j+1]*Gy[i*w:(i+1)*w,j:j+1]))
                XX = sum(sum(Gx[i*w:(i+1)*w,j:j+1]**2-Gy[i*w:(i+1)*w,j:j+1]**2))
                #YY = sum(sum(2*Gx[i*w:(i+1)*w,0:1]*Gy[i*w:(i+1)*w,0:1]))
                #XX = sum(sum(Gx[i*w:(i+1)*w,0:1]**2-Gy[i*w:(i+1)*w,0:1]**2))
                mOrientaciones[i,j] = (0.5*math.atan2(YY,XX) + math.pi/2.0)*(180.0/math.pi)
        return mOrientaciones
    
    def representativo(archivo):
        im = Image.open(archivo)
        m,n = im.size
        imarray = np.array(im,np.float32)
        patron = imarray[1:m-1,1:n-1]# de 256x256  a 254x254
        EE = orientacion(patron,14)# retorna EE de 18x18
        return np.asarray(EE).reshape(-1)

    # Obtener el vector representativo de la imagen de huella dactilar
    fingerprint_vector = representativo(image_path)
    
    # Calcular la ubicación ganadora en el SOM para el vector de huella dactilar
    winner_position = som_model.winner(fingerprint_vector)
    
    # Obtener la etiqueta correspondiente a la ubicación ganadora
    label = LABELS[som_model[winner_position[0], winner_position[1]]]
    
    return label

# Ruta de predicción
@app.post("/predict/")
async def predict(file: UploadFile = File(...)):
    try:
        # Guardar la imagen subida
        with open("temp_image.tif", "wb") as buffer:
            buffer.write(await file.read())
        
        # Clasificar la imagen de huella dactilar
        prediction = classify_fingerprint("temp_image.tif")
        
        return {"prediction": prediction}
    
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))