#include <vector>
#include <algorithm>
#include <iostream>
#include <fstream>
#include <string>

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;


Scalar getMSSIM(const Mat& i1, const Mat& i2)
{
    const double C1 = 6.5025, C2 = 58.5225;
    int d = CV_32F;

    Mat I1, I2;
    i1.convertTo(I1, d);
    i2.convertTo(I2, d);

    Mat I2_2 = I2.mul(I2);
    Mat I1_2 = I1.mul(I1);
    Mat I1_I2 = I1.mul(I2);


    Mat mu1, mu2;
    GaussianBlur(I1, mu1, Size(11, 11), 1.5);
    GaussianBlur(I2, mu2, Size(11, 11), 1.5);

    Mat mu1_2 = mu1.mul(mu1);
    Mat mu2_2 = mu2.mul(mu2);
    Mat mu1_mu2 = mu1.mul(mu2);

    Mat sigma1_2, sigma2_2, sigma12;

    GaussianBlur(I1_2, sigma1_2, Size(11, 11), 1.5);
    sigma1_2 -= mu1_2;

    GaussianBlur(I2_2, sigma2_2, Size(11, 11), 1.5);
    sigma2_2 -= mu2_2;

    GaussianBlur(I1_I2, sigma12, Size(11, 11), 1.5);
    sigma12 -= mu1_mu2;

    Mat t1, t2, t3;

    t1 = 2 * mu1_mu2 + C1;
    t2 = 2 * sigma12 + C2;
    t3 = t1.mul(t2);

    t1 = mu1_2 + mu2_2 + C1;
    t2 = sigma1_2 + sigma2_2 + C2;
    t1 = t1.mul(t2);

    Mat ssim_map;
    divide(t3, t1, ssim_map);

    Scalar mssim = mean(ssim_map);
    return mssim;
}


double calcMatch(const Mat& lhs, const Mat& rhs) {
    int count = 0;
    for (int i = 0; i < lhs.rows; ++i) {
        for (int j = 0; j < lhs.cols; ++j) {
            if (lhs.at<uchar>(i, j) != rhs.at<uchar>(i, j)) {
                ++count;
            }
        }
    }
    return 1.0 - count * 1.0 / (lhs.size().area());
}

const size_t img_width = 2100;
const size_t img_height = 2970;

int main() {
    //извлечение координат разметки из текстового файла
    vector<string> files;
    vector<vector<Point>> coords;

    ifstream in("coords.csv");
    string str;
    while (getline(in, str)) {
        size_t len = str.find_first_of(';');
        files.push_back(str.substr(0, len));

        vector<int> coords_x, coords_y;
        size_t x_end = str.find_first_of(';', len + 1);
        string str_x = str.substr(len + 1, x_end - len - 1);
        string str_y = str.substr(x_end + 1);

        vector<Point> pts;
        size_t st_x = 0, st_y = 0;
        for (int i = 0; i < 4; ++i) {
            size_t end_x = str_x.find(',', st_x);
            size_t end_y = str_y.find(',', st_y);
            int x = stoi(str_x.substr(st_x, end_x - st_x));
            int y = stoi(str_y.substr(st_y, end_y - st_y));
            st_x = end_x + 1;
            st_y = end_y + 1;
            pts.push_back({ x, y });
        }
        coords.push_back(pts);
    }

    //считывание изображений
    size_t k = files.size();

    vector<Mat> source_data(k);
    for (int i = 0; i < k; ++i) {
        source_data[i] = imread(files[i]);
    }

    //визуализация разметки
    vector<Mat> markup(k);
    for (int i = 0; i < k; ++i) {
        source_data[i].copyTo(markup[i]);
        Point pt = coords[i].back();
        for (int j = 0; j < coords[i].size(); ++j) {
            line(markup[i], pt, coords[i][j], { 0, 165, 255 }, 8, LINE_8);
            pt = coords[i][j];
        }
        imwrite("markup" + to_string(i) + ".jpg", markup[i]);
    }

    //совмещение документов
    vector<Point> frame = { {0, 0}, {img_width, 0}, {img_width, img_height}, {0, img_height} };
    vector<Mat> projections(k);

    for (int i = 0; i < k; ++i) {
        Mat perspective = findHomography(coords[i], frame, RANSAC);
        warpPerspective(source_data[i], projections[i], perspective, Size{ img_width,img_height });
        imwrite("projection" + to_string(i) + ".jpg", projections[i]);
    }

    //бинаризация документов
    vector<Mat> binarization(k);
    for (int i = 0; i < k; ++i) {
        Mat temp;
        cvtColor(projections[i], temp, COLOR_BGR2GRAY);
        adaptiveThreshold(temp, binarization[i], 255, ADAPTIVE_THRESH_GAUSSIAN_C, THRESH_BINARY, 111, 15);
        imwrite("binarization" + to_string(i) + ".jpg", binarization[i]);
    }

    //оценка качества
    vector<Mat> difference(k);
    for (int i = 1; i < k; ++i) {
        bitwise_xor(binarization[0], binarization[i], difference[i]);
        imwrite("difference" + to_string(i) + ".jpg", difference[i]);

        cout << files[i] << ":" << endl;
        cout << "Match with etalon = " << calcMatch(binarization[0], binarization[i]) << endl;
        cout << "Structure similarity = " << getMSSIM(binarization[0], binarization[i])[0] << endl;
        cout << endl;
    }
}

/*
*
### Задание
1. Нарисовать эталонную "разметку" (четырехугольник изображения страницы) для отсканированного изображения и фотографий (не менее 5 любых).
2. Изготовить эталонную бинаризацию для скана.
3. Запрограммировать совмещение изображений при помощи гомографии с использованием эталонной геометрической разметки.
4. Используя эталонную геометрическую разметку реализовать численную оценку качества бинаризации (из лабораторной 4) для совмещенных изображений (для отдельных изображений и для набора).
5. Реализовать представление результатов выполнения лабораторной (иллюстрации, таблицы, графики и т.д.) и вставить в отчет.
6. Произвести уточнение параметров бинаризации (улучшение качества для набора изображений) и продемонстрировать результаты после уточнения.
*/