pyfabric

# repositorios
# opencv-python
# numpy
# scikit-image
# scikit-learn
# pandas
# matplotlib

import cv2
import numpy as np
import os
import shutil
from skimage.feature import local_binary_pattern

# ---- CONFIGURACIÓN ----
radius = 3
n_points = 8 * radius

def calcular_histograma(img_path):
    img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
    if img is None:
        return None
    lbp = local_binary_pattern(img, n_points, radius, method="uniform")
    hist, _ = np.histogram(lbp.ravel(),
                           bins=np.arange(0, n_points + 3),
                           range=(0, n_points + 2))
    hist = hist.astype("float")
    hist /= (hist.sum() + 1e-6)
    return hist

def chi2_distance(histA, histB, eps=1e-10):
    return 0.5 * np.sum([((a - b) ** 2) / (a + b + eps)
                         for (a, b) in zip(histA, histB)])

def filtrar_texturas(dir_origen, dir_destino, ref_img, umbral=0.3):
    if not os.path.exists(dir_destino):
        os.makedirs(dir_destino)

    # Histograma de la imagen de referencia (la tela)
    ref_hist = calcular_histograma(ref_img)

    for archivo in os.listdir(dir_origen):
        path_img = os.path.join(dir_origen, archivo)

        if not os.path.isfile(path_img):
            continue

        hist = calcular_histograma(path_img)
        if hist is None:
            continue

        distancia = chi2_distance(ref_hist, hist)

        if distancia < umbral:  # mientras más chico, más parecido
            print(f"[OK] {archivo} -> MOVIDO (distancia={distancia:.4f})")
            shutil.move(path_img, os.path.join(dir_destino, archivo))
        else:
            print(f"[NO] {archivo} -> no coincide (distancia={distancia:.4f})")

# ---- MAIN ----
if __name__ == "__main__":
    dir_origen = input("📂 Ingrese carpeta ORIGEN: ")
    dir_destino = input("📂 Ingrese carpeta DESTINO: ")
    ref_img = input("📸 Ingrese ruta de la imagen de REFERENCIA (tela): ")

    filtrar_texturas(dir_origen, dir_destino, ref_img)