import gradio as gr
from PIL import Image, ImageDraw, ImageFont
from io import BytesIO
import boto3

aws_access_key_id='ASIATKZWHQXRSXHN7GJX'
aws_secret_access_key='ValLFfUJHu/Tb9ygGlzlNn29Dv0333EZSJjOkh4A'
aws_session_token='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'

BUCKET_NAME = "ioc1980"
nom_arxiu = 'imatge.jpg'

s3 = boto3.client(
    's3',
    aws_access_key_id=aws_access_key_id,
    aws_secret_access_key=aws_secret_access_key,
    aws_session_token=aws_session_token,
    region_name='us-east-1'
    )
rekognition = boto3.client(
      'rekognition',
      aws_access_key_id=aws_access_key_id,
      aws_secret_access_key=aws_secret_access_key,
      aws_session_token=aws_session_token,
      region_name='us-east-1'
    )

def analitzar_imatge(imatge):
    # Pujar la imatge a S3
    s3.upload_file(imatge, BUCKET_NAME, nom_arxiu)

    # Analitzar la imatge amb Rekognition
    response = rekognition.detect_faces(
        Image={
            'S3Object':{
                'Bucket':BUCKET_NAME,
                'Name':nom_arxiu
            }
        },
        Attributes=['ALL'])

    # Descarrega la imatge per dibuixar
    image_file = s3.get_object(Bucket=BUCKET_NAME, Key=nom_arxiu)
    image_bytes = image_file['Body'].read()
    image = Image.open(BytesIO(image_bytes))

    # Crear un objecte ImageDraw
    draw = ImageDraw.Draw(image)

    # Processar els resultats i dibuixar les capses
    resultats = []
    for i, face in enumerate(response['FaceDetails'], 1):
        # Obtenir informació de cada cara
        resultats.append(f"\nCara {i}:")
        resultats.append(f"  Edat: {face['AgeRange']['Low']}-{face['AgeRange']['High']} anys")
        resultats.append(f"  Gènere: {face['Gender']['Value']}")
        resultats.append(f"  Emoció: {max(face['Emotions'], key=lambda x: x['Confidence'])['Type']}")

        # Obtenir les coordenades de la caixa delimitadora
        bounding_box = face["BoundingBox"]
        left = int(bounding_box["Left"] * image.width)
        top = int(bounding_box["Top"] * image.height)
        width = int(bounding_box["Width"] * image.width)
        height = int(bounding_box["Height"] * image.height)

        # Dibuixar el quadre delimitador i l'etiqueta
        draw.rectangle([left, top, left + width, top + height], outline="red", width=2)
        draw.text((left, top - 25), f"Cara {i}", fill="red")

    # Eliminar la imatge de S3 després de l'anàlisi
    s3.delete_object(Bucket=BUCKET_NAME, Key=nom_arxiu)

    return "\n".join(resultats) if resultats else "No s'han detectat cares a la imatge.", image

# Crear la interfície amb Gradio Blocks
with gr.Blocks() as demo:
    gr.Markdown("# Anàlisi de cares amb Amazon Rekognition")

    # Definim un bloc de columna per al layout de la interfície
    with gr.Row():
        with gr.Column():
            imatge_input = gr.Image(type='filepath', label="Puja una imatge")
        with gr.Column():
            resultats_text = gr.Textbox(label="Resultats")
    
    # Imatge de sortida amb capses dibuixades
    imatge_output = gr.Image(label="Imatge processada")
    
    # Defineix què passa automàticament quan l'usuari puja una imatge
    imatge_input.change(fn=analitzar_imatge, 
                        inputs=imatge_input, 
                        outputs=[resultats_text, imatge_output])

# Executar l'aplicació
demo.launch()