import gradio as gr

from matplotlib import gridspec
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
import tensorflow as tf
from transformers import SegformerFeatureExtractor, TFSegformerForSemanticSegmentation

# 사전 훈련된 Segformer 특성 추출기와 시맨틱 세그멘테이션 모델을 로드
feature_extractor = SegformerFeatureExtractor.from_pretrained(
    "nvidia/segformer-b3-finetuned-cityscapes-1024-1024"
    
)
model = TFSegformerForSemanticSegmentation.from_pretrained(
    "nvidia/segformer-b3-finetuned-cityscapes-1024-1024"
)

# ADE20K 데이터셋을 위한 RBG 색상값 정의
def ade_palette():
    return [
        [204, 87, 92],
        [112, 185, 212],
        [45, 189, 106],
        [234, 123, 67],
        [78, 56, 123],
        [210, 32, 89],
        [90, 180, 56],
        [155, 102, 200],
        [33, 147, 176],
        [255, 183, 76],
        [67, 123, 89],
        [190, 60, 45],
        [134, 112, 200],
        [56, 45, 189],
        [200, 56, 123],
        [87, 92, 204],
        [120, 56, 123],
        [45, 78, 123],
        [180, 32, 10],
    ]

# 'labels.txt'에서 로드한 라벨 목록 정의
labels_list = []

with open(r'labels.txt', 'r') as fp:
    for line in fp:
        labels_list.append(line[:-1])

# 정의한 색상 배열을 NumPy 배열로 변환
colormap = np.asarray(ade_palette())

# 라벨을 색 이미지로 매핑하는 함수
def label_to_color_image(label):
    if label.ndim != 2:
        raise ValueError("Expect 2-D input label")

    if np.max(label) >= len(colormap):
        raise ValueError("label value too large.")
    return colormap[label]

# 예측된 이미지와 색상 맵을 포함한 플롯을 그리는 함수
def draw_plot(pred_img, seg):
    # 예측된 이미지 및 색상 맵 플롯 만들기
    fig = plt.figure(figsize=(20, 15))
    grid_spec = gridspec.GridSpec(1, 2, width_ratios=[6, 1])

    plt.subplot(grid_spec[0])
    plt.imshow(pred_img)
    plt.axis('off')

    # 세그멘테이션 라벨을 위한 색상 맵 설정
    LABEL_NAMES = np.asarray(labels_list)
    FULL_LABEL_MAP = np.arange(len(LABEL_NAMES)).reshape(len(LABEL_NAMES), 1)
    FULL_COLOR_MAP = label_to_color_image(FULL_LABEL_MAP)

    unique_labels = np.unique(seg.numpy().astype("uint8"))
    ax = plt.subplot(grid_spec[1])
    plt.imshow(FULL_COLOR_MAP[unique_labels].astype(np.uint8), interpolation="nearest")
    ax.yaxis.tick_right()
    plt.yticks(range(len(unique_labels)), LABEL_NAMES[unique_labels])
    plt.xticks([], [])
    ax.tick_params(width=0.0, labelsize=25)
    return fig

# Input 이미지에 Segformer 모델을 적용하고 플롯을 만드는 함수
def sepia(input_img):
    input_img = Image.fromarray(input_img)

    # feature 추출 후 Segformer 모델로 예측
    inputs = feature_extractor(images=input_img, return_tensors="tf")
    outputs = model(**inputs)
    logits = outputs.logits

    # 입력 이미지 크기와 일치하도록 크기 조정
    logits = tf.transpose(logits, [0, 2, 3, 1])
    logits = tf.image.resize(
        logits, input_img.size[::-1]
    )

    # 세그멘테이션을 추출하고 라벨을 색상으로 매핑
    seg = tf.math.argmax(logits, axis=-1)[0]

    color_seg = np.zeros(
        (seg.shape[0], seg.shape[1], 3), dtype=np.uint8
    )
    for label, color in enumerate(colormap):
        color_seg[seg.numpy() == label, :] = color

    # 원본과 세그멘테이션이 혼합된 이미지를 생성
    pred_img = np.array(input_img) * 0.5 + color_seg * 0.5
    pred_img = pred_img.astype(np.uint8)

    # 예측된 이미지와 색상 맵을 포함한 플롯 그리기
    fig = draw_plot(pred_img, seg)
    return fig

# sepia 함수에 대한 Gradio 인터페이스 생성
demo = gr.Interface(fn=sepia,
                    inputs=gr.Image(shape=(400, 600)),
                    outputs=['plot'],
                    examples=["city-1.jpg", "city-2.jpg", "city-3.jpg"],
                    allow_flagging='never')

# Gradio 인터페이스 실행
demo.launch()