"""封面帧质量评分器 — 评估视频帧的视觉质量，用于智能选帧。

评分维度（总分 0~100）：
1. 清晰度（0~40）：拉普拉斯方差，越高越清晰
2. 亮度（0~30）：均值亮度，80~180 区间满分
3. 色彩丰富度（0~30）：RGB 三维直方图非零 bin 数

设计原则：
- 纯函数，输入 numpy array，输出 float
- 无副作用、无 IO、无网络
- 不依赖 OpenCV 的 GUI 模块，仅用 cv2/numpy 的计算函数
- 降级策略：cv2 不可用时返回 50.0（中间值）
"""

from __future__ import annotations

import inspect
import logging
from typing import TYPE_CHECKING

if TYPE_CHECKING:
    import numpy as np

logger = logging.getLogger(__name__)


def score_frame(frame: "np.ndarray") -> float:
    """评估单帧图像质量，返回 0~100 分（越高越好）。

    Args:
        frame: BGR 格式的 numpy array（OpenCV  imread 或 video capture 读取）

    Returns:
        float: 质量评分 0~100

    评分维度：
        - 清晰度 (0~40): 拉普拉斯方差，越高越清晰
        - 亮度 (0~30): 均值亮度，80~180 区间满分
        - 色彩丰富度 (0~30): RGB 三维直方图非零 bin 数
    """
    try:
        import cv2
        import numpy as np

        # 确保 cv2 和 numpy 是真实的模块，不是 mock 对象
        # MagicMock 会有所有属性，但调用结果不是真实数值类型
        if not hasattr(cv2, "Laplacian") or not hasattr(np, "ndarray"):
            raise ImportError("cv2/numpy 缺少核心方法")
        # 验证 cv2 的核心函数是真实的 C/Python 函数，不是 MagicMock
        if not inspect.isroutine(cv2.Laplacian) or "mock" in str(type(cv2.Laplacian)).lower():
            raise ImportError("cv2 是 mock 对象")
    except (ImportError, TypeError, AttributeError):
        logger.warning("[cover_scorer] cv2/numpy 不可用或是 mock，返回默认分 50.0")
        return 50.0

    if frame is None or frame.size == 0:
        return 0.0

    # ── 1. 清晰度（拉普拉斯方差）────────────────────────────────────
    # 拉普拉斯算子检测边缘，方差越大说明高频细节越多，图像越清晰
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    laplacian_var = cv2.Laplacian(gray, cv2.CV_64F).var()
    # 归一化：一般视频拉普拉斯方差在 0~500 之间，映射到 0~40 分
    clarity = min(laplacian_var / 500.0 * 40.0, 40.0)

    # ── 2. 亮度（适中最好）──────────────────────────────────────────
    # 均值亮度在 80~180 区间视觉舒适；过暗（<80）或过亮（>180）扣分
    mean_brightness = float(np.mean(gray))
    if 80.0 <= mean_brightness <= 180.0:
        brightness_score = 30.0
    else:
        # 偏离舒适区间越远扣分越多，最多扣 30 分
        deviation = abs(mean_brightness - 130.0) - 50.0  # 130 是舒适区中心
        brightness_score = max(0.0, 30.0 - deviation * 0.3)

    # ── 3. 色彩丰富度（RGB 三维直方图）──────────────────────────────
    # 将 RGB 各通道量化为 8 个 bin，共 8x8x8=512 个 bin
    # 非零 bin 越多说明色彩越丰富
    hist = cv2.calcHist([frame], [0, 1, 2], None, [8, 8, 8], [0, 256] * 3)
    nonzero_bins = float(np.count_nonzero(hist))
    # 归一化：一般帧非零 bin 在 0~200 之间，映射到 0~30 分
    color_richness = min(nonzero_bins / 200.0 * 30.0, 30.0)

    total = clarity + brightness_score + color_richness
    return round(total, 2)


def score_frames(frames: list[dict]) -> list[dict]:
    """批量评估帧质量，在每帧 dict 中增加 score 字段并排序。

    Args:
        frames: 帧列表，每项需包含 image_path 或 image_array。
            支持格式：
            - {"image_path": "/path/to/frame.jpg", ...}
            - {"image_array": np.ndarray, ...}

    Returns:
        排序后的帧列表（分数从高到低），每项增加 "score" 字段
    """
    try:
        import cv2
    except ImportError:
        logger.warning("[cover_scorer] cv2 不可用，跳过评分")
        for f in frames:
            f["score"] = 50.0
        return frames

    scored: list[dict] = []
    for f in frames:
        arr = f.get("image_array")
        if arr is None:
            path = f.get("image_path", "")
            if path:
                try:
                    arr = cv2.imread(path)
                except Exception:
                    logger.warning("[cover_scorer] 读取帧图片失败: %s", path)
        if arr is not None and arr.size > 0:
            f["score"] = score_frame(arr)
        else:
            f["score"] = 0.0
        scored.append(f)

    # 按分数从高到低排序
    scored.sort(key=lambda x: x.get("score", 0.0), reverse=True)
    return scored


def select_best_frame(frames: list[dict]) -> dict | None:
    """从候选帧中选择质量最高的一帧。

    Args:
        frames: 帧列表，每项需包含 image_path 或 image_array

    Returns:
        评分最高的帧 dict（包含 score 字段），空列表返回 None
    """
    if not frames:
        return None
    scored = score_frames(frames)
    return scored[0] if scored else None