import os
import sys

import cv2 as cv
import numpy as np
import requests

import imageWorking
import neuralNetwork
import ontologyWorking

url = 'http://kb.athene.tech/api/1.0/ontology/'


def analyze_base(ontology_uid: str, image: np.ndarray, queries: list[str]) -> tuple[2]:
    '''
    Базовая функция анализа файла и вывода результатов обработки.
    @param ontology_uid: УИД онтологии.
    @param image: Изображение.
    '''
    if not ontologyWorking.is_ontology_exists(ontology_uid, url):
        raise Exception(f'Онтология с uid {ontology_uid} не существует')
    if image is None:
        raise Exception(f'Изображение не указано')
    model = neuralNetwork.load_model()

    # Распознавание изображения.
    results = model.predict(source=image)
    
    # Создание аксиом онтологии на основе результатов распознавания.
    object_properties = list()
    data_properties = list()
    for res in results:
        classes = res.boxes.cls.int()
        conf = res.boxes.conf
        boxes = res.boxes.xywh
        request = ontologyWorking.get_request_data(model.names, classes, conf, boxes)
        object_properties += request[0]
        data_properties += request[1]

    # Формирование данных для запроса к сервису работы с онтологиями.
    data = {
        'data':
            {
                'objectPropertyAssertions': object_properties,
                'dataPropertyAssertions': data_properties
            }
    }
    params = '&'.join([f'names={query}' for query in queries])
    
    # Выполнение запроса.
    response = requests.post(url + f'{ontology_uid}/query/multi?{params}', json=data).json()
    
    return results, response


def analyze_file(ontology_uid: str, image_path: str) -> None:
    '''
    Анализирует файл и выводит результат в консоль.
    @param ontology_uid: УИД онтологии.
    @param image_path: Путь до изображения.
    '''
    if not os.path.isfile(image_path):
        raise Exception(f'Изображение {image_path} не существует')
    image = imageWorking.get_image_file_as_array(image_path)
    queries = [ 'QueryGetNotEmpty', 'QueryGetCheck', 'QueryGetEmpty' ]

    # Распознавание изображения.
    results, response = analyze_base(ontology_uid, image, queries)
    
    result = {
        'QueryGetNotEmpty': '',
        'QueryGetCheck': '',
        'QueryGetEmpty': ''
    }
    if response['error']:
        raise Exception(response['error'])
    for query in response['response']:
        result[query] = [resultSQWRL['name']['value'] for resultSQWRL in response['response'][query]['rows']]
    print(f'Запрос выполнен')

    # Вывод результата.
    print()
    print('Результат:')
    if result['QueryGetNotEmpty']:
        print('Аудитория занята')
    elif result['QueryGetCheck']:
        print('Аудиторию необходимо проверить')
    elif result['QueryGetEmpty']:
        print('Аудитория пустая')
    else:
        print('Неизвестное состояние')

    # Вывод изображения.
    cv.imshow('result', results[0].plot())
    cv.waitKey(0)
    cv.destroyAllWindows()


# Точка входа в приложение.
if __name__ == '__main__':
    if len(sys.argv) != 3:
        print(f'Запуск: {sys.argv[0]} <Ontology UID> <Image path>')
        exit(1)
    analyze_file(sys.argv[1], sys.argv[2])