import gradio as gr
import cv2
import numpy as np
import svgwrite
from sklearn.cluster import KMeans

# 画像の読み込みと色空間変換
def load_image(image_path):
    img = cv2.imread(image_path)
    return cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# KMeansクラスタリングによる色のセグメンテーション
def segment_by_color(image, n_clusters=5):
    # 画像を2次元配列に変換
    pixels = image.reshape((-1, 3))
    # KMeansクラスタリング
    kmeans = KMeans(n_clusters=n_clusters, random_state=0).fit(pixels)
    # セグメント化された画像の生成
    segmented_img = kmeans.cluster_centers_[kmeans.labels_].reshape(image.shape).astype(np.uint8)
    return segmented_img, kmeans.labels_.reshape(image.shape[:2])

# SVGファイルの生成
def generate_svg(image, labels, filename="output.svg"):
    dwg = svgwrite.Drawing(filename, profile='tiny')
    height, width, _ = image.shape
    for y in range(height):
        for x in range(width):
            color = image[y, x]
            label = labels[y, x]
            dwg.add(dwg.rect(insert=(x, y), size=(1, 1), fill=svgwrite.rgb(*color), stroke=svgwrite.rgb(*color)))
    dwg.save()

# Gradioインターフェースの処理関数
def process_image(image, n_clusters):
    img = load_image(image.name)
    segmented, labels = segment_by_color(img, n_clusters)
    generate_svg(segmented, labels)
    return "output.svg"

# Gradioインターフェースの構築
iface = gr.Interface(
    fn=process_image,
    inputs=[
        gr.Image(type="file", label="アップロード画像"),
        gr.Slider(minimum=2, maximum=10, step=1, default=5, label="クラスタ数")
    ],
    outputs="file",
    live=True
)

iface.launch()