# import gradio as gr
# from segmentation import segment_image
# import numpy as np
# import cv2

# # Image de test par défaut
# default_image_path = "./image.png"

# def segment_and_display(image_path=default_image_path):
#     # Appeler la fonction de segmentation
#     original_image, segmented_image = segment_image(image_path)
    
#     # Retourner les images pour l'affichage
#     return original_image, segmented_image

# # Charger l'image de test par défaut
# default_original_image, default_segmented_image = segment_image(default_image_path)

# # Interface Gradio
# iface = gr.Interface(
#     fn=segment_and_display,
#     inputs=gr.Image(type="filepath", label="Upload Image"),
#     outputs=[
#         gr.Image(type="numpy", label="Original Image"),
#         gr.Image(type="numpy", label="Segmented Image")
#     ],
#     title="Image Segmentation with K-means (k=2)",
#     description="Upload an image or use the default test image to see the segmentation result.",
#     examples=[
#         [default_image_path]
#     ],
#     live=True  # Permet de voir les changements en temps réel
# )

# # Afficher l'image de test par défaut lorsque l'interface est ouverte
# iface.launch(share=True, inline=True)
import gradio as gr # 导入 Gradio 库，用于创建基于 Web 的用户界面
from segmentation import segment_image # 从 'segmentation.py' 文件中导入自定义的图像分割函数 segment_image
import numpy as np # 导入 NumPy 库，用于数值操作，特别是图像数据处理
import cv2 # 导入 OpenCV 库，用于图像处理任务（尽管在 Gradio 部分未直接使用，但在 segment_image 中很可能被使用）
import requests # 导入 requests 库，用于向外部 API 发送 HTTP 请求
import base64 # 导入 base64 库，用于图像数据的编码和解码

# 定义图像分割函数
def segment_and_display(image_path):
    # 调用 segment_image 函数（来自 segmentation.py）获取原始图像和分割后的图像
    original_image, segmented_image = segment_image(image_path)
    # 返回原始图像、分割后的图像以及图像路径，供后续分析使用
    return original_image, segmented_image, image_path

# 定义使用 MedGemma API 进行专业分析的函数
def analyze_image_with_question(image_path, question):
    # 以二进制读取模式打开图像文件
    with open(image_path, "rb") as img_file:
        # 读取图像内容为字节
        image_bytes = img_file.read()
        # 将图像字节编码为 base64 字符串，并解码为 UTF-8 格式，以便通过 API 传输
        image_base64 = base64.b64encode(image_bytes).decode("utf-8")

    # 构造用于 API 请求的 JSON 数据体
    payload = {
        "inputs": {
            "image": image_base64, # 包含 base64 编码的图像数据
            "text": question # 包含用户的提问
        }
    }

    # 定义 API 请求的 HTTP 头，包括授权令牌
    headers = {
        "Authorization": "Bearer api"  # 占位符：请替换为你的实际 HuggingFace API 访问令牌
    }

    # 向 MedGemma API 终端发送 POST 请求
    response = requests.post("https://api-inference.huggingface.co/models/google/medgemma-4b-it",
                             headers=headers, json=payload)

    # 检查 API 请求是否成功（状态码为 200）
    if response.status_code == 200:
        # 解析 API 返回的 JSON 响应
        result = response.json()
        # 提取并返回 API 响应中生成的文本
        return result[0]["generated_text"]
    else:
        # 如果 API 请求失败，返回错误消息，包括状态码和响应文本
        return f"Error: {response.status_code} - {response.text}"

# 使用 Gradio Blocks 组件创建界面，以实现自定义布局
with gr.Blocks() as iface:
    # 在界面中添加一个 Markdown 标题
    gr.Markdown("# 🧠 医学图像分割 + 专家分析")
    # 创建一个行，用于水平排列组件
    with gr.Row():
        # 为图像输入创建一个列
        with gr.Column():
            # 图像输入组件，允许文件上传，type="filepath" 表示函数将接收临时文件的路径
            image_input = gr.Image(type="filepath", label="上传皮肤图像")
        # 为显示输出图像创建另一个列
        with gr.Column():
            # 用于显示原始图像的输出组件（NumPy 数组）
            original_output = gr.Image(type="numpy", label="原始图像")
            # 用于显示分割后图像的输出组件（NumPy 数组）
            segmented_output = gr.Image(type="numpy", label="分割后图像")

    # 一个 Gradio State 组件，用于在函数调用之间存储图像文件路径
    image_path_state = gr.State()

    # 当 image_input 组件发生变化时（即上传新图像时）定义一个动作
    image_input.change(fn=segment_and_display, # 调用 segment_and_display 函数
                       inputs=image_input, # 将 image_input 组件作为输入传递
                       outputs=[original_output, segmented_output, image_path_state]) # 更新这些输出组件

    # 为第二部分添加另一个 Markdown 标题
    gr.Markdown("## 🩺 询问上传图像相关的医学问题")
    # 文本框，供用户输入医学问题
    question_input = gr.Textbox(label="输入你的问题（例如：'这是什么类型的病变？'）")
    # 文本框，用于显示 MedGemma 的回答
    answer_output = gr.Textbox(label="MedGemma 回答")

    # 当 question_input 文本框被提交时（例如，按 Enter 键时）定义一个动作
    question_input.submit(fn=analyze_image_with_question, # 调用 analyze_image_with_question 函数
                          inputs=[image_path_state, question_input], # 传递存储的图像路径和问题
                          outputs=answer_output) # 更新 answer_output 文本框

# 启动 Gradio 界面
iface.launch()