import cv2
import numpy as np
import os

class Yolo:
    """

    """
    def __init__(
        self,
        weights = "yolov3.weights",
        config = "yolov3.cfg",
        names = "yolov3.txt",
        conf_thresh = 0.7,
        nms_thresh = 0.2,
    ) -> None:
        """

        """
        self.ct = conf_thresh
        self.nmst = nms_thresh
        self.net = cv2.dnn.readNet(weights, config)
        self.classes = [0] # Зачем она тут ?
        layer_names = self.net.getLayerNames()
        self.output_layers = [
            layer_names[i-1] for i in self.net.getUnconnectedOutLayers()
        ]

    def detect(self, img, target_id) -> tuple:
        """

        """

        b, c, ids, idxs = self.get_detection_data(img, target_id)

        return b, idxs, ids

    def get_detection_data(self, img, target_id) -> tuple:
        """

        """

        layer_outputs = self.get_information(img)
        height, width = img.shape[:2]
        b, c, ids, idxs = self.thresh(layer_outputs, width, height, target_id)

        return b, c, ids, idxs

    def get_information(self, img):
        """

        """

        blob = cv2.dnn.blobFromImage(
            img, 1 / 255.0,
            (416, 416),
            swapRB=True,
            crop=False
        )
        self.net.setInput(blob)
        layer_outputs = self.net.forward(self.output_layers)

        return layer_outputs

    def thresh(self, layer_outputs, width, height, target_id):
        """

        """

        boxes = []
        confidences = []
        class_ids = []
        for output in layer_outputs:
            for detection in output:
                scores = detection[5:]
                class_id = np.argmax(scores)
                confidence = scores[class_id]
                if confidence > self.ct and class_id == target_id:
                    box = detection[0:4] * np.array([width, height, width, height])
                    (cx, cy, w, h) = box.astype('int')
                    tx = int(cx - (w / 2))
                    ty = int(cy - (h / 2))
                    boxes.append([tx, ty, int(w), int(h)])
                    confidences.append(float(confidence))
                    class_ids.append(class_id)
        idxs = cv2.dnn.NMSBoxes(boxes, confidences, self.ct, self.nmst)

        return boxes, confidences, class_ids, idxs


# 1) names, зачем он нужен ?
# 2) Что происходит в конструкторе ? (Что там инициализируется)
# 3) Для чего target_class_id ?
# 4) Зачем colors?
# 5) Что возвращает ? get_information
# 6) Почему именно такие цифры почему не другие ? blob = cv2.dnn.blobFromImage(img, 1 / 255.0, (416, 416), swapRB=True, crop=False)
# 7) Что означает b, c, ids, idxs ? каждая расшифровка
# 8) Что это self.net.setInput(blob)?
# 9) Как работает каждый метод и что происходит
# 10) Зачем здесь scores = detection[5:]? почему именно 5?
# 11) Зачем нужна c?