import os
import numpy as np
from PIL import Image
from scipy.signal import convolve2d

# Semua file dibaca dan disimpan di folder yang sama dengan program ini,
# sehingga program bisa dijalankan di komputer mana pun.
FOLDER = os.path.dirname(os.path.abspath(__file__))


def kernel_log(sigma, ukuran=9):
    """Membuat kernel Laplacian of Gaussian (LoG) berukuran ukuran x ukuran."""
    r = ukuran // 2
    y, x = np.mgrid[-r:r + 1, -r:r + 1].astype(np.float64)
    rr = x**2 + y**2
    k = -(1.0 / (np.pi * sigma**4)) * (1 - rr / (2 * sigma**2)) * np.exp(-rr / (2 * sigma**2))
    k -= k.mean()  # jumlah elemen kernel dibuat 0
    return k


def terapkan_log(img, sigma):
    return convolve2d(img, kernel_log(sigma), mode="same", boundary="symm")


def normalisasi(a):
    """Skala hasil ke rentang 0-255 agar bisa disimpan sebagai citra."""
    a = a - a.min()
    if a.max() > 0:
        a = a / a.max() * 255
    return a.astype(np.uint8)


def simpan(arr, nama):
    Image.fromarray(normalisasi(arr)).save(os.path.join(FOLDER, nama))


# a. Baca citra (rom.jpeg harus berada di folder yang sama dengan program ini)
nama_file = "rom.jpeg"
path_citra = os.path.join(FOLDER, nama_file)
if not os.path.exists(path_citra):
    raise FileNotFoundError(f"{nama_file} tidak ditemukan. Taruh di folder: {FOLDER}")
img = np.array(Image.open(path_citra).convert("L"), dtype=np.float64)

# b. Filter LoG sigma = 0,1 -> im1
im1 = terapkan_log(img, 0.1)
simpan(im1, "im1.png")

# c. Filter LoG sigma = 0,2 -> im2
im2 = terapkan_log(img, 0.2)
simpan(im2, "im2.png")

# d. Selisih kedua citra -> citra hasil
hasil = im1 - im2
simpan(hasil, "hasil_selisih.png")

# Bukti bahwa im1, im2, dan hasil hampir identik setelah dinormalisasi
n1, n2, nh = normalisasi(im1), normalisasi(im2), normalisasi(hasil)
print("Korelasi im1 vs im2   :", np.corrcoef(n1.ravel(), n2.ravel())[0, 1])
print("Korelasi im1 vs hasil :", np.corrcoef(n1.ravel(), nh.ravel())[0, 1])
print("Selisih rata-rata im1 vs im2 (0-255):", np.abs(n1.astype(int) - n2.astype(int)).mean())
# Sebelum dinormalisasi, ketiga citra hanya berbeda skala
for nama, arr in (("im1", im1), ("im2", im2), ("hasil", hasil)):
    print(f"Rentang nilai mentah {nama:<5}: {arr.min():.1f} s.d. {arr.max():.1f}")
print("Selesai. File tersimpan di:", FOLDER)