import os
import cv2
import numpy as np
import tkinter as tk
from tkinter import filedialog
from read_data import *
from PIL import Image



class ModelObj: # 网络对象
    def __init__(self, ObjID, ObjType, ObjLable, ParaString, ObjX, ObjY):
        self.ObjID = ObjID  # 图元号
        self.ObjType = ObjType  # 图元类别
        self.ObjLable = ObjLable  # 对象标签
        self.ParaString = ParaString  # 参数字符串
        self.ObjX = ObjX  # 对象位置x坐标
        self.ObjY = ObjY  # 对象位置y坐标
def image_to_array(path, height, width):
    img = Image.open(path).convert("L")  # 转换为灰度模式
    img = img.resize((height, width))  # 将图片缩放为height*width的固定大小
    data = np.array(img)  # 将图片转换为数组格式
    data = data / 255.0  # 将数组中的数值归一化，除以255
    return data
class Data_Class(ModelObj):  # 数据集网络对象
    def __init__(self, ObjID, ObjType, ObjLable, ParaString, ObjX, ObjY):
        super().__init__(ObjID, ObjType, ObjLable, ParaString, ObjX, ObjY)
        self.LoadData = self.load_data  # 基本操作函数
        self.SetDataPara = self.SetLoadData  # 参数设置函数
    def load_data(self, DataPara):  # 定义加载数据集load_data()
        global SubFolders
        listimages = []  # 存储图片的列表
        list_path = []
        # read_folders方法读取文件夹中子文件夹中数据集
        SubFolders, train = read_folders(DataPara["train_imgPath"])
        list_path.append(train)
        _, path_list = read_folders(DataPara["test_imgPath"])
        list_path.append(path_list)
        for data_path in list_path:
            images = []  # 存储图片的列表
            for path in data_path:
                img = image_to_array(path, DataPara["img_width"],
                                     DataPara["img_height"])  # 读取图片数据
                img = img.T  # 转置，图像的行和列将互换位置。
                images.append(img)  # 将图片数组添加到训练集图片列表中
            listimages.append(np.array(images))  # 返回转换后的数组
        return listimages[0], listimages[1]
    def SetLoadData(self):# 定义加载数据集的参数SetLoadData()
        # 设置数据集路径信息
        # 训练集文件夹的位置
        train_imgPath = input("请输入训练集文件夹的位置：")  # 'data_classification/train/'
        # 测试集文件夹的位置
        test_imgPath = input("请输入测试集文件夹的位置：")  # 'data_classification/test/'
        img_width = int(input("请输入图片宽度："))  # 48
        img_height = int(input("请输入图片高度："))  # 48
        # 设置每批次读入图片的数量
        batch_size = int(input("请输入每批次读入图片的数量："))  # 批次大小 32
        # 返回DataPara参数，这里用一个字典来存储
        DataPara = {"train_imgPath": train_imgPath,
                    "test_imgPath": test_imgPath,
                    "img_width": img_width,
                    "img_height": img_height,
                    "batch_size": batch_size}
        return DataPara
if __name__ == '__main__':
    DataSet = Data_Class("DataSet1", 1, "数据集1", [], 120, 330)
    # setload_data()函数，获取加载数据集的参数
    DataPara = DataSet.SetDataPara()
    train_images, test_images = DataSet.LoadData(DataPara)