utils.py

import json
import re
import cv2
import numpy as np
from typing import Dict, Any


def robust_parse_reply(reply: str) -> Dict[str, Any]:
    """
    从LLM返回的字符串中提取JSON格式的回复
    
    Args:
        reply: LLM返回的原始字符串
        
    Returns:
        解析后的字典，包含target_text和scale_factor
        
    Raises:
        ValueError: 当无法解析JSON或缺少必要字段时
    """
    # 尝试去除 Markdown 代码块标记（如 ```json 或 ```）
    cleaned = re.sub(r"```(?:json)?", "", reply, flags=re.IGNORECASE).strip("` \n")

    # 尝试提取最可能的 JSON 段（形如 {...}）
    match = re.search(r"\{.*?\}", cleaned, flags=re.DOTALL)
    if not match:
        raise ValueError("未找到 JSON 对象")

    json_str = match.group(0)

    try:
        parsed = json.loads(json_str)
    except json.JSONDecodeError as e:
        raise ValueError(f"JSON 解析失败: {e}")

    # 校验字段完整性
    if "target_text" not in parsed or "scale_factor" not in parsed:
        raise ValueError("JSON 中缺少必要字段 target_text 或 scale_factor")

    return parsed


def load_image(image_path: str) -> np.ndarray:
    """
    加载图像并转换为RGB格式
    
    Args:
        image_path: 图像文件路径
        
    Returns:
        RGB格式的图像数组
        
    Raises:
        ValueError: 当图像加载失败时
    """
    image = cv2.imread(image_path)
    if image is None:
        raise ValueError(f"无法加载图像: {image_path}")
    
    # 转换为RGB格式
    image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
    return image_rgb


def save_image(image: np.ndarray, output_path: str) -> None:
    """
    保存RGB格式的图像
    
    Args:
        image: RGB格式的图像数组
        output_path: 输出文件路径
    """
    # 转换为BGR格式以便OpenCV保存
    image_bgr = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
    cv2.imwrite(output_path, image_bgr)


def validate_scale_factor(scale_factor: float) -> float:
    """
    验证并标准化缩放因子
    
    Args:
        scale_factor: 原始缩放因子
        
    Returns:
        验证后的缩放因子
        
    Raises:
        ValueError: 当缩放因子不合法时
    """
    if not isinstance(scale_factor, (int, float)):
        raise ValueError("缩放因子必须是数字")
    
    if scale_factor <= 0:
        raise ValueError("缩放因子必须大于0")
    
    if scale_factor > 10:
        print(f"警告: 缩放因子 {scale_factor} 过大，可能导致处理时间过长")
    
    return float(scale_factor)


def format_ocr_results_for_prompt(results: list) -> str:
    """
    格式化OCR结果以用于LLM prompt
    
    Args:
        results: OCR识别结果列表
        
    Returns:
        格式化后的文字列表字符串
    """
    text_list = [text for _, text, _ in results]
    return str(text_list)


def parse_percentage_to_scale_factor(text: str) -> float:
    """
    将百分比表示转换为缩放因子
    
    Args:
        text: 包含百分比的文本，如 "enlarge by 50%" 或 "shrink by 25%"
        
    Returns:
        对应的缩放因子
    """
    # 查找百分比数字
    percentage_match = re.search(r'(\d+(?:\.\d+)?)%', text.lower())
    if not percentage_match:
        return 1.0  # 默认不缩放
    
    percentage = float(percentage_match.group(1))
    
    # 判断是放大还是缩小
    if 'enlarge' in text.lower() or 'increase' in text.lower() or 'bigger' in text.lower():
        return 1 + (percentage / 100)
    elif 'shrink' in text.lower() or 'reduce' in text.lower() or 'smaller' in text.lower():
        return 1 - (percentage / 100)
    else:
        # 默认当作放大处理
        return 1 + (percentage / 100)


def create_output_filename(input_path: str, suffix: str = "_resized") -> str:
    """
    根据输入文件路径创建输出文件名
    
    Args:
        input_path: 输入文件路径
        suffix: 添加的后缀
        
    Returns:
        输出文件路径
    """
    import os
    
    base_name = os.path.splitext(input_path)[0]
    extension = os.path.splitext(input_path)[1]
    
    return f"{base_name}{suffix}{extension}"