import cv2
from preprocess import unsharp_masking

# Função para pré-processar a imagem com base no modelo selecionado
def preprocessar_imagem(img, modelo='SE-RegUNet 4GF'):
    # Redimensionar a imagem para 512x512
    img = cv2.resize(img, (512, 512))
    
    # Aplicar a máscara de nitidez à imagem
    img = unsharp_masking(img).astype(np.uint8)
    
    # Função auxiliar para normalizar a imagem
    def normalizar_imagem(img):
        return np.float32((img - img.min()) / (img.max() - img.min() + 1e-6))
    
    if modelo == 'AngioNet' or modelo == 'UNet3+':
        img = normalizar_imagem(img)
        img_out = np.expand_dims(img, axis=0)
    elif modelo == 'SE-RegUNet 4GF':
        clahe1 = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
        clahe2 = cv2.createCLAHE(clipLimit=8.0, tileGridSize=(8, 8))
        image1 = clahe1.apply(img)
        image2 = clahe2.apply(img)
        img = normalizar_imagem(img)
        image1 = normalizar_imagem(image1)
        image2 = normalizar_imagem(image2)
        img_out = np.stack((img, image1, image2), axis=0)
    else:
        clahe1 = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
        image1 = clahe1.apply(img)
        image1 = normalizar_imagem(image1)
        img_out = np.stack((image1,) * 3, axis=0)
    
    return img_out