import os
import shutil
import tempfile
import subprocess
import argparse
import uuid

def run_single_inference(input_image: str, output_image: str, model_name: str):
    """
    单张图像超分辨率推理
    Args:
        input_image (str): 输入图像路径
        output_image (str): 输出图像路径
        model_name (str): 模型名称，用于 --model 参数
    """
    # 检查输入
    if not os.path.exists(input_image):
        raise FileNotFoundError(f"输入图像不存在: {input_image}")

    # 1️⃣ 创建唯一临时目录
    tmp_dir = tempfile.mkdtemp(prefix=f"xrestormer_{uuid.uuid4().hex[:8]}_")
    input_dir = os.path.join(tmp_dir, "input")
    output_dir = os.path.join(tmp_dir, "output")
    os.makedirs(input_dir, exist_ok=True)
    os.makedirs(output_dir, exist_ok=True)

    # 2️⃣ 复制输入图像
    shutil.copy(input_image, input_dir)

    # 3️⃣ 调用原推理命令
    cmd = [
        "python", "X-Restormer/inference.py",
        "--input", input_dir,
        "--output", output_dir,
        "--model", model_name,
    ]
    print(f"[INFO] Running: {' '.join(cmd)}")
    subprocess.run(cmd, check=True)

    # 4️⃣ 查找输出结果（默认在 visualization 文件夹中）
    print(cmd)
    vis_dir = os.path.join(output_dir, "visualization", "test")
    if not os.path.exists(vis_dir):
        raise FileNotFoundError(f"未找到结果目录: {vis_dir}")

    # 获取结果图（假设只有一张）
    files = [f for f in os.listdir(vis_dir) if f.lower().endswith((".png", ".jpg"))]
    if not files:
        raise FileNotFoundError(f"在 {vis_dir} 中未找到结果图像。")

    result_path = os.path.join(vis_dir, files[0])

    # 5️⃣ 拷贝结果到目标路径
    os.makedirs(os.path.dirname(output_image), exist_ok=True)
    shutil.copy(result_path, output_image)
    print(f"[INFO] 输出已保存到: {output_image}")

    # 6️⃣ 清理临时目录
    shutil.rmtree(tmp_dir, ignore_errors=True)

if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="单图像超分推理封装")
    parser.add_argument("--input", required=True, help="输入图像路径")
    parser.add_argument("--output", required=True, help="输出图像路径")
    parser.add_argument("--model", required=True, help="模型名称（传给 --model 参数）")
    args = parser.parse_args()

    run_single_inference(args.input, args.output, args.model)