from maix import image, app, time

# 橘黄色乒乓球的颜色阈值配置（HSV色域）
thresholds = [
    [73, 93, 7, 27, 13, 33],
    [40, 65, 30, 60, 40, 70],
    [39, 59, 41, 61, 48, 68],
]

# 新增：丢失目标的阈值配置（可根据实际帧率调整，建议5-10帧）
LOST_FRAME_THRESHOLD = 10  # 连续x帧没识别到才判定为真正丢失
SEND_INTERVAL = 5         # 控制指令发送间隔（避免高频发送，单位：ms）

def select_largest_blob(blobs):
    """
    筛选并选取最大的有效blob（替换原融合逻辑）
    1. 筛除宽/高小于10px的小blob（过滤噪声）
    2. 从剩余blob中选取面积最大的单个blob
    :param blobs: 识别到的所有blob列表
    :return: 最大blob的矩形参数 (x, y, width, height) 和中心点 (cx, cy)；未识别到则返回None, None
    """
    if not blobs:
        return None, (-1,-1)
    
    # 步骤1：过滤掉宽/高小于10px的无效blob
    valid_blobs = []
    for b in blobs:
        x, y, w, h = b[0], b[1], b[2], b[3]
        if w >= 10 and h >= 10:  # 筛除边距（宽/高）小于10px的blob
            valid_blobs.append(b)
    
    # 过滤后无有效blob，返回None
    if not valid_blobs:
        return None, (-1,-1)
    
    # 步骤2：选取面积（w*h）最大的blob
    largest_blob = max(valid_blobs, key=lambda b: b[2] * b[3])
    
    # 提取最大blob的矩形参数和中心点
    x, y, w, h = largest_blob[0], largest_blob[1], largest_blob[2], largest_blob[3]
    cx = x + w // 2
    cy = y + h // 2
    
    return (x, y, w, h), (cx, cy)

def calculate_deviation_ball(center, image_center):
    """
    优化：仅计算偏移量，不直接发送指令（将指令发送逻辑移到主循环统一处理）
    :return: (deviation_x, deviation_y) 或 None（无有效目标）
    """
    center_x, center_y = center

    if center_x == -1 and center_y == -1 :
        return None  # 无有效目标
    
    # 计算x/y方向的偏移偏差（目标中心 - 图像中心）
    deviation_x = center_x - image_center[0]
    deviation_y = center_y - image_center[1]
    
    # 仅当偏移超过阈值时返回有效偏移，否则返回None（避免微小抖动）
    if abs(deviation_x) > 10 or abs(deviation_y) > 10 :
        return (deviation_x, deviation_y)
    else:
        return None

def trace_ball_main(resources):
    detector = resources["detector"]
    cam = resources["cam"]
    disp = resources["disp"]
    serial_dev = resources["serial_dev"]
    img_width = resources["img_width"]
    img_height = resources["img_height"]
    image_center = resources["image_center"]

    # 新增：状态变量初始化
    last_valid_deviation = None  # 记录最后一次有效偏移量
    lost_frames = 0              # 丢失帧数计数
    last_send_time = 0           # 最后一次发送指令的时间（防高频）

    while not app.need_exit():
        current_time = time.ticks_ms()
        img = cam.read().flip(image.FlipDir.Y)
        
        # 识别色块（像素阈值设为10，过滤小噪声）
        blobs = img.find_blobs(thresholds, pixels_threshold=10)
        
        # 筛选并选取最大的有效blob
        largest_rect, target_center = select_largest_blob(blobs)
        
        # 计算当前帧的偏移量
        current_deviation = calculate_deviation_ball(target_center, image_center)

        # -------------------------- 核心优化逻辑 --------------------------
        if current_deviation is not None:
            # 1. 识别到有效目标：重置丢失计数，更新最后一次有效偏移
            lost_frames = 0
            last_valid_deviation = current_deviation
            # 控制发送频率，避免串口堵塞
            if current_time - last_send_time >= SEND_INTERVAL:
                dx, dy = current_deviation
                cmd = f"DX:{dx},DY:{dy};"
                serial_dev.write_str(cmd)
                print(f"识别到目标: {cmd}")
                last_send_time = current_time
        else:
            # 2. 未识别到目标：累计丢失帧数
            lost_frames += 1
            if lost_frames < LOST_FRAME_THRESHOLD and last_valid_deviation is not None:
                # 2.1 丢失帧数未达阈值：继续发送最后一次有效偏移
                if current_time - last_send_time >= SEND_INTERVAL:
                    dx, dy = last_valid_deviation
                    cmd = f"DX:{dx},DY:{dy};"
                    serial_dev.write_str(cmd)
                    print(f"短暂丢失，沿用最后偏移: {cmd} (丢失帧数: {lost_frames})")
                    last_send_time = current_time
            else:
                # 2.2 丢失帧数达阈值：发送9999，重置最后有效偏移
                if current_time - last_send_time >= SEND_INTERVAL:
                    cmd = f"DX:9999,DY:9999;"
                    serial_dev.write_str(cmd)
                    print(f"目标丢失超过阈值: {cmd} (丢失帧数: {lost_frames})")
                    last_valid_deviation = None
                    last_send_time = current_time
        # -----------------------------------------------------------------

        # 绘制识别结果
        if largest_rect:
            x, y, w, h = largest_rect
            img.draw_rect(x, y, w, h, image.COLOR_GREEN, 2)
            cx, cy = target_center
            img.draw_circle(cx, cy, 3, image.COLOR_RED, -1)
        
        disp.show(img)
        time.sleep_ms(1)