from skimage import feature
import cv2
import numpy as np
import os

# 图像路径
img_path = "2.jpg"

# ✅ 1. 检查文件是否存在
if not os.path.exists(img_path):
    raise FileNotFoundError(f"图像文件不存在，请检查路径: {img_path}")

# ✅ 2. 以灰度模式读取图像
img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)
if img is None:
    raise ValueError(f"无法读取图像，可能是文件损坏或格式问题: {img_path}")

print(f"✅ 图像加载成功，原始尺寸: {img.shape}")

'''
height, width = img.shape
start_row = height // 3 * 2  # 从 2/3 处开始，到底部
bottom_region = img[start_row:, :]  # 所有列，只取底部 1/3 行

print(f"✅ 裁剪出底部 1/3 区域，尺寸: {bottom_region.shape}")
'''
# ✅ 3. 提取最下方三分之一的区域

bottom_region = img
# ✅ 4. 计算 GLCM（建议降低 levels 或使用压缩）
# 注意：levels=256 对计算资源要求高，可考虑先归一化到 32 或 64 灰度级
# 这里我们先保持 256，若报内存错误可改用降级方法

glcm = feature.graycomatrix(
    bottom_region,
    distances=[1],
    angles=[0, np.pi/4, np.pi/2, 3*np.pi/4],  # 多方向
    levels=256,
    symmetric=True,
    normed=True
)

# ✅ 5. 提取平均纹理特征（在所有方向上取均值）
properties = ['contrast', 'dissimilarity', 'homogeneity', 'energy', 'correlation']
features = {}
for prop in properties:
    values = feature.graycoprops(glcm, prop)[0]
    features[prop] = np.mean(values)  # 对多个角度取平均

# ✅ 6. 输出结果
print("\n📊 图像底部 1/3 区域的纹理特征:")
print(f"Contrast:     {features['contrast']:.3f}")       # 越大越粗糙230
print(f"Dissimilarity: {features['dissimilarity']:.3f}") # 越大差异越大7.265
print(f"Homogeneity:   {features['homogeneity']:.3f}")   # 越小越不均匀（粗糙）0.291
print(f"Energy:        {features['energy']:.3f}")        # 越小越复杂（纹理丰富）0.033
print(f"Correlation:   {features['correlation']:.3f}")   # 灰度线性相关性0.941