import cv2
import numpy as np
import os

# 读取输入图像
image = cv2.imread('input.jpg')

# 检查图像是否读取成功
if image is None:
    print("无法读取 input.jpg，请确保文件存在且路径正确。")
    exit()

# 获取图像的尺寸
height, width = image.shape[:2]

# 创建九个掩码，初始化为全黑
masks = [np.zeros((height, width), dtype=np.uint8) for _ in range(9)]

# 定义曲线参数，增加弯曲幅度
amplitude_h = height / 15  # 横向曲线的最大幅度（修改为height / 15，增加弯曲）
amplitude_v = width / 15   # 纵向曲线的最大幅度（修改为width / 15，增加弯曲）

# 定义 x 和 y 坐标
x = np.arange(width)
y = np.arange(height)

# 定义横向曲线（沿着 x 轴变化），在每个区域的中间进行一次弯曲
y_h1 = np.zeros_like(x, dtype=float)
y_h2 = np.zeros_like(x, dtype=float)

# 定义纵向曲线（沿着 y 轴变化），在每个区域的中间进行一次弯曲
x_v1 = np.zeros_like(y, dtype=float)
x_v2 = np.zeros_like(y, dtype=float)

# 定义横向曲线的三个段
segment_width = width / 3

for i in range(3):
    # 定义每个段的起始和结束位置
    start_x = i * segment_width
    end_x = (i + 1) * segment_width
    center_x = (start_x + end_x) / 2

    # 创建掩码，确定在哪个段上
    mask = (x >= start_x) & (x < end_x)

    # 计算在该段上的相对位置
    x_relative = x[mask] - center_x

    # 计算幅度调节函数，使得在段的边界处为零，在中心为一
    amplitude_modifier = np.cos(np.pi * x_relative / (end_x - start_x)) ** 2

    # 计算曲线 y 值
    y_h1[mask] = (height / 3) + amplitude_h * amplitude_modifier * np.sin(np.pi * x_relative / (end_x - start_x))
    y_h2[mask] = (2 * height / 3) + amplitude_h * amplitude_modifier * np.sin(np.pi * x_relative / (end_x - start_x))

# 确保 y 值在图像范围内
y_h1 = np.clip(y_h1, 0, height - 1).astype(int)
y_h2 = np.clip(y_h2, 0, height - 1).astype(int)

# 定义纵向曲线的三个段
segment_height = height / 3

for i in range(3):
    # 定义每个段的起始和结束位置
    start_y = i * segment_height
    end_y = (i + 1) * segment_height
    center_y = (start_y + end_y) / 2

    # 创建掩码，确定在哪个段上
    mask = (y >= start_y) & (y < end_y)

    # 计算在该段上的相对位置
    y_relative = y[mask] - center_y

    # 计算幅度调节函数，使得在段的边界处为零，在中心为一
    amplitude_modifier = np.cos(np.pi * y_relative / (end_y - start_y)) ** 2

    # 计算曲线 x 值
    x_v1[mask] = (width / 3) + amplitude_v * amplitude_modifier * np.sin(np.pi * y_relative / (end_y - start_y))
    x_v2[mask] = (2 * width / 3) + amplitude_v * amplitude_modifier * np.sin(np.pi * y_relative / (end_y - start_y))

# 确保 x 值在图像范围内
x_v1 = np.clip(x_v1, 0, width - 1).astype(int)
x_v2 = np.clip(x_v2, 0, width - 1).astype(int)

# 创建掩码
for i in range(height):
    for j in range(width):
        y_curve1 = y_h1[j]
        y_curve2 = y_h2[j]
        x_curve1 = x_v1[i]
        x_curve2 = x_v2[i]

        # 判断所在区域
        if i <= y_curve1:
            if j <= x_curve1:
                masks[0][i, j] = 255  # 左上角
            elif j <= x_curve2:
                masks[1][i, j] = 255  # 上中
            else:
                masks[2][i, j] = 255  # 右上角
        elif i <= y_curve2:
            if j <= x_curve1:
                masks[3][i, j] = 255  # 中左
            elif j <= x_curve2:
                masks[4][i, j] = 255  # 中间
            else:
                masks[5][i, j] = 255  # 中右
        else:
            if j <= x_curve1:
                masks[6][i, j] = 255  # 左下角
            elif j <= x_curve2:
                masks[7][i, j] = 255  # 下中
            else:
                masks[8][i, j] = 255  # 右下角

# 确保输出目录存在
output_dir = 'output'
if not os.path.exists(output_dir):
    os.makedirs(output_dir)

# 应用掩码并保存图片
for idx, mask in enumerate(masks):
    img_part = cv2.bitwise_and(image, image, mask=mask)
    cv2.imwrite(os.path.join(output_dir, f'output{idx+1}.png'), img_part)

print("图片已成功切割成9张，并保存到 'output' 目录下。")