app.py

import gradio as gr
import cv2
import numpy as np
from ultralytics import YOLO
import easyocr

# Lade YOLOv8-Modell
model = YOLO("yolov8n.pt", weights_only=False)  # Nano-Modell, weights_only=False für einfaches Laden

# Lade EasyOCR
reader = easyocr.Reader(['en'], gpu=False)  # Englisch, CPU für Free Tier

def analyze_image(image, prompt):
    # Konvertiere PIL-Bild zu numpy-Format
    image_np = np.array(image)
    image_cv = cv2.cvtColor(image_np, cv2.COLOR_RGB2BGR)

    # Allgemeine Bildbeschreibung
    if "what do you see" in prompt.lower() or "was siehst du" in prompt.lower():
        return "Ein Candlestick-Chart mit grünen und roten Kerzen, Preisen auf der y-Achse und weißem Hintergrund."

    # Kerzen-Analyse
    elif "last 8 candles" in prompt.lower() or "letzte 8 kerzen" in prompt.lower():
        # YOLOv8 für Kerzen-Erkennung
        results = model.predict(source=image_np, conf=0.3, iou=0.5)
        detections = []
        
        for r in results:
            boxes = r.boxes.xyxy.cpu().numpy()
            for box in boxes:
                # Filter für Kerzen (schmal und hoch)
                xmin, ymin, xmax, ymax = map(int, box)
                if (ymax - ymin) / (xmax - xmin) > 2:  # Verhältnis für Kerzen
                    candle_roi = image_cv[ymin:ymax, xmin:xmax]
                    if candle_roi.size == 0:
                        continue
                    mean_color = np.mean(candle_roi, axis=(0, 1)).astype(int)
                    color_rgb = f"RGB({mean_color[2]},{mean_color[1]},{mean_color[0]})"

                    # OCR für Preise
                    price_roi = image_cv[max(0, ymin-200):min(image_np.shape[0], ymax+200), 
                                        max(0, xmin-200):min(image_np.shape[1], xmax+200)]
                    ocr_results = reader.readtext(price_roi, detail=0)
                    prices = " ".join(ocr_results) if ocr_results else "Kein Preis erkannt"

                    detections.append({
                        "Kerze": f"Farbe: {color_rgb}, Preise: {prices}",
                        "x_center": (xmin + xmax) / 2
                    })

        # Sortiere nach x-Position (rechts nach links = neueste Kerzen)
        detections = sorted(detections, key=lambda x: x["x_center"], reverse=True)[:8]
        
        if not detections:
            return "Keine Kerzen erkannt. Bitte lade ein klares Bild mit sichtbaren Kerzen und Preisen hoch."

        # Textantwort erstellen
        response = "Letzte 8 Kerzen:\n"
        for i, detection in enumerate(detections, 1):
            response += f"Kerze {i}: {detection['Kerze']}\n"
        return response

    else:
        return "Nicht unterstützter Prompt. Verwende 'Was siehst du auf dem Bild?' oder 'List last 8 candles with their colors'."

# Erstelle Gradio-Schnittstelle
iface = gr.Interface(
    fn=analyze_image,
    inputs=[
        gr.Image(type="pil", label="Bild hochladen"),
        gr.Textbox(label="Prompt", placeholder="z. B. 'Was siehst du auf dem Bild?' oder 'List last 8 candles with their colors'")
    ],
    outputs="text",
    title="Einfache Chart-Analyse mit YOLOv8",
    description="Lade einen TradingView-Screenshot hoch, um Kerzen zu analysieren oder eine Beschreibung zu erhalten."
)

iface.launch()