import numpy as np
from paddleocr import TextRecognition
import cv2

class OCRProcessor:
    def __init__(self):
        self.model = TextRecognition(model_name="PP-OCRv5_server_rec")
        print("OCR模型初始化完成（占位）")

    def predict(self, image_array):
        # 保持原有模型调用方式
        output = self.model.predict(input=image_array)
        # 结构化输出结果
        results = output[0]["rec_text"]
        placeholder_result = results.split(',')
        return placeholder_result

# 保留原有函数接口
_processor = OCRProcessor()

def LPRNinitialize_model():
    return _processor

def LPRNmodel_predict(image_array):
    """
    OCR车牌号识别接口函数
    
    参数:
        image_array: numpy数组格式的车牌图像，已经过矫正处理
    
    返回:
        list: 包含最多8个字符的列表，代表车牌号的每个字符
              例如: ['京', 'A', '1', '2', '3', '4', '5', ''] (蓝牌7位+占位符)
                   ['京', 'A', 'D', '1', '2', '3', '4', '5'] (绿牌8位)
    """
    # 获取原始预测结果
    raw_result = _processor.predict(image_array)
    
    # 将结果合并为字符串（如果是列表的话）
    if isinstance(raw_result, list):
        result_str = ''.join(raw_result)
    else:
        result_str = str(raw_result)
    
    # 过滤掉'·'字符
    filtered_str = result_str.replace('·', '')
    
    # 转换为字符列表
    char_list = list(filtered_str)
    
    # 确保返回至少7个字符，最多8个字符
    if len(char_list) < 7:
        # 如果识别结果少于7个字符，用'0'补齐到7位
        char_list.extend(['0'] * (7 - len(char_list)))
    elif len(char_list) > 8:
        # 如果识别结果多于8个字符，截取前8个
        char_list = char_list[:8]
    
    # 如果是7位，补齐到8位以保持接口一致性（第8位用空字符或占位符）
    if len(char_list) == 7:
        char_list.append('')  # 添加空字符作为第8位占位符
    
    return char_list