from PIL import Image
import numpy as np

def remove_black_background(img_path, out_path):
    # Carregar imagem e garantir modo RGBA
    img = Image.open(img_path).convert("RGBA")
    data = np.array(img)
    
    # Extrair canais
    r, g, b, a = data[:,:,0], data[:,:,1], data[:,:,2], data[:,:,3]
    
    # O alpha original é estimado pelo valor máximo dos canais R, G, B
    # Isso funciona porque o fundo é preto (0,0,0)
    # Usamos fmax para obter o valor float e evitar overflow/underflow
    max_rgb = np.fmax(np.fmax(r, g), b)
    
    # Criar nova imagem com o mesmo tamanho
    new_data = np.zeros_like(data)
    
    # O novo alpha é o valor máximo de R, G, B
    new_alpha = max_rgb.astype(np.uint8)
    
    # Onde new_alpha é maior que zero, desmultiplicamos a cor para remover o halo preto
    mask = new_alpha > 0
    
    # Copiar canais
    new_data[:,:,0] = r
    new_data[:,:,1] = g
    new_data[:,:,2] = b
    new_data[:,:,3] = new_alpha
    
    # Aplicar unmultiplying alpha para clarear os pixels semi-transparentes de borda
    # R_new = R_old * 255 / alpha
    alpha_float = new_alpha.astype(float)
    for i in range(3):
        channel = data[:,:,i].astype(float)
        # Onde a máscara for verdadeira, calcula. Onde for falsa, deixa zero.
        adjusted = np.zeros_like(channel)
        adjusted[mask] = np.minimum(255, (channel[mask] * 255.0 / alpha_float[mask]))
        new_data[:,:,i] = adjusted.astype(np.uint8)
        
    # Salvar a nova imagem
    out_img = Image.fromarray(new_data, "RGBA")
    out_img.save(out_path, "PNG")
    print(f"Processada: {img_path} -> {out_path}")

if __name__ == "__main__":
    remove_black_background("logotipo_steelXR.png", "public/logotipo_steelXR_transparente.png")
    remove_black_background("iconeXR.png", "public/iconeXR_transparente.png")