# 基本形
import numpy as np
from PIL import Image

def error_diffusion_2bit(input_path, output_path):
    # 1. 画像の読み込み（グレースケール変換）
    img = Image.open(input_path).convert('L')
    width, height = img.size
    
    # bmpFrom: 変換前の輝度 (0-255)
    bmpFrom = np.array(img, dtype=np.int32)
    
    # bmpTo: 誤差を蓄積・変換後を格納する配列 (0で初期化)
    # 図3の手順1に従い、最初はすべて0
    bmpTo = np.zeros((height, width), dtype=np.int32)
    
    # 誤差拡散のパターン設定 (表1より)
    # 拡散先の相対位置: (dx, dy)
    tdx = [1, -1, 0, 1]
    tdy = [0, 1, 1, 1]
    # 拡散の比率（分子）: [7, 3, 5, 1]
    ratio = [7, 3, 5, 1]
    denominator = 16
    ratioCount = 4

    # 2. & 6. 画像の全ピクセルをスキャン
    for y in range(height):
        for x in range(width):
            # [ア] 手順3: 元の輝度と蓄積された誤差を合算
            f = bmpFrom[y, x] + bmpTo[y, x]
            
            # [イ] 手順4: 判定と誤差dの算出
            if f >= 128:
                pixel_val = 255
                d = f - 255
            else:
                pixel_val = 0
                d = f
            
            # 変換後の値を確定させる
            # 本来bmpToは誤差用ですが、最終的に出力画像にするため上書きします
            bmpTo[y, x] = pixel_val
            
            # 手順5: 誤差dを周囲に拡散
            for c in range(ratioCount):
                px = x + tdx[c]
                py = y + tdy[c]
                
                # 図5の③: クリッピング（画像範囲内かチェック）
                if 0 <= px < width and 0 <= py < height:
                    # [ウ]: 小数点以下切り捨てで加算
                    err_share = (d * ratio[c]) // denominator
                    bmpTo[py, px] += err_share

    # 7. 画像として出力
    result_img = Image.fromarray(bmpTo.astype(np.uint8))
    result_img.save(output_path)
    print(f"変換が完了しました。保存先: {output_path}")

# 実行
input_file = '/content/drive/MyDrive/Colab Notebooks/1_AP_programing/parakeet.png'
output_file = '/content/drive/MyDrive/Colab Notebooks/1_AP_programing/parakeet_result.png'
error_diffusion_2bit(input_file, output_file)