0
0

OpenCV-Python实战（20）——OpenCV计算机视觉项目在Web端的部署

OpenCV-Python实战（20）——OpenCV计算机视觉项目在Web端的部署

0. 前言

将 

OpenCV

计算机视觉项目部署在 

Web

端一个有趣的话题，部署在 

Web

端的优势之一是不需要安装任何应用，只需要访问地址就可以访问应用，有很多 

Python Web

框架可用于部署应用程序，这些框架可以使我们专注于应用程序的核心逻辑，而不必处理低级细节(例如，协议、套接字或进程和线程管理等)。在本文中，将使用 

Flask

框架，以构建计算机视觉 

Web

应用程序。

1. Python Web 框架简介

使用 

Python Web

框架可以使我们专注于应用程序的核心逻辑，而不必处理低级细节)例如，协议、套接字或进程以及线程管理等)，这些框架可以分为全栈和非全栈框架：

  • Django 是一个免费的、开源的全栈框架，Django 使创建 Web 应用程序变得非常容易，并且比其他框架需要更少的时间，并专注于尽可能实现自动化。
  • Flask 是非全栈框架，Flask 具有以下依赖项： - Werkzeug WSGI 工具包： WSGI 实用程序库- Jinja2：模板引擎
Django

和 

Flask

均可用于部署开发计算机视觉和深度学习应用程序，但 

Flask

的学习曲线更平滑，且 

Flask

专注于极简主义。例如，

Flask

的 

Hello World

应用程序只有几行代码。因此建议将 

Flask

用于较小且不太复杂的应用程序，而 Django 通常用于较大且较复杂的应用程序。在本文中，将使用 

Flask

来构建计算机视觉 

Web

应用程序。

2. Flask 安装与使用

2.1 Flask 安装

为了使用 

Flask

构建计算机视觉 

Web

应用程序，首先进行安装：

$ pip install flask

2.2 Flask 框架 Hello World 使用示例

不可避免的，作为约定俗成的规矩，首先编写 

Hello World

应用程序来了解 

Flask

框架：

# hello.pyfrom flask import Flask

app = Flask(__name__)@app.route('/')defhello():return'Hello world!'if __name__ =='__main__':
    app.run()

导入所需的包后，首先创建 

Flask

类的实例，作为 Web 服务器网关接口 (

Web Server Gateway Interface

, 

WSGI

) 应用程序。

route()

装饰器用于指示对应 

URL

应该触发的函数，换句话说在 

Flask

中，使用 

route()

装饰器将函数绑定到指定 

URL

。
使用以下命令启动执行 

Hello World

应用程序：

$ python hello.py

启动执行后，可以在控制台中看到以下消息，表明 Web 服务器已启动：

 * Serving Flask app "hello"(lazy loading)
 * Environment: production
   WARNING: This is a development server. Do not use it in a production deployment.
   Use a production WSGI server instead.
 * Debug mode: off
 * Running on http://127.0.0.1:5000/ (Press CTRL+C to quit)

此时，在浏览器中访问 

http://127.0.0.1:5000/

，将对服务器发送 

GET

请求，该请求将返回相应的消息：

Flask 使用示例

2.2 扩展 Hello World 应用程序以在网络中其他计算机访问

上一示例中，只能从本机访问我们构建的服务器，而不能从网络中的其他计算机访问。为了使服务器公开可用，运行服务器应用程序时应添加参数 

host=0.0.0.0

：

# hello_ex.pyfrom flask import Flask

app = Flask(__name__)@app.route('/')defhello():return'Hello world!'if __name__ =='__main__':
    app.run(host='0.0.0.0')

这样，就可以从连接到该网络的其他设备执行请求，如下图所示，处于同一网络下的移动设备也可以访问我们的服务器了：

扩展 Hello World 应用程序以在网络中其他计算机访问

2.2 扩展 Hello World 应用程序以绑定其它 URL

可以使用 

route()

装饰器将函数绑定到 

URL

，接下来，我们就扩展 

Hello World

应用程序以绑定其它 

URL

：

# hello_ex_route.pyfrom flask import Flask

app = Flask(__name__)@app.route('/')defhello():return'Hello world!'@app.route('/user')defhello_user():return'Hello user!'if __name__ =='__main__':
    app.run(host='0.0.0.0')

在下图中，我们可以看到移动端请求同一网络下服务器 URL 

http://10.140.12.255:5000/user

并返回结果 

Hello user!

信息：

扩展 Hello World 应用程序以绑定其它 URL
我们已经介绍了使用 

Flask

创建应用程序时的基本概念，接下来，我们就来探究如何使用 

OpenCV

和 

Flask

创建 

Web

计算机视觉应用程序。

3. 使用 OpenCV 和 Flask 构建 Web 计算机视觉应用程序

接下来，我们将使用 

OpenCV

和 

Flask

创建 

Web

计算机视觉应用程序。我们使用 

OpenCV

和 

Flask

的构建简单的计算机视觉中的 

Hello world

应用程序。

3.1 Web 计算机视觉应用示例——图像卡通化

编写程序 

opencv_flask_hello_world.py

介绍结合 

OpenCV

执行基本的 

Web

计算机视觉应用程序：

# opencv_flask_hello_world.pyimport cv2
import numpy as np
from flask import Flask, request, make_response
import urllib.request

app = Flask(__name__)@app.route('/cartoon', methods=['GET'])defcartoon_processing():# 读取图像with urllib.request.urlopen(request.args.get('url'))as url:
        image_array = np.asarray(bytearray(url.read()), dtype=np.uint8)# 将图像转换为 OpenCV 格式
    img_opencv = cv2.imdecode(image_array,-1)# 图像卡通化
    sketch_gray, sketch_color = cv2.pencilSketch(img_opencv, sigma_s=20, sigma_r=0.1, shade_factor=0.1)
    stylizated_image = cv2.stylization(img_opencv, sigma_s=60, sigma_r=0.07)# 压缩图像并将其存储在内存缓冲区中
    retval,buffer= cv2.imencode('.jpg', stylizated_image)# 构建页面响应
    response = make_response(buffer.tobytes())
    response.headers['Content-Type']='image/jpeg'return response

if __name__ =='__main__':
    app.run(host='0.0.0.0')

接下来，我们通过分解以上步骤进行详细解释：

  1. 第一步是导入需要的包，上例中使用了 route() 装饰器将 cartoon_processing() 函数绑定到 /cartoon URL；此外，还需要 url 参数才能正确执行 GET 请求，为了获取这个参数，需要使用 request.args.get() 函数，最后还需要使用 make_response() 函数构造响应信息；
  2. 然后需要读取传递到此 URL 的图像，将其转换为数组：
with urllib.request.urlopen(request.args.get('url'))as url:
        image_array = np.asarray(bytearray(url.read()), dtype=np.uint8)
  1. 接下来将图像转换为 OpenCV 格式，并进行卡通化处理(关于图像卡通化更详细的介绍可以参考《OpenCV实现图像卡通化》)：
# 将图像转换为 OpenCV 格式
    img_opencv = cv2.imdecode(image_array,-1)# 图像卡通化
    sketch_gray, sketch_color = cv2.pencilSketch(img_opencv, sigma_s=20, sigma_r=0.1, shade_factor=0.1)
    stylizated_image = cv2.stylization(img_opencv, sigma_s=60, sigma_r=0.07)
  1. 然后对图像进行压缩并存入内存缓冲区：
# 压缩图像并将其存储在内存缓冲区中
    retval,buffer= cv2.imencode('.jpg', stylizated_image)
  1. 最后一步是构建并返回响应给客户端：
# 构建页面响应
    response = make_response(buffer.tobytes())
    response.headers['Content-Type']='image/jpeg'return response

接下来运行此脚本：

$ python opencv_flask_hello_world.py

服务器运行后，我们就可以从客户端执行 

GET

请求，我们将获得处理后的图像，如下图所示：

Web 计算机视觉应用示例
如上图所示，我们调用了以下 

GET

请求：

# 这里的 10.140.12.255 是我的局域网 ip，需要根据自己的 ip 修改
http://10.140.12.255:5000/cartoon?url=https://imgs.mmkk.me/wmnv/img/20190625070725-5d11c82dd1cfd.jpg

其中，参数 

url

的值 

https://imgs.mmkk.me/wmnv/img/20190625070725-5d11c82dd1cfd.jpg

是我们想要 

Web

计算视觉应用程序处理的图像，因此可以通过修改 

url

参数值来处理不同图像：

Web 计算机视觉应用示例

3.2 Web 计算机视觉应用示例——增强现实

接下来，我们结合增强现实相关知识，构建另一个计算机视觉应用示例：

import cv2
import numpy as np
from flask import Flask, request, make_response
import urllib.request

app = Flask(__name__)@app.route('/ar', methods=['GET'])defar_processing():# 加载级联检测器
    face_cascade = cv2.CascadeClassifier("haarcascade_frontalface_default.xml")
    eyepair_cascade = cv2.CascadeClassifier("haarcascade_mcs_eyepair_big.xml")

    img_glasses = cv2.imread('glasses.png',-1)
    img_glasses_mask = img_glasses[:,:,3]
    img_glasses = img_glasses[:,:,0:3]with urllib.request.urlopen(request.args.get('url'))as url:
        image_array = np.asarray(bytearray(url.read()), dtype=np.uint8)# 将图像转换为 OpenCV 格式
    img_opencv = cv2.imdecode(image_array,-1)# 将其转换为灰度图像
    gray = cv2.cvtColor(img_opencv, cv2.COLOR_BGR2GRAY)
    faces = face_cascade.detectMultiScale(gray,1.3,5)for(x, y, w, h)in faces:
        roi_gray = gray[y:y + h, x:x + w]
        roi_color = img_opencv[y:y + h, x:x + w]# 在检测到的人脸中检测眼睛
        eyepairs = eyepair_cascade.detectMultiScale(roi_gray)for(ex, ey, ew, eh)in eyepairs:# 计算“眼睛”挂件放置的坐标
            x1 =int(ex - ew /10)
            x2 =int((ex + ew)+ ew /10)
            y1 =int(ey)
            y2 =int(ey + eh + eh /2)if x1 <0or x2 <0or x2 > w or y2 > h:continue# 计算“眼睛”挂件放置区域大小
            img_glasses_res_width =int(x2 - x1)
            img_glasses_res_height =int(y2 - y1)

            mask = cv2.resize(img_glasses_mask,(img_glasses_res_width, img_glasses_res_height))
            mask_inv = cv2.bitwise_not(mask)
            img = cv2.resize(img_glasses,(img_glasses_res_width, img_glasses_res_height))

            roi = roi_color[y1:y2, x1:x2]
            roi_bakground = cv2.bitwise_and(roi, roi, mask=mask_inv)
            roi_foreground = cv2.bitwise_and(img, img, mask=mask)

            res = cv2.add(roi_bakground, roi_foreground)
            roi_color[y1:y2, x1:x2]= res

            break# 压缩图像并将其存储在内存缓冲区中
    retval,buffer= cv2.imencode('.jpg', img_opencv)# 构建响应信息
    response = make_response(buffer.tobytes())
    response.headers['Content-Type']='image/jpeg'return response

if __name__ =='__main__':
    app.run(host='0.0.0.0')

接下来运行此脚本：

$ python opencv_flask_hello_world_2.py

服务器运行后，我们就可以从客户端执行 

GET

请求，我们将获得处理后的图像，如下图所示：

Web 计算机视觉应用示例——增强现实
如上图所示，我们调用了以下 

GET

请求：

# 这里的 10.140.12.255 是我的局域网 ip，需要根据自己的 ip 修改
http://10.140.12.255:5000/ar?url=https://imgs.mmkk.me/wmnv/img/20190625073459-5d11cea35c407.png

我们也可以通过简单修改上述脚本，应用此前学习的其他图像处理技术，构建更多有趣实用的 

OpenCV

网络计算视觉应用程序。

小结

本文中，我们了解了如何使用 

Python Web

框架创建 

Web

应用程序，更具体地说，我们使用 

OpenCV

和 

Flask

开发了多个 

Web

计算机视觉应用程序，我们还看到了如何执行来自浏览器的请求，以及使用 

OpenCV

和 Flask 创建 

Web API

。

系列链接

OpenCV-Python实战（1）——OpenCV简介与图像处理基础
OpenCV-Python实战（2）——图像与视频文件的处理
OpenCV-Python实战（3）——OpenCV中绘制图形与文本
OpenCV-Python实战（4）——OpenCV常见图像处理技术
OpenCV-Python实战（5）——OpenCV图像运算
OpenCV-Python实战（6）——OpenCV中的色彩空间和色彩映射
OpenCV-Python实战（7）——直方图详解
OpenCV-Python实战（8）——直方图均衡化
OpenCV-Python实战（9）——OpenCV用于图像分割的阈值技术
OpenCV-Python实战（10）——OpenCV轮廓检测
OpenCV-Python实战（11）——OpenCV轮廓检测相关应用
OpenCV-Python实战（12）——一文详解AR增强现实
OpenCV-Python实战（13）——OpenCV与机器学习的碰撞
OpenCV-Python实战（14）——人脸检测详解
OpenCV-Python实战（15）——面部特征点检测详解
OpenCV-Python实战（16）——人脸追踪详解
OpenCV-Python实战（17）——人脸识别详解
OpenCV-Python实战（18）——深度学习简介与入门示例
OpenCV-Python实战（19）——OpenCV与深度学习的碰撞

标签： python opencv 计算机视觉
本文转载自: https://blog.csdn.net/LOVEmy134611/article/details/123060706
版权归原作者 盼小辉丶 所有， 如有侵权，请联系我们删除。
登录后发布评论

“OpenCV-Python实战（20）&mdash;&mdash;OpenCV计算机视觉项目在Web端的部署”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

Linux中的【tcpdump】：深入介绍与实战使用

毕设开源 基于大数据的b站数据分析

Kettle：一款数据仓库ETL神器

Vue2 前端表格必选项，禁止更改的实现

ORM框架详解：为什么不直接写SQL？

ESP8266的SSL/TLS安全网络编程实践指南

信创海光x86服务器，定义、特点及应用详解

文章导航