【OpenCV DNN】Flask 视频监控目标检测教程 02
欢迎关注『OpenCV DNN @ Youcans』系列,持续更新中
【OpenCV DNN】Flask 视频监控目标检测教程 01
【OpenCV DNN】Flask 视频监控目标检测教程 02
【OpenCV DNN】Flask 视频监控目标检测教程 02
- 3.1 从URL地址读取图片进行处理
- 3.1.1 从指定的 url 地址读取图像
- 3.1.2 例程:从指定的 url 读取图像
- 3.2 上传本地图片进行卡通处理
- 3.2.1 建立 Flask 项目
- 3.2.2 编写 HTML 文档
- 3.2.3 Python程序实现业务逻辑
- 3.2.4 运行脚本
本系列从零开始,详细讲解使用 Flask 框架构建 OpenCV DNN 模型的 Web 应用程序。
本节介绍使用OpenCV+Flask将计算机视觉应用程序部署到Web端。
3.1 从URL地址读取图片进行处理
我们编写的第一个例程,从指定的URL地址读取图片,对图片进行处理,返回处理后的图片并在网页上显示。本例程在浏览器直接显示响应图片,没有使用HTML文档。
3.1.1 从指定的 url 地址读取图像
(1)首先从指定的 url 地址读取图像。
Flask中使用route()装饰器将应用程序的URL绑定到函数,可以接受URL参数实现路由访问。
@app.route('/enhance', methods=['GET'])
def detail_enhance():# 从指定的 url 地址读取图像with urllib.request.urlopen(request.args.get('url')) as url:image_array = np.asarray(bytearray(url.read()), np.uint8)# 从指定的内存缓存中读取数据,并把数据转换成图像格式imgCV = cv2.imdecode(image_array, -1) # 转换为 OpenCV 图像
使用函数request.args.get(‘url’)来获取URL参数,构建一个变量URL。当我们访问/user/时,就可以接收到URL地址,然后从URL地址读取图片。
注意不能使用函数cv.imread()读取图像,而要使用函数cv.imdecode()从指定的内存缓存中读取数据,并将传输数据转换为OpenCV图像。
(2)图像处理。
简单地,例程使用边缘保护图像滤波和铅笔素描两种方法进行图像处理。
(3)将图像编码到内存缓冲区。
使用函数cv.imencode()将图像编码为流数据,存储到内存缓存中,方便网络传输。
(4)生成返回页面响应。
使用函数make_response()将缓存中的图像编码封装为响应对象,将页面响应返回到客户端。
3.1.2 例程:从指定的 url 读取图像
完整的例程如下。
# opencvFlask01.pyimport cv2
import numpy as np
from flask import Flask, request, make_response
import urllib.requestapp = Flask(__name__) # 用当前脚本名称实例化Flask对象@app.route('/enhance', methods=['GET'])
def detail_enhance():# 从指定的 url 地址读取图像with urllib.request.urlopen(request.args.get('url')) as url:image_array = np.asarray(bytearray(url.read()), np.uint8)# 从指定的内存缓存中读取数据,并把数据转换成图像格式imgCV = cv2.imdecode(image_array, -1) # 转换为 OpenCV 图像# # 双边滤波增强图像# dst = cv2.detailEnhance(imgCV, sigma_s=10, sigma_r=0.2)# 边缘保护滤波图像dst = cv2.edgePreservingFilter(imgCV, sigma_s=50, sigma_r=0.4)# 将图像编码到内存缓冲区ret, out_buf = cv2.imencode('.jpg', dst)# 生成返回页面响应resp = make_response(out_buf.tobytes()) # 封装为响应对象resp.headers['Content-Type'] = 'image/jpeg' # 设置响应头return resp@app.route('/pencil', methods=['GET'])
def pencil_sketch():# 从指定的 url 地址读取图像with urllib.request.urlopen(request.args.get('url')) as url:image_array = np.asarray(bytearray(url.read()), np.uint8)# 从指定的内存缓存中读取数据,并把数据转换成图像格式imgCV = cv2.imdecode(image_array, -1) # 转换为 OpenCV 图像# 铅笔画滤波图像dst1, dst2 = cv2.pencilSketch(imgCV, sigma_s=100, sigma_r=0.15, shade_factor=0.02)# 将图像编码到内存缓冲区ret, out_buf = cv2.imencode('.jpg', dst1)# 生成返回页面响应resp = make_response(out_buf.tobytes()) # 封装为响应对象resp.headers['Content-Type'] = 'image/jpeg' # 设置响应头return respif __name__ == '__main__':# 启动一个本地开发服务器,激活该网页app.run(host='0.0.0.0', debug=True) # 绑定 IP 和端口
运行程序cvFlask01.py,启动Web服务器,控制台将显示如下消息。
* Serving Flask app 'cvFlask01'* Debug mode: off* Running on all addresses (0.0.0.0)* Running on http://127.0.0.1:5000* Running on http://192.168.3.249:5000
在浏览器输入以下URL,调用GET请求。
http://192.168.3.249:5000/enhance?url=http://www.news.cn/photo/2023-03/29/1129476453_16800903517201n.jpghttp://192.168.3.249:5000/pencil?url=http://www.news.cn/photo/2023-03/29/1129476453_16800903517201n.jpg
不同网络设备运行时的IP地址不同,具体可以参考控制台显示输出的内容。其中参数url的值http://www.news.cn/photo/***.jpg
是待处理图像的URL地址。通过route()装饰器的路由规则,将enhance
绑定到函数detail_enhance(),将pencil
绑定到函数pencil_sketch(),执行不同的图像处理任务。
Flask获取GET请求后,进行图像处理,并在浏览器显示响应图片如下。
3.2 上传本地图片进行卡通处理
我们的第二个例程,上传本地图片,对图片进行处理,返回处理图片并在网页上进行格式化显示。
3.2.1 建立 Flask 项目
为了处理本地图片上传和格式化显示处理的图片,我们需要建立一个Flask项目,并编写简单的HTML文档。具体步骤如下。
(1)新建一个Flask项目。
项目默认配置建立static和templates目录,static目录用来存放静态资源,例如图片、js、css文件等,templates目录存放模板文件。网站逻辑由Python程序文件cvFlask02.py实现,保存在项目的根目录。项目cvFlask02的文件树如下。
---项目文件名\|---static\
|---templates\| |---processed.html| |---upload.html
|--- cvFlask02.py
3.2.2 编写 HTML 文档
(2)编写upload.html文档,用于上传本地图片,保存在templates目录。
<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><title>OpenCV+Flask 上传图片</title>
</head>
<body><h1 align="center">OpenCV+Flask 例程:上传本地图片处理</h1><p align="center">Developed by youcans@xupt,2023</p><form action="" enctype='multipart/form-data' method='POST'><label>选择按钮:</label><input type="file" name="file" style="margin-top:25px;"/><br><label>选中文件:</label><input type="text" class="txt_input" name="name" value="png/jpg/jpeg/bmp" style="margin-top:20px;"/><br><label>上传按钮:</label><input type="submit" value="上传图片" class="button-new" style="margin-top:20px;"/><br></form>
</body>
</html>
(3)编写processed.html文档,用于显示上传图片和处理图片,保存在templates目录。
<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><title>OpenCV+Flask 上传图片</title>
</head>
<body><h1 align="center">OpenCV+Flask 例程:上传本地图片进行处理</h1><p align="center">Developed by youcans@xupt, 2023</p> <form action="" enctype='multipart/form-data' method='POST'><label>选中文件:</label><input type="text" class="txt_input" name="name" value={{userinput}} style="margin-top:10px;"/><br></form><h2 align="center">图片处理结果</h2><table width="700" height="350" border="5" align="center" frame=void><tr><td align="center" valign="middle">原始图片</td><td align="center" valign="middle">处理结果</td></tr><tr><td align="center" valign="middle"><img src="{{ url_for('static', filename= './images/upload.jpg',_t=val1) }}" width="300" height="300" alt="上传的原始图片"/></td><td align="center" valign="middle"><img src="{{ url_for('static', filename= './images/processed.jpg',_t=val1) }}" width="300" height="300" alt="处理完成的图片"/></td></tr></table></body>
</html>
(4)编写Python程序文件cvFlask02.py,保存在项目根目录下。
3.2.3 Python程序实现业务逻辑
Python程序实现如下的业务逻辑:
1)启动一个本地开发服务器,激活upload.html网页。
2)接收upload.html页面上传的图像文件,并进行检查。
3)将上传的图片保存到 upload_path 路径。
4)调用图像处理子程序,对上传的图像进行处理。
5)激活processed.html网页,显示原始图像和处理后的图像。
本例程的图像处理子程序,使用cv. Stylization()函数对上传的图片进行卡通化处理,也可以根据需要实现其它图片处理方法。
cvFlask02.py完整的程序代码如下。
# cvFlask02.py
# OpenCV+Flask 图像处理例程 02
# 上传本地图片进行处理,在网页上显示处理结果
# Copyright 2023 Youcans, XUPT
# Crated:2023-4-25# coding:utf-8
import cv2
import os, time
from flask import Flask, render_template, request, make_response, jsonify
from werkzeug.utils import secure_filename
from datetime import timedelta# 设置允许的文件格式
ALLOWED_EXTENSIONS = set(['png', 'jpg', 'JPG', 'PNG', 'bmp'])app = Flask(__name__) # 用当前脚本名称实例化Flask对象
app.send_file_max_age_default = timedelta(seconds=1) # 设置静态文件缓存过期时间@app.route('/upload', methods=['POST', 'GET']) # 添加路由
def upload():if request.method == 'POST':f = request.files['file'] # 从表单的 file 字段获取文件,file为该表单的name值print("user_input:", f.filename) # tiger02.pngif not (f and allowed_file(f.filename)): # 检查图片类型return jsonify({"error": 1001, "msg": "上传图片必须是 png/jpg/jpeg/bmp 类型"})user_input = request.form.get("name") # 获取表单输入的 name 值, png/jpg/jpeg/bmpbasepath = os.path.dirname(__file__) # 当前文件所在路径 C:\Users\David\cvFlask\# upload_filepath = os.path.join(basepath, 'static\images', secure_filename(f.filename))upload_filepath = os.path.join(basepath, 'static\images', 'upload.jpg') # 合成上传图片的保存路径print("upload_filepath", upload_filepath) # upload_path, C:\Users\David\cvFlask\static\images\upload.jpgf.save(upload_filepath) # 将上传的图片保存到 upload_path 路径# OpenCV 图像处理dst = imageProcessing(upload_filepath) # 调用图片处理子程序cv2.imwrite(os.path.join(basepath, 'static/images', 'processed.jpg'), dst) # 保存处理后的图片user_input = f.filename # 上传图片的文件名return render_template('processed.html', userinput=user_input, val1=time.time())return render_template('upload.html')def imageProcessing(filepath): # 图片处理子程序imgCV = cv2.imread(filepath) # 从 filepath 路径读取图片dst = cv2.stylization(imgCV, sigma_s=60, sigma_r=0.07) # 图片卡通化处理return dstdef allowed_file(filename):return '.' in filename and filename.rsplit('.', 1)[1] in ALLOWED_EXTENSIONSif __name__ == '__main__':# 启动一个本地开发服务器,激活该网页app.run(host='0.0.0.0', port=5000, debug=True) # 绑定 IP 和端口
3.2.4 运行脚本
(5)接下来运行此脚本。
进入cvFlask02项目的根目录,运行程序cvFlask02.py,启动流媒体服务器。控制台将显示如下消息。
* Serving Flask app 'cvFlask02'* Debug mode: on* Running on all addresses (0.0.0.0)* Running on http://127.0.0.1:5000* Running on http://192.168.3.249:5000
在浏览器输入URL(http://192.168.3.249:5000/upload),打开upload.html网页,显示如下。
在浏览器点击页面上的选择按钮,选择本地的图片上传,上传的图片保存到static\images
目录。
程序cvFlask02.py对上传的图片进行卡通化处理,然后激活processed.html网页,显示原始图像和处理后的图像。
在移动手机打开浏览器,输入URL(http://192.168.3.249:5000/upload),也可以上传手机中的图片进行处理,结果如下图所示。不同网络设备运行时的IP地址不同,具体可以参考控制台显示输出的内容。
【本节完】
下节我们将讨论:在浏览器运行 OpenCV DNN 人脸检测。
欢迎关注『OpenCV DNN @ Youcans』系列,持续更新中
版权声明:
youcans@xupt 原创作品,转载必须标注原文链接:
【OpenCV DNN】Flask 视频监控目标检测教程 02(https://blog.csdn.net/youcans/article/details/130809121)
Copyright 2023 youcans, XUPT
Crated:2023-05-22
【OpenCV DNN】Flask 视频监控目标检测教程 02相关推荐
- 【OpenCV DNN】Flask 视频监控目标检测教程 04
欢迎关注『OpenCV DNN @ Youcans』系列,持续更新中 [OpenCV DNN]Flask 视频监控目标检测教程 04 3.4 用Flask构建流媒体服务器 3.4.1 流媒体服务器基本 ...
- 【OpenCV DNN】Flask 视频监控目标检测教程 07
欢迎关注『OpenCV DNN @ Youcans』系列,持续更新中 [OpenCV DNN]Flask 视频监控目标检测教程 07 3.7 OpenCV+Flask实时监控人脸识别 cvFlask0 ...
- 用opencv的dnn模块做yolov5目标检测
最近在微信公众号里看到多篇讲解yolov5在openvino部署做目标检测文章,但是没看到过用opencv的dnn模块做yolov5目标检测的.于是,我就想着编写一套用opencv的dnn模块做yol ...
- 深度学习 + OpenCV,Python实现实时视频目标检测
选自PyimageSearch 机器之心编译 参与:路雪.李泽南 使用 OpenCV 和 Python 对实时视频流进行深度学习目标检测是非常简单的,我们只需要组合一些合适的代码,接入实时视频,随后加 ...
- OpenCV+YOLO+IP摄像头实现目标检测
title: OpenCV+YOLO+IP摄像头实现目标检测 前言 学习OpenCV.YOLO到现在我实现了调用本地摄像头使用自己训练的模型进行目标识别,然后想着能不能远程获取视频数据,然后再PC端处 ...
- 【mmdetection小目标检测教程】三、使用sahi库切分高分辨率图片,一键生成coco格式数据集
[mmdetection小目标检测教程]三.使用sahi库切分高分辨率图片,一键生成coco格式数据集 1.确认是否需要切分图像 2.子图切分 (1)安装sahi库 (2)基于sahi切图 本文我们将 ...
- 养老院视频监控分析检测算法
养老院视频监控分析检测算法通过借助计算机视觉深度学习技术以及yolo系列模型架构,对现场人员实时识别检测.Yolo算法采用一个单独的CNN模型实现end-to-end的目标检测,核心思想就是利用整张图 ...
- 道路运输车辆卫星定位系统企业监控平台标准符合性检测和道路运输车辆卫星定位系统企业视频监控平台检测攻略...
卫星定位平台部标平台检测阶段步骤道路运输车辆卫星定位系统企业监控平台标准符合性检测和道路运输车辆卫星定位系统企业视频监控平台检测攻略 最新更新2019年9月9日16:21:37 步骤1.报名 ...
- OpenCV实现远程视频监控与运动目标检测
远程视频监控与运动目标检测 本来是一次网络编程课的大作业,在做的过程中发现了蛮多问题,之后也一一调试完成,总的来说并不复杂,但也学到蛮多东西的,所以打算放上来 目的 随着图像处理技术和无线通信技术的发 ...
最新文章
- orm连接mysql_Django项目如何使用ORM连接MySQL
- 怎样快速使用富文本编辑器
- Qt Creator使用Clang代码模型解析C ++文件
- MySQL小误区:关于set global sql_slave_skip_counter=N 命令的一些点
- python 仪表盘_如何使用Python刮除仪表板
- combo空间禁止手动输入_国产大空间MPV新选择 上汽大通新款G10国六版本上市
- 令人魂牵梦绕的香格里拉
- 基于FPGA的1080P 60Hz BT1120接口调试过程记录
- 大专码农和985程序员有什么区别?
- 【JY】浅析各动力求解算法及其算法数值阻尼(人工阻尼)
- adventure项目案例分析
- 安装mantis 2.14
- 使用Rasterio读取栅格数据
- cURL – POST请求示例
- RTP 发送PS流工具(已经开源)
- 心血来潮用vb写-音标发音小程序
- 山东大学为什么火了_比校花更诱人,山东大学因为它,火了!
- 三国群雄传ol服务器 修改,三国群雄传四大兵营进阶改造攻略详解
- ts15_Forecast multiple seas_mSTL_make_subplot_rMSPE_UCM_date format_NeuralProphet_changepoint_StateS
- 婚宴座位图html5,结婚酒席座位安排