Python项目实战OpenCV计算机视觉在Web端的部署（二）

　　本节中将使用 Python Web 框架创建并部署一个完整的 Web 人脸检测应用程序，此程序不仅可以处理本地图片(利用 request.files[＂image＂])，同时也可以用于处理来自网络中的图片(利用 request.args.get(＂url＂))。
　　1.1 解析请求并构建响应
　　在此实战中，我们将看到如何使用 OpenCV 和 Flask 创建一个 Web 人脸检测 API，我们将项目命名为 face_detection，项目目录结构如下所示：face_detection 	|——server 	|	 face_detection.py 	|	 face_processing.py 	 client 		 request_test.py 		 request_and_draw_rectangle.py 		 test_example.png
　　其中 face_detection.py 脚本负责解析请求并构建对客户端的响应：# face_detection.py # 导入所需包 from flask import Flask, request, jsonify import urllib.request from face_processing import FaceProcessing  app = Flask(__name__) fc = FaceProcessing()  @app.errorhandler(400) def bad_request(e):     # 返回代码错误      return jsonify({＂status＂: ＂Not ok＂, ＂message＂: ＂This server could not understand your request＂}), 400  @app.errorhandler(404) def not_found(e):     # 返回代码错误     return jsonify({＂status＂: ＂Not found＂, ＂message＂: ＂Route not found＂}), 404  @app.errorhandler(500) def internal_error(e):     # 返回代码错误     return jsonify({＂status＂: ＂Internal Error＂, ＂message＂: ＂Internal error occurred in server＂}), 500  @app.route(＂/detect＂, methods=[＂GET＂, ＂POST＂, ＂PUT＂]) def detect_human_faces():     if request.method == ＂GET＂:         if request.args.get(＂url＂):             with urllib.request.urlopen(request.args.get(＂url＂)) as url:                 return jsonify({＂status＂: ＂Ok＂, ＂result＂: fc.face_detection(url.read())}), 200         else:             return jsonify({＂status＂: ＂Bad request＂, ＂message＂: ＂Parameter url is not present＂}), 400     elif request.method == ＂POST＂:         if request.files.get(＂image＂):             return jsonify({＂status＂: ＂Ok＂, ＂result＂: fc.face_detection(request.files[＂image＂].read())}), 200         else:             return jsonify({＂status＂: ＂Bad request＂, ＂message＂: ＂Parameter image is not present＂}), 400     else:         return jsonify({＂status＂: ＂Failure＂, ＂message＂: ＂PUT method not supported for API＂}), 405   if __name__ == ＂__main__＂:     app.run(host=＂0.0.0.0＂)
　　如上所示，使用 jsonify() 函数来创建给定参数的 JSON 表示，以返回 application/json MIME 类型。 JSON 是信息交换的事实标准，此项目将返回 JSON 响应，在项目的最后我们将了解如何对其进行修改以返回图像，此 Web 人脸检测 API 支持 GET 和 POST 请求；此外，在 face_detection 脚本中，我们还通过使用 errorhandler() 装饰函数来注册错误处理程序，用来响应出错时向客户端返回设置的错误代码。
　　人脸检测程序与负责响应的程序进行了分离，人脸检测程序在 face_processing.py 脚本中执行，其中编写了 FaceProcessing() 类：# face_processing.py import cv2 import numpy as np import os class FaceProcessing(object):     def __init__(self):         self.file = os.path.join(os.path.join(os.path.dirname(__file__), ＂data＂), ＂haarcascade_frontalface_alt.xml＂)         self.face_cascade = cv2.CascadeClassifier(self.file)      def face_detection(self, image):         # 将图像转换为 OpenCV 格式         image_array = np.asarray(bytearray(image), dtype=np.uint8)         img_opencv = cv2.imdecode(image_array, -1)         output = []         # 检测人脸并构建返回值         gray = cv2.cvtColor(img_opencv, cv2.COLOR_BGR2GRAY)         faces = self.face_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(25, 25))         for face in faces:             # 返回检测框坐标             x, y, w, h = face.tolist()             face = {＂box＂: [x, y, x + w, y + h]}             output.append(face)             print(face)         # 返回结果         return output
　　face_detection() 方法使用 OpenCV 的 detectMultiScale() 函数执行人脸检测，获得每个检测到的人脸的坐标 (x, y, w, h)，并通过合适的格式对检测结果进行编码来构建返回检测框：face = {＂box＂: [x, y, x + w, y + h]}
　　最后，我们将编码完成的人脸检测框添加到 output 数组中，将所有检测到的人脸检测框都添加到 output 数组后，将其返回：output.append(face)1.2 构建请求进行测试
　　为了使用 Web 人脸检测 API，我们可以从浏览器执行 GET 请求；同时，此 API 还支持 POST 请求。接下来，我们构建测试脚本测试此 API ，此脚本可以执行 GET 和 POST 请求，以了解如何与人脸 API 进行交互，更具体的讲，测试脚本将对人脸 API 发送多个请求，以获得不同的响应，并查看错误处理的工作原理。
　　首先使用不正确的 URL 执行 GET 请求：# request_test.py import requests  FACE_DETECTION_REST_API_URL = ＂http://localhost:5000/detect＂ FACE_DETECTION_REST_API_URL_WRONG = ＂http://localhost:5000/process＂ IMAGE_PATH = ＂test_example.png＂ URL_IMAGE = ＂https://imgs.mmkk.me/wmnv/img/20190625073459-5d11cea35c407.png＂ # 提交 GET 请求 r = requests.get(FACE_DETECTION_REST_API_URL_WRONG) # 查看响应 print(＂status code: {}＂.format(r.status_code)) print(＂headers: {}＂.format(r.headers)) print(＂content: {}＂.format(r.json()))
　　打印响应信息，可以看到：status code: 404 headers: {＂Content-Type＂: ＂application/json＂, ＂Content-Length＂: ＂51＂, ＂Server＂: ＂Werkzeug/1.0.1 Python/3.7.7＂, ＂Date＂: ＂Sat, 02 Oct 2021 01:45:19 GMT＂} content: {＂message＂: ＂Route not found＂, ＂status＂: ＂Not found＂}
　　状态码 404 表示客户端可以与服务器通信，但服务器找不到请求的内容。这是因为请求的 URL (http://localhost:5000/process) 不正确。
　　执行的第二个请求是正确的 GET 请求：# 提交 GET 请求 payload = {＂url＂: URL_IMAGE} r = requests.get(FACE_DETECTION_REST_API_URL, params=payload) # 查看响应 print(＂status code: {}＂.format(r.status_code)) print(＂headers: {}＂.format(r.headers)) print(＂content: {}＂.format(r.json()))
　　打印响应信息，可以看到：status code: 200 headers: {＂Content-Type＂: ＂application/json＂, ＂Content-Length＂: ＂52＂, ＂Server＂: ＂Werkzeug/1.0.1 Python/3.7.7＂, ＂Date＂: ＂Sat, 02 Oct 2021 01:54:31 GMT＂} content: {＂result＂: [{＂box＂: [233, 77, 356, 252]}], ＂status＂: ＂Ok＂}
　　状态码 200 表示请求已成功执行，还可以看到已检测到与人脸相对应的检测框坐标。
　　接下来执行缺少有效负载的 GET 请求：# 提交 GET 请求 r = requests.get(FACE_DETECTION_REST_API_URL) # 查看响应 print(＂status code: {}＂.format(r.status_code)) print(＂headers: {}＂.format(r.headers)) print(＂content: {}＂.format(r.json()))
　　打印响应信息，可以看到：status code: 400 headers: {＂Content-Type＂: ＂application/json＂, ＂Content-Length＂: ＂66＂, ＂Server＂: ＂Werkzeug/1.0.1 Python/3.7.7＂, ＂Date＂: ＂Sat, 02 Oct 2021 01:58:00 GMT＂} content: {＂message＂: ＂Parameter url is not present＂, ＂status＂: ＂Bad request＂}
　　状态代码 400 表示错误请求，这是由于其缺少 url 参数。
　　接下来执行的第四个请求是具有正确负载的 POST 请求：# 加载图像并构建有效负载 image = open(IMAGE_PATH, ＂rb＂).read() payload = {＂image＂: image} # 提交 POST 请求 r = requests.post(FACE_DETECTION_REST_API_URL, files=payload) # 查看响应 print(＂status code: {}＂.format(r.status_code)) print(＂headers: {}＂.format(r.headers)) print(＂content: {}＂.format(r.json()))
　　打印响应信息，可以看到：status code: 200 headers: {＂Content-Type＂: ＂application/json＂, ＂Content-Length＂: ＂52＂, ＂Server＂: ＂Werkzeug/1.0.1 Python/3.7.7＂, ＂Date＂: ＂Sat, 02 Oct 2021 02:03:26 GMT＂} content: {＂result＂: [{＂box＂: [193, 92, 355, 292]}], ＂status＂: ＂Ok＂}
　　最后我们构造 PUT 请求：# 提交 PUT 请求 r = requests.put(FACE_DETECTION_REST_API_URL, files=payload) # 查看响应 print(＂status code: {}＂.format(r.status_code)) print(＂headers: {}＂.format(r.headers)) print(＂content: {}＂.format(r.json()))
　　打印响应信息，可以看到：status code: 405 headers: {＂Content-Type＂: ＂application/json＂, ＂Content-Length＂: ＂66＂, ＂Server＂: ＂Werkzeug/1.0.1 Python/3.7.7＂, ＂Date＂: ＂Sat, 02 Oct 2021 02:05:54 GMT＂} content: {＂message＂: ＂PUT method not supported for API＂, ＂status＂: ＂Failure＂}
　　这是由于我们的 API 不支持 PUT 方法，仅支持 GET 和 POST 方法，因此返回状态码 405。2. 根据获得的响应信息在客户端绘制检测框
　　当请求成功执行时，将检测到的人脸作为 JSON 数据返回，接下来我们将编写程序了解如何解析响应并绘制检测到的人脸：# request_and_draw_rectangle.py import cv2 import numpy as np import requests from matplotlib import pyplot as plt  def show_img_with_matplotlib(color_img, title, pos):     img_RGB = color_img[:, :, ::-1]     ax = plt.subplot(1, 1, pos)     plt.imshow(img_RGB)     plt.title(title, fontsize=10)     plt.axis(＂off＂)  FACE_DETECTION_REST_API_URL = ＂http://localhost:5000/detect＂ IMAGE_PATH = ＂test_example.png＂ # 加载图像构造有效负载 image = open(IMAGE_PATH, ＂rb＂).read() payload = {＂image＂: image} r = requests.post(FACE_DETECTION_REST_API_URL, files=payload) # 打印响应信息 print(＂status code: {}＂.format(r.status_code)) print(＂headers: {}＂.format(r.headers)) print(＂content: {}＂.format(r.json())) # 解析响应信息 json_data = r.json() result = json_data[＂result＂]  image_array = np.asarray(bytearray(image), dtype=np.uint8) img_opencv = cv2.imdecode(image_array, -1) # 绘制检测框 for face in result:     left, top, right, bottom = face[＂box＂]     cv2.rectangle(img_opencv, (left, top), (right, bottom), (0, 255, 255), 2)     cv2.circle(img_opencv, (left, top), 5, (0, 0, 255), -1)     cv2.circle(img_opencv, (right, bottom), 5, (255, 0, 0), -1)  # 可视化 fig = plt.figure(figsize=(8, 6)) plt.suptitle(＂Using face API＂, fontsize=14, fontweight=＂bold＂) show_img_with_matplotlib(img_opencv, ＂face detection＂, 1)  plt.show()
　　在上示代码中，首先加载图像并构建有效负载，然后，执行 POST 请求，从响应中获取 JSON 数据并进行解析：# 解析响应信息 json_data = r.json() result = json_data[＂result＂]
　　接下来，就可以利用返回的信息绘制检测到的人脸：# 绘制检测框 for face in result:     left, top, right, bottom = face[＂box＂]     cv2.rectangle(img_opencv, (left, top), (right, bottom), (0, 255, 255), 2)     cv2.circle(img_opencv, (left, top), 5, (0, 0, 255), -1)     cv2.circle(img_opencv, (right, bottom), 5, (255, 0, 0), -1)
　　对于每个检测到的人脸，绘制矩形检测框以及左上角和右下角的点：
　　3. 在服务器端绘制检测框并返回
　　我们也可以直接在服务器端在图像中绘制检测框，然后将结果图像返回(相关讲解可以在《OpenCV计算机视觉项目在Web端的部署》中查看)，我们需要做的仅仅是修改 face_detection.py，这就是代码分离的优势之一：# 这里仅修改 GET 请求，对于 POST 的修改也是类似的，可以自行探索 @app.route(＂/detect＂, methods=[＂GET＂, ＂POST＂, ＂PUT＂]) def detect_human_faces():     if request.method == ＂GET＂:         if request.args.get(＂url＂):             with urllib.request.urlopen(request.args.get(＂url＂)) as url:                 image = url.read()             result = fc.face_detection(image)             image_array = np.asarray(bytearray(image), dtype=np.uint8)             img_opencv = cv2.imdecode(image_array, -1)             for face in result:                 left, top, right, bottom = face[＂box＂]                  cv2.rectangle(img_opencv, (left, top), (right, bottom), (0, 255, 255), 2)                 cv2.circle(img_opencv, (left, top), 5, (0, 0, 255), -1)                 cv2.circle(img_opencv, (right, bottom), 5, (255, 0, 0), -1)             retval, buffer = cv2.imencode(＂.jpg＂, img_opencv)             response = make_response(buffer.tobytes())             response.headers[＂Content-Type＂] = ＂image＂             return response         else:             return jsonify({＂status＂: ＂Bad request＂, ＂message＂: ＂Parameter url is not present＂}), 400     elif request.method == ＂POST＂:         if request.files.get(＂image＂):             return jsonify({＂status＂: ＂Ok＂, ＂result＂: fc.face_detection(request.files[＂image＂].read())}), 200         else:             return jsonify({＂status＂: ＂Bad request＂, ＂message＂: ＂Parameter image is not present＂}), 400     else:         return jsonify({＂status＂: ＂Failure＂, ＂message＂: ＂PUT method not supported for API＂}), 405
　　修改之后，我们就可以通过 GET 请求来查看程序效果：http://10.140.12.255:5000/detect?url=https://imgs.mmkk.me/wmnv/img/20190625073459-5d11cea35c407.png
　　小结
　　在本文中，我们使用 Python Web 框架创建并部署了一个完整的 Web 人脸检测应用程序，同时在项目中我们处理了来自浏览器的不同请求方式(例如 GET 和 POST 等)，并通过实战使用 OpenCV 和 Flask 创建 Web 人脸检测 API，同时我们还使用了两种不同类型的响应结果提供不同的请求结果。
　　作者：盼小辉
　　原文链接：https://blog.csdn.net/LOVEmy134611/article/details/123203311