图片np.array、base64在server和client端之间的转换，以及exif判断图片是否旋转

python3

在搭建计算机视觉服务的时候，在server端会遇到base64图片文件需要转化到np array，然后才能送入模型的情况，而在clinet端，则是需要将图片转化成base64发送request到服务，这个中间的转换我记录一下。

import base64
import cv2
import numpy as np

1.本地的base64 string to numpy array

image_string = request_data['image']
img_data = base64.b64decode(image_string)
nparr = np.fromstring(img_data, np.uint8)
img_np = cv2.imdecode(nparr, cv2.IMREAD_COLOR)

2 .本地的numpy array to base64 string

retval, buffer = cv2.imencode('.jpg', pic_img)
pic_str = base64.b64encode(buffer)
pic_str = pic_str.decode()

3 .image to base64

with open(img_path, 'rb') as rf:
    img_data = rf.read()
    data = base64.b64encode(img_data)
    data = data.decode()  # 如果用Python2 则注释这一行

最终版本 .

post request using the base64 string as part of json parameters

客户端

import requests
import json
with open(img_path, "rb") as image_file:
    encoded_image = base64.b64encode(image_file.read())
    req_file = encoded_image.decode()
#json format parameters
post_dict = {"image": req_file, "type": 0}
headers = {
    'Content-Type': 'application/json',  # This is important
}
response = requests.post(url, data=json.dumps(post_dict), headers=headers)

收回result
json.loads(json_res.text)['data']

以fastapi为例子

解码方法1 ，用cv2

#the host using jsonify(from flask) to return the result
解码方法1 ，用cv2
img_ascii_str = base64.b64decode(
            base64_string)  #ok,convert string to ascii
img_channel_1 = np.frombuffer(
            img_ascii_str, dtype=np.uint8)  # ok,convert ascii to [h*w*3,]
user_image = cv2.imdecode(
            img_channel_1, cv2.IMREAD_ANYCOLOR)  # ok, [h,w,3]

##解码方法2，用PIL pillow

import PIL.Image as Image
raw = base64.b64decode(base64_string)
pil_image = Image.open(io.BytesIO(raw)) # 这是pil格式的图片
注意有些图片，因为摄像的时候本身带了太多图片之外的信息，
比如图片是横着拍摄，进入linux之后会显示横图，我们用软件看的时候是正常的，
但是经过base64和request进入server端之后，图片有变成了横图
所以要用pil获取图片信息判断是不是横图，如果上，要纠正
exifdata = pil_image.getexif()
        print('exif data {}'.format(exifdata))
        if 274 in exifdata:
            if exifdata[274] == 6:
                h, w = pil_image.size
                cx, cy = w // 2, h // 2
                image = cv2.cvtColor(np.asarray(pil_image), cv2.COLOR_RGB2BGR)
                rotated_image = cv2.rotate(image, cv2.ROTATE_90_CLOCKWISE)
                # M=cv2.getRotationMatrix2D((cx,cy),90,1.0)
                # rotated_image=cv2.warpAffine(image,M,(w,h))
                return (rotated_image, end1 - st,
                        end2 - end1, end3 - end2, end3)
        else:
            image = cv2.cvtColor(np.asarray(pil_image), cv2.COLOR_RGB2BGR)