计算两个图片的汉明距离并用flask封装接口

直接上代码，保姆级教程。关于flask一些基础内容看我的写的flask基础内容

import json
from PIL import Image
from functools import reduce
from flask import Flask, request

app = Flask(__name__)


@app.route('/', methods=["POST"])
def predict():
    return_dict = {'return_code': '200', 'return_info': '处理成功', 'dis': "1", "img": False}
    # 判断传入的json数据是否为空
    if request.get_data() is None:
        return_dict['return_code'] = '5004'
        return_dict['return_info'] = '请求参数为空'
        return json.dumps(return_dict, ensure_ascii=False)
    # 获取传入的参数
    get_Data = request.get_data()
    # 传入的参数为bytes类型，需要转化成json
    get_Data = json.loads(get_Data)
    img1_path = get_Data.get("img1_path")
    img2_path = get_Data.get("img2_path")
    # 对参数进行操作
    img1 = Image.open(img1_path)
    img2 = Image.open(img2_path)
    return_dict["img"] = img1_path
    return_dict['dis'] = is_imgs_similar(img1, img2)
    return json.dumps(return_dict, ensure_ascii=False)


# 计算Hash
def phash(img):
    img = img.resize((8, 8), Image.ANTIALIAS).convert('L')
    avg = reduce(lambda x, y: x + y, img.getdata()) / 64.
    return reduce(
        lambda x, y: x | (y[1] << y[0]),
        enumerate(map(lambda i: 0 if i < avg else 1, img.getdata())),
        0
    )


# 计算汉明距离
def hamming_distance(a, b):
    return bin(a ^ b).count('1')


# 计算图片相似度
def is_imgs_similar(img1, img2):
    return hamming_distance(phash(img1), phash(img2))


if __name__ == '__main__':
    app.run(debug=True)

其实发这个的主要目的还是比较好理解如何入门理解flask部署。正常运行之后的输出

测试接口，用的postman，下载和使用这个大家直接搜索就可以了。因为输入输出采用的是json格式，所以要进行下面的输入

这是我的图片与python文件的相对位置

postman的输入与输出

这样应该很好理解了