一个本地图像接口的设置

配置 Postman 接口步骤如下：

1. 请求方法和URL

• Method：POST

• URL：http://localhost:5000/classification

2. Headers（可以不填，Postman 会自动处理 multipart/form-data）

3. Body 设置

• 选择 Body → 选择 form-data

• 添加一项：

  • Key：photo（和 HTML 表单中一致）

  • Type：选择为 File

  • Value：选择你本地的图片文件，如 微信图片_20250521085740.jpg

4. 示例 JSON 响应格式

你将收到类似这样的返回：

{
  "DetectResult": "正常",
  "Detail": {
    "正常": "0.63",
    "人像": "0.34",
    "西装": "0.03",
    "色情图片": "0.00",
    "一般卡通": "0.00",
    "集体照": "0.00"
  },
  "filename": "微信图片_20250521085740.jpg",
  "newfilename": "2025-05-21 09_34_43_127.0.0.1_09974683778800802.jpg",
  "img_id": "2025-05-21 09_34_43_127.0.0.1_09974683778800802",
  "timecost": "0.536"
}

 

---

当然，下面是你收到的这份 JSON 报文的字段含义详细解释：

---

✅ 完整报文：

{
  "DetectResult": "正常",
  "Detail": {
    "正常": "0.63",
    "人像": "0.34",
    "西装": "0.03",
    "色情图片": "0.00",
    "一般卡通": "0.00",
    "集体照": "0.00"
  },
  "filename": "微信图片_20250521085740.jpg",
  "newfilename": "2025-05-21 09_34_43_127.0.0.1_09974683778800802.jpg",
  "img_id": "2025-05-21 09_34_43_127.0.0.1_09974683778800802",
  "timecost": "0.536"
}

---

🔍 字段含义逐项说明：

字段名	类型	含义
DetectResult	字符串	最终分类结果，即系统对该图片的主观判断分类，如“正常”、“色情图片”、“人像”等。这里是 "正常"，表示未检测出异常内容。
Detail	字典（JSON对象）	对该图片的每个类别的分类置信度（一般是 softmax 概率），值为字符串形式的浮点数。所有值加起来接近 1。目前只返回前5名的值
Detail["正常"]	字符串	分类为“正常”内容的概率，这里是 0.63（63%）
Detail["人像"]	字符串	分类为“人像”的概率（34%），可能表示图中有人物但不属于不良内容
Detail["西装"]	字符串	表示检测到“穿西装”的可能性（3%）
Detail["色情图片"]	字符串	判断为色情图的概率（这里是 0.00，说明无风险）
Detail["一般卡通"]	字符串	检测到“卡通”内容的概率
Detail["集体照"]	字符串	图像被判断为“集体合影”的概率
filename	字符串	上传的原始图片文件名
newfilename	字符串	系统保存的重命名后的文件名，格式通常包含时间、IP、唯一编号等信息
img_id	字符串	图像的唯一 ID，可用于后续追溯或查看检测历史，通常和 newfilename 同步生成
timecost	字符串/浮点数	处理这张图片花费的时间（单位：秒），用于性能监控

---

📌 举例说明：

这份返回结果表示：

• 这张图系统判断为“正常”内容（63%置信度）。

• 其中包含 人像（34%）和 西装（3%）的概率。

• 没有任何色情、卡通或集体照等高风险内容。

• 接口处理耗时 0.536 秒，整体较快。

下面是python调用的方法

---

import requests
import os
#url = 'http://localhost:5000/classification'  # 自己想要请求的接口地址
#url = 'http://10.10.10.16:5000/classification'
url = 'http://localhost:5000/classification'
#url = 'http://10.10.10.191:5000/classification'
def sendImg(img_path,img_type='image/jpeg'):
    img_name=os.path.basename(img_path)
    with open(img_path , "rb")as f_abs:  # 以2进制方式打开图片
        body = {
            # 有些上传图片时可能会有其他字段,比如图片的时间什么的vim，这个根据自己的需要
            'photo': (img_name, f_abs, img_type)
            }
    # 上传图片的时候，不使用data和json，用files
        response = requests.post(url=url, files=body)
        return response.text


ALLOWED_EXTENSIONS = set(['png', 'jpg', 'JPG', 'PNG', 'gif', 'GIF', 'JPEG', 'jpeg' ])
#是否是可以检测的图片类型
def allowed_file(filename):
    global basedir, orihtml, imageSize, labels, ALLOWED_EXTENSIONS
    return '.' in filename and filename.rsplit('.', 1)[1] in ALLOWED_EXTENSIONS

if __name__ == '__main__':
    # 批量上传目录下的文件 
    check_path = r'./testImg'
    for root, dirs, files in os.walk(check_path):
        for file in files:
            file_path = os.path.join(root, file)
            if allowed_file(file_path):
                res = sendImg(file_path)  # 调用sendImg方法
                print(file_path,res)

    # 单个的文件检测
    # file_path = r'e:\4.jpg'
    # if allowed_file(file_path):
    #     res = sendImg(file_path)  # 调用sendImg方法
    #     print(file_path, res)