flask后端接受图片文件数据

1 代码

@app.route('/predict', methods=['POST'])
def predict():

    # 获取传送过来的完整原始图像
    file = request.form.get('file')
    print('file type', type(file))
    data_url = str.split(file, ',')[1]
    print('data_url type:', type(data_url))
    print('data_url:', data_url)

    img_data = base64.urlsafe_b64decode(data_url + '=' * (4 - len(data_url) % 4))
    print('type data 1:', type(img_data))
    img_data = np.frombuffer(img_data, np.uint8)
    print('type data 2:', type(img_data))
    img_arr = cv2.imdecode(img_data, cv2.IMREAD_COLOR)
    print('type data 3:', type(img_data))
    cv2.imwrite("./uploadImages/" + str(time()) + "_img.png", img_arr)

2 代码说明

接受文件数据最重要的是对各种文件数据类型的处理，先贴一下上述代码的运行结果：


处理过程：
1）从结果可以看出，flask后端接受的’file’为字符串形式，即对应的是base64编码的图片文件地址url;
2）需要注意的是使用base64编码的图片URL地址，其内容不是单纯的图片数据，还包括一个代表base64编码信息的文件头，如下图中的红色方框中圈出来的部分所示。所以需要从这个URL中提取图片数据的部分，而丢弃这部分没用的文件头，具体做法就是通过定位“,”来将这个URL划分为文件头和文件数据两部分，这里只需要后面一部分就可以了

3）在得到图片纯数据URL之后，我们需要对其进行base64的解码，解码的结果是bytes类型
4）使用np.frombuffer(data, 数据类型）这种方式将bytes类的数据按照给定的数据类型进行解析，这样得到的数据类型是numpy数组类型，这里的numpy数组的shape是一维的！！！；
5）cv2.imdecode的用法是从指定的内存缓存中读取数据，并将数据转化为图片格式，通常用于从网络数据中恢复图像。

备注：个人觉得这里的（5）不一定需要，但是一时也找不到当时参考的那篇博文了。