Gradio学习——图像流输出

对于在后端实时获取的视频帧，经过图像处理函数处理后，需要不停的返回给前端。由于不是固定的视频，无法用gr.Video()方法，那利用gradio应该怎么处理？方法如下：

import gradio as gr
import time
import cv2

def fake_diffusion(vaule):
    cap = cv2.VideoCapture(0)
    while 1:
        time.sleep(vaule) # 防止卡死
        ret, frame = cap.read()
        if not ret:
            break
        frame_GRAY = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        yield frame_GRAY

demo = gr.Interface(fake_diffusion,
                    #设置滑窗，动态调整time.sleep时长
                    inputs=gr.Slider(label="调整输出图像帧的time.sleep的时长",minimum=0.01,maximum=0.1,step=0.005),
                    # outputs=[gr.Image(label="frame_GRAY")],
                    outputs="image",
                    live=True)

#生成器必须要queue函数
demo.queue()
demo.launch()

必须要添加time.sleep(),防止输入的图像帧太多从而导致程序卡死的情况。

这个方法可以用，但是会存在播放的图像帧较卡的情况，所以需要调整time.sleep的时长。

launch设置如下，假设在同一个局域网下，可以通过另一个设备直接访问该网页

demo.launch(server_name='0.0.0.0', server_port=7860, show_error=True)