def net():
# создаем объект формы
form = NetForm()
# обнуляем переменные передаваемые в форму
filename = None
neurodic = {}
# проверяем нажатие сабмит и валидацию введенных данных
if form.validate_on_submit():
# файлы с изображениями читаются из каталога static
filename = os.path.join('./static',
secure_filename(form.upload.data.filename))
fcount, fimage = neuronet.read_image_files(10, './static')
# передаем все изображения в каталоге на классификацию
# можете изменить немного код и передать только загруженный файл
decode = neuronet.getresult(fimage)
# записываем в словарь данные классификации
for elem in decode:
neurodic[elem[0][1]] = elem[0][2]
# сохраняем загруженный файл
form.upload.data.save(filename)
# передаем форму в шаблон, так же передаем имя файла и результат работы нейронной
# сети если был нажат сабмит, либо передадим falsy значения
return render_template('net.html',
form=form,
image_name=filename,
neurodic=neurodic)
def apinet():
# проверяем что в запросе json данные
if request.mimetype == 'application/json':
# получаем json данные
data = request.get_json()
# берем содержимое по ключу, где хранится файл # закодированный строкой base64
# декодируем строку в массив байт используя кодировку utf-8
# первые 128 байт ascii и utf-8 совпадают, потому можно
filebytes = data['imagebin'].encode('utf-8')
# декодируем массив байт base64 в исходный файл изображение
cfile = base64.b64decode(filebytes)
# чтобы считать изображение как файл из памяти используем BytesIO
img = Image.open(BytesIO(cfile))
decode = neuronet.getresult([img])
neurodic = {}
for elem in decode:
neurodic[elem[0][1]] = str(elem[0][2])
print(elem)
# пример сохранения переданного файла
# handle = open('./static/f.png','wb')
# handle.write(cfile)
# handle.close()
# преобразуем словарь в json строку
ret = json.dumps(neurodic)
# готовим ответ пользователю
resp = Response(response=ret, status=200, mimetype="application/json")
# возвращаем ответ
return resp
def net():
form = NetForm()
filename=None
neurodic = {}
if form.validate_on_submit():
filename = os.path.join('./static', secure_filename(form.upload.data.filename))
fcount, fimage = neuronet.read_image_files(10,'./static')
decode = neuronet.getresult(fimage)
for elem in decode:
neurodic[elem[0][1]] = elem[0][2]
form.upload.data.save(filename)
return render_template('net.html',form=form,image_name=filename,neurodic=neurodic)
def apinet():
if request.mimetype == 'application/json':
data = request.get_json()
filebytes = data['imagebin'].encode('utf-8')
cfile = base64.b64decode(filebytes)
img = Image.open(BytesIO(cfile))
decode = neuronet.getresult([img])
neurodic = {}
for elem in decode:
neurodic[elem[0][1]] = str(elem[0][2])
print(elem)
ret = json.dumps(neurodic)
resp = Response(response=ret, status=200, mimetype="application/json")
return resp
def net():
#create form object
form = NewForm()
filename = None
neurodic = {}
#if 'submit' was pressed
if form.validate_on_submit():
#read image from static cataloge
filename = os.path.join('./static',
secure_filename(form.upload.data.filename))
fcount, fimage = neuronet.read_image_files(10, './static')
decode = neuronet.getresult(fimage)
for elem in decode:
neurodic[elem[0][1]] = elem[0][2]
#file saving
form.upload.data.save(filename)
return render_template('net.html',
form=form,
image_name=filename,
neurodic=neurodic)
