Python language development,based on flask-python web framework,Front-end back-end separation, only provide the backend interface,use postman's HTTP simulation request for testing.

图像解模糊（deblurring）和图像超分辨率还原（Super-resolution）深度学习框架tensorflow和torch，并实现web后端基于python-Flask框架的接口，python语言。

可以搭建自己的图像处理网站。

最近写的一个FLask图像处理接口，因为涉及到需要展示，也尝试加了前端页面，后来为了独立前后端，做了前后端分离，这里只保留了后端接口，结果以json字典的形式返回。 因为测试的机器为自己的电脑，只加入了文件上传到远程服务器，测试的机器为cpu版本的深度学习框架，运行速度较慢（平均一张处理时间2-30s…）。

后来新加了批量处理的接口，上传格式要求为.zip的压缩包。

pip install flask paramiko json zipfile os shutil time

需要修改服务器ip、端口号，登录账号、密码。（如果有需要上传到服务器，不需要可以注释掉上传服务器的代码）

注：ESRGAN为存放解模糊代码文件夹，待处理的文件夹为ESRGAN/LR接口py文件运行处理后会创建；ESRGAN/results为存放处理后的文件夹

注：SRN为超清晰还原的代码文件夹，待处理的文件夹为SRN/testing_set接口py文件运行处理后会创建；SRN/testing_res为存放处理后的文件夹

批量处理的结果保存在本地tmp/下以时间戳命名的zip压缩包。

/upload_pictures.py是一个暗光增强接口（使用openCV做限制对比度自适应直方图均衡化，处理过程/enhance.py），也是后续接口工作修改的基石，绑定了前后端，做了一个简单的上传页面和展示处理结果页面的跳转，因为页面简单，也没有考虑异步刷新的问题。前端上传页面templates/upload.html前端展示返回页面templates/upload_ok.html

/upload_pictures2.py是将解模糊和超清晰还原接口套入/upload_pictures.py中使用的初始版本，可以使用，因为前端页面使用了其他人的工作，故也没有前端页面，浏览器无法访问…

后续修改版，解模糊对应Debluring_api.py，分别设计了单张解模糊，和上传zip压缩包批量处理。 超分辨率还原对应Enhance_api.py分别设计了单张分辨率还原，和上传zip压缩包批量处理。

Deblurring_Enhance_Api.py将解模糊和超清晰还原接口放在一起了。

测试部分使用了postman，下载安装打开。 比如测试批量超清晰还原

如果测试单张，或测试解模糊，修改2处的url和4处的KEY值，在5处上传单张图片。最后点击右上角的SEND按钮等待返回结果。