Python代码 Base64 格式图片上传，Base64格式理解

一、Base64编码介绍

OCR识别等，客户端可以直接传输base64格式的数据

简单来说就是把一张图片数据加密成一串字符，使用该字符串代替图像地址。

Base64编码：请求的图片需经过Base64编码，图片的base64编码指将图片数据编码成一串字符串，使用该字符串代替图像地址。您可以首先得到图片的二进制，然后用Base64格式编码即可。需要注意的是，图片的base64编码是不包含图片头的，如data:image/jpg;base64,

BASE64原理算法实现和使用说明：https://blog.csdn.net/robertcpp/article/details/51628647

二、为什么使用Base64编码

通常我们在使用服务的时候，数据从我们的设备传输到服务器，往往会有两种方式：一是直接传输文件，但这种情况受网络情况影响较大，文件可能传不过去，并且文件直接在网路上传播，你的数据安全就保证不了。因此需要一种加密格式，也就是我们使用的第二种方法，base64格式加密。

减少了 HTTP 请求
某些文件可以避免跨域的问题
避免了图片更新时要重新上传，还要清理缓存的问题

三、代码设计

参考：https://mp.weixin.qq.com/s/xGJ-lIsK-i6Qi_5EiY6DpA

3.1 服务端

from flask import Flask, request
import cv2
import numpy as np
import base64
import json

app = Flask(__name__)

'''
路由器端口api，传输方式POST
GET用于从服务器端获取数据，包括静态资源(HTML|JS|CSS|Image等等)、动态数据展示(列表数据、详情数据等等)。
POST用于向服务器提交数据，比如增删改数据，提交一个表单新建一个用户、或修改一个用户等。
'''
@app.route('/api',methods=['POST'])

def api():
    data = request.get_data().decode('utf-8')	# 捕捉客户端传来的数据
    data = json.loads(data)		# json.loads将string转换为dict
    image_b64 = data["img"]		# 获取dict中'img'标签的数据
    image_decode = base64.b64decode(image_b64)	# 进行base64解码工作 base64->数组
    nparr = np.fromstring(image_decode, np.uint8)	# fromstring实现了字符串到Ascii码的转换
    img_np = cv2.imdecode(nparr, cv2.IMREAD_COLOR)	# 将 nparr 数据转换(解码)成图像格式
    cv2.imwrite('test.jpg',img_np)
    return  'OK'

if __name__ == '__main__':
    app.run(debug=True)

3.2 客户端

import base64
import requests
import json

url = 'http://127.0.0.1:5000/api'

f = open('1.png', 'rb')
base64_data = base64.b64encode(f.read())	# base64编码
f.close()
base64_data = base64_data.decode()
data = {'img':base64_data}	# 传输的数据格式
r = requests.post(url,data =json.dumps(data))	# post传递数据
print(r.text)

四、其他处理方式参考

import numpy as np
import cv2
from PIL import Image
import base64
from io import BytesIO

# 从文件读取并转为base64编码
def img2str(img_path:str):
	img = cv2.imread(img_path)
    img_data = cv2.imencode('.jpg', img)[1].tobytes()  
    # 将图片编码成流数据，放到内存缓存中，然后转化成string格式
    base64_data = base64.b64encode(img_data)
    img_base64 = str(base64_data, encoding='utf-8')
    return img_base64

# 从 array 将图像编码(直接编码即可，去掉读取那一步)
def array2str(img_np:np.array):
	img_data = cv2.imencode('.jpg', img)[1].tobytes()  
    # 将图片编码成流数据，放到内存缓存中，然后转化成string格式
    base64_data = base64.b64encode(img_data)
    img_base64 = str(base64_data, encoding='utf-8')
    return img_base64

# 读取编码后的图像字符串并转回图像
def str2img(img_str: str):
	# base64 解码图像字符串
    img_bs64 = base64.b64decode(img_str)
    # 使用 pillow Image读取byte流
    #(这里我试过用np 和 cv2 都不好用，用cv2会丢失维度信息)
    pil_img = Image.open(BytesIO(img_bs64))
    # 转为array 格式
    img_rgb = np.asarray(pil_img)
    # 把bgr 转为 rgb
    img_bgr = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2RGB)
    return img_bgr

对于1-2维的array 可以直接使用np

# 1 - 2 维数组可以直接从np编码(适合灰度图)
def arr2d2str(arr):
	# 只支持1维或者2维数组，numpy数组转化成字节流
	assert len(arr.shape)<=2,'only allowed 1d or 2d array'
	bytesio = BytesIO()
	np.savetxt(bytesio, arr) 
	content = bytesio.getvalue()
	b64_code = base64.b64encode(content)
	arr2d_str = str(b64_code,encoding='utf-8')
	return arr2d_str
     
# 从base64编码恢复numpy数组
def str2arr2d(arr2d_str):
	b64_decode = base64.b64decode(arr2d_str)
	arr = np.loadtxt(BytesIO(b64_decode))
	print(arr)
	return arr