Gradio学习——图像流输出

本文主要是介绍Gradio学习——图像流输出，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

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 cv2def fake_diffusion(vaule):cap = cv2.VideoCapture(0)while 1:time.sleep(vaule) # 防止卡死ret, frame = cap.read()if not ret:breakframe_GRAY = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)yield frame_GRAYdemo = 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)

这篇关于Gradio学习——图像流输出的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---