本文轉載自公眾號“讀芯術”(ID：AI_Discovery)。

借助Streamlit框架，使用用戶界面展示Python項目變得前所未有的簡單，你可以僅僅使用Python代碼來構建基于瀏覽器的UI。

本次演示將為迷宮求解器程序構建UI。

[[335352]]

Streamlit

Streamlit是一種Web框架，旨在供數據科學家使用Python輕松部署模型和可視化。它運行速度既快又簡約，代碼既漂亮又對用戶友好。

它們是有用于用戶輸入的內置小部件，例如圖像上載、滑塊、文本輸入，以及其他熟悉的HTML元素(例如復選框和單選按鈕)。每當用戶與簡化的應用程序進行交互時，python腳本就會從頭到尾重新運行，這是在考慮應用程序的不同狀態時要記住的重要概念。

使用pip安裝Streamlit：

Pip install streamlit 

并在python腳本上運行streamlit：

Streamlit run app.py 

使用例子

我在上一篇文章中演示構建了一個Python程序

(https://towardsdatascience.com/solving-mazes-with-python-f7a412f2493f)，該程序將解決給定圖像文件和起始/結束位置的迷宮。

現在，我希望將此程序變成一個單頁Web應用程序，用戶可以在其中上傳迷宮圖像(或使用默認迷宮圖像)，調整迷宮的開始和結束位置，并查看最終解決的迷宮。

首先，為圖像上傳器創建UI，并選擇使用默認圖像的選項。可以使用st.write()或st.title()之類的函數添加文本輸出，使用streamlit的st.file_uploader()函數存儲動態上傳的文件。最后，st.checkbox()將根據用戶是否已選中復選框返回一個布爾值。

import streamlit as st 
         import cv2 
         import matplotlib.pyplot as plt 
         import numpy as np 
         import maze 
                   st.title( Maze Solver ) 
         uploaded_file = st.file_uploader("Choose an image", ["jpg","jpeg","png"]) #image uploader 
         st.write( Or ) 
         use_default_image = st.checkbox( Use default maze ) 

結果：

然后，可以將默認圖像或上傳的圖像讀取為可用的OpenCV圖像格式。

if use_default_image: 
                       opencv_image = cv2.imread( maze5.jpg ) 
                                     elif uploaded_file isnotNone: 
                       file_bytes = np.asarray(bytearray(uploaded_file.read()), dtype=np.uint8) 
                       opencv_image = cv2.imdecode(file_bytes, 1) 

上載圖像后，要顯示標記有起點和終點的圖像。將使用滑塊允許用戶重新定位這些點。st.sidebar()函數在頁面上添加了一個側邊欄，st.slider()在定義的最小值和最大值內接受數字輸入，你可以根據迷宮圖像的大小動態定義滑塊的最小值和最大值。

if opencv_image isnotNone: 
                st.subheader( Use the sliders on the left to position the start and endpoints ) 
                ststart_x = st.sidebar.slider("Start X", value=24if use_default_image  else50, min_value=0, max_value=opencv_image.shape[1], key= sx ) 
                ststart_y = st.sidebar.slider("Start Y", value=332if use_default_image  else100, min_value=0, max_value=opencv_image.shape[0], key= sy ) 
                finish_x = st.sidebar.slider("Finish X", value=309if use_default_image  else100, min_value=0, max_value=opencv_image.shape[1], key= fx ) 
                finish_y = st.sidebar.slider("Finish Y", value=330if use_default_image  else100, min_value=0, max_value=opencv_image.shape[0], key= fy ) 
                marked_image = opencv_image.copy() 
                circle_thickness=(marked_image.shape[0]+marked_image.shape[0])//2//100#circle thickness based on img size 
                cv2.circle(marked_image,(start_x, start_y), circle_thickness, (0,255,0),-1) 
                cv2.circle(marked_image,(finish_x, finish_y), circle_thickness, (255,0,0),-1) 
                st.image(marked_image,channels="RGB", width=800) 

每當用戶調整滑塊時，圖像都會快速重新渲染，并且點會更改位置。

一旦用戶確定了開始位置和結束位置，就需要一個按鈕來解決迷宮并顯示解決方案。僅在其子進程運行時顯示st.spinner()元素，并且使用st.image()調用顯示圖像。

if marked_image isnotNone: 
                if st.button( Solve Maze ): 
                    with st.spinner( Solving your maze ): 
                        path = maze.find_shortest_path(opencv_image,(start_x,start_y),(finish_x, finish_y)) 
                    pathed_image = opencv_image.copy() 
                    path_thickness = (pathed_image.shape[0]+pathed_image.shape[0])//200 
                    maze.drawPath(pathed_image,path, path_thickness) 
                    st.image(pathed_image,channels="RGB", width=800) 

Streamlit按鈕和微調器

顯示解決的迷宮

瞧瞧，不需要編寫任何傳統的前端代碼，我們用不到40行代碼為Python圖像處理應用程序創建了一個簡單的UI。

事實上， Streamlit除了能夠消化簡單的Python代碼之外，無論用戶與頁面進行交互還是更改了腳本，Streamlit都會從上至下智能地重新運行腳本的必要部分，這樣可以實現直接的數據流和快速開發，它讓一切變得簡單!