File size: 2,893 Bytes
8d36ed5 4d26de9 81f06ad 65483f1 97d8f13 02cc722 8d36ed5 81def50 8d36ed5 4d26de9 81def50 b3652fb 65483f1 81f06ad 4d26de9 8d36ed5 65483f1 4d26de9 64c49d0 65483f1 3f374a7 4a9c7f0 65483f1 64c49d0 4d26de9 65483f1 8d36ed5 65483f1 8d36ed5 4d26de9 fac5d14 4d26de9 64c49d0 65483f1 4d26de9 8d36ed5 97d8f13 81def50 65483f1 81def50 97d8f13 8f70bf2 97d8f13 65483f1 8d36ed5 64c49d0 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 |
import io
import time
import numpy as np
import cv2
import torch
from transformers import AutoImageProcessor, AutoModelForDepthEstimation
from fastapi import FastAPI, File, UploadFile, Response
from fastapi.responses import FileResponse, HTMLResponse
from PIL import Image
import uvicorn
app = FastAPI()
# 🟢 Chọn thiết bị xử lý (GPU nếu có)
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
# 🟢 Tải model DPT-Hybrid để tăng tốc
feature_extractor = AutoImageProcessor.from_pretrained("Intel/dpt-swinv2-tiny-256")
model = AutoModelForDepthEstimation.from_pretrained("Intel/dpt-swinv2-tiny-256").to(device)
model.eval()
@app.post("/analyze_path/")
async def analyze_path(file: UploadFile = File(...)):
"""Xử lý ảnh Depth Map và lưu ảnh để hiển thị"""
start_time = time.time()
# 🟢 Đọc file ảnh từ ESP32
image_bytes = await file.read()
image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
# 🔵 Resize ảnh để xử lý nhanh hơn
image = image.resize((512, 512))
image_np = np.array(image)
flipped_image = cv2.flip(image_np, -1)
# 🟢 Chuẩn bị ảnh cho mô hình
inputs = feature_extractor(images=flipped_image, return_tensors="pt").to(device)
# 🟢 Dự đoán Depth Map với DPT-Hybrid
with torch.no_grad():
outputs = model(**inputs)
# 🟢 Xử lý ảnh sau khi dự đoán
predicted_depth = outputs.predicted_depth.squeeze().cpu().numpy()
depth_map = (predicted_depth * 255 / predicted_depth.max()).astype("uint8")
# 🔵 Chuyển depth_map thành ảnh có thể hiển thị
depth_colored = cv2.applyColorMap(depth_map, cv2.COLORMAP_INFERNO)
depth_pil = Image.fromarray(depth_colored)
# 🟢 Lưu ảnh Depth Map để hiển thị trên trình duyệt
depth_pil.save("depth_map.png")
end_time = time.time()
print(f"⏳ DPT xử lý trong {end_time - start_time:.4f} giây")
return {"message": "Depth Map processed successfully. View at /view/"}
@app.get("/depth_map/")
async def get_depth_map():
"""Trả về ảnh Depth Map để hiển thị trên trình duyệt"""
return FileResponse("depth_map.png", media_type="image/png")
@app.get("/view/", response_class=HTMLResponse)
async def view_depth_map():
"""Trả về trang HTML để hiển thị ảnh Depth Map với auto-refresh"""
html_content = """
<html>
<head>
<title>Depth Map Viewer</title>
<meta http-equiv="refresh" content="1">
</head>
<body>
<h2>Depth Map (Tự động cập nhật mỗi 5 giây)</h2>
<img src="/depth_map/" width="500">
</body>
</html>
"""
return HTMLResponse(content=html_content)
# 🟢 Chạy server FastAPI trên Hugging Face Spaces
if __name__ == "__main__":
uvicorn.run(app, host="0.0.0.0", port=7860)
|