通过 requests.post 将 numpy 数组（实际上是图像）发送到 API 的最佳方式（性能）是什么？ （Python）

Question

我想知道如何通过请求的 post 方法发送一个 3 维 numpy 数组； 如果可能的话，如何压缩这些数据。 最好的方法可能是：

• 数据量更小
• 更少的图书馆
• 更少的计算时间
• 你想要什么..

我见过这种模式：

作为文件发送：

requests.post(api_url, files={'image': open(img_path, 'rb')})

作为编码数组发送：

# image_np is a numpy array
_, img_encoded = cv2.imencode('.jpg', image_np)
requests.post(api_url, data=img_encoded.tobytes())

作为缓冲区发送：

buf = io.BytesIO()
plt.imsave(buf, image_np, format='jpg')
image_data = buf.getvalue()
requests.post(api_url, data=image_data)

作为字符串 base64 发送：

with open(img_path, 'rb') as fp:
    img_encoded = str(b64encode(fp.read()))
    
r = requests.post(api_url, json={'image': img_encoded})

Answer 1

首先，不会有完美的方法来最小化以下所有三个因素：

• 数据量更小
• 更少的图书馆
• 更少的计算时间

会有一些权衡，我可以解释每种方法的权衡，以便让您清楚地了解每种方法，但是在所做的权衡中找到完美的最佳点在很大程度上取决于用例。

我将在这里丢弃较少的库部分，因为您已经以 JPG 格式压缩图像，这隐含地意味着您在内部使用 libJPEG。 并且 JPG 确实提供了相当不错的压缩率，因此我们将仅使用 JPEG 格式的 go。

数据量更小

要减少有效负载，我们可以尝试以下操作：

• 减小图像尺寸，这可以显着减小图像尺寸，但是您必须找到正确的阈值，在该阈值处，您的 object 检测精度会随着图像尺寸的减小而大大降低。 对计算时间的影响最小
• 其次，您可以尝试减少颜色（基本上是对 RGB 域进行下采样）。 虽然 JPEG 已经为您完成了这些工作，但它试图保留大部分颜色信息。 如果处理 (255, 255, 255) 和 (255, 255, 250) 不会影响 object 检测 model 的准确性，那么您可以只使用int(color/5)*5对图像颜色域进行下采样。 对计算时间的影响最小
• 我们可以尝试的最后一件事是完全丢弃 colors。 并使用灰度图像代替 RGB colors。 这也取决于您的 object 检测 model，是对颜色数据敏感还是只需要灰度信息。 对计算时间的中等影响