如何使用Python构建简单的UI？

本文转载自公众号“读芯术”(ID：AI_Discovery)。何使

借助Streamlit框架，建简使用用户界面展示Python项目变得前所未有的何使简单，你可以仅仅使用Python代码来构建基于浏览器的建简UI。

本次演示将为迷宫求解器程序构建UI。何使

Streamlit

Streamlit是建简一种Web框架，旨在供数据科学家使用Python轻松部署模型和可视化。何使它运行速度既快又简约，建简代码既漂亮又对用户友好。何使

它们是建简有用于用户输入的内置小部件，例如图像上载、何使滑块、建简文本输入，何使以及其他熟悉的建简HTML元素(例如复选框和单选按钮)。每当用户与简化的何使应用程序进行交互时，python脚本就会从头到尾重新运行，这是在考虑应用程序的不同状态时要记住的重要概念。

使用pip安装Streamlit：

Pip install streamlit 

并在python脚本上运行streamlit：

Streamlit run app.py 

使用例子

我在上一篇文章中演示构建了一个Python程序

(https://towardsdatascience.com/solving-mazes-with-python-f7a412f2493f)，该程序将解决给定图像文件和起始/结束位置的源码下载迷宫。

现在，我希望将此程序变成一个单页Web应用程序，用户可以在其中上传迷宫图像(或使用默认迷宫图像)，调整迷宫的开始和结束位置，并查看最终解决的迷宫。

首先，为图像上传器创建UI，并选择使用默认图像的选项。可以使用st.write()或st.title()之类的函数添加文本输出，使用streamlit的st.file_uploader()函数存储动态上传的文件。最后，st.checkbox()将根据用户是否已选中复选框返回一个布尔值。

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 ) 

结果：

然后，可以将默认图像或上传的图像读取为可用的OpenCV图像格式。

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) 

上载图像后，要显示标记有起点和终点的图像。将使用滑块允许用户重新定位这些点。网站模板st.sidebar()函数在页面上添加了一个侧边栏，st.slider()在定义的最小值和最大值内接受数字输入，你可以根据迷宫图像的大小动态定义滑块的最小值和最大值。

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) 

每当用户调整滑块时，图像都会快速重新渲染，并且点会更改位置。

一旦用户确定了开始位置和结束位置，就需要一个按钮来解决迷宫并显示解决方案。仅在其子进程运行时显示st.spinner()元素，并且使用st.image()调用显示图像。

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按钮和微调器

显示解决的迷宫

瞧瞧，不需要编写任何传统的前端代码，我们用不到40行代码为Python图像处理应用程序创建了一个简单的UI。

事实上， Streamlit除了能够消化简单的Python代码之外，无论用户与页面进行交互还是更改了脚本，Streamlit都会从上至下智能地重新运行脚本的必要部分，这样可以实现直接的数据流和快速开发，高防服务器它让一切变得简单!