st.camera_input

显示一个从小用户网络摄像头返回图片的小部件。

函数签名[source]
st.camera_input(label, key=None, help=None, on_change=None, args=None, kwargs=None, *, disabled=False, label_visibility="visible")
参数
label (str)	一个简短的标签，向用户解释此小部件的用途。标签可以选择性地包含以下类型的GitHub风格的Markdown：粗体、斜体、删除线、内联代码、链接和图片。图片显示为图标，最大高度等于字体高度。不支持的Markdown元素会被解包，因此只渲染它们的子元素（文本内容）。通过反斜杠转义不支持的元素，将其显示为字面字符。例如， `"1\. 不是有序列表"`。有关其他支持的Markdown指令，请参见`st.markdown`的`body`参数。出于可访问性原因，您不应设置空标签，但如有需要，可以使用`label_visibility`隐藏它。将来，我们可能会通过引发异常来禁止空标签。
key (str or int)	一个可选的字符串或整数，用作小部件的唯一键。如果省略，将根据小部件的内容生成一个键。任何两个小部件都不能有相同的键。
help (str)	一个可选的小提示，显示在小部件标签旁边。只有当`label_visibility="visible"`时，Streamlit才会显示这个小提示。
on_change (callable)	当此camera_input的值发生变化时调用的可选回调函数。
args (tuple)	传递给回调函数的可选参数元组。
kwargs (dict)	一个可选的字典，用于传递给回调函数。
disabled (bool)	一个可选的布尔值，如果设置为`True`，则禁用相机输入。默认值为`False`。
label_visibility ("visible", "hidden", or "collapsed")	标签的可见性。默认是`"visible"`。如果这是`"hidden"`，Streamlit会显示一个空白的间隔符而不是标签，这有助于保持小部件与其他小部件对齐。如果这是`"collapsed"`，Streamlit不会显示标签或间隔符。
返回
(None or UploadedFile)	UploadedFile 类是 BytesIO 的子类，因此它是“类文件”的。这意味着你可以在任何需要文件的地方传递它的实例。

示例

import streamlit as st

enable = st.checkbox("Enable camera")
picture = st.camera_input("Take a picture", disabled=not enable)

if picture:
    st.image(picture)

Built with Streamlit 🎈

Fullscreen open_in_new

要将图像文件缓冲区读取为字节，您可以在UploadedFile对象上使用getvalue()。

import streamlit as st

img_file_buffer = st.camera_input("Take a picture")

if img_file_buffer is not None:
    # To read image file buffer as bytes:
    bytes_data = img_file_buffer.getvalue()
    # Check the type of bytes_data:
    # Should output: <class 'bytes'>
    st.write(type(bytes_data))

priority_high

重要

st.camera_input 返回一个 UploadedFile 类的对象，它是 BytesIO 的子类。因此它是一个“类文件”对象。这意味着你可以将它传递到任何需要文件的地方，类似于 st.file_uploader。

Image processing examples

您可以使用st.camera_input的输出进行各种下游任务，包括图像处理。下面，我们展示了如何将st.camera_input小部件与流行的图像和数据处理库（如Pillow、NumPy、OpenCV、TensorFlow、torchvision和PyTorch）一起使用。

虽然我们提供了最流行的用例和库的示例，但欢迎您根据自己的需求和喜欢的库来调整这些示例。

Pillow (PIL) and NumPy

确保你已经安装了 Pillow 和 NumPy。

将图像文件缓冲区读取为PIL图像并将其转换为NumPy数组：

import streamlit as st
from PIL import Image
import numpy as np

img_file_buffer = st.camera_input("Take a picture")

if img_file_buffer is not None:
    # To read image file buffer as a PIL Image:
    img = Image.open(img_file_buffer)

    # To convert PIL Image to numpy array:
    img_array = np.array(img)

    # Check the type of img_array:
    # Should output: <class 'numpy.ndarray'>
    st.write(type(img_array))

    # Check the shape of img_array:
    # Should output shape: (height, width, channels)
    st.write(img_array.shape)

OpenCV (cv2)

确保你已经安装了OpenCV和NumPy。

使用OpenCV读取图像文件缓冲区：

import streamlit as st
import cv2
import numpy as np

img_file_buffer = st.camera_input("Take a picture")

if img_file_buffer is not None:
    # To read image file buffer with OpenCV:
    bytes_data = img_file_buffer.getvalue()
    cv2_img = cv2.imdecode(np.frombuffer(bytes_data, np.uint8), cv2.IMREAD_COLOR)

    # Check the type of cv2_img:
    # Should output: <class 'numpy.ndarray'>
    st.write(type(cv2_img))

    # Check the shape of cv2_img:
    # Should output shape: (height, width, channels)
    st.write(cv2_img.shape)

TensorFlow

确保你已经安装了TensorFlow。

使用TensorFlow将图像文件缓冲区读取为3维uint8张量：

import streamlit as st
import tensorflow as tf

img_file_buffer = st.camera_input("Take a picture")

if img_file_buffer is not None:
    # To read image file buffer as a 3D uint8 tensor with TensorFlow:
    bytes_data = img_file_buffer.getvalue()
    img_tensor = tf.io.decode_image(bytes_data, channels=3)

    # Check the type of img_tensor:
    # Should output: <class 'tensorflow.python.framework.ops.EagerTensor'>
    st.write(type(img_tensor))

    # Check the shape of img_tensor:
    # Should output shape: (height, width, channels)
    st.write(img_tensor.shape)

Torchvision

确保你已经安装了Torchvision（它不随PyTorch一起提供）和PyTorch。

要使用torchvision.io将图像文件缓冲区读取为3维uint8张量：

import streamlit as st
import torch
import torchvision

img_file_buffer = st.camera_input("Take a picture")

if img_file_buffer is not None:
    # To read image file buffer as a 3D uint8 tensor with `torchvision.io`:
    bytes_data = img_file_buffer.getvalue()
    torch_img = torchvision.io.decode_image(
        torch.frombuffer(bytes_data, dtype=torch.uint8)
    )

    # Check the type of torch_img:
    # Should output: <class 'torch.Tensor'>
    st.write(type(torch_img))

    # Check the shape of torch_img:
    # Should output shape: torch.Size([channels, height, width])
    st.write(torch_img.shape)

PyTorch

请确保你已经安装了PyTorch和NumPy。

使用PyTorch将图像文件缓冲区读取为3维uint8张量：

import streamlit as st
import torch
import numpy as np

img_file_buffer = st.camera_input("Take a picture")

if img_file_buffer is not None:
    # To read image file buffer as a 3D uint8 tensor with PyTorch:
    bytes_data = img_file_buffer.getvalue()
    torch_img = torch.ops.image.decode_image(
        torch.from_numpy(np.frombuffer(bytes_data, np.uint8)), 3
    )

    # Check the type of torch_img:
    # Should output: <class 'torch.Tensor'>
    st.write(type(torch_img))

    # Check the shape of torch_img:
    # Should output shape: torch.Size([channels, height, width])
    st.write(torch_img.shape)

Previous: st.audio_input Next: st.data_editor

forum

还有问题吗？

我们的论坛充满了有用的信息和Streamlit专家。