全文共3154字，预计学习时长8分钟

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

本次演示将为迷宫求解器程序构建UI。

Streamlit

Streamlit是一种Web框架，旨在供数据科学家使用Python轻松部署模型和可视化。它运行速度既快又简约，代码既漂亮又对用户友好。

它们是有用于用户输入的内置小部件，例如图像上载、滑块、文本输入，以及其他熟悉的HTML元素（例如复选框和单选按钮）。每当用户与简化的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。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')
                start_x = st.sidebar.slider("Start X", value=24if use_default_image  else50, min_value=0, max_value=opencv_image.shape[1], key='sx')
                start_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)

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，它让一切变得简单！

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范