FastAPI图像分类API如何解码base64图片并返回对应分类标签

你使用的base64转PIL图片的代码存在逻辑错误：
base64_img_bytes = base64.encode("utf-8") 这行代码误调用了base64模块的encode方法，该方法需要传入输入、输出两个字节流参数，因此触发了参数缺失报错。你实际需要的是将传入的base64字符串转成UTF-8编码的字节，应该调用字符串对象自身的encode方法。

import base64
import io
from PIL import Image

def base64str_to_PILImage(base64str):
    # 兼容处理部分前端携带的base64前缀，比如data:image/jpeg;base64,
    if "base64," in base64str:
        base64str = base64str.split("base64,")[1]
    # 把base64字符串转成utf-8字节
    base64_img_bytes = base64str.encode("utf-8")
    # 解码base64得到图片原始字节
    image_bytes = base64.b64decode(base64_img_bytes)
    # 转成PIL对象，统一转RGB避免PNG透明通道导致后续预测异常
    bytes_obj = io.BytesIO(image_bytes)
    img = Image.open(bytes_obj).convert("RGB")
    return img

1. 先定义分类结果映射关系，和你模型训练时的标签顺序保持一致即可：

# 示例：模型输出0对应狗，1对应猫就按这个顺序写
LABELS = ["dog", "cat"]

2. 接口逻辑示例：

from pydantic import BaseModel
from fastapi import FastAPI

app = FastAPI()

# 定义请求体结构
class ImageClassifyRequest(BaseModel):
    base64_str: str

@app.post("/classify_animal")
def classify_image(req: ImageClassifyRequest):
    # 转成PIL图片
    img = base64str_to_PILImage(req.base64_str)
    # 这里复用你之前已经调试好的模型预处理、预测逻辑，得到预测的数值索引pred_idx
    # pred_idx = 你的原有模型预测代码(img)
    # 映射成分类名称返回
    return {"classify_result": LABELS[pred_idx]}

• 转换后预测结果不准时，检查图片预处理逻辑（resize、归一化、维度调整等）和训练阶段完全一致
• 传入的base64如果有换行、空格等多余字符，建议先清洗再传入接口

内容的提问来源于stack exchange，提问作者IsntMeBosss