# 777

**Repository Path**: youtingyang/777

## Basic Information

- **Project Name**: 777
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-19
- **Last Updated**: 2025-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 图像检索项目 使用说明

本 README 说明如何在本仓库（Django + TensorFlow + FAISS）上准备环境、构建特征索引并运行图像检索服务。
**项目结构（相关）**
- `search/`：包含特征提取、训练脚本和视图逻辑。
- `static/data/`：用于训练/索引的图片语料。
- `static/model/`：期望放置 VGG16 权重文件以及保存的 FAISS 索引（默认路径）。
- `image_search/settings.py`：Django 配置，包含 `TRAINING_IMAGES` 与 `FAISS_INDEX` 路径。

**前提**
- Windows 或类 Unix 环境。
- 已安装 Python 3.8+（建议 3.10/3.11）。
- 推荐在项目目录使用虚拟环境（`venv`）。

## 快速入门

1) 创建并激活虚拟环境

```powershell
python -m venv .venv
.\.venv\Scripts\Activate.ps1    # PowerShell
# 或者 cmd: .\.venv\Scripts\activate.bat
```

2) 安装依赖（如果仓库内没有 `requirements.txt`，请使用下面的包）

```powershell
pip install -U pip
pip install tensorflow faiss-cpu pillow numpy tqdm psutil django
```

（提示：在国内网络可加 `-i https://pypi.tuna.tsinghua.edu.cn/simple`）

3) 把预训练权重放入项目（推荐）

- 将 `vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5` 放在 `static/model/` 目录下，或在 `image_search/settings.py` 中设置 `VGG16_WEIGHTS_PATH` 指向该文件。
- 如果无法下载/放置预训练权重，可临时使用未预训练模型进行功能测试：在运行构建脚本时设置环境变量 `USE_NO_PRETRAINED=1`（注意检索质量会显著下降）。

4) 构建 FAISS 索引（从项目图片）

```powershell
# 设置 Django settings 环境变量（Windows PowerShell）
$env:DJANGO_SETTINGS_MODULE = "image_search.settings"

# 在虚拟环境中运行 Python 命令构建索引
.\.venv\Scripts\python.exe -c "from search import train; train.build_index(batch_size=32)"

# 如果网络或权重缺失，临时使用未预训练模型：
$env:USE_NO_PRETRAINED=1
.\.venv\Scripts\python.exe -c "from search import train; train.build_index(batch_size=8)"
```

说明：构建索引会遍历 `settings.TRAINING_IMAGES` 指定的图片集合，提取特征并保存 FAISS 索引到 `settings.FAISS_INDEX`（默认 `static/model/faiss_index_database`）。代码已实现对 Windows 上 FAISS 写入失败的 Python 序列化回退。

5) 运行 Django 开发服务器并测试上传查询

```powershell
.\.venv\Scripts\python.exe manage.py runserver
# 在浏览器打开 http://127.0.0.1:8000/ （视项目路由而定）
```

## 常见问题与故障排查

- 权重下载失败（连接被重置 / WinError 10054）：
   - 建议手动从可信来源下载 `vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5`（例如 Keras 官方镜像或其它 CDN），然后放到 `static/model/`。
   - 可在 `image_search/settings.py` 中设置 `VGG16_WEIGHTS_PATH` 为该文件的绝对路径。

- FAISS 写入/读取错误（Windows 路径问题）：
   - 代码已实现 Python 级的序列化回退（当 `faiss.write_index` 失败时会用 Python 保存），确保 `static/model/` 目录存在且有写权限。
   - 若仍出错，请确认路径中没有被系统锁定或包含非常规字符导致权限问题。

- 构建很慢或内存占用高：
   - 调整 `build_index(batch_size=...)` 中的 `batch_size`（减小以节省内存），或在更强机器上运行。

## 开发者备注

- 功能要点：使用 VGG16（top 去除，pooling='max'）做特征提取，L2 归一化后使用 FAISS 的 `IndexFlatIP`（内积）实现近似余弦相似度检索。
- 若需要把项目部署到生产，请：
   1. 确保使用预训练权重并重新构建索引。
   2. 把索引文件与模型权重放到稳定的存储中（并在 `settings.py` 指定路径）。
   3. 在生产环境使用适当的进程/队列与缓存策略来加速查询。

## 联系与下一步
- 若要我直接帮你把预训练权重放到 `static/model/` 并重建索引，请确认你允许我在当前工作区写入该权重文件（或提供下载链接）。

---
（此 README 已为本地开发与快速验证准备；如需我为项目生成 `requirements.txt` 或自动下载脚本，我可以继续添加。）
# KMeans Palette Extractor

一个使用KMeans聚类算法从图像中提取主色调的Gradio Web应用程序。

## 功能特性

- 🎨 **自动提取主色调**: 使用KMeans算法从上传的图像中自动识别并提取5种主要颜色
- 📊 **可视化调色板**: 以条形图形式展示提取的颜色，包含十六进制颜色代码
- 📱 **响应式设计**: 适配不同屏幕尺寸，操作简单直观
- 🖼️ **示例图像**: 提供多个示例图像，可直接查看效果
- ⚡ **高效处理**: 自动调整图像大小以提高处理速度

## 技术栈

- **Python**: 主要编程语言
- **Gradio**: 构建交互式Web界面
- **NumPy**: 图像数据处理
- **PIL**: 图像处理
- **Matplotlib**: 生成调色板可视化
- **Scikit-learn**: 实现KMeans聚类算法

## 安装方法

1. 确保已安装Python 3.7或更高版本
2. 安装所需依赖包:

```bash
pip install gradio numpy pillow matplotlib scikit-learn
```

## 使用方法

1. 运行应用程序:

```bash
python app.py
```

2. 在浏览器中打开显示的URL (通常是 http://127.0.0.1:7860)

3. 使用以下两种方式之一处理图像:
   - 点击"Click to Upload Image"按钮上传本地图像
   - 直接拖放图像到上传区域
   - 点击示例图像查看效果

4. 系统会自动提取并显示5种主色调及其十六进制代码

## 工作原理

1. **图像预处理**:
   - 将图像转换为RGB格式
   - 调整图像大小以提高处理效率（最大边长400像素）

2. **颜色聚类**:
   - 将图像像素数据重塑为二维数组
   - 使用KMeans算法对像素颜色进行聚类
   - 设置n_clusters=5提取5种主色调

3. **结果排序**:
   - 根据每种颜色在图像中出现的频率进行排序
   - 频率最高的颜色排在第一位

4. **可视化输出**:
   - 生成包含所有提取颜色的调色板图像
   - 为每种颜色添加十六进制代码标签
   - 根据颜色亮度自动选择文字颜色（深色背景用白色文字，浅色背景用黑色文字）

## 示例

![示例图像](https://images.unsplash.com/photo-1506905925346-21bda4d32df4?ixlib=rb-4.0.3&auto=format&fit=crop&w=1000&q=80)

提取的调色板:

- #1a1a1a (25.3%)
- #3a3a3a (24.7%)
- #5a5a5a (20.1%)
- #7a7a7a (17.8%)
- #9a9a9a (12.1%)

## 自定义配置

您可以通过修改代码中的以下参数来自定义应用程序:

- `n_colors`: 要提取的颜色数量（默认5种）
- `max_size`: 图像预处理的最大尺寸（默认400像素）
- `palette_size`: 生成的调色板图像大小