Node.js调用cv_unet_image-colorization的REST API开发实战-开发者社区

Node.js调用cv_unet_image-colorization的REST API开发实战

最近在做一个老照片修复的项目，需要把黑白照片自动上色。网上找了一圈，发现cv_unet_image-colorization这个模型效果不错，但怎么把它集成到自己的Web服务里，让用户能直接上传照片、自动处理、然后下载结果呢？

用Python写个脚本当然可以，但我们的后端服务主要是Node.js生态，如果能用Node.js直接调用这个模型的API，那整个技术栈就统一了，维护起来也方便。今天我就来分享一下，如何从零开始，用Node.js搭建一个完整的REST API服务，专门用来调用这个图像上色模型。

整个过程我会拆解成几个清晰的步骤，从环境搭建到API开发，再到性能优化，保证你跟着做一遍就能跑起来。即使你之前没怎么接触过Node.js后端开发，也能看懂。

1. 环境准备与项目初始化

在开始写代码之前，我们得先把“舞台”搭好。这里主要就是安装Node.js和初始化项目。

1.1 Node.js安装及环境配置

首先，你得确保电脑上安装了Node.js。如果你还没装，可以去Node.js官网下载最新的LTS版本。安装过程很简单，一路“下一步”就行。

安装完成后，打开你的终端或命令行工具，输入下面这个命令检查一下是否安装成功：

node --version

如果显示了版本号，比如v18.17.0，那就说明安装没问题。同时，Node.js的包管理工具npm也会一起安装，你可以用npm --version确认一下。

接下来，我们创建一个专门的项目目录。我习惯在Documents或者专门的Projects文件夹里操作。打开终端，执行：

mkdir node-image-colorization-api cd node-image-colorization-api

这就创建并进入了我们的项目文件夹。

1.2 初始化项目并安装核心依赖

现在，我们来初始化一个Node.js项目，并安装我们需要的“武器库”。

在项目根目录下，运行：

npm init -y

这个命令会快速生成一个package.json文件，里面记录了项目的基本信息和依赖。

接下来，安装我们构建API服务最核心的框架——Express，以及处理文件上传的中间件multer。

npm install express multer

Express：Node.js里最流行的Web框架，用它来搭建服务器、定义路由非常方便。
Multer：专门处理multipart/form-data格式数据的中间件，简单说就是帮我们接收用户上传的图片文件。

为了在开发时能实时看到代码改动后的效果，我们还需要安装nodemon作为开发依赖。

npm install --save-dev nodemon

安装好后，打开package.json文件，找到scripts部分，添加一个启动脚本：

"scripts": { "start": "node app.js", "dev": "nodemon app.js" }

这样，以后开发时用npm run dev启动，代码一保存，服务器就会自动重启，省去了手动停止再启动的麻烦。

2. 搭建基础的Express服务器

环境准备好了，现在可以开始写代码了。我们先从创建一个最简单的Web服务器开始。

在项目根目录下，新建一个名为app.js的文件，这是我们的主入口文件。

// app.js const express = require('express'); const app = express(); const port = 3000; // 一个简单的测试路由，确保服务跑起来了 app.get('/', (req, res) => { res.send('图像上色API服务已启动！'); }); // 启动服务器 app.listen(port, () => { console.log(`服务正在运行，访问地址：http://localhost:${port}`); });

代码很简单，引入了Express，创建了一个应用实例，定义在3000端口监听。我们还写了一个根路径/的路由，访问它时会返回一句欢迎语。

在终端运行npm run dev，如果看到“服务正在运行”的日志，打开浏览器访问http://localhost:3000，能看到那句欢迎语，就说明最基础的服务器搭建成功了。

3. 实现图片上传与接收接口

我们的核心功能是处理图片，所以接下来要创建一个接口，让用户能把黑白图片传给我们。

3.1 配置Multer处理文件上传

我们需要告诉Multer，把用户上传的图片文件存到哪、叫什么名字、支持什么格式。在app.js中继续添加代码：

const multer = require('multer'); const path = require('path'); // 配置Multer的存储规则 const storage = multer.diskStorage({ // 指定文件存放的目录 destination: function (req, file, cb) { cb(null, 'uploads/') }, // 指定文件名（这里用时间戳+原文件名，避免重复） filename: function (req, file, cb) { const uniqueSuffix = Date.now() + '-' + Math.round(Math.random() * 1E9); cb(null, uniqueSuffix + path.extname(file.originalname)); } }); // 创建一个Multer实例，应用上面的配置，并限制只接收图片 const upload = multer({ storage: storage, fileFilter: function (req, file, cb) { // 检查文件类型，只允许常见的图片格式 const allowedTypes = /jpeg|jpg|png|bmp|gif/; const extname = allowedTypes.test(path.extname(file.originalname).toLowerCase()); const mimetype = allowedTypes.test(file.mimetype); if (mimetype && extname) { return cb(null, true); } else { cb(new Error('错误：仅支持图片文件（jpeg, jpg, png, bmp, gif）')); } }, limits: { fileSize: 5 * 1024 * 1024 // 限制文件大小为5MB } });

这段代码做了几件事：

定义了文件存储在项目根目录的uploads/文件夹下。
给上传的文件生成一个唯一的名字，防止覆盖。
设置了过滤器，只接受图片格式的文件。
限制了单个文件最大5MB，防止有人上传过大的文件把服务器搞垮。

记得在项目根目录手动创建一个uploads文件夹，不然程序会报错找不到路径。

3.2 创建上传API端点

现在，我们来创建真正的上传接口。通常我们会用POST方法来接收数据。

在app.js中，在监听端口之前，添加以下路由：

// 定义图片上传接口 // ‘image’ 必须和前端上传表单的字段名对应 app.post('/api/upload', upload.single('image'), (req, res) => { try { // 检查是否有文件上传成功 if (!req.file) { return res.status(400).json({ error: '请上传图片文件' }); } // 获取上传文件的信息 const fileInfo = { filename: req.file.filename, originalname: req.file.originalname, size: req.file.size, path: req.file.path, // 生成一个可供访问的URL（这里简化处理，实际部署需配置完整URL） url: `/uploads/${req.file.filename}` }; console.log('文件上传成功：', fileInfo); // 返回成功信息和文件详情 res.json({ message: '图片上传成功！', data: fileInfo }); } catch (error) { console.error('上传处理出错：', error); res.status(500).json({ error: '服务器处理上传时出错' }); } });

这个接口使用了upload.single('image')中间件，意思是只接收一个字段名为image的文件。处理成功后，它会将文件信息（如新文件名、路径等）以JSON格式返回给客户端。

为了让前端能访问到我们上传的图片，还需要加一个静态文件服务，把uploads文件夹暴露出去：

// 提供uploads目录下的静态文件访问 app.use('/uploads', express.static('uploads'));

好了，重启一下服务（nodemon会自动完成）。现在你可以用Postman或者任何API测试工具来试试这个接口了。

测试方法：

选择POST方法，地址填http://localhost:3000/api/upload。
在Body里选择form-data。
添加一个key，名字必须填image（和我们代码里定义的一致），类型选File。
选择一张本地的图片文件，点击发送。

如果看到返回了成功的JSON信息，并且你的项目uploads文件夹里多了一个文件，那就恭喜你，文件上传功能搞定啦！

4. 集成图像上色模型调用

重头戏来了，上传了图片，我们得调用模型给它上色。这里有个关键点：cv_unet_image-colorization模型通常是用Python写的，我们Node.js不能直接跑。常见的解决方案是让模型跑在一个单独的Python服务里，然后用HTTP API来调用它。

4.1 模拟模型调用过程

为了教程的连贯性，我们假设你已经有一个运行在http://localhost:5000的Python模型服务，它提供了一个/colorize的POST接口，接收图片路径或二进制数据，返回处理后的图片路径。

我们在Node.js服务里，去调用这个“外部服务”。在app.js中，我们需要安装一个用于发送HTTP请求的库，axios是个不错的选择。

npm install axios

然后，我们改造一下上传接口，在上传成功后，立即去调用模型服务：

const axios = require('axios'); const fs = require('fs').promises; // 使用Promise版本的fs模块 app.post('/api/colorize', upload.single('image'), async (req, res) => { // 1. 检查文件 if (!req.file) { return res.status(400).json({ error: '请上传图片文件' }); } const uploadedFilePath = req.file.path; console.log(`开始处理文件：${uploadedFilePath}`); try { // 2. 调用外部模型API // 注意：这里MODEL_API_URL需要替换成你实际模型服务的地址 const MODEL_API_URL = 'http://localhost:5000/colorize'; // 这里我们假设模型服务接受一个JSON，里面包含图片的base64编码 const imageBuffer = await fs.readFile(uploadedFilePath); const base64Image = imageBuffer.toString('base64'); const modelResponse = await axios.post(MODEL_API_URL, { image: base64Image, format: 'png' // 指定输出格式 }, { timeout: 60000 // 设置60秒超时，图片处理可能较慢 }); // 3. 假设模型服务返回处理后的图片base64数据 const colorizedImageBase64 = modelResponse.data.processed_image; // 4. 将base64数据保存为新文件 const colorizedFileName = `colorized-${req.file.filename}`; const colorizedFilePath = `uploads/${colorizedFileName}`; const colorizedBuffer = Buffer.from(colorizedImageBase64, 'base64'); await fs.writeFile(colorizedFilePath, colorizedBuffer); // 5. 返回结果给客户端 res.json({ message: '图片上色成功！', data: { original: `/uploads/${req.file.filename}`, colorized: `/uploads/${colorizedFileName}` } }); } catch (error) { console.error('调用模型或处理过程出错：', error.message); // 根据错误类型返回更具体的提示 if (error.code === 'ECONNREFUSED') { res.status(503).json({ error: '图像处理服务暂时不可用，请稍后重试' }); } else if (error.response) { // 模型服务返回了错误状态码 res.status(error.response.status).json({ error: `模型处理失败：${error.response.data}` }); } else if (error.request) { // 请求发出了但没有收到响应 res.status(504).json({ error: '图像处理服务响应超时' }); } else { res.status(500).json({ error: '服务器内部错误' }); } } });

这段代码看起来有点长，但逻辑是清晰的：

接收上传的图片。
读取图片，转换成base64格式。
用axios把这个base64数据POST到模型服务。
拿到模型服务返回的上色后图片的base64数据。
把新图片数据保存到服务器。
把原图和结果图的访问地址返回给前端。

重要提示：在实际项目中，MODEL_API_URL、请求的数据格式和返回的数据格式，都需要根据你实际部署的模型服务的API文档来调整。上面的代码是一个通用的模拟流程。

5. 管理异步任务与状态查询

图片上色，尤其是高分辨率图片，可能需要好几秒甚至更长时间。我们不能让用户的HTTP请求一直等着，那样容易超时。更好的做法是：用户提交任务，服务器立刻返回一个“任务ID”，然后用户可以用这个ID轮询查询任务进度和结果。

5.1 设计任务队列与状态存储

我们需要一个地方来存放这些任务的信息。在简单场景下，我们可以用一个内存中的对象来模拟。在app.js开头定义：

// 内存中的任务存储（生产环境建议用Redis或数据库） const tasks = {}; // 生成唯一任务ID function generateTaskId() { return 'task_' + Date.now() + '_' + Math.random().toString(36).substr(2, 9); }

5.2 创建任务提交与查询接口

现在，我们创建两个新接口：

1. 提交上色任务接口 (POST /api/tasks)这个接口接收图片，创建任务，并立即返回任务ID，然后异步去处理。

app.post('/api/tasks', upload.single('image'), async (req, res) => { if (!req.file) { return res.status(400).json({ error: '请上传图片文件' }); } const taskId = generateTaskId(); const uploadedFilePath = req.file.path; // 初始化任务状态 tasks[taskId] = { id: taskId, status: 'pending', // pending, processing, completed, failed originalFile: `/uploads/${req.file.filename}`, createdAt: new Date().toISOString(), result: null, error: null }; console.log(`创建新任务：${taskId}`); // 立即返回任务ID，让客户端去查询 res.json({ message: '任务已提交，请使用taskId查询进度', taskId: taskId }); // **异步处理任务**（不阻塞HTTP响应） processTaskAsync(taskId, uploadedFilePath).catch(err => { console.error(`任务 ${taskId} 处理失败:`, err); tasks[taskId].status = 'failed'; tasks[taskId].error = err.message; }); }); // 模拟异步处理函数 async function processTaskAsync(taskId, filePath) { // 更新状态为处理中 tasks[taskId].status = 'processing'; // 这里应该是调用真实模型API的逻辑，同上文第4节 // 为了演示，我们模拟一个5秒的处理过程 await new Promise(resolve => setTimeout(resolve, 5000)); // 模拟处理成功 const colorizedFileName = `colorized-${path.basename(filePath)}`; tasks[taskId].status = 'completed'; tasks[taskId].result = { colorizedFile: `/uploads/${colorizedFileName}` }; console.log(`任务 ${taskId} 处理完成`); }

2. 查询任务状态接口 (GET /api/tasks/:taskId)用户拿到任务ID后，可以不断调用这个接口来查进度。

app.get('/api/tasks/:taskId', (req, res) => { const taskId = req.params.taskId; const task = tasks[taskId]; if (!task) { return res.status(404).json({ error: '任务不存在' }); } // 返回当前任务状态和信息 res.json({ taskId: task.id, status: task.status, originalFile: task.originalFile, createdAt: task.createdAt, result: task.result, error: task.error }); });

这样一来，前端的工作流就变成了：上传图片 -> 拿到taskId -> 每隔几秒用taskId查询状态 -> 当状态变为completed时，从result里获取结果图片地址。

这种方式对用户体验更好，服务器也更能应对高并发，因为耗时的处理被放到了后台。

6. 添加基础监控与日志

服务跑起来之后，我们得知道它运行得健不健康。加一些简单的监控和日志很有帮助。

6.1 添加请求日志中间件

在app.js中所有路由定义之前，添加一个全局的日志中间件：

// 自定义简单的请求日志中间件 app.use((req, res, next) => { const start = Date.now(); const originalSend = res.send; // 劫持res.send方法，以便记录响应完成时间 res.send = function(body) { const duration = Date.now() - start; console.log(`[${new Date().toISOString()}] ${req.method} ${req.originalUrl} - ${res.statusCode} - ${duration}ms`); originalSend.call(this, body); }; next(); });

这样，每次有请求进来，控制台都会打印出时间、方法、URL、状态码和耗时，一目了然。

6.2 创建健康检查端点

给运维或监控系统一个简单的检查接口，用来判断服务是否存活。

app.get('/health', (req, res) => { res.json({ status: 'UP', timestamp: new Date().toISOString(), service: 'image-colorization-api', uptime: process.uptime() // 进程运行时间（秒） }); });