from keras.preprocessing import image
import os
import base64
from io import BytesIO

def image_to_base64(img):
    buffered = BytesIO()
    img.save(buffered, format="JPEG")
    img_str = base64.b64encode(buffered.getvalue())
    return img_str.decode("utf-8")

def test(img_name):
    img_name = img_name + '.jpg'
    img_name = 'inference/images/{}'.format(img_name)
    if os.path.exists(img_name) is False:
        img_name = 'inference/output/{}'.format('not_exist.jpg')
    res_img = image.load_img(img_name, target_size=(32, 32))
    return image_to_base64(res_img)

def handle(conf):
    """
    该方法是部署之后，其他人调用你的服务时候的处理方法。
    请按规范填写参数结构，这样我们就能替你自动生成配置文件，方便其他人的调用。
    范例：
    params['key'] = value # value_type: str # description: some description
    value_type 可以选择：img, video, audio, str, int, float, [int], [str], [float]
    参数请放到params字典中，我们会自动解析该变量。
    """

    img_name = conf['img_name']  # value_type: str # description: some description
    # add your code
    res_img = test(img_name)
    return {'res_img': res_img}

if __name__ == '__main__':
    conf = {}
    conf['img_name'] = 'batch_1_000029'
    res_img = handle(conf)
    print(res_img)