feat: p test func

app.py

@@ -1,86 +1,159 @@
 import gradio as gr
-import pytexrecon
-import os
+import pytexrecon  # 导入你之前的pytexrecon封装
+import numpy as np
+from PIL import Image
+import io
+from typing import Dict, Tuple, Optional
 
-def process_texturing(mesh_file, image_files, intrinsics_text, pose_texts):
+
+def generate_test_data() -> Tuple[bytes, Dict[str, bytes], str, Dict[str, str]]:
+    """
+    生成TexRecon测试所需的模拟数据（无需真实上传）：
+    返回：(网格文件二进制, 图像字典, 内参字符串, 姿态字典)
+    """
+    # 1. 模拟网格数据：最小化PLY格式文件（一个三角形面，3个顶点）
+    ply_content = """ply
+format ascii 1.0
+element vertex 3
+property float x
+property float y
+property float z
+element face 1
+property list uchar int vertex_indices
+end_header
+0.0 0.0 0.0
+1.0 0.0 0.0
+0.5 1.0 0.0
+3 0 1 2
+"""
+    mesh_bytes = ply_content.encode("utf-8")  # 转为二进制，符合pytexrecon输入要求
+
+    # 2. 模拟图像数据：2张64x64的纯色图像（红色+蓝色，避免空文件）
+    images: Dict[str, bytes] = {}
+    # 第一张图：红色
+    red_img = Image.new("RGB", (64, 64), color="red")
+    red_img_byteio = io.BytesIO()
+    red_img.save(red_img_byteio, format="PNG")
+    images["test1.png"] = red_img_byteio.getvalue()
+    # 第二张图：蓝色
+    blue_img = Image.new("RGB", (64, 64), color="blue")
+    blue_img_byteio = io.BytesIO()
+    blue_img.save(blue_img_byteio, format="PNG")
+    images["test2.png"] = blue_img_byteio.getvalue()
+
+    # 3. 模拟相机内参：简单针孔相机参数（适配64x64图像）
+    # 格式：相机ID fx fy cx cy k1 k2 p1 p2 （k1-k2为畸变系数，p1-p2为切向畸变，此处设为0）
+    intrinsics = "0 32.0 32.0 32.0 32.0 0.0 0.0 0.0 0.0"
+
+    # 4. 模拟相机姿态：2个图像对应的简单位姿（单位矩阵，代表相机在原点）
+    # 姿态格式：4x4齐次变换矩阵（每行用空格分隔，最后一行固定为0 0 0 1）
+    pose_matrix = """1.0 0.0 0.0 0.0
+0.0 1.0 0.0 0.0
+0.0 0.0 1.0 2.0  # 相机在z轴2m处，朝向原点
+0.0 0.0 0.0 1.0"""
+    poses: Dict[str, str] = {
+        "test1.png": pose_matrix,  # 第一张图的姿态
+        "test2.png": pose_matrix   # 第二张图的姿态（简化用同一姿态）
+    }
+
+    return mesh_bytes, images, intrinsics, poses
+
+
+def test_texrecon_flow(verbose: bool = True) -> Tuple[str, Optional[bytes], Optional[bytes], Optional[Image.Image]]:
+    """
+    完整测试pytexrecon流程：生成模拟数据 → 调用TexRecon → 返回结果
+    返回：(测试状态, 带纹理模型二进制, 纹理图二进制, 纹理图PIL对象)
+    """
     try:
-        # 初始化TexRecon
-        tex = pytexrecon.TexRecon(verbose=True)
-        
-        # 处理输入数据
-        with open(mesh_file.name, "rb") as f:
-            mesh_data = f.read()
-        
-        # 处理图像
-        images = {}
-        for img_file in image_files:
-            img_name = os.path.basename(img_file.name)
-            with open(img_file.name, "rb") as f:
-                images[img_name] = f.read()
-        
-        # 处理姿态数据
-        poses = {}
-        for img_file, pose_text in zip(image_files, pose_texts):
-            img_name = os.path.basename(img_file.name)
-            poses[img_name] = pose_text
-        
-        # 运行纹理重建
-        mesh_bytes, texture_bytes = tex.run_texturing(
+        # 步骤1：生成模拟测试数据
+        if verbose:
+            print("=== 步骤1：生成模拟测试数据 ===")
+        mesh_data, images, intrinsics, poses = generate_test_data()
+
+        # 步骤2：初始化pytexrecon（自动检查/编译TexRecon）
+        if verbose:
+            print("=== 步骤2：初始化pytexrecon ===")
+        texrecon = pytexrecon.TexRecon(verbose=verbose)
+
+        # 步骤3：调用TexRecon纹理重建（核心测试）
+        if verbose:
+            print("=== 步骤3：调用TexRecon纹理重建 ===")
+        textured_mesh_bytes, texture_bytes = texrecon.run_texturing(
             mesh_data=mesh_data,
             images=images,
-            intrinsics=intrinsics_text,
+            intrinsics=intrinsics,
             poses=poses,
-            texture_resolution=2048,
+            texture_resolution=256,  # 小分辨率加速测试
             fill_holes=True
         )
-        
-        # 保存结果到临时文件
-        with open("textured_mesh.obj", "wb") as f:
-            f.write(mesh_bytes)
-        
-        with open("texture.png", "wb") as f:
-            f.write(texture_bytes)
-        
-        return "textured_mesh.obj", "texture.png", "纹理重建成功！"
-    
+
+        # 步骤4：处理纹理图（转为PIL对象，方便Gradio显示）
+        texture_img = Image.open(io.BytesIO(texture_bytes)) if texture_bytes else None
+
+        # 步骤5：返回成功结果
+        status = (
+            "✅ 全流程测试成功！\n"
+            "- TexRecon可执行文件正常（已找到/编译）\n"
+            "- 模拟数据生成正常\n"
+            "- 纹理重建命令执行成功\n"
+            "- 已生成带纹理模型和纹理图"
+        )
+        return status, textured_mesh_bytes, texture_bytes, texture_img
+
     except Exception as e:
-        return None, None, f"处理失败: {str(e)}"
+        # 捕获所有异常，返回错误信息
+        status = f"❌ 测试失败：\n{str(e)}"
+        return status, None, None, None
+
+
+# 构建Gradio界面：一键测试+结果展示
+with gr.Blocks(title="pytexrecon 模拟测试工具") as demo:
+    gr.Markdown("# pytexrecon 全流程模拟测试")
+    gr.Markdown("无需上传真实数据，点击按钮即可测试封装是否正常工作（自动生成模拟数据）")
 
-# 创建Gradio界面
-with gr.Blocks(title="TexRecon 纹理重建工具") as demo:
-    gr.Markdown("# TexRecon 纹理重建工具")
-    gr.Markdown("上传网格模型、图像序列和相机参数，生成带纹理的3D模型")
-    
     with gr.Row():
-        with gr.Column(scale=1):
-            mesh_file = gr.File(label="网格模型 (.ply)", file_types=[".ply"])
-            image_files = gr.File(label="图像序列", file_types=[".jpg", ".png"], file_count="multiple")
-            
-            intrinsics_text = gr.Textbox(
-                label="相机内参",
-                placeholder="输入相机内参数据",
-                lines=5
-            )
-            
-            pose_texts = gr.Textbox(
-                label="相机姿态 (每个图像一个)",
-                placeholder="输入相机姿态数据，每个图像一行",
-                lines=5
-            )
-            
-            process_btn = gr.Button("开始纹理重建")
-        
-        with gr.Column(scale=1):
-            output_mesh = gr.File(label="带纹理的模型")
-            output_texture = gr.Image(label="纹理贴图")
-            status_text = gr.Textbox(label="状态")
-    
-    process_btn.click(
-        fn=process_texturing,
-        inputs=[mesh_file, image_files, intrinsics_text, pose_texts],
-        outputs=[output_mesh, output_texture, status_text]
+        # 测试按钮（点击触发全流程）
+        test_btn = gr.Button("🚀 开始模拟测试", variant="primary", size="lg")
+
+    # 结果展示区域
+    with gr.Group():
+        gr.Markdown("### 测试状态")
+        status_box = gr.Textbox(label="状态日志", lines=5, interactive=False)
+
+        gr.Markdown("### 输出结果预览")
+        with gr.Row():
+            # 纹理图预览（可视化验证）
+            texture_preview = gr.Image(label="生成的纹理图", interactive=False)
+            # 带纹理模型下载（验证文件是否正常生成）
+            mesh_download = gr.File(label="下载带纹理模型（.obj）", interactive=False)
+            # 纹理图下载
+            texture_download = gr.File(label="下载纹理图（.png）", interactive=False)
+
+    # 绑定按钮事件：点击后跑测试，更新结果
+    def on_test_click():
+        status, mesh_bytes, texture_bytes, texture_img = test_texrecon_flow()
+        # 处理下载文件（Gradio需要文件路径或二进制+文件名）
+        mesh_file = gr.File.update(
+            value=mesh_bytes,
+            label="下载带纹理模型（.obj）",
+            file_name="test_textured_mesh.obj"
+        ) if mesh_bytes else gr.File.update(value=None, label="下载带纹理模型（.obj）")
+
+        texture_file = gr.File.update(
+            value=texture_bytes,
+            label="下载纹理图（.png）",
+            file_name="test_texture.png"
+        ) if texture_bytes else gr.File.update(value=None, label="下载纹理图（.png）")
+
+        return status, mesh_file, texture_file, texture_img
+
+    # 绑定点击事件（无输入，直接触发）
+    test_btn.click(
+        fn=on_test_click,
+        outputs=[status_box, mesh_download, texture_download, texture_preview]
     )
 
+
+# 启动应用（适配Hugging Face Space，默认使用0.0.0.0地址）
 if __name__ == "__main__":
-    demo.launch()
-    
+    demo.launch(server_name="0.0.0.0", server_port=7860)

requirements.txt

@@ -1,3 +1,4 @@
 gradio>=3.0
-numpy
+pillow>=9.0
+numpy>=1.21