[Feature] remove dependency on enable_mm and refine multimodal's code (#3014)

* remove dependency on enable_mm

* fix codestyle check error

* fix codestyle check error

* update docs

* resolve conflicts on model config

* fix unit test error

* fix code style check error

---------

Co-authored-by: shige <1021937542@qq.com>
Co-authored-by: Jiang-Jia-Jun <163579578+Jiang-Jia-Jun@users.noreply.github.com>

fastdeploy/multimodal/image.py

@@ -0,0 +1,144 @@
+"""
+# Copyright (c) 2025  PaddlePaddle Authors. All Rights Reserved.
+#
+# Licensed under the Apache License, Version 2.0 (the "License"
+# you may not use this file except in compliance with the License.
+# You may obtain a copy of the License at
+#
+#     http://www.apache.org/licenses/LICENSE-2.0
+#
+# Unless required by applicable law or agreed to in writing, software
+# distributed under the License is distributed on an "AS IS" BASIS,
+# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+# See the License for the specific language governing permissions and
+# limitations under the License.
+"""
+
+import base64
+from io import BytesIO
+from typing import Any
+
+import requests
+from PIL import Image
+
+from .base import MediaIO
+
+
+class ImageMediaIO(MediaIO[Image.Image]):
+    def __init__(self, *, image_mode: str = "RGB") -> None:
+        """
+            Initializes the object.
+
+        Args:
+            image_mode (str, optional): The mode of the image, defaults to "RGB". Should be one of "L", "LA", "P",
+                "RGB", "RGBA", "CMYK", or "YCbCr".
+
+        Raises:
+            ValueError: If `image_mode` is not a valid mode.
+
+        Returns:
+            None: This method does not return anything. It initializes the object with the given parameters.
+        """
+        super().__init__()
+
+        self.image_mode = image_mode
+
+    def load_bytes(self, data: bytes) -> Image.Image:
+        """
+            将字节数据转换为图像对象，并返回。
+        该方法会自动调用Image.open和Image.load方法，以及convert方法将图像转换为指定模式（默认为RGB）。
+
+        Args:
+            data (bytes): 包含图像数据的字节对象。
+
+        Returns:
+            Image.Image: 一个包含了原始图像数据的Image对象，已经被转换为指定模式。
+
+        Raises:
+            无。
+        """
+        image = Image.open(BytesIO(data))
+        image.load()
+        return image.convert(self.image_mode)
+
+    def load_base64(self, media_type: str, data: str) -> Image.Image:
+        """
+        将 base64 编码的字符串转换为图片对象。
+
+        Args:
+            media_type (str): 媒体类型，例如 "image/jpeg"。
+            data (str): base64 编码的字符串数据。
+
+        Returns:
+            Image.Image: PIL 中的图片对象。
+
+        Raises:
+            无。
+        """
+        return self.load_bytes(base64.b64decode(data))
+
+    def load_file(self, filepath: str) -> Image.Image:
+        """
+            加载文件，并转换为指定模式。
+        如果文件不存在或无法打开，将抛出FileNotFoundError异常。
+
+        Args:
+            filepath (str): 文件路径。
+
+        Returns:
+            Image.Image: 返回一个Image.Image对象，表示已经加载和转换的图像。
+
+        Raises:
+            FileNotFoundError: 当文件不存在时抛出此异常。
+        """
+        image = Image.open(filepath)
+        image.load()
+        return image.convert(self.image_mode)
+
+    def load_file_request(self, request: Any) -> Image.Image:
+        """
+            从请求中加载图像文件，并返回一个PIL Image对象。
+        该函数需要传入一个包含图像URL的字符串或者可迭代对象（如requests库的Response对象）。
+        该函数会自动处理图像的格式和大小，并将其转换为指定的模式（默认为RGB）。
+
+        Args:
+            request (Any): 包含图像URL的字符串或者可迭代对象（如requests库的Response对象）。
+
+        Returns:
+            Image.Image: PIL Image对象，表示已经加载并转换好的图像。
+
+        Raises:
+            无。
+        """
+        image = Image.open(requests.get(request, stream=True).raw)
+        image.load()
+        return image.convert(self.image_mode)
+
+    def encode_base64(
+        self,
+        media: Image.Image,
+        *,
+        image_format: str = "JPEG",
+    ) -> str:
+        """
+            将图像转换为Base64编码的字符串。
+
+        Args:
+            media (Image.Image): 待处理的图像对象，支持PIL库中的Image类型。
+            image_format (str, optional): 指定图像格式，默认为"JPEG"。可选项包括："PNG", "JPEG", "BMP", "TIFF"等。
+                PIL库中的所有图片格式都可以使用，但是不建议使用"PPM"和"XBM"格式，因为这两种格式在Python3中已经被弃用了。
+
+        Returns:
+            str: Base64编码后的字符串，可以直接作为HTML或者JSON数据传输。
+
+        Raises:
+            None
+        """
+        image = media
+
+        with BytesIO() as buffer:
+            image = image.convert(self.image_mode)
+            image.save(buffer, image_format)
+            data = buffer.getvalue()
+
+        return base64.b64encode(data).decode("utf-8")