Как преобразовать изображение PIL в массив numpy?

Question

Хорошо, я играю с преобразованием объекта изображения PIL туда и обратно в массив numpy, чтобы я мог выполнять более быстрые попиксельные преобразования, чем PIL. PixelAccess объект позволит.Я понял, как поместить информацию о пикселях в полезный трехмерный массив с помощью:

pic = Image.open("foo.jpg")
pix = numpy.array(pic.getdata()).reshape(pic.size[0], pic.size[1], 3)

Но я не могу понять, как загрузить его обратно в объект PIL после того, как я выполнил все свои потрясающие преобразования.Я знаю о putdata() метод, но, похоже, не могу заставить его себя вести.

Answer 1

Вы не говорите, как именно putdata() не ведет себя.Я предполагаю, что ты делаешь

>>> pic.putdata(a)
Traceback (most recent call last):
  File "...blablabla.../PIL/Image.py", line 1185, in putdata
    self.im.putdata(data, scale, offset)
SystemError: new style getargs format but argument is not a tuple

Это потому что putdata ожидает последовательность кортежей, и вы передаете ей массив numpy.Этот

>>> data = list(tuple(pixel) for pixel in pix)
>>> pic.putdata(data)

будет работать, но очень медленно.

Начиная с PIL 1.1.6, «правильный» способ преобразования между изображениями и массивами numpy это просто

>>> pix = numpy.array(pic)

хотя результирующий массив имеет формат, отличный от вашего (в данном случае трехмерный массив или строки/столбцы/rgb).

Затем, после внесения изменений в массив, вы сможете сделать либо pic.putdata(pix) или создайте новое изображение с помощью Image.fromarray(pix).

Answer 2

Открыть I как массив:

>>> I = numpy.asarray(PIL.Image.open('test.jpg'))

Сделайте что-нибудь, чтобы I, затем преобразуйте его обратно в изображение:

>>> im = PIL.Image.fromarray(numpy.uint8(I))

Фильтрация изображений с помощью FFT, Python

Если по какой-то причине вы хотите сделать это явно, есть функции pil2array() и array2pil(), использующие getdata() в эта страница в корреляционном.zip.

Answer 3

Я использую Pillow 4.1.1 (преемник PIL) в Python 3.5.Преобразование между Pillow и numpy очень простое.

from PIL import Image
import numpy as np
im = Image.open('1.jpg')
im2arr = np.array(im) # im2arr.shape: height x width x channel
arr2im = Image.fromarray(im2arr)

Одна вещь, на которую следует обратить внимание, это то, что стиль подушки im является столбцом, а в стиле numpy im2arr является основным по строкам.Однако функция Image.fromarray уже учитывает это.То есть, arr2im.size == im.size и arr2im.mode == im.mode в приведенном выше примере.

Мы должны позаботиться о формате данных HxWxC при обработке преобразованных массивов numpy, например.сделать преобразование im2arr = np.rollaxis(im2arr, 2, 0) или im2arr = np.transpose(im2arr, (2, 0, 1)) в формат CxHxW.

Answer 4

Вам нужно преобразовать изображение в массив numpy следующим образом:

import numpy
import PIL

img = PIL.Image.open("foo.jpg").convert("L")
imgarr = numpy.array(img) 

Answer 5

Пример, который я использовал сегодня:

import PIL
import numpy
from PIL import Image

def resize_image(numpy_array_image, new_height):
    # convert nympy array image to PIL.Image
    image = Image.fromarray(numpy.uint8(numpy_array_image))
    old_width = float(image.size[0])
    old_height = float(image.size[1])
    ratio = float( new_height / old_height)
    new_width = int(old_width * ratio)
    image = image.resize((new_width, new_height), PIL.Image.ANTIALIAS)
    # convert PIL.Image into nympy array back again
    return array(image)

Answer 6

Если ваше изображение хранится в формате Blob (т.в базе данных) вы можете использовать тот же метод, который объяснил Биллал Бегерадж, для преобразования изображения из Blob-объектов в массив байтов.

В моем случае мне нужно было, чтобы мои изображения хранились в столбце больших двоичных объектов в таблице БД:

def select_all_X_values(conn):
    cur = conn.cursor()
    cur.execute("SELECT ImageData from PiecesTable")    
    rows = cur.fetchall()    
    return rows

Затем я создал вспомогательную функцию для изменения моего набора данных в np.array:

X_dataset = select_all_X_values(conn)
imagesList = convertToByteIO(np.array(X_dataset))

def convertToByteIO(imagesArray):
    """
    # Converts an array of images into an array of Bytes
    """
    imagesList = []

    for i in range(len(imagesArray)):  
        img = Image.open(BytesIO(imagesArray[i])).convert("RGB")
        imagesList.insert(i, np.array(img))

    return imagesList

После этого я смог использовать byteArrays в своей нейронной сети.

plt.imshow(imagesList[0])

Answer 7

def imshow(img):
    img = img / 2 + 0.5     # unnormalize
    npimg = img.numpy()
    plt.imshow(np.transpose(npimg, (1, 2, 0)))
    plt.show()

Вы можете преобразовать изображение в Numpy, анализируя изображение в функцию Numpy () после рассыпания функций (ненормализация)