如何将PIL图像转换为numpy数组？

Question

好吧，我正在四处寻找将PIL图像对象来回转换为numpy数组，这样我就可以比PIL的PixelAccess对象允许更快的像素转换。我已经想出如何通过以下方式将像素信息放在有用的3D numpy数组中：

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

但在完成所有令人敬畏的变换后，我似乎无法弄清楚如何将其加载回PIL对象。我知道putdata()方法，但似乎不能让它表现得好。

Answer 1

你不是说putdata()究竟是如何表现的。我假设你在做

>>> 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

这是因为putdata期望一系列元组，并且你给它一个numpy数组。这个

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

会工作，但它很慢。

从PIL 1.1.6开始，"proper" way to convert between images and numpy arrays就是简单的

>>> pix = numpy.array(pic)

虽然生成的数组格式与您的格式不同（在这种情况下为3-d数组或行/列/ rgb）。

然后，在对数组进行更改后，您应该能够执行pic.putdata(pix)或使用Image.fromarray(pix)创建新图像。

Answer 2

打开I作为数组：

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

做一些东西给I，然后，将它转换回图像：

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

Filter numpy images with FFT, Python

如果由于某种原因想要显式地执行它，则在correlation.zip中使用this page上的getdata（）函数有pil2array（）和array2pil（）函数。

Answer 3

我在Python 3.5中使用Pillow 4.1.1（PIL的后继者）。 Pillow和numpy之间的转换非常简单。

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)

需要注意的一件事是，枕头式的im是专栏式的，而numpy式的im2arr是行专业。然而，Image.fromarray函数已经考虑到了这一点。也就是说，arr2im.size == im.size和arr2im.mode == im.mode在上面的例子中。

在处理转换后的numpy数组时，我们应该处理HxWxC数据格式，例如：将im2arr = np.rollaxis(im2arr, 2, 0)或im2arr = np.transpose(im2arr, (2, 0, 1))转换为CxHxW格式。

Answer 4

您需要以这种方式将图像转换为numpy数组：

import numpy
import PIL

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

Answer 5

这个例子，我今天用过：

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

如果您的图像以Blob格式存储（即在数据库中），您可以使用Billal Begueradj解释的相同技术将图像从Blob转换为字节数组。

就我而言，我需要存储在db表中的blob列中的图像：

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

然后我创建了一个帮助函数来将我的数据集更改为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

在此之后，我能够在神经网络中使用byteArrays。

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()

通过在压缩特征之后将图像解析为numpy（）函数，可以将图像转换为numpy（非标准化）