将图像转换为数组时，反之亦然，是否还要考虑一些额外的因素？

Question

我编写了这段代码来切换给定图像中RGB阵列中的红色和蓝色值：

from PIL import Image 
import numpy as np 

image = Image.open("image.jpg")
RGBarr = np.asarray(image)

newRGB = np.full_like(RGBarr, 1)

red = RGBarr[..., 0]
green = RGBarr[...,1]
blue = RGBarr[..., 2]

newRGB[..., 0] = blue 
newRGB[..., 1] = green
newRGB[..., 2] = red

inv_image = Image.fromarray(newRGB, 'RGB')

inv_image.save('inv_image.png')

inv_image.show() 

我尝试了多幅图像，并且几乎每次都能使用。但是，在某些情况下，我会收到以下错误：

raise ValueError("not enough image data")
ValueError: not enough image data

如果我未在Image.fromarray(obj, mode)中指定模式，则可以解决，但是即使这样做，我也不确定所获得的结果是否为“正确”的模式。

是否有确定特定图像使用哪种模式的方法？

我希望这不是一个愚蠢的问题，但是在这个图像处理行业中我是新来的。

Answer 1

当您尝试读取非RGB的图像（例如灰度图像或RGBA图像）时，发生错误。要保持其余代码有效，最简单的方法是使用以下方法来强制执行RGB输入：

image = Image.open("image.jpg").convert('RGB')

然后，可能的灰度或RGBA图像将转换为RGB，并且可以作为常规RGB图像进行处理。

你发现自己，

inv_image = Image.fromarray(newRGB)

也可以，但是其余代码的处理现在不再正确（对所需的尺寸/轴进行适当的切片）。这将需要在代码上做进一步的工作，以尊重灰度或RGBA图像。

希望有帮助！

---

EDIT：要合并furas' idea to get rid of NumPy，这是交换通道的仅PIL方式。注意：您仍然需要强制的RGB输入。

from PIL import Image

image = Image.open('image.jpg').convert('RGB')

r, g, b = image.split()

inv_image = Image.merge('RGB', (b, g, r))

inv_image.save('inv_image.png')

inv_image.show()

Answer 2

如果要使用Numpy将RGB通道重新排序为BGR，则此操作要简单得多：

BGR = RGB[...,::-1]

只是反向处理最后一个索引（即通道）。它具有O（1）的优点，这意味着与数组大小无关，它花费相同的时间。在我的Mac上，要用10x10的图像进行BGR-> RGB，而用10,000x10,000的图像进行BGR-> RGB，则需要180ns。

---

通常，您可能需要一些其他排序方式，而不是直接冲销，因此，如果需要BGR-> BRG，可以执行以下操作：

BRG = BGR[...,(0,2,1)]
或者，如果您想通过重复绿色通道3次来制作3通道灰度图像（因为绿色通常是最不嘈杂的，请参见Wikipedia Bayer array article，则可以执行以下操作：

RGBgrey = BGR[...,(1,1,1)]
如果要摆脱Numpy

，则可以使用矩阵乘法直接在PIL / Pillow中进行：

# Open image
im = Image.open('image.jpg')

# Define matrix to re-order RGB->BGR
Matrix = ( 0, 0, 1, 0,  
           0, 1, 0, 0,  
           1, 0, 0, 0)

# BGR -> RGB
BGR = im.convert("RGB", Matrix)
您可以这样理解矩阵：

newR = 0*oldR + 0*oldG + 1*oldB + 0 offset
newG = 0*oldR + 1*oldG + 0*oldB + 0 offset
newB = 1*oldR + 0*oldG + 0*oldB + 0 offset
输入

结果