Как преобразовать изображение PIL в массив numpy?

Ответ 1

Вы не говорите, как именно putdata() не ведет себя. Я предполагаю, что вы делаете

>>> 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 даете ей массив numpy. Это

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

будет работать, но он очень медленный.

Как и в PIL 1.1.6, "правильный" способ конвертировать между изображениями и массивами numpy - это просто

>>> pix = numpy.array(pic)

хотя результирующий массив находится в другом формате, чем ваш (3-й массив или строки/столбцы/rgb в этом случае).

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

Ответ 2

Откройте I как массив:

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

Сделайте что-нибудь в I, а затем верните его в изображение:

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

Фильтровать изображения numpy с помощью FFT, Python

Если вы хотите сделать это явно по какой-либо причине, есть функции pil2array() и array2pil(), используя getdata() на эту страницу в корреляции. zip.

Ответ 3

Я использую подушку 4.1.1 (преемник PIL) в Python 3.5. Преобразование между Подушкой и NumPy является простым.

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 нужно обратить внимание, это то, что стиль подушек im является основным столбцом, в то время как стиль im2arr стиле im2arr является im2arr строкой. 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 числовых массивов, например, выполнить преобразование im2arr = np.rollaxis(im2arr, 2, 0) или im2arr = np.transpose(im2arr, (2, 0, 1)) в Формат CxHxW.

Ответ 4

Вам нужно преобразовать ваше изображение в массив numpy следующим образом:

import numpy
import PIL

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

Ответ 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)

Ответ 6

Если ваше изображение хранится в формате Blob (то есть в базе данных), вы можете использовать ту же технику, которая была объяснена Биллалом Бегераджем, чтобы преобразовать ваше изображение из BLOB-объектов в байтовый массив.

В моем случае мне понадобились мои изображения, которые хранятся в столбце BLOB-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 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 моей нейронной сети.

plt.imshow(imagesList[0])

Ответ 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, проанализировав изображение в функции numpy() после выделения функций (ненормализация)