灰度图像到 NumPy 数组的傅里叶变换答案

【问题标题】：Grayscale image to NumPy array for Fourier transform灰度图像到 NumPy 数组的傅里叶变换
【发布时间】：2013-01-12 16:12:24
【问题描述】：

目前我正在使用 PIL 和 NumPy。我有一张彩色的png 图片，我想：

灰度阅读
转换为 NumPy 数组
对阵列执行 FFT
显示图片

这就是我正在尝试的（在带有 --pylab 标志的 IPython 中）：

In [1]: import Image

In [2]: img = Image.open('ping.png').convert('LA')

In [3]: img_as_np = np.asarray(img)

In [4]: img_as_np
Out[4]: array(<Image.Image image mode=LA size=1000x1000 at 0x105802950>, dtype=object)

In [5]: img_fft = fft.fft2(img_as_np) // IndexError: index out of range for array

【问题讨论】：

有什么理由使用LA 模式（带alpha 的灰度）？
在您重新考虑之后，stackoverflow.com/a/14472089/1832154 的答案显示了如何正确显示傅里叶变换的结果。
我在某处读到LA 模式可以让我在灰度中使用imshow()，我现在意识到L 也将它置于灰度中，但我只需要向imshow() 添加一个参数以确保它正确显示为灰度。我了解到（从下面的答案）A 正在阻止转换正常发生.. 我的错误 :-) 谢谢！

标签： python image-processing numpy python-imaging-library fft

【解决方案1】：

您使用的似乎是 1.1.6 之前的 PIL 版本，其中they introduced the methods so that numpy would know what to do with an Image。因此，您只是将img_as_np 作为一个包含Image 对象的单元素数组（这是Out[4] 向您展示的内容）。

您需要执行类似np.asarray(img.getdata()) 的操作，这将为您提供一个num_pixels x num_channels 0 到255 之间的整数数组（至少对于我尝试过的png）。你可能想这样做

img_as_np = np.asarray(img.getdata()).reshape(img.size[1], img.size[0], -1)

像图像一样布局（转置）。您可能还想除以 255 以获得介于 0 和 1 之间的浮点值，如果这是您所期望的格式（例如 matplotlib 的 imshow 也是如此）。

【讨论】：

【解决方案2】：

您想使用模式“L”而不是“LA”作为 convert() 方法的参数。 'LA' 留下一个 alpha 通道，然后 numpy.asarray 无法按您的预期工作。如果您需要 alpha 通道，那么您将需要一种不同的方法来转换为 numpy 数组。否则，使用模式“L”。

【讨论】：

【解决方案3】：

将this 用于图像：

>>> from PIL import Image
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> Image.__version__
'1.1.7'
>>> img = Image.open('lena.png').convert('L')
>>> data = np.asarray(img.getdata()).reshape(img.size)
>>> fft = np.fft.fft2(data)
>>> fft[0, 0] = 0 # remove DC component for visualization
>>> plt.imshow(np.abs(np.fft.fftshift(fft)), interpolation='nearest')
<matplotlib.image.AxesImage object at 0x046012F0>
>>> plt.show()
>>> plt.imshow(np.abs(np.fft.fftshift(fft))[224:288, 224:288], interpolation='nearest')
<matplotlib.image.AxesImage object at 0x0476ED70>
>>> plt.show()

【讨论】：