如何将 PIL 图像转换为 numpy 数组？

Question

好的，我正在尝试将 PIL 图像对象来回转换为 numpy 数组，这样我可以进行比 PIL 的 PixelAccess 对象允许的更快的逐像素转换。我已经想出了如何通过以下方式将像素信息放置在有用的 3D numpy 数组中：

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

但是在我完成了所有很棒的转换之后，我似乎无法弄清楚如何将它加载回 PIL 对象中。我知道 putdata() 方法，但似乎无法让它发挥作用。

Answer 1

你并不是说putdata() 的行为不正常。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 需要一个元组序列，而你给它一个 numpy 数组。这个

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

可以，但速度很慢。

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

>>> pix = numpy.array(pic)

尽管结果数组的格式与您的不同（在本例中为 3-d 数组或行/列/rgb）。

然后，在对数组进行更改后，您应该可以使用pic.putdata(pix) 或使用Image.fromarray(pix) 创建新图像。

Answer 2

以数组形式打开I：

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

对I做一些处理，然后将其转换回图像：

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

来源：Filter numpy images with FFT, Python

如果您出于某种原因想要明确地执行此操作，有 pil2array() 和 array2pil() 函数使用 getdata() on this page in correlation.zip。

Answer 3

我在 Python 3.5 中使用 Pillow 4.1.1（PIL 的继任者）。 Pillow 和 numpy 之间的转换很简单。

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)

需要注意的一点是 Pillow 风格的 im 是列优先的，而 numpy 风格的 im2arr 是行优先的。但是，函数Image.fromarray 已经考虑到了这一点。也就是上面例子中的arr2im.size == im.size和arr2im.mode == im.mode。

在处理转换后的 numpy 数组时，我们应该注意 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

您需要通过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

转换Numpy to PIL图像和PIL to Numpy

import numpy as np
from PIL import Image

def pilToNumpy(img):
    return np.array(img)

def NumpyToPil(img):
    return Image.fromarray(img)

Answer 6

我今天使用的例子：

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 7

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，我需要将图像存储在 db 表的 blob 列中：

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

然后我创建了一个辅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

之后，我可以在我的神经网络中使用 byteArrays。

plt.imshow(imagesList[0])

Answer 8

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

您可以将图像转换为 numpy 通过在挤出特征（非标准化）后将图像解析为 numpy() 函数