我有一个 RGB 图像。我想将其转换为 numpy 数组。我做了以下
im = cv.LoadImage("abc.tiff")
a = numpy.asarray(im)
它创建一个没有形状的数组。我假设它是一个 iplimage 对象。
【问题讨论】：
cv 是 OpenCV 模块，那么你应该这样标记它。此链接可能会有所帮助：opencv.willowgarage.com/documentation/python/…
您可以使用更新的 OpenCV python 接口（如果我没记错的话，它自 OpenCV 2.2 起就可用）。它本机使用 numpy 数组：
import cv2
im = cv2.imread("abc.tiff",mode='RGB')
print type(im)
结果：
<type 'numpy.ndarray'>
【讨论】：
$ pip install opencv-python 安装opencv
TypeError: 'mode' is an invalid keyword argument for imread()
mode 参数。请参阅下面的答案以获取更新的方法。
PIL（Python 图像库）和 Numpy 可以很好地协同工作。
我使用以下函数。
from PIL import Image
import numpy as np
def load_image( infilename ) :
img = Image.open( infilename )
img.load()
data = np.asarray( img, dtype="int32" )
return data
def save_image( npdata, outfilename ) :
img = Image.fromarray( np.asarray( np.clip(npdata,0,255), dtype="uint8"), "L" )
img.save( outfilename )
“Image.fromarray”有点难看，因为我将传入的数据剪辑到 [0,255]，转换为字节，然后创建灰度图像。我大部分时间都是灰色的。
RGB 图像类似于：
outimg = Image.fromarray( ycc_uint8, "RGB" )
outimg.save( "ycc.tif" )
【讨论】：
TypeError: long() argument must be a string or a number, not 'PixelAccess' 并查看 PIL 的 PixelAccess 类的文档，它似乎没有提供使 np.array 能够将其基础数据转换为 @ 987654326@ 格式。需要省略img.load()的使用，只处理Image.open(...)的结果。
您也可以为此使用matplotlib。
from matplotlib.image import imread
img = imread('abc.tiff')
print(type(img))
输出：
<class 'numpy.ndarray'>
【讨论】：
从今天开始，您最好的选择是使用：
img = cv2.imread(image_path) # reads an image in the BGR format
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # BGR -> RGB
你会看到 img 将是一个类型为 numpy 的数组：
<class 'numpy.ndarray'>
【讨论】：
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # BGR -> RGB
cv2.COLOR_BGR2GRAY。
迟到的答案，但我开始更喜欢 imageio 模块而不是其他替代方案
import imageio
im = imageio.imread('abc.tiff')
类似于cv2.imread()，默认生成一个numpy数组，但是是RGB形式的。
【讨论】：
你需要使用 cv.LoadImageM 而不是 cv.LoadImage：
In [1]: import cv
In [2]: import numpy as np
In [3]: x = cv.LoadImageM('im.tif')
In [4]: im = np.asarray(x)
In [5]: im.shape
Out[5]: (487, 650, 3)
【讨论】：
当使用 David Poole 的答案时，我得到一个带有灰度 PNG 和其他文件的 SystemError。我的解决方案是：
import numpy as np
from PIL import Image
img = Image.open( filename )
try:
data = np.asarray( img, dtype='uint8' )
except SystemError:
data = np.asarray( img.getdata(), dtype='uint8' )
实际上 img.getdata() 对所有文件都有效，但速度较慢，所以我只在其他方法失败时使用它。
【讨论】：
使用以下语法加载图像：-
from keras.preprocessing import image
X_test=image.load_img('four.png',target_size=(28,28),color_mode="grayscale"); #loading image and then convert it into grayscale and with it's target size
X_test=image.img_to_array(X_test); #convert image into array
【讨论】：
您可以使用numpy 和Image from PIL 轻松获取 rgb 图像的 numpy 数组
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
im = Image.open('*image_name*') #These two lines
im_arr = np.array(im) #are all you need
plt.imshow(im_arr) #Just to verify that image array has been constructed properly
【讨论】：
OpenCV 图像格式支持 numpy 数组接口。可以使用辅助函数来支持灰度或彩色图像。这意味着 BGR -> RGB 转换可以方便地使用 numpy 切片完成，而不是图像数据的完整副本。
注意：这是一个跨步技巧，因此修改输出数组也会改变 OpenCV 图像数据。如果你想要一个副本，请在数组上使用.copy() 方法！
import numpy as np
def img_as_array(im):
"""OpenCV's native format to a numpy array view"""
w, h, n = im.width, im.height, im.channels
modes = {1: "L", 3: "RGB", 4: "RGBA"}
if n not in modes:
raise Exception('unsupported number of channels: {0}'.format(n))
out = np.asarray(im)
if n != 1:
out = out[:, :, ::-1] # BGR -> RGB conversion
return out
【讨论】：
我也采用了 imageio，但我发现以下机器对预处理和后处理很有用：
import imageio
import numpy as np
def imload(*a, **k):
i = imageio.imread(*a, **k)
i = i.transpose((1, 0, 2)) # x and y are mixed up for some reason...
i = np.flip(i, 1) # make coordinate system right-handed!!!!!!
return i/255
def imsave(i, url, *a, **k):
# Original order of arguments was counterintuitive. It should
# read verbally "Save the image to the URL" — not "Save to the
# URL the image."
i = np.flip(i, 1)
i = i.transpose((1, 0, 2))
i *= 255
i = i.round()
i = np.maximum(i, 0)
i = np.minimum(i, 255)
i = np.asarray(i, dtype=np.uint8)
imageio.imwrite(url, i, *a, **k)
理由是我使用 numpy 进行图像处理，而不仅仅是图像显示。为此，uint8s 很尴尬，所以我转换为 0 到 1 范围内的浮点值。
保存图像时，我注意到我必须自己剪切超出范围的值，否则我最终会得到一个非常灰色的输出。 （灰度输出是 imageio 将 [0, 256) 之外的整个范围压缩为范围内的值的结果。）
还有其他一些奇怪的东西，我在 cmets 中提到过。
【讨论】：
使用 Keras：
from keras.preprocessing import image
img = image.load_img('path_to_image', target_size=(300, 300))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
images = np.vstack([x])
【讨论】：
尝试定时将图像加载到 numpy 数组的选项，它们非常相似。使用plt.imread 是为了简单和快速。
def time_this(function, times=100):
cum_time = 0
for t in range(times):
st = time.time()
function()
cum_time += time.time() - st
return cum_time / times
import matplotlib.pyplot as plt
def load_img_matplotlib(img_path):
return plt.imread(img_path)
import cv2
def load_img_cv2(img_path):
return cv2.cvtColor(cv2.imread(img_path), cv2.COLOR_BGR2RGB)
from PIL import Image
import numpy as np
def load_img_pil(img_path):
img = Image.open(img_path)
img.load()
return np.asarray( img, dtype="int32" )
if __name__=='__main__':
img_path = 'your_image_path'
for load_fn in [load_img_pil, load_img_cv2, load_img_matplotlib]:
print('-'*20)
print(time_this(lambda: load_fn(img_path)), 10000)
结果：
--------------------
0.0065201687812805175 10000 PIL, as in [the second answer][1]https://stackoverflow.com/a/7769424/16083419)
--------------------
0.0053211402893066405 10000 CV2
--------------------
0.005320906639099121 10000 matplotlib
【讨论】：
您可以尝试以下方法。这是docs的链接。
tf.keras.preprocessing.image.img_to_array(img, data_format=None, dtype=None)
from PIL import Image
img_data = np.random.random(size=(100, 100, 3))
img = tf.keras.preprocessing.image.array_to_img(img_data)
array = tf.keras.preprocessing.image.img_to_array(img)
【讨论】：