如何将 PIL 图像转换为 Numpy 数组-CFANZ编程社区

PIL（Python 图像库）是为 Python 创建的图像处理包。它提供了各种类和方法，可帮助创建、编辑和导出图像文档。不幸的是，对 PIL 模块的支持已于 2011 年停止。然而，具有相似目标的 Pillow 项目分叉了 PIL 模块。最终，Pillow 模块取代了 PIL，成为 Python 开发人员的默认图像处理工具。

Numpy 是 Python 中科学计算的首选模块。Numpy 引入了一个名为 “ndarray” 的数组对象。它们比传统的 Python 列表更快、更有效。数据科学家使用此模块是因为它的效率和适当的资源管理。

安装模块

PIL

PIL 不是 Python 标准库的一部分。使用以下命令通过 PIP 手动安装 PIL。

$ pip install Pillow

NumPy

Numpy 不是 Python 标准库的一部分。使用以下 PIP 命令进行安装。

$ pip install numpy

多个方法将 PIL 图像转换为 Numpy 数组

现在我们已经对 Pillow 模块和 Numpy 模块有了简要的了解，让我们看看将 PIL 图像转换为 Numpy 数组的各种方法。

使用`numpy.asarray()`函数将 PIL 图像转换为 Numpy 数组

要将 PIL 图像对象转换为 numpy 数组，我们可以使用numpy.asarray() 。

import numpy as np
from PIL import Image
myImage = Image.open("/content/companylogo.jpg")
myImageArr = np.asarray(myImage)
print(myImageArr.shape)

输出

(298, 33, 1500)

使用`numpy.array()`函数将 PIL 图像转换为 Numpy 数组

使用numpy.array()函数，我们将 PIL 图像转换为 3D ndarray

import numpy as np
from PIL import Image
myImage = Image.open("/content/companylogo.jpg")
myImageArr = np.array(myImage)
print(myImageArr.shape)

输出

(298, 33, 1500)

在上面的程序中，我们已将图像转换为 3D Numpy ndarray 。最后，我们显示了数组形状。

如何在 Python 中将 2D 矩阵转换为图像

使用 Numpy ndarray 和 Pillow 模块，我们可以将 2D 矩阵从 Numpy 转换为 Image 文件。让我们看看下面的实现。

from PIL import Image
import numpy as np
 
# 创建一个大小为50x50的整数值矩阵
myArray = np.random.randint(300, size=(50,50), dtype=np.uint8)
 
resImage = Image.fromarray(arr)
 
# 以png格式导出图像
resImage.save("image2Darray.png")

输出

如何将 PIL 图像转换为 Numpy 数组_array（）

如何将 RGB 图像转换为 Numpy 数组

像 matplotlib 和 openCV 这样的 Python 模块原生使用 Numpy 数组。因此，在 OpenCV 的帮助下，我们可以将 RGB 图像加载为 Numpy 数组。

import cv2
imageArray = cv2.imread("RGBImage.tiff",mode='RGB')
print(type(imageArray))

输出

<type 'numpy.ndarray'>

如何将具有灰度值的 2D Numpy 数组转换为 PIL 对象

import numpy as np
from PIL import Image
 
myArray = np.linspace(0,1,256*256)
 
 
array2D = np.reshape(myArray,(256,256))
 
# 创建PIL图像
imgGray = Image.fromarray( array2D , 'L')
imgGray.save("grayscale.png")

输出

如何将 PIL 图像转换为 Numpy 数组_PIL_02

如何将 Base64 图像转换为 Numpy 数组

例如，假设您从 HTTP 接收 base64 编码的图像。我们如何转换为 Numpy 数组？

import torch
import numpy as np
from PIL import Image
import base64
 
 
base64_decoded = base64.b64decode(test_image_base64_encoded)
 
with open("sample.jpg", "wb") as sample:
    sample.write(base64_decoded)
 
image = Image.open("sample.jpg")
imageArray = np.array(image)