Wie konvertiere ich ein RGB-Bild in ein Numpy-Array?

Ich habe ein RGB-Bild. Ich möchte es in ein Numpy-Array konvertieren. Ich habe folgendes getan

im = cv.LoadImage("abc.tiff")
a = numpy.asarray(im)

Es wird ein Array ohne Form erstellt. Ich nehme an, es ist ein iplimage-Objekt.

Sie können eine neuere OpenCV-Python-Oberfläche verwenden (wenn ich mich nicht irre, ist sie seit OpenCV 2.2 verfügbar). Es werden nativ Numpy-Arrays verwendet:

import cv2
im = cv2.imread("abc.tiff",mode='RGB')
print type(im)

Ergebnis:

<type 'numpy.ndarray'>

PIL (Python Imaging Library) und Numpy arbeiten gut zusammen.

Ich benutze die folgenden Funktionen.

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 )

Das 'Image.fromarray' ist etwas hässlich, weil ich eingehende Daten in [0,255] schneide, in Bytes konvertiere und dann ein Graustufenbild erstelle. Ich arbeite meistens in grau.

Ein RGB-Bild wäre ungefähr so:

 outimg = Image.fromarray( ycc_uint8, "RGB" )
 outimg.save( "ycc.tif" )

Sie können hierfür auch matplotlib verwenden .

from matplotlib.image import imread

img = imread('abc.tiff')
print(type(img))

Ausgabe: <class 'numpy.ndarray'>

Ab heute ist es am besten, Folgendes zu verwenden:

img = cv2.imread(image_path)   # reads an image in the BGR format
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)   # BGR -> RGB

Sie werden sehen, dass imges sich um ein numpy-Array vom Typ handelt:

<class 'numpy.ndarray'>

Späte Antwort, aber ich bin gekommen, um das imageioModul den anderen Alternativen vorzuziehen

import imageio
im = imageio.imread('abc.tiff')

Ähnlich wie bei der cv2.imread()Erstellung wird standardmäßig ein Numpy-Array erstellt, jedoch in RGB-Form.

Sie müssen cv.LoadImageM anstelle von cv.LoadImage verwenden:

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)

Wenn ich die Antwort von David Poole verwende, erhalte ich einen SystemError mit Graustufen-PNGs und möglicherweise anderen Dateien. Meine Lösung ist:

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' )

Eigentlich würde img.getdata () für alle Dateien funktionieren, aber es ist langsamer, daher verwende ich es nur, wenn die andere Methode fehlschlägt.

Das OpenCV-Bildformat unterstützt die Numpy-Array-Schnittstelle. Es kann eine Hilfsfunktion eingerichtet werden, die entweder Graustufen- oder Farbbilder unterstützt. Dies bedeutet, dass die BGR -> RGB-Konvertierung bequem mit einem Numpy Slice durchgeführt werden kann, nicht mit einer vollständigen Kopie der Bilddaten.

Hinweis: Dies ist ein Schritttrick. Wenn Sie also das Ausgabearray ändern, werden auch die OpenCV-Bilddaten geändert. Wenn Sie eine Kopie wünschen, verwenden Sie die .copy()Methode für das Array!

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

Ich habe auch imageio übernommen, aber ich fand die folgenden Maschinen nützlich für die Vor- und Nachbearbeitung:

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)

Das Grundprinzip ist, dass ich numpy für die Bildverarbeitung verwende, nicht nur für die Bildanzeige. Zu diesem Zweck sind uint8s umständlich, daher konvertiere ich in Gleitkommawerte zwischen 0 und 1.

Beim Speichern von Bildern fiel mir auf, dass ich die Werte außerhalb des Bereichs selbst schneiden musste, da ich sonst eine wirklich graue Ausgabe erhielt. (Die Grauausgabe war das Ergebnis der Bildkomprimierung des gesamten Bereichs, der außerhalb von [0, 256) lag, auf Werte, die innerhalb des Bereichs lagen.)

Es gab noch ein paar andere Kuriositäten, die ich in den Kommentaren erwähnt habe.

Sie können ganz einfach numpy Array von rgb Bild erhalten durch die Verwendung numpyundImage from PIL

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

Laden Sie das Bild mit folgender Syntax: -

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