Konwersja między obiektem Pillow Image a zmienną numpy array Wymiar

Question

Używam Pillow i numpy, ale mam problem z konwersją między obiektem Pillow Image i numpy array.

Kiedy wykonuję poniższy kod, wynik jest dziwny.

im = Image.open(os.path.join(self.img_path, ifname)) 
print im.size 
in_data = np.asarray(im, dtype=np.uint8) 
print in_data.shape 

wynik jest

(1024, 768) 
(768, 1024) 

Dlaczego wymiar ulegnie zmianie?

Answer 1

im może kolumn-major podczas gdy tablice w numpy są row-major

zrobić in_data = in_data.T celu transpozycję tablicę Python

prawdopodobnie powinien sprawdzić in_data z matplotlib „s imshow aby upewnić się, że obraz wygląda dobrze.

Ale czy wiesz, że matplotlib ma swoje własne funkcje ładowania, które dają bezpośrednio numpy tablic? Zobacz: http://matplotlib.org/users/image_tutorial.html

Answer 2

Jeśli obraz jest skala szarości Do:

in_data = in_data.T 

ale jeśli pracujesz z RBG obrazów chcesz upewnić się, że operacja transpozycja jest po zaledwie dwóch osi:

in_data = np.transpose(in_data, (1,0,2)) 

Answer 3

Dzieje się tak, ponieważ większość bibliotek obrazów dostarcza obrazów, które są transpozowane w porównaniu do tablic numpy. jest to (myślę), ponieważ piszesz pliki obrazów wiersz po linii, więc pierwszy indeks (powiedzmy x) odnosi się do numeru linii (czyli x jest osią pionową), a drugi indeks (y) odnosi się do kolejnego piksela w line (czyli y jest osią poziomą), co jest sprzeczne z naszym codziennym wymiarem współrzędnych.

Jeśli chcesz obsługiwać go poprawnie trzeba pamiętać, aby napisać:

image = library.LoadImage(path) 
array = (library.FromImageToNumpyArray(image)).T 

aw konsekwencji:

image = library.FromNumpyArrayToImage(array.T) 
library.WriteImage(image, path) 

który działa również w przypadku obrazów 3D. Ale nie obiecuję, że tak jest w przypadku WSZYSTKICH bibliotek obrazów - tylko te, z którymi pracowałem.