如何将PIL图像转换为numpy数组？

好吧，我想将PIL图像对象来回转换为numpy数组，因此我可以比PIL PixelAccess对象所允许的更快地进行逐像素转换。我已经找到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，在完成所有出色的转换之后，我似乎无法弄清楚如何将其重新加载到PIL对象中。我知道该putdata()方法，但似乎无法使其正常工作。

您并不是在说putdata()行为方式到底有多精确。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，并且您要给它一个numpy数组。这个

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

可以工作，但是非常慢。

从PIL 1.1.6开始，在图像和numpy数组之间进行转换的“正确”方法很简单

>>> pix = numpy.array(pic)

尽管结果数组的格式与您的格式不同（在这种情况下为3维数组或行/列/ rgb）。

然后，在对阵列进行更改之后，您应该可以执行任一操作pic.putdata(pix)或使用创建新图像Image.fromarray(pix)。

I以数组形式打开：

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

对进行一些处理I，然后将其转换回图像：

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

使用FFT，Python过滤numpy图像

如果出于某种原因要明确地执行此操作，则此页面上的correlation.zip中有使用getdata（）的pil2array（）和array2pil（）函数。

我在Python 3.5中使用Pillow 4.1.1（PIL的后继产品）。枕头和numpy之间的转换非常简单。

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)

需要注意的一件事是，枕头样式im是专栏为主的，而numpy 样式是专栏的im2arr。但是，该功能Image.fromarray已经考虑了这一点。即，arr2im.size == im.size和arr2im.mode == im.mode在上面的例子。

在处理转换后的numpy数组时，例如在进行转换im2arr = np.rollaxis(im2arr, 2, 0)或im2arr = np.transpose(im2arr, (2, 0, 1))转换为CxHxW格式时，我们应注意HxWxC数据格式。

您需要通过以下方式将图像转换为numpy数组：

import numpy
import PIL

img = PIL.Image.open("foo.jpg").convert("L")
imgarr = numpy.array(img) 

我今天使用的示例：

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)

如果图像以Blob格式（即数据库）存储，则可以使用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，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，我可以在神经网络中使用byteArrays了。

plt.imshow(imagesList[0])

转换Numpy to PIL图像并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)

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

您可以通过在压缩特征后将图像解析为numpy（）函数来将图像转换为numpy（非规范化）