PIL、OpenCV、numpy处理图像格式的相互转化方式

PIL、OpenCV、numpy处理图像格式的相互转化方式

  • [1、PIL 读取、显示、保存图片](#1、PIL 读取、显示、保存图片)
  • [2、OpenCV 读取、显示、保存图片](#2、OpenCV 读取、显示、保存图片)
    • [1、采用 matplotlib 显示以 OpenCV 读取的图片](#1、采用 matplotlib 显示以 OpenCV 读取的图片)
  • [3、numpy 和 Image 的相互转换](#3、numpy 和 Image 的相互转换)
    • [1、Image 转换成 numpy](#1、Image 转换成 numpy)
    • [2、numpy 转换成 Image](#2、numpy 转换成 Image)

1、PIL 读取、显示、保存图片

python 复制代码
from PIL import Image

# PIL 读取、显示、保存图片
path = "D:/Deeplearning/img/dog.jpg"
image = Image.open(path)  # PIL Image 类型
print(image.size)  # (650, 433), 即(W, H)

image.show()  # 显示图片
image.save('new_image.jpg')

2、OpenCV 读取、显示、保存图片

OpenCV读取图像后返回的是一个代表图像的NumPy数组,采用的格式是 H×W×C,通道顺序为BGR

python 复制代码
import cv2

path = "D:/Deeplearning/img/dog.jpg"
image = cv2.imread(path)  # 返回的是 numpy 数组
print(image.shape)  # (433, 650, 3), 即 (H, W, C)

cv2.imshow("Image", image)
cv2.waitKey(0)  # 暂停显示图片,数字0代表按键后 0 ms执行

cv2.imwrite("new_image.jpg", image)  # 保存图片

1、采用 matplotlib 显示以 OpenCV 读取的图片

使用matplotlib绘图时,可以读取tesnor和numpy数据类型,图片通道顺序为RGB,且尺寸为(H,W,C)。

python 复制代码
# 采用 matplotlib 显示以 OpenCV 方式读取的图片(numpy)
import matplotlib.pyplot as plt
# 在 jupyter 中需要加上下面一行代码
# %matplotlib inline

# OpenCV 的通道顺序为 BGR
# 用 matplotlib 绘图时,需将其转换成 RGB 才能正常显示
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
# image = image[:, :, ::-1]  # 这是另一种 BGR 转换成 RGB的方式

plt.imshow(image)  # 显示图片
plt.axis("off")  # 不显示坐标轴
plt.show()

3、numpy 和 Image 的相互转换

1、Image 转换成 numpy

使用np.array(image)和np.asarray(image)可以将 PIL Image 图像转换成 numpy 数组。

python 复制代码
path = "D:/Deeplearning/img/dog.jpg"
image = Image.open(path)  # PIL Image 类型

image_array = np.array(image)  # 深拷贝,通道顺序是 RGB, (H,W,C)
print(type(image_array))  # numpy.ndarray

plt.imshow(image_array)  # 正常显示图片
plt.axis("off")
plt.show()
python 复制代码
image_array2 = np.asarray(image) # 浅拷贝,通道顺序是 RGB,(H,W,C)
print(type(image_array))  # numpy.ndarray

2、numpy 转换成 Image

使用Image.fromarray(np.uint8(image))进行转换。

python 复制代码
path = "D:/Deeplearning/img/dog.jpg"
image = cv2.imread(path)  

image = image[:,:,::-1]  # OpenCV 的通道顺序为 BGR, 转换成RGB

image_pil = Image.fromarray(np.uint8(image))
print(type(image_pil))  # PIL.Image.Image

image_pil.show()  # 显示正常

使用Image.fromarray(image.astype('uint8')).convert('RGB')进行转换,效果相同。.png格式的图像是4通道的,加.convert('RGB')可以将其转变成3通道。

python 复制代码
image_pil2 = Image.fromarray(image.astype('uint8'))  # .convert('RGB')
print(type(image_pil2))  # PIL.Image.Image

使用torchvision.transforms.ToPIL()也可以实现 numpy 到 PIL Image 的转换。

python 复制代码
from torchvision import transforms
trans = transforms.ToPILImage()
image_pil3 = trans(image)  
相关推荐
张较瘦_几秒前
[论文阅读] 人工智能 + 软件工程 | 需求获取访谈中LLM生成跟进问题研究:来龙去脉与创新突破
论文阅读·人工智能
一 铭1 小时前
AI领域新趋势:从提示(Prompt)工程到上下文(Context)工程
人工智能·语言模型·大模型·llm·prompt
麻雀无能为力4 小时前
CAU数据挖掘实验 表分析数据插件
人工智能·数据挖掘·中国农业大学
时序之心4 小时前
时空数据挖掘五大革新方向详解篇!
人工智能·数据挖掘·论文·时间序列
GG不是gg5 小时前
NumPy-核心函数np.dot()深入理解
numpy
.30-06Springfield5 小时前
人工智能概念之七:集成学习思想(Bagging、Boosting、Stacking)
人工智能·算法·机器学习·集成学习
说私域6 小时前
基于开源AI智能名片链动2+1模式S2B2C商城小程序的超级文化符号构建路径研究
人工智能·小程序·开源
永洪科技6 小时前
永洪科技荣获商业智能品牌影响力奖,全力打造”AI+决策”引擎
大数据·人工智能·科技·数据分析·数据可视化·bi
shangyingying_16 小时前
关于小波降噪、小波增强、小波去雾的原理区分
人工智能·深度学习·计算机视觉
书玮嘎7 小时前
【WIP】【VLA&VLM——InternVL系列】
人工智能·深度学习