comment faire pour convertir une image RVB en tableau numpy?

J'ai une image RVB. Je veux le convertir en tableau numpy. Je n'ai la suite

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

Il crée un tableau avec aucune forme. Je suppose que c'est un objet iplimage.

InformationsquelleAutor Shan | 2011-10-14
  1. 98

    Vous pouvez utiliser des nouvelles OpenCV python interface (si je ne me trompe pas il est disponible depuis OpenCV 2.2). Il utilise en mode natif des tableaux numpy:

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

    résultat:

    <type 'numpy.ndarray'>
    • cv2 est la nouvelle interface et est beaucoup plus facile à utiliser à mon humble avis. Il est conçu pour mieux représenter les classes c++.
    • Méfiez-vous que cv2.imread() retourne un tableau numpy dans BGR non pas en RVB.
    • Il travaillera avec les formats jpg, png et gif pour les images?
    • votre commentaire est sacré!
    • Arriver: Pas de module nommé "cv2'. J'ai essayé de pip3 installer cv2, mais il ne semble pas fonctionner. alors que imageio installé, aucun problème.
    • Pour une référence future: $ pip install opencv-python pour installer opencv
    • Et à l'arrière de l'image: stackoverflow.com/questions/26681756/...
    • Vous pouvez également utiliser brew install opencv si vous êtes sur un MacOs
    • TypeError: 'mode' is an invalid keyword argument for imread()
    • OpenCV semble avoir perdu la mode argument. Voir ma réponse ci-dessous pour une mise à jour de la méthode.

    InformationsquelleAutor Andrey Kamaev
  2. 51

    PIL (Python Imaging Library) et Numpy bien travailler ensemble.

    - Je utiliser les fonctions suivantes.

    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 )

    L'Image.fromarray' est un peu moche parce que je clip données entrantes [0,255], convertir octets, puis créer une image en niveaux de gris. Je travaille principalement en gris.

    Une image RVB serait quelque chose comme:

     outimg = Image.fromarray( ycc_uint8, "RGB" )
 outimg.save( "ycc.tif" )
    • Cette échoue avec une erreur, TypeError: long() argument must be a string or a number, not 'PixelAccess' et à la recherche, à la documentation de PIL est PixelAccess de la classe, il ne semble pas offrir des méthodes qui permettraient de np.array de convertir ses données sous-jacentes dans un ndarray format. Vous devez omettre l'utilisation de img.load() et de ne traiter qu'avec le résultat de Image.open(...).
    • L'img.load() fonctionne autour d'un étrange problème de mise en cache dans la LIP. Les données ne serait pas chargé jusqu'à ce requis explicitement. L'exemple fonctionne toujours pour moi, à l'exception de la modification de "importer une Image" de "de PIL import Image" lorsque vous travaillez avec Oreiller (le PIL de fourche).
    • Upvote pour l'utilisation de PIL seulement et pas d'OpenCV. Je ne suis pas contre OpenCV bien.
    InformationsquelleAutor David Poole
  3. 34

    Vous pouvez également utiliser matplotlib pour cela.

    from matplotlib.image import imread

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

    de sortie:
    <class 'numpy.ndarray'>

    • C'est très simple. Je l'aime 🙂
    • et retourne RGB si je ne me trompe pas
    • Oui, c'est fait.
    InformationsquelleAutor Rishabh Agrahari
  4. 9

    Réponse tardive, mais j'en suis venu à préférer la imageio module à l'autre des alternatives

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

    Similaire à cv2.imread(), il produit un tableau numpy par défaut, mais en RVB forme.

    InformationsquelleAutor slizb
  5. 6

    Vous devez utiliser le cv.LoadImageM au lieu de cv.LoadImage:

    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)
    • Merci beaucoup... Pourriez-vous également m'aider dans la recherche que si je créer une image en utilisant 'cv.CreateImage(largeur,hauteur,canaux) " ... Comment pourrait-il en être converti à un tableau numpy?
    • Je pense que vous devez utiliser cv.CreateMat au lieu ou à l'utilisation de cv.CreateMat et copie de l'image dans le tapis à l'aide de cv.CvtColor ou quelque chose de similaire. Jetez un oeil sur le lien que Paul a posté ci-dessus.
    InformationsquelleAutor Justin Peel
  6. 2
    def opencv_image_as_array(im):
  """Interface image from OpenCV's native format to a numpy array.

  note: this is a slicing trick, and modifying the output array will also change
  the OpenCV image data.  if you want a copy, use .copy() method on the array!
  """
  import numpy as np
  w, h, n = im.width, im.height, im.channels
  modes = {1:"L", 3:"RGB"}#, 4:"RGBA"}
  if n not in modes:
    raise StandardError('unsupported number of channels: {0}'.format(n))
  out = np.asarray(im) if n == 1 else np.asarray(im)[:,:,::-1]  ## BGR -> RGB
  return out
    InformationsquelleAutor wim
  7. 1

    Lors de l'utilisation de la réponse de David Poole-je obtenir un SystemError avec une échelle de gris Png et peut-être d'autres fichiers. Ma solution est:

    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' )

    Effectivement img.getdata() pourrait fonctionner pour tous les fichiers, mais il est plus lent, donc je ne l'utilise que lorsque l'autre méthode échoue.

    • Cela ne fonctionne pas à tous les
    InformationsquelleAutor daign
  8. 1

    À compter d'aujourd'hui, votre meilleur pari est d'utiliser:

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

    Vous verrez img sera un tableau numpy de type:

    <class 'numpy.ndarray'>
    InformationsquelleAutor belvederef
  9. 0

    J'ai aussi adopté imageio, mais j'ai trouvé le mécanisme suivant utiles pour le pré - et le post-traitement:

    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)

    La raison en est que je suis en utilisant numpy pour le traitement de l'image, et pas seulement l'image de l'affichage. À cette fin, uint8s sont difficiles à faire, donc je convertir des valeurs à virgule flottante allant de 0 à 1.

    Lors de l'enregistrement d'images, j'ai remarqué que j'ai dû couper les valeurs de la plage de moi-même, ou alors j'ai vraiment gris de sortie. (Le gris de sortie a été le résultat de imageio de la compression de la gamme complète, qui était en dehors de [0, 256), à des valeurs qui ont été à l'intérieur de la gamme.)

    Il y avait un couple d'autres bizarreries, trop, comme je l'ai dit dans les commentaires.

    InformationsquelleAutor enigmaticPhysicist