Niveaux de gris de l'image d'un tableau NumPy pour la transformée de Fourier

Actuellement, je suis à l'aide de PIL et NumPy. J'ai une couleur png image et que je veux:

  1. Lire en niveaux de gris
  2. Convertir un tableau NumPy
  3. Effectuer une FFT sur le tableau
  4. Afficher l'image

C'est ce que j'essaie (dans IPython w/--pylab drapeau):

In [1]: import Image

In [2]: img = Image.open('ping.png').convert('LA')

In [3]: img_as_np = np.asarray(img)

In [4]: img_as_np
Out[4]: array(<Image.Image image mode=LA size=1000x1000 at 0x105802950>, dtype=object)

In [5]: img_fft = fft.fft2(img_as_np) // IndexError: index out of range for array
Une raison pour l'utilisation de la LA mode (niveaux de gris avec alpha) ?
Après vous revoir, la réponse est stackoverflow.com/a/14472089/1832154 montre comment afficher correctement le résultat d'une transformée de Fourier.
J'ai lu quelque part que LA mode permettez-moi d'utiliser imshow() en niveaux de gris, je me rends compte maintenant L met en niveaux de gris, mais j'ai juste besoin d'ajouter un argument à imshow() pour s'assurer qu'il montre bien que les niveaux de gris. J'ai appris (à partir de réponses ci-dessous) A est d'empêcher la conversion se passe bien.. mon erreur 🙂 Merci!

OriginalL'auteur adelbertc | 2013-01-29

  1. 4

    Vous souhaitez utiliser le mode " L "au lieu de" LA " en tant que paramètre à la fonction convert() méthode. "LA" les feuilles d'un canal alpha, puis le numpy.asarray ne fonctionne pas comme prévu. Si vous avez besoin d'un canal alpha, alors vous aurez besoin d'une autre méthode pour convertir un tableau numpy. Sinon, utilisez le mode "L".

    OriginalL'auteur Justin Peel

  2. 4

    Il semblerait que vous utilisez une version de la LIP avant 1.1.6, où ils ont introduit les méthodes de sorte que numpy serait de savoir quoi faire avec un Image. Si vous êtes juste en train de img_as_np comme un élément de tableau contenant une Image objet (qui est ce que Out[4] est de vous montrer).

    Au contraire, vous devez faire quelque chose comme np.asarray(img.getdata()), qui vous donnera un num_pixels x num_channels tableau d'entiers entre 0 et 255 (au moins pour le png, j'ai essayé). Vous voudrez peut-être faire

    img_as_np = np.asarray(img.getdata()).reshape(img.size[1], img.size[0], -1)

    le poser comme l'image (transposée). Vous pouvez également diviser par 255 flottant pour des valeurs entre 0 et 1, si c'est le format que vous êtes enceinte (comme le fait par exemple matplotlib est imshow).

    OriginalL'auteur Dougal

  3. 1

    À l'aide de cette pour une image:

    >>> from PIL import Image
>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> Image.__version__
'1.1.7'
>>> img = Image.open('lena.png').convert('L')
>>> data = np.asarray(img.getdata()).reshape(img.size)
>>> fft = np.fft.fft2(data)
>>> fft[0, 0] = 0 # remove DC component for visualization
>>> plt.imshow(np.abs(np.fft.fftshift(fft)), interpolation='nearest')
<matplotlib.image.AxesImage object at 0x046012F0>
>>> plt.show()
>>> plt.imshow(np.abs(np.fft.fftshift(fft))[224:288, 224:288], interpolation='nearest')
<matplotlib.image.AxesImage object at 0x0476ED70>
>>> plt.show()

    Niveaux de gris de l'image d'un tableau NumPy pour la transformée de Fourier

    OriginalL'auteur Jaime