PILイメージを派手な配列に変換する方法は？

わかりました、PIL画像オブジェクトをnumpy配列に前後に変換するので、PILのPixelAccessオブジェクトが許可するよりも速いピクセル単位のピクセル変換を行うことができます。次の方法で、ピクセル情報を便利な3D numpy配列に配置する方法を理解しました。

pic = Image.open("foo.jpg")
pix = numpy.array(pic.getdata()).reshape(pic.size[0], pic.size[1], 3)

しかし、すごい変換をすべて実行した後、それをPILオブジェクトに読み込む方法を理解できないようです。私はそのputdata()方法を知っていますが、動作するようには思えません。

正確にputdata()動作していないとは言っていません。あなたがやっていると思います

>>> 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

これはputdata、タプルのシーケンスを想定していて、numpy配列を与えているためです。この

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

動作しますが、非常に遅いです。

PIL 1.1.6以降、画像とnumpy配列を変換する「適切な」方法は単純です

>>> pix = numpy.array(pic)

結果の配列はあなたのものとは異なる形式です（この場合、3次元配列または行/列/ rgb）。

次に、配列に変更を加えた後、をpic.putdata(pix)使用するか、で新しいイメージを作成できるようになりますImage.fromarray(pix)。

I配列として開く：

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

いくつかIの処理を行ってから、画像に変換し直します。

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

FFT、Pythonで派手な画像をフィルタリングする

何らかの理由で明示的に実行したい場合は、このページの correlation.zipにgetdata（）を使用するpil2array（）およびarray2pil（）関数があります。

Python 3.5でPillow 4.1.1（PILの後継）を使用しています。Pillowとnumpyの間の変換は簡単です。

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)

注意が必要なことの1つは、枕スタイルimが列優先であり、numpyスタイルim2arrが行優先であることです。ただし、関数はImage.fromarrayすでにこれを考慮しています。つまり、arr2im.size == im.sizeそしてarr2im.mode == im.mode上記の例では。

変換されたnumpy配列を処理するときは、HxWxCデータ形式に注意するim2arr = np.rollaxis(im2arr, 2, 0)必要im2arr = np.transpose(im2arr, (2, 0, 1))があります。たとえば、変換またはCxHxW形式に変換します。

あなたはこの方法で画像をnumpy配列に変換する必要があります：

import numpy
import PIL

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

例として、私は今日使用しました：

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)

画像がBlob形式（つまり、データベース）で保存されている場合、Billal Begueradjによって説明されているのと同じ手法を使用して、画像をBlobからバイト配列に変換できます。

私の場合、dbテーブルのblob列に格納されている画像が必要でした。

def select_all_X_values(conn):
    cur = conn.cursor()
    cur.execute("SELECT ImageData from PiecesTable")    
    rows = cur.fetchall()    
    return rows

次に、データセットをnp.arrayに変更するヘルパー関数を作成しました。

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

この後、自分のニューラルネットワークでbyteArrayを使用することができました。

plt.imshow(imagesList[0])

Numpy to PIL画像を変換して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()

機能を圧縮した後、画像をnumpy（）関数に解析することにより、画像をnumpyに変換できます（非正規化）