我可以使用“普通”（Enthought）python 将 numpy 数组保存为 16 位图像吗？

Question

有没有办法使用任何常用的 python 包将 numpy 数组保存为 16 位图像（tif、png）？ This是过去我唯一可以上班的方式，但我需要安装FreeImage包，这有点烦人。

这似乎是一个非常基本的任务，所以我希望它应该被 scipy 覆盖，但 scipy.misc.imsave 只做 8 位。

有什么想法吗？

Answer 1

另一种方法是使用pypng。你仍然需要安装另一个包，但它是纯 Python 的，所以这应该很容易。 （pypng源码中其实有一个Cython文件，但是它的使用是可选的。）

这是一个使用 pypng 将 numpy 数组写入 PNG 的示例：

import png

import numpy as np

# The following import is just for creating an interesting array
# of data.  It is not necessary for writing a PNG file with PyPNG.
from scipy.ndimage import gaussian_filter


# Make an image in a numpy array for this demonstration.
nrows = 240
ncols = 320
np.random.seed(12345)
x = np.random.randn(nrows, ncols, 3)

# y is our floating point demonstration data.
y = gaussian_filter(x, (16, 16, 0))

# Convert y to 16 bit unsigned integers.
z = (65535*((y - y.min())/y.ptp())).astype(np.uint16)

# Use pypng to write z as a color PNG.
with open('foo_color.png', 'wb') as f:
    writer = png.Writer(width=z.shape[1], height=z.shape[0], bitdepth=16)
    # Convert z to the Python list of lists expected by
    # the png writer.
    z2list = z.reshape(-1, z.shape[1]*z.shape[2]).tolist()
    writer.write(f, z2list)

# Here's a grayscale example.
zgray = z[:, :, 0]

# Use pypng to write zgray as a grayscale PNG.
with open('foo_gray.png', 'wb') as f:
    writer = png.Writer(width=z.shape[1], height=z.shape[0], bitdepth=16, greyscale=True)
    zgray2list = zgray.tolist()
    writer.write(f, zgray2list)

这是颜色输出：

这是灰度输出：

---

更新：我创建了一个名为 numpngw 的库（在 PyPI 和 github 上可用），它提供了一个将 numpy 数组写入 PNG 文件的函数。存储库有一个 setup.py 文件，用于将其安装为一个包，但基本代码在一个文件中，numpngw.py，可以复制到任何方便的位置。 numpngw 的唯一依赖是 numpy。

这是一个生成与上图相同的 16 位图像的脚本：

import numpy as np
import numpngw

# The following import is just for creating an interesting array
# of data.  It is not necessary for writing a PNG file.
from scipy.ndimage import gaussian_filter


# Make an image in a numpy array for this demonstration.
nrows = 240
ncols = 320
np.random.seed(12345)
x = np.random.randn(nrows, ncols, 3)

# y is our floating point demonstration data.
y = gaussian_filter(x, (16, 16, 0))

# Convert y to 16 bit unsigned integers.
z = (65535*((y - y.min())/y.ptp())).astype(np.uint16)

# Use numpngw to write z as a color PNG.
numpngw.write_png('foo_color.png', z)

# Here's a grayscale example.
zgray = z[:, :, 0]

# Use numpngw to write zgray as a grayscale PNG.
numpngw.write_png('foo_gray.png', zgray)

Answer 2

这个对png和numpngw的解释很有帮助！但是，我想我应该提到一个小“错误”。在转换为 16 位无符号整数时，y.max() 应该是 y.min()。对于随机颜色的图片，这并不重要，但对于真实的图片，我们需要做对。这是更正后的代码行...

z = (65535*((y - y.min())/y.ptp())).astype(np.uint16)

Answer 3

您可以将 16 位阵列转换为两通道图像（甚至将 24 位阵列转换为 3 通道图像）。像这样的东西很好用，只需要 numpy：

import numpy as np
arr = np.random.randint(0, 2 ** 16, (128, 128), dtype=np.uint16)  # 16-bit array
print(arr.min(), arr.max(), arr.dtype)
img_bgr = np.zeros((*arr.shape, 3), np.int)
img_bgr[:, :, 0] = arr // 256
img_bgr[:, :, 1] = arr % 256
cv2.imwrite('arr.png', img_bgr)
# Read image and check if our array is restored without losing precision
img_bgr_read = cv2.imread('arr.png')
B, G, R = np.split(img_bgr_read, [1, 2], 2)
arr_read = (B * 256 + G).astype(np.uint16).squeeze()
print(np.allclose(arr, arr_read), np.max(np.abs(arr_read - arr)))

结果：

0 65523 uint16
True 0

Answer 4

如前所述，PyPNG 非常有用。对于 Enthought 用户，它可以安装为例如：

conda install -c eaton-lab pypng

我会使用货架的from_array 方法：

import png
import numpy as np

bit_depth = 16

my_array = np.ones((800, 800, 3)) 

png.from_array(my_array*2**bit_depth-1, 'RGB;%s'%bit_depth).save('foo.png')

Mode 使用 PIL 样式格式，例如'L'、'LA'、'RGB' 或 'RGBA'，后跟 ';16' 或 ';8' 也设置了位深度。如果省略位深度，则使用数组的 dtype。

阅读更多here。

Answer 5

仅使用 numpy 和 OpenCV 创建了一个自定义脚本来执行此操作： （但仍然感觉像是一个巨大的矫枉过正......）

import numpy as np
import cv2

def save_gray_deep_bits(filepath, float_array, bitdepth=16):
    assert bitdepth in [8,16,24]
    arr = np.squeeze(float_array)
    assert len(arr.shape) == 2
    assert '.png' in filepath

    bit_iterations = int(bitdepth/8)
    img_bgr = np.zeros((*arr.shape, 3), np.uint8)
    encoded = np.zeros(arr.shape, np.uint8)

    for i in range(bit_iterations):
        residual = float_array - encoded
        plane_i = (residual*(256**i)).astype(np.uint8)
        img_bgr[:,:,i] = plane_i
        encoded += plane_i

    cv2.imwrite(filepath, img_bgr)
    return img_bgr

def bgr_to_gray_deep_bits(bgr_array, bitdepth=16):
    gray = np.zeros((bgr_array.shape[0], bgr_array.shape[1]), dtype = np.float32)
    for i in range(int(bitdepth/8)):
        gray += bgr_array[:,:,i] / float(256**i)
    return gray

def load_gray_deep_bits(filepath, bitdepth=16):
    bgr_image = cv2.imread('test.png').astype(np.float64)
    gray_reconstructed = bgr_to_gray_deep_bits(bgr_image, bitdepth = bd)
    return gray_reconstructed

bd = 24
gray_image_full_precision = np.random.rand(1024, 1024)*255.
save_gray_deep_bits('test.png', gray_image_full_precision, bitdepth = bd)

# Read image and check if our array is restored without losing precision
bgr_image = cv2.imread('test.png').astype(np.float64)
gray_reconstructed = bgr_to_gray_deep_bits(bgr_image, bitdepth = bd)
avg_residual = np.mean(np.abs(gray_reconstructed - gray_image_full_precision))
print("avg pixel residual: %.3f" %avg_residual)